Aprende IA, de cero a producción.

Los modelos generan texto, imágenes, audio o código a partir de patrones aprendidos. Una respuesta convincente puede ser incorrecta.

Úsalos para proponer, transformar, resumir o explorar. Conserva la decisión humana cuando el error pueda afectar a personas, dinero, derechos o seguridad.

Un chat responde; la búsqueda localiza; RAG aporta documentos; una automatización sigue pasos definidos; un agente decide qué herramienta usar.

Empieza por el mecanismo menos autónomo que resuelva el problema. Añade memoria, herramientas o bucles solo si puedes probar su necesidad.

Separa hechos, inferencias y recomendaciones. Para cada hecho importante pide una fuente y comprueba que realmente respalda la afirmación.

Si no hay evidencia suficiente, la respuesta correcta es abstenerse o declarar incertidumbre.

Un chat organiza mensajes y puede añadir archivos, búsqueda o memoria. El modelo solo calcula una respuesta a partir de la entrada efectiva de esa llamada; no recuerda por sí mismo todas tus conversaciones.

La ventana de contexto tiene un límite. Cuando acumulas instrucciones, documentos y respuestas, la aplicación debe recortar, resumir o recuperar solo lo relevante. Cada estrategia puede perder información.

Comprueba siempre qué información se envía, qué persiste fuera del modelo y qué parte procede de una herramienta conectada.

Un buen encargo describe el resultado observable, los datos permitidos, lo que no debe ocurrir y cómo se comprobará.

Pide primero un plan o muestra pequeña cuando el trabajo sea costoso o difícil de deshacer.

Pide explicaciones graduadas, ejemplos y preguntas. Después cierra el chat y reconstruye la idea con tus palabras.

Declara el uso de IA cuando la institución lo exija y nunca inventes fuentes, datos o experimentos.

No introduzcas secretos, historiales médicos, expedientes, credenciales o datos de terceros sin base, autorización y controles adecuados.

Sustituye datos reales por ejemplos ficticios y comparte solo el fragmento necesario para la tarea.

Intentar adivinar si un texto fue generado no demuestra qué aprendió una persona. Diseña entregas que conserven decisiones, fuentes, borradores y cambios.

Combina una fase asistida con una explicación breve sin ayuda, una defensa oral o la aplicación del concepto a un caso nuevo.

La política debe explicar qué usos están permitidos, qué debe declararse y qué evidencia pertenece al estudiante.

Comprueba columnas, tipos, unidades, nulos, duplicados y fechas antes de pedir conclusiones. La IA no corrige silenciosamente una base defectuosa.

Cada transformación debe poder reconstruirse y revisarse.

RAG divide documentos, crea representaciones para buscar y entrega fragmentos relevantes al modelo. No convierte documentos erróneos en verdad.

Una cita debe permitir localizar el documento y el pasaje que sostiene la respuesta.

Registra si el pasaje correcto apareció, si la respuesta se apoyó en él, si citó bien y si se abstuvo cuando debía.

No mejores el prompt para ocultar un buscador que recupera documentos equivocados.

Entrega al modelo el esquema necesario, no filas privadas innecesarias. Pide una consulta y una explicación de los campos utilizados.

El controlador debe permitir inicialmente solo SELECT, validar tablas y columnas, imponer un límite de filas y bloquear extensiones o acceso a rutas.

Una respuesta numérica es reproducible cuando conserva la pregunta, el SQL, la versión del dataset y el resultado devuelto por el motor.

Define quién usa el producto, qué problema resuelve, qué datos toca y qué estados debe mostrar. Incluye carga, vacío, error y éxito.

Construye primero un recorrido completo pequeño; amplía después de probarlo.

Empieza en solo lectura. Pide al agente que identifique archivos, restricciones y pruebas antes de editar.

Revisa el diff, ejecuta comprobaciones proporcionales al riesgo y conserva una forma de volver atrás.

Una web no termina cuando compila. Comprueba navegación, contraste, formularios, metadatos, secretos, dominio y recuperación ante un despliegue defectuoso.

Mantén preview y producción separados y documenta variables externas y costes.

Antes de editar, comprueba la rama, el estado del repositorio y las instrucciones del proyecto. Después revisa solo los archivos relacionados con el objetivo.

El diff debe explicar la intención: evita mezclar formato, refactorizaciones y funciones nuevas si no necesitan viajar juntas.

Una prueba exitosa no sustituye la lectura del cambio. Revisa efectos laterales, datos, permisos y cómo revertirlo antes de integrar.

Compara modelos con tus propios casos. Revisa licencia, idiomas, contexto, requisitos de memoria y límites publicados.

Open weights no significa necesariamente open source ni permiso ilimitado para cualquier uso.

Ollama simplifica la ejecución local, pero el modelo sigue consumiendo almacenamiento, RAM o VRAM. No expongas el servicio a Internet sin autenticación y controles.

Registra versión, modelo exacto, cuantización y hardware para que la prueba sea reproducible.

Local puede reducir salida de datos y coste variable, pero añade hardware y mantenimiento. Una API puede ofrecer mayor capacidad, pero introduce dependencia, tratamiento externo y coste por uso.

Un diseño híbrido decide por política qué tareas y datos pueden usar cada ruta.

El peso del modelo, la cuantización, la caché de contexto y otros procesos compiten por memoria. Que un modelo cargue no significa que responda con la latencia necesaria.

NVIDIA, AMD y Apple Silicon tienen rutas de aceleración y compatibilidad diferentes. Verifica la herramienta, el sistema operativo y el modelo exactos en fuentes oficiales.

Prueba con tus prompts y mide memoria máxima, tiempo hasta el primer token y velocidad sostenida. Incluye el peor contexto que realmente usarás.

Documenta entradas, decisiones, salidas, responsables y fallos. Si las personas no acuerdan el proceso, un agente solo automatizará la confusión.

Separa propuesta, aprobación y ejecución cuando la acción pueda causar daño.

MCP estandariza cómo una aplicación ofrece recursos y herramientas a un modelo. No convierte una herramienta insegura en segura.

Limita alcance, valida argumentos, registra llamadas y exige aprobación para escritura, pagos, publicación o borrado.

Los agentes fallan por red, límites, procesos o respuestas inválidas. Guarda cada transición y distingue intento, aprobación y ejecución.

Usa claves de idempotencia, límites de reintento y una cola de revisión para casos ambiguos.

Una llamada genera con el contexto recibido. Una tool ejecuta una función acotada. MCP estandariza cómo se descubre e invoca esa capacidad. RAG recupera evidencia. Un agente puede elegir el siguiente paso.

Construye los cinco escalones con el mismo caso para que la comparación sea válida. Conserva el código como controlador de permisos, pasos, citas y parada.

No añadas un bucle si un flujo determinista resuelve el problema. Cada escalón debe justificar su nueva capacidad y su nuevo riesgo.

Evalúa calidad antes del despliegue y monitoriza fallos después. Conserva entrada minimizada, versión, herramientas, latencia, coste y resultado cuando sea apropiado.

Los logs también son datos sensibles: aplica acceso, retención y redacción.

Define quién responde, qué alertas importan, cómo se revocan credenciales, cómo se restaura una copia y cómo continúa el servicio sin IA.

Prueba inyección de prompts, datos maliciosos, abuso de herramientas y dependencia de proveedores.

Elige un problema real y estrecho. Documenta usuario, datos, arquitectura mínima, riesgos, pruebas, coste, despliegue, mantenimiento y límites.

El proyecto está terminado cuando otra persona puede ejecutarlo, comprobarlo y entender cuándo no debe usarlo.

El red teaming no consiste en coleccionar jailbreaks. Parte del modelo de amenazas y cubre privacidad, secretos, instrucciones en documentos, abuso de herramientas, consumo y daños relevantes para el caso.

Ejecuta pruebas solo en un entorno autorizado, con datos ficticios y sin afectar a terceros. Registra entrada, configuración, salida, severidad y repetibilidad.

Una mitigación debe convertirse en código, permisos, filtrado, evaluación o proceso humano y demostrar que no rompe los casos legítimos.