Saltar al contenido
Cursos/IA desde cero/Cómo pedir un resultado útil sin depender de trucos de prompts

Cómo pedir un resultado útil sin depender de trucos de prompts

Convierte una petición ambigua en un encargo con objetivo, límites, formato y comprobación.

Qué vas a conseguir ahora

Transforma una petición vaga en un encargo que otra persona pueda comprobar. Resultado esperado: Un prompt reutilizable con objetivo, contexto, límites, formato y verificación.

  1. 1Entiende el criterio
  2. 2Haz una práctica pequeña
  3. 3Guarda una evidencia
25 min Evidencia

Objetivo: ____ · Contexto: ____

Lección 5 de 1025 min Práctica guiada Sin herramienta obligatoria

Aprende haciendo una decisión pequeña

Transforma una petición vaga en un encargo que otra persona pueda comprobar.

Sin cuenta, cookies ni seguimiento
Resultado de esta misiónUn prompt reutilizable con objetivo, contexto, límites, formato y verificación.
Hazlo en tres pasos 0/3 durante esta visita
Comprueba tu criterio

¿Cuál de estas peticiones es más verificable?

Plantilla de evidencia para copiar en tus apuntes
Objetivo: ____
Contexto: ____
Límites: ____
Formato: ____
Cómo lo comprobaré: ____

Esta actividad solo usa memoria temporal de la página. Al recargar, olvida las respuestas. Contenido CC BY-SA 4.0 · código MIT.

Revisión editorial ·
Concepto estable Revisar cada 180 días

Alcance revisado: Diseño de encargos observables y criterios de aceptación.

Fuentes primarias de referencia

Este estado describe una revisión editorial. No afirma que exista código ejecutable en una lección conceptual.

Explicación, ejemplos y práctica completa

No existe una frase secreta que convierta cualquier petición en buen trabajo. Un encargo útil se parece más a un briefing breve que a un hechizo. Usa esta plantilla:

Tarea: [qué necesitas producir].
Contexto: [datos que sí puede usar].
Audiencia: [quién lo leerá o utilizará].
Límites: [qué no debe inventar, decidir o publicar].
Formato: [tabla, lista, borrador, JSON, etc.].
Comprobación: [qué debe señalar como dudoso o pendiente].

Ejemplo: de vago a comprobable

Vago: «Hazme un plan de marketing».
Comprobable: «Con estos tres servicios y este presupuesto mensual, crea tres hipótesis de campaña para una clínica. No prometas resultados médicos. Separa hechos proporcionados, supuestos y preguntas pendientes. Devuélvelo en una tabla para que lo revise el equipo.»

La segunda petición no hace mágico al modelo. Hace visible el trabajo que te toca validar.

Cuando la primera respuesta no sirve

No empieces de cero ni insultes a la herramienta. Señala el fallo con precisión:

  • «La tabla mezcla datos confirmados con supuestos. Sepáralos.»
  • «El tono es demasiado comercial para una comunicación académica. Reescribe con cautela.»
  • «Cita el fragmento del documento que sostiene cada respuesta.»
  • «Si no hay evidencia en la fuente, responde “no consta”.»

Práctica

Redacta una petición para tu tarea elegida en la lección 1. Añade una lista de tres condiciones que te permitirían aceptar el resultado.

Resumen

  • Pide una salida verificable, no una respuesta «perfecta».
  • El formato y los límites son parte de la tarea.
  • Corregir con observaciones concretas mejora más que repetir el mismo prompt.

Si has guardado la evidencia de esta lección, continúa con «Alucinaciones: cómo detectar una respuesta convincente pero incorrecta». Si no, repite la comprobación antes de avanzar.

Mapa completo de Aulafy

Cómo se relacionan todos los cursos

No es una lista que debas completar. Empieza por la base, elige un resultado y profundiza solo cuando tu proyecto necesite más control.

  1. 1Comprender
  2. 2Aplicar o construir
  3. 3Operar con confianza
01

Empieza aquí

Crea una base común: qué puede hacer la IA, cómo pedir resultados y cómo comprobarlos antes de especializarte.

Desde esta base puedes aplicar la IA a una tarea o aprender a construir con código.

02

Elige una aplicación

Convierte la base en un resultado visible: una web, una mejora de negocio, contenido o una experiencia interactiva.

Si necesitas mantener código, datos o infraestructura, continúa por la rama técnica.

03

Construye con código

Prepara el entorno, trabaja con agentes de programación y aprende a ejecutar modelos con control sobre tus proyectos.

Esta rama prepara los conocimientos necesarios para diseñar y operar sistemas de IA fiables.

04

Lleva sistemas a producción

Combina recuperación, agentes, evaluación, seguridad, despliegue y adaptación de modelos cuando el problema lo exija.

No es obligatorio completarlo todo: elige solo la pieza que tu sistema necesita y vuelve al mapa cuando crezca.

Ver catálogo completo