Saltar al contenido

De piloto a flujo fiable: esquema, fuentes, abstención y validación

Un piloto demuestra que una idea puede ayudar. Un flujo fiable deja claro qué entra, de dónde sale cada dato, qué formato debe devolver, cuándo debe decir «no sé» y qué comprobación impide que un error avance.

Qué vas a conseguir ahora

Una decisión o prueba aplicada a «De piloto a flujo fiable: esquema, fuentes, abstención y validación».

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

Una nota breve con qué hiciste, qué salió bien, qué falló y qué revisarías después.

Objetivos de aprendizaje
  • Convertir una petición vaga en un contrato de entrada, salida y límites.
  • Hacer que un flujo basado en documentos cite su evidencia o se abstenga.
  • Validar campos críticos antes de que una persona apruebe el resultado.
En cristiano: contrato de flujo. Es una ficha breve que describe el propósito, los datos permitidos, la salida esperada, las acciones prohibidas, la persona revisora y qué ocurre si falta información. Sirve para que el flujo sea repetible y no dependa de una conversación improvisada.

La diferencia entre una demo y un flujo

Una demo responde algo aparentemente bueno a un ejemplo. Un flujo debe responder de manera controlada a muchos ejemplos, incluidos los incompletos y los equivocados. Para conseguirlo, separa las etapas: recibe una entrada autorizada, limpia lo innecesario, busca evidencia si trabaja con documentos, genera un borrador estructurado, valida reglas simples y lo entrega para revisión. Solo una acción posterior y explícita podría usar ese resultado.

Terminal
Entrada autorizada
  -> normalizar y minimizar datos
  -> recuperar fuentes permitidas si hacen falta
  -> generar borrador con esquema fijo
  -> validar formato, campos y reglas de negocio
  -> revisión humana
  -> acción posterior solo si se aprueba
Idea clave. Cuantas menos decisiones invisibles haya entre una entrada y una salida, más fácil será explicar un error y corregirlo.

Escribe el contrato antes del prompt

El prompt ayuda a orientar al modelo, pero no es el contrato completo. Primero define el trabajo sin mencionar marcas ni modelos. Para extraer una factura, por ejemplo, la salida no es «un resumen útil»: es un borrador con campos concretos, una fuente identificable y una lista de dudas. Si el campo no se encuentra o no pasa una regla básica, debe quedar vacío y marcado para revisión.

Terminal
nombre: extracción de factura a borrador
finalidad: preparar una fila revisable; no contabilizar
entrada: PDF autorizado y su identificador interno
datos_no_permitidos: contraseñas, datos ajenos al documento
salida: emisor, fecha, número, base, IVA, total, dudas, fuente
regla_de_evidencia: cada campo crítico indica página o zona leída
abstención: si no puede leer o no encuentra un campo, usa null y explica por qué
validación: fecha válida; importes numéricos; total coherente o marcado
revisor: administración
acción_prohibida: exportar a contabilidad, pagar o modificar registros

Fuentes: evidencia antes que seguridad aparente

Si el flujo responde sobre una política, un catálogo o una base documental, el modelo no debe completar huecos con frases plausibles. Entrega junto a la respuesta el identificador, versión y fragmento de la fuente que la sostiene. Si no hay evidencia suficiente, la salida correcta es una abstención útil: «no encuentro una fuente autorizada para afirmarlo; revisa este documento o escala la consulta».

  • Limita la búsqueda al conjunto de documentos y permisos correspondientes.
  • Guarda versión, fecha y fragmento de la fuente, no solo el texto final.
  • Distingue un dato extraído, una inferencia y una propuesta de redacción.
  • No conviertas una puntuación de similitud en una garantía de que la respuesta es correcta.
Cuidado. «No sé» no es un fallo del producto. Es un resultado seguro cuando falta evidencia, la entrada está incompleta o la decisión excede el alcance del flujo. El peligro es obligar al sistema a responder siempre.

Valida fuera del modelo lo que sea objetivo

Un modelo puede proponer una fecha, un importe o un código, pero una regla determinista debe comprobar después que el formato existe y tiene sentido. Valida tipos, campos obligatorios, rangos, duplicados y relaciones simples. La revisión humana decide el significado; las reglas evitan que una salida incompleta parezca lista para usar.

Terminal
salida_borrador:
  emisor: ACME S.L.
  fecha: 2026-07-18
  numero: F-204
  base: 100
  iva: 21
  total: 121
  evidencia:
    total: pagina 1, bloque inferior
  dudas: []

validaciones:
  - todos los campos críticos existen o están marcados null
  - total = base + iva, con tolerancia explícita
  - fecha se puede interpretar
  - número no está duplicado en la muestra
  - si falla una regla: estado = revisar, nunca = listo
Comprueba que funciona. Elige un caso del piloto y escribe su contrato en una página. Después prueba seis entradas: tres normales, una incompleta, una ilegible y una que pida algo fuera del alcance. Debes poder señalar qué salida se acepta, cuál se marca para revisión y cuál se rechaza.
Guardar y reabrir el proyecto.
Usa el kit de flujo fiable para documentar el contrato, las fuentes y la validación. Aún no actives permisos de envío, pago, publicación o escritura en sistemas reales.

Si has guardado la evidencia de esta lección, continúa con «Pruebas de fallo y métricas». 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