Cómo usar bien las herramientas de IA¶
La idea central: la calidad del resultado depende de la calidad de la instrucción¶
Una de las causas más frecuentes de decepción con las herramientas de IA no es que la herramienta sea mala, sino que la instrucción que se le da (lo que habitualmente se llama "prompt") es demasiado vaga. Pedir "escríbeme un correo para un cliente" producirá un resultado genérico que después hay que reescribir casi por completo. Pedir "escríbeme un correo para un cliente que ha pedido un reembolso por un producto defectuoso, en tono empático pero firme, explicando que el reembolso se procesará en 5 días laborables, en un máximo de 100 palabras" producirá algo mucho más cercano a lo que realmente se necesita.
Este documento recoge un conjunto de prácticas sencillas para obtener mejores resultados de cualquier herramienta de IA conversacional, y —igual de importante— cómo revisar esos resultados antes de usarlos.
La estructura de un buen prompt: cinco componentes¶
Más allá de la redacción, una instrucción completa suele incluir cinco elementos. No todos hacen falta siempre, pero tenerlos presentes es la diferencia entre una respuesta genérica y una útil. Sirven para cualquier herramienta:
| Componente | Qué es | Ejemplo |
|---|---|---|
| Rol | El papel que adopta la herramienta | "Actúa como responsable de atención al cliente experto en…" |
| Objetivo | La tarea exacta | "Redacta la respuesta a una reclamación…" |
| Contexto | Para quién y en qué situación | "…de un cliente de 10 años, molesto por un retraso en la entrega." |
| Restricciones | Los límites (el componente más importante) | "Usa únicamente la información que te doy; si falta un dato escribe 'DATO NO DISPONIBLE'; no inventes." |
| Formato | Cómo se quiere el resultado | "Devuelve solo el correo, máximo 150 palabras, tono cercano." |
Las restricciones son el "escudo antialucinaciones". Limitar la libertad del modelo —pedirle que use solo la información proporcionada y que marque lo que falta en lugar de rellenarlo— es la forma más simple y eficaz de evitar que invente. Es la versión sencilla de la técnica RAG que se explica más abajo.
Ejemplo completo: "Actúa como responsable de atención al cliente (Rol). Redacta la respuesta a una reclamación (Objetivo) de un cliente de 10 años molesto por un retraso en la entrega, al que queremos ofrecer un 10 % de descuento (Contexto). Usa solo los datos que te doy; si falta alguno, escribe 'DATO NO DISPONIBLE' y no lo inventes (Restricciones). Devuelve únicamente el correo, máximo 150 palabras, tono cercano (Formato)."
Principios para escribir mejores instrucciones¶
Si los cinco componentes son qué incluir, estos principios son cómo redactarlo para obtener mejores resultados.
1. Sé específico sobre lo que quieres¶
Cuanto más concreta sea la instrucción, menos trabajo de corrección habrá después. En lugar de "ayúdame con este informe", es mejor "resume este informe en cinco puntos clave, pensado para presentar a la dirección, sin tecnicismos".
| En lugar de... | Mejor... |
|---|---|
| "Escribe algo sobre nuestro producto" | "Escribe una descripción de 50 palabras de [producto], destacando [característica], para usar en el catálogo web" |
| "Resume esto" | "Resume este documento en 3 párrafos, manteniendo las cifras exactas y los nombres propios" |
| "Hazme una presentación" | "Crea un esquema de presentación de 8 diapositivas sobre [tema], dirigida a [audiencia], con un tono [formal/cercano]" |
2. Da contexto: para quién es, con qué objetivo, en qué formato¶
La IA no conoce el contexto de la organización a menos que se lo proporciones. Indicar quién va a leer o usar el resultado, qué se quiere conseguir con él y en qué formato debe entregarse cambia radicalmente la utilidad de la respuesta.
Ejemplo: "Redacta una respuesta a esta reclamación de cliente. El cliente lleva 10 años con nosotros, está molesto por un retraso en la entrega, y queremos ofrecerle un descuento del 10% en su próximo pedido como compensación. El tono debe ser cercano y el correo no debe superar las 150 palabras."
3. Proporciona ejemplos cuando sea posible¶
Si la organización tiene un formato, tono o plantilla habitual, mostrárselo a la herramienta como ejemplo ayuda a que el resultado se ajuste a ese estilo desde el principio, en lugar de tener que corregirlo después para que "suene como nosotros".
4. Pide el resultado por partes si la tarea es compleja¶
Para tareas grandes (un informe completo, un plan de proyecto), suele funcionar mejor pedir primero un esquema o estructura, revisarlo, y después pedir que se desarrolle cada parte. Esto evita recibir un documento largo que hay que descartar entero porque el enfoque general no era el adecuado.
5. Itera: la primera respuesta rara vez es la definitiva¶
Tratar la conversación con la IA como un diálogo, no como una pregunta única. Si el resultado no es exactamente lo que se buscaba, indicar específicamente qué cambiar ("hazlo más breve", "usa un tono más formal", "incluye también el dato de X") suele ser más rápido que empezar de nuevo con una instrucción distinta.
6. Pide que razone paso a paso en tareas con lógica¶
En tareas que implican cálculo, comparación o varios pasos de razonamiento, pedir explícitamente "razónalo paso a paso antes de darme el resultado" reduce los errores: la herramienta expone el proceso en lugar de saltar directamente a una conclusión, y eso facilita además detectar dónde se equivoca.
Cómo revisar lo que genera la IA¶
Dar una buena instrucción es solo la mitad del trabajo. La otra mitad —y la más importante quando el resultado va a usarse de verdad— es revisar lo que la herramienta ha generado.
Por qué es necesario revisar siempre¶
Las herramientas de IA generativa pueden producir respuestas que suenan completamente convincentes y seguras, pero que son incorrectas. Esto no es un fallo ocasional ni un error de software: es una característica de cómo funcionan estos sistemas, que generan el texto más probable según patrones de lenguaje, no según una verificación de hechos. A este fenómeno se le suele llamar "alucinación".
Esto significa que una herramienta de IA puede: - Inventar datos, cifras o citas que parecen reales pero no lo son. - Atribuir afirmaciones a personas, estudios o documentos que no dicen eso. - Dar por buena información desactualizada sin advertirlo. - Cometer errores de cálculo presentándolos con total seguridad.
Qué revisar siempre antes de usar un resultado¶
- Datos, cifras y fechas. Cualquier número, porcentaje o fecha que aparezca en el resultado debe verificarse contra la fuente original. No asumir que es correcto solo porque está bien redactado.
- Nombres propios y referencias. Nombres de personas, empresas, productos, normativas o documentos citados deben comprobarse.
- Afirmaciones sobre la propia organización. Si se le pide a la IA que escriba sobre políticas, productos o procesos de la empresa sin dárselos como información, es muy probable que "rellene los huecos" con suposiciones que pueden ser incorrectas.
- Tono y adecuación. Un texto puede ser correcto en contenido pero inadecuado en tono para la persona o el contexto al que va dirigido.
La regla de oro: nada sale de la organización sin revisión humana¶
Cualquier contenido generado por IA que vaya a comunicarse fuera de la organización —un correo a un cliente, una propuesta comercial, una publicación en redes sociales, una respuesta a un proveedor— debe pasar por la revisión de una persona responsable antes de enviarse. Esta no es una recomendación opcional: es un requisito recogido en la Política de uso aceptable de la organización, y en muchos casos es también un requisito legal cuando el contenido puede afectar a derechos de terceros.
La regla del 30 %¶
Una forma práctica de comprobar si la revisión ha sido real: el resultado final debe ser mayoritariamente fruto del criterio humano —edición, verificación y aportación propia—, no un copia-pega de lo que generó la herramienta. Si lo que se entrega es casi idéntico al primer borrador del modelo, no se ha revisado de verdad. La IA hace el borrador; la persona pone el juicio y la firma.
Anclar la IA a documentos fiables (RAG)¶
La forma más eficaz de reducir las invenciones es no fiarse de la memoria del modelo, sino darle los documentos validados y pedirle que trabaje solo sobre ellos. La técnica profesional se llama RAG (generación aumentada por recuperación) y reduce las alucinaciones de forma drástica (estudios del sector apuntan a reducciones de hasta el 87 %, Lakera 2024). Su versión "de andar por casa", al alcance de cualquiera, es la restricción del prompt vista más arriba: "usa únicamente esta información".
Cuándo confiar más y cuándo confiar menos¶
No todos los usos de IA tienen el mismo nivel de riesgo, y por tanto no todos requieren el mismo nivel de revisión:
| Tipo de uso | Nivel de revisión necesario |
|---|---|
| Borrador interno para uso propio (notas, primeras ideas) | Revisión ligera; el riesgo de un error es bajo |
| Comunicación interna a otros compañeros | Revisión de tono y exactitud básica |
| Comunicación externa (clientes, proveedores, prensa) | Revisión completa por una persona responsable antes de enviar |
| Información que afecta a decisiones sobre personas (evaluaciones, selección de candidatos, condiciones contractuales) | Revisión completa y, en muchos casos, aprobación adicional según la Política de uso aceptable |
| Datos o cifras que se van a usar en informes o decisiones de negocio | Verificación contra la fuente original de los datos, nunca solo el resultado de la IA |
La pregunta que conviene hacerse siempre es: si esta información resultara estar equivocada, ¿qué consecuencias tendría, y para quién? Cuanto mayor sea la respuesta a esa pregunta, mayor debe ser el nivel de revisión.