Nivel Inicial

Qué es: Los Large Language Models son redes neuronales entrenadas con miles de millones de textos para entender y generar lenguaje.

Por qué: Comprender cómo «piensa» el modelo permite crear prompts eficaces.

Conceptos: Predicción de tokens, atención, temperatura, alucinaciones.

Qué es: Los tokens son fragmentos de texto que procesa el modelo. La ventana de contexto es el límite total.

Por qué: Saber contar tokens ayuda a optimizar prompts y evitar recortes.

Conceptos: ~4 caracteres = 1 token, ventanas de 4K a 200K+, costo por token.

Qué es: Estructura ideal: contexto/rol, instrucciones, datos de entrada, formato de salida.

Por qué: Los prompts bien estructurados generan respuestas más consistentes.

Conceptos: Sistema vs. usuario, delimitadores, ejemplos y restricciones.

Qué es: Ser específico y directo para eliminar la ambigüedad.

Por qué: Cuanto más clara sea la solicitud, mejor será la respuesta.

Conceptos: Evitar pronombres vagos, especificar el formato y definir la extensión.

Qué es: Pedirle al modelo que realice una tarea sin proporcionarle ejemplos: solo instrucciones claras.

Por qué: Técnica más sencilla y rápida. Funciona para tareas conocidas.

Conceptos: Instrucciones directas: cuándo usarlas y cuándo evitarlas.

Qué es: Proporciona 2-5 ejemplos antes de pedir la respuesta. El modelo aprende el patrón.

Por qué: Mejora drásticamente la calidad para tareas específicas.

Conceptos: Ejemplos representativos, consistencia, cantidad ideal (3-5).

Qué es: Pedirle al modelo que «piense en voz alta» y muestre cada paso del razonamiento.

Por qué: Mejora drásticamente las respuestas en lógica, matemáticas y toma de decisiones.

Conceptos: "Piensa paso a paso", validación del razonamiento.

Qué es: Dale al modelo un rol: "Eres especialista en...".

Por qué: Ajusta automáticamente el tono, el vocabulario y la profundidad técnica.

Conceptos: Definición de experiencia, tono de voz y limitaciones del rol.

Qué es: Técnicas para que el texto parezca escrito por personas.

Por qué: Aumenta la autenticidad y la participación. Evita el «tono de IA».

Conceptos: Contracciones, opiniones personales, variación estructural.

Qué es: Usar IA para crear borradores, revisar la gramática y ajustar el tono.

Por qué: Acelera la producción de contenido entre 5 y 10 veces sin perder calidad.

Conceptos: Tono de voz, público objetivo, revisión iterativa.

Qué es: Prompts para correos electrónicos: seguimientos, negociaciones, solicitudes.

Por qué: El correo electrónico representa el 40% del trabajo. Los prompts adecuados ahorran horas.

Conceptos: Estructura BLUF, tono formal/informal, llamada a la acción.

Qué es: Resumir documentos, artículos y reuniones. Extraer puntos clave.

Por qué: Procesar información es el cuello de botella del siglo XXI.

Conceptos: Niveles de resumen (ejecutivo, detallado), extracción de insights.

Qué es: Usar IA como socia de lluvia de ideas: generar ideas, explorar enfoques.

Por qué: La IA no tiene bloqueo creativo. Es un generador infinito de ideas.

Conceptos: Divergencia/convergencia, SCAMPER, "¿y si...?".

Qué es: Instrucciones para que la IA use títulos, viñetas, tablas y código.

Por qué: Las respuestas bien formateadas son más fáciles de leer y usar.

Conceptos: Encabezados (#), listas (-), tablas (|), código (```).

Qué es: Solicita respuestas en una tabla para comparar opciones.

Por qué: Las tablas facilitan las decisiones. La visualización lado a lado es poderosa.

Conceptos: Columnas relevantes, orden, formato CSV/Markdown.

Qué es: Usar IA para crear plantillas: correos, informes, propuestas.

Por qué: Las plantillas ahorran tiempo. Crea una vez, úsala infinitas veces.

Conceptos: Marcadores de posición [CAMPO], variaciones, personalización.

Qué es: Lista de los errores más frecuentes: prompts vagos, sin contexto, demasiado largos.

Por qué: Aprender de los errores de los demás acelera tu curva de aprendizaje.

Conceptos: Ambigüedad, falta de ejemplos, no iterar.

Qué es: Conocer los límites: alucinaciones, fecha de corte, razonamiento matemático.

Por qué: Las expectativas realistas evitan frustraciones.

Conceptos: Alucinaciones, sesgo, verificación de hechos.

Qué es: Recopilación de consejos de ingenieros de prompts con experiencia.

Por qué: Años de experiencia en consejos que puedes aplicar de inmediato.

Conceptos: "Respira hondo", temperatura ideal, cuándo reiniciar.