Módulo 00
Fundamentos del usuario avanzado de IA
- Fase del proceso:
- Fundamentos
- Nivel de competencia:
- Fundamentos
- Tiempo estimado:
- 6-8 horas
- Requisitos previos:
- Ninguno: empieza aquí
Adquiere los hábitos que te hacen eficaz con los modelos fundacionales actuales, antes de introducir cualquier abstracción de ingeniería. No se trata de memorizar fórmulas de prompts, sino de plantear bien las tareas, aportar evidencia, iterar y elegir el modo adecuado de ayuda de la IA.
Al terminar este módulo sabrás
- Explicar la diferencia práctica entre el conocimiento del modelo, el contexto que le das, la búsqueda web y las herramientas externas.
- Plantear una tarea con intención, evidencia, restricciones, criterios de éxito y requisitos de interfaz.
- Usar prompts iterativos, críticas, rúbricas, ejemplos y entradas multimodales sin sobreinstruir a los modelos de razonamiento capaces.
- Reconocer la complacencia (sycophancy), las afirmaciones sin respaldo, la evidencia que falta y cuándo hace falta verificación humana.
Qué vas a producir: Brief de tarea de IA: Un brief de una página con intención, plan de evidencia, restricciones, criterios de éxito, gestión de la incertidumbre e interfaz de salida. Se guarda en tu Cuaderno de Ingeniería como evidencia de lo que sabes hacer.
Lecciones
0.1 Cómo ayudan los modelos fundacionales
Los modelos fundacionales son componentes probabilísticos: separa la capacidad de la fiabilidad y empieza por el resultado, la evidencia y la aceptación.
Punto de práctica: Toma una única solicitud de negocio y compara una instrucción vaga con un brief de tarea que incluya intención, evidencia, restricciones, criterios de éxito y la salida esperada.
0.2 Contexto, evidencia, búsqueda e investigación en profundidad
Las cuatro fuentes de información de un flujo con IA, y por qué la actualidad y la procedencia deciden cuál usar.
Punto de práctica: Plantea tres preguntas con distintas necesidades de actualidad y elige para cada una: solo el modelo, contexto aportado, búsqueda o un flujo de investigación en varios pasos.
0.3 Iteración, crítica y rúbricas
Trata la primera salida como un prototipo y revísala con criterios explícitos, en lugar de pedir el razonamiento oculto.
Punto de práctica: Pídele al modelo un borrador de memorando de decisión y revísalo con una rúbrica de evidencia, completitud, incertidumbre y utilidad para actuar.
0.4 Prompts adaptados a cada modelo
Cada familia de modelos responde de forma distinta a la estructura, los ejemplos y el esfuerzo de razonamiento: mide en lugar de suponer.
Punto de práctica: Ejecuta la misma tarea con dos configuraciones de modelo o dos estilos de prompt y anota las diferencias de calidad, latencia y tokens o costo.
Laboratorio: Laboratorio de planteamiento de tareas
Ejecutas un conjunto preparado de briefs de tarea débiles y sólidos contra un modelo, examinas las diferencias entre las salidas y anotas tus observaciones en una hoja de trabajo estructurada.
Se ejecuta en Google Colab: sin instalar nada y sin API key.
Ver el notebook en Colab (se abre en una pestaña nueva)Reto de diseño
A partir de una solicitud ambigua de la dirección, escribe un brief de tarea de IA de una página con intención, plan de evidencia, restricciones, criterios de éxito, gestión de la incertidumbre e interfaz de salida. No se da ninguna plantilla de prompt.
Artefacto: Brief de tarea de IA
Control de competencia
Cuestionario >= 80%; el validador del artefacto PASA; reflexión del reto completada.
- TB-01 Existen todas las secciones obligatorias del brief
- TB-02 Los criterios de éxito se pueden medir o inspeccionar
- TB-03 Las fuentes de evidencia se distinguen de los supuestos
- TB-04 Ninguna instrucción pide razonamiento privado u oculto
Referencias
- [R14]OpenAI API - Reasoning Models (se abre en una pestaña nueva): OpenAI; revisado el 2026-09-28
- [R16]Anthropic - Prompting Best Practices (se abre en una pestaña nueva): Anthropic; revisado el 2026-09-28
- [R18]Enterprise Prompt and Context Engineering: An Engineering Design Process Curriculum for Foundation Model Systems (2026 Edition): User research (source document supplied to this project); revisado el 2026-09-28