Tres trucos de IA que hicieron cambiar de opinión a Márk

Tres trucos de IA que hicieron cambiar de opinión a Márk

Tres días antes era el escéptico. Ahora era él quien tenía algo que enseñar

Tres días después de aquella tarde en el sofá, Réka estaba en la cocina preparando café cuando escuchó a Márk gritar desde el salón.

"¡Réka! ¡Ven aquí ahora mismo!"

No era un grito de alarma. Era un grito de los que significan que algo muy bueno acaba de pasar.

Réka llegó al salón con la taza en la mano y encontró a Márk de pie frente a su portátil con una sonrisa de oreja a oreja que ella no le había visto en mucho tiempo.

"Mira esto", dijo señalando la pantalla.

Réka miró. Y se quedó sin palabras.

Cuando el alumno supera al maestro

El informe que Márk tenía que entregar llevaba semanas atascado. Era un análisis largo y complejo sobre tendencias del mercado tecnológico europeo. Cada vez que lo intentaba solo con la IA el resultado era genérico, superficial y lleno de datos que no terminaban de encajar.

Hasta que probó algo diferente.

"Le di mis propios documentos", explicó Márk. "Mis notas, mis investigaciones previas, los informes que había recopilado. Se los pegué directamente en el chat y le dije que los analizara usando todo ese material como base."

Réka frunció el ceño. "¿Y funcionó?"

"Funcionó mejor de lo que esperaba."

Eso se llama contexto extendido. En lugar de pedirle a la IA que trabaje solo con lo que sabe, le das tu propio material como punto de partida. El resultado deja de ser genérico y empieza a ser tuyo. Con tus datos. Con tu voz. Con tu perspectiva.

"Al principio no sabía si iba a funcionar", admitió Márk. "Pensé que se iba a liar con tanta información. Pero no. La procesó toda y me devolvió un análisis que yo solo habría tardado días en hacer."

Réka tomó un sorbo de café. El escéptico de tres días atrás había desaparecido por completo.

RAG: darle a la IA tu propio cerebro

"Hay un nombre técnico para lo que hiciste", dijo Réka dejando la taza sobre la mesa. "Se llama RAG. Retrieval Augmented Generation."

Márk la miró. "Suena complicado."

"El nombre sí. La idea no."

RAG es básicamente darle a la IA acceso a tus propios documentos para que los use como contexto al responder. En lugar de depender solo de lo que aprendió durante su entrenamiento, la IA trabaja con tu información específica. Tus documentos. Tus datos. Tu empresa. Tu proyecto.

No necesitas ser programador para usarlo. En herramientas como Claude o ChatGPT Plus puedes simplemente pegar el contenido de tus documentos directamente en el chat antes de hacer tu pregunta. O subir archivos si la herramienta lo permite.

Ejemplo de prompt:

"Aquí tienes mi informe de ventas del último trimestre: [documento]. Analiza los datos, identifica las tres tendencias principales y dame recomendaciones concretas para el próximo trimestre."

"Es como darle a la IA las gafas correctas para ver tu mundo específico", explicó Réka. "Sin eso ve borroso. Con eso ve con claridad."

Márk asintió despacio. "Ojalá hubiera sabido esto hace seis meses."

No le pidas a la IA que adivine. Dale tus propios documentos y verás la diferencia

Prompts para análisis de datos: cuando los números cuentan historias

Réka se sentó en el sofá y abrió su propio portátil. Tenía algo que mostrarle a Márk que llevaba semanas usando y que le había ahorrado horas de trabajo.

"¿Ves esta hoja de cálculo?", dijo girando la pantalla. "Antes tardaba media mañana en sacar conclusiones de estos datos. Ahora le pido a la IA que lo haga por mí en dos minutos."

El truco estaba en cómo formulaba la pregunta. No le decía simplemente "analiza estos datos". Le decía exactamente qué buscar, qué formato quería para la respuesta y qué decisión necesitaba tomar a partir de esos datos.

Ejemplo de prompt:

"Aquí tienes los datos de visitas de mi blog de los últimos seis meses: [datos]. Identifica qué tipo de contenido genera más visitas, en qué días de la semana hay más tráfico y dame tres recomendaciones concretas para mejorar mis resultados el próximo mes. Responde en formato de lista con no más de dos frases por punto."

"El formato al final es clave", explicó Réka. "Si no le dices cómo quieres la respuesta, te da un ensayo de cinco párrafos cuando tú solo necesitabas tres puntos claros."

Márk tomó nota en su móvil. Ya no arqueaba la ceja. Ahora simplemente aprendía.

Media mañana de trabajo convertida en dos minutos. El formato en el prompt lo cambia todo

Automatización: cuando la IA trabaja mientras tú descansas"Y lo último", dijo Márk cerrando su libreta, "es lo que más me voló la cabeza esta semana."

Réka lo miró curiosa. Ahora era ella la que escuchaba.

"Encontré una forma de crear flujos de trabajo con la IA. No solo pedirle cosas una por una, sino encadenar tareas para que haga varias cosas seguidas de forma organizada."

Lo que Márk había descubierto era el prompting secuencial avanzado. En lugar de hacer una pregunta, esperar la respuesta y luego hacer otra pregunta, diseñas toda la secuencia de trabajo desde el principio.

Ejemplo de prompt:

"Vamos a trabajar en tres fases. Fase 1: analiza este texto y extrae los cinco puntos principales. Fase 2: con esos cinco puntos escribe un resumen ejecutivo de 200 palabras. Fase 3: convierte ese resumen en tres posts para LinkedIn con tono profesional pero cercano. 

Empieza con la Fase 1 y espera mi confirmación antes de pasar a la siguiente."
"El truco de pedir confirmación entre fases es mío", dijo Márk con orgullo. "Así puedo corregir si algo sale mal antes de que siga adelante."

Réka lo miró en silencio unos segundos.

"¿Sabes que eso es mejor que lo que yo hacía?"
Márk se encogió de hombros tratando de disimular la satisfacción. No lo consiguió.

Ya no era ella enseñando y él aprendiendo. Era dos personas descubriendo juntas

Lo que Réka y Márk aprendieron juntos        

Esa mañana en el salón algo había cambiado entre los dos. Ya no era Réka enseñando y Márk aprendiendo. Era dos personas descubriendo juntas hasta dónde podía llegar una herramienta cuando la usas con intención y criterio.

La IA no era magia. No era el futuro lejano. Era algo que ya estaba ahí, en su sofá, en su portátil, esperando que le hicieran las preguntas correctas.

Y las preguntas correctas se aprenden. Con tiempo, con prueba y error, y con la disposición de admitir que siempre hay algo más por descubrir.

¿Sabías qué...? (Dato real y verificado)

El concepto de RAG fue introducido por investigadores de Meta AI en 2020 como solución para mejorar la precisión de los modelos de lenguaje en tareas que requieren información específica y actualizada.

Desde entonces se ha convertido en una de las técnicas más usadas en aplicaciones empresariales de inteligencia artificial porque permite que los modelos trabajen con información privada y actualizada sin necesidad de reentrenarlos.

Ya no era Réka enseñando y Márk aprendiendo. Era dos personas descubriendo que la IA no responde mejor porque sea más lista. Responde mejor porque le hicieron la pregunta correcta, con los documentos correctos, en el momento correcto.

Y la pregunta correcta, descubrieron, no se inventa. Se encuentra.

¿Has probado a darle tus propios documentos a ChatGPT o Claude? La diferencia puede ser enorme. Cuéntanos en los comentarios cuál ha sido tu mejor descubrimiento usando IA.

Publicado en Gloversa. Texto original. Imágenes generadas con IA.

Esto es parte de #LaSagaDeLaIA, haz clic para ver la historia completa de Réka y Márk desde el principio