Inteligencia Artificial Aplicada · IA-102

Prompting avanzado y diseño de instrucciones

Plantillas, few-shot y encadenado de instrucciones para que la salida encaje en un flujo de trabajo.

Disponible Intermedio 7 módulos · 28 clases

Formato asíncrono Desarrollo, Empresa / PYME ChatGPT, Claude

IA DESARROLLO

Lo que aprenderás

Diseñar plantillas parametrizadas que otra persona pueda reutilizar sin reescribir la instrucción.
Construir ejemplos few-shot que fijen estilo, terminología y estructura de la respuesta.
Encadenar prompts para descomponer una tarea larga en pasos verificables uno a uno.
Forzar salidas en JSON o CSV que un proceso posterior consuma sin limpieza manual.
Recortar el contexto de una plantilla midiendo qué se pierde al quitar cada bloque.
Versionar prompts y comparar resultados antes de sustituir el que ya está en uso.

Contenido del curso

7 módulos · 28 clases en vídeo · práctica guiada en cada módulo

Módulo 1 · Punto de partida y entorno 4 clases

De la instrucción suelta al procedimiento repetible
Preparar un banco de casos de prueba
Criterios de calidad: qué se mide en cada salida
Organizar proyectos y prompts guardados

Módulo 2 · Plantillas parametrizadas 4 clases

Separar instrucción fija de datos variables
Huecos, valores por defecto y campos obligatorios
Documentar una plantilla para que la use otra persona
Errores típicos al parametrizar

Módulo 3 · Few-shot y control del estilo 4 clases

Cuántos ejemplos hacen falta y de qué tipo
Ejemplos negativos: enseñar lo que no se quiere
Fijar terminología propia de la organización
Cuando los ejemplos empeoran la respuesta

Módulo 4 · Razonamiento y descomposición 4 clases

Pedir el paso intermedio y usarlo para verificar
Dividir una tarea larga en prompts encadenados
Pasar la salida de un paso como entrada del siguiente
Autorrevisión: que el modelo critique su propia respuesta

Módulo 5 · Salidas estructuradas 4 clases

Definir un esquema de campos antes de pedir la respuesta
JSON válido: comillas, escapes y valores nulos
CSV y tablas para procesos ofimáticos
Qué hacer cuando la salida no cumple el esquema

Módulo 6 · Coste, contexto y recorte 4 clases

Medir el tamaño de una plantilla
Quitar bloques y observar el efecto en la calidad
Documentos largos: resumir antes de preguntar
Elegir modelo según la exigencia de la tarea

Módulo 7 · Caso práctico: procedimiento documentado 4 clases

Elegir un proceso real del puesto
Construir la plantilla y su banco de pruebas
Comparar dos versiones y decidir con evidencia
Entrega: procedimiento listo para el equipo

Requisitos

Haber usado un asistente conversacional y saber redactar instrucciones con contexto y formato.
Manejar ficheros de texto y reconocer la estructura de un JSON o un CSV.
Cuenta en ChatGPT o Claude; toda la práctica se hace desde el navegador.

Descripción

Un prompt que funciona una vez no es un procedimiento. En cuanto la instrucción pasa a otra persona, o se aplica a cien documentos en lugar de a uno, aparecen las grietas: el formato baila, el tono cambia y alguien tiene que repasar todo a mano. Este curso trata el prompt como un artefacto de trabajo que se escribe, se prueba y se mantiene.

El planteamiento es de taller. Se parte de tareas reales de una organización (clasificar correo, extraer datos de un documento, redactar respuestas tipo) y se construyen plantillas con variables, ejemplos y validación de salida. Cada técnica (few-shot, razonamiento paso a paso, autoevaluación, encadenado) se introduce cuando el ejercicio la necesita, no antes, y se mide si mejora el resultado.

Lo que sale del curso es un pequeño repertorio de plantillas documentadas y un método para revisarlas cuando cambie el modelo o el proceso. Desde aquí el paso natural es el trabajo con agentes, donde estas instrucciones dejan de ejecutarse a mano, y la integración por API, donde el formato de salida deja de ser una preferencia y pasa a ser un requisito.

¿Para quién es este curso?

Perfiles de desarrollo que integran llamadas a modelos dentro de una aplicación existente.
Responsables de operaciones de una PYME que quieren estandarizar tareas de redacción y clasificación.
Analistas que preparan informes recurrentes y necesitan que el formato no varíe entre entregas.