Diecinueve conceptos en cinco secciones: qué hace de verdad un modelo, cómo explicarle lo que quieres, cómo pasarle lo que sabes, cómo usa herramientas y cómo automatizar con él todo un trabajo. Un juego por concepto.
Sección 1
Conoce la máquina
Qué es de verdad un LLM, y qué no es.
Jugable 4 min
Predecir la palabra siguiente
Un modelo de lenguaje grande (LLM) escribe el texto trocito a trocito. En cada paso puntúa todos los trozos que podrían venir a continuación según lo probable que es que sigan a lo anterior, y elige uno.
El juego: Sé el modelo
Tú eres el modelo. Lee el principio de una frase, apuesta por la palabra que viene después y descubre las probabilidades reales. Luego mira qué pasa cuando la frase pide algo que el modelo no puede saber.
Por qué importa
Explica a la vez su talento y su defecto. Un LLM es brillante produciendo texto fluido y verosímil (borradores, reformulaciones, resúmenes), y producirá texto verosímil incluso cuando no sepa la respuesta. Verosímil no es lo mismo que cierto.
Próximamente 4 min
Tokens
Los modelos no leen letras ni palabras: leen tokens, trozos de unos pocos caracteres. Todo se cuenta en tokens: lo que envías, lo que escribe, lo que cuesta y cuánto puede abarcar de una vez.
El juego: El carnicero de tokens
Corta frases por donde creas que las corta el modelo y luego adivina cuántos tokens tienen un correo, un contrato y una hoja de cálculo antes de que el contador lo revele.
Por qué importa
Los tokens explican la factura (los documentos largos cuestan más), los límites (cuánto cabe en una conversación) y algunos fallos curiosos (contar las erres de “ferrocarril” es difícil cuando nunca ves las letras).
Jugable 5 min
Temperatura
En cada paso, el modelo tiene una lista de palabras siguientes probables, cada una con su probabilidad. La temperatura decide cuánto se arriesga al elegir: baja significa “quédate casi siempre con la favorita”; alta, “dales una oportunidad de verdad a las demás”.
El juego: El dial
Gira el dial y mira cómo cambian las probabilidades. Haz que el modelo diga lo mismo cinco veces seguidas, luego cinco cosas distintas, y después ajusta el dial para seis tareas reales de oficina.
Por qué importa
Algunas preguntas piden una respuesta previsible (extraer un importe, clasificar una incidencia), otras una sorprendente (ponerle nombre a un producto, una lluvia de ideas). Saber cuál necesitas te dice cómo pedirla, y explica por qué el mismo prompt puede dar dos respuestas distintas.
Próximamente 4 min
Alucinaciones
Cuando el modelo no sabe algo, por defecto no lo dice: sigue adelante con lo que suena bien. Las referencias inventadas, las cifras erróneas y los disparates dichos con total seguridad se llaman alucinaciones.
El juego: ¿Verdad o invento?
Las respuestas del modelo llegan rápido. Marca cada afirmación como “respaldada por la fuente” o “inventada” antes de que se acabe el tiempo, y después arregla el prompt que las produjo.
Por qué importa
Conocer las señales (cifras muy precisas, nombres y fuentes que nunca le diste) y el remedio (darle la fuente, pedirle que la cite, permitirle decir “no lo sé”) marca la diferencia entre un asistente útil y un riesgo.
Desvío · opcional, técnico
Bajo el capó
Cómo está hecha la máquina de adivinar: neuronas, pesos y cómo aprende.
Jugable 8 min
Redes neuronales
Las probabilidades que un modelo da a cada palabra siguiente las calcula una red neuronal: capas de unidades diminutas llamadas neuronas; cada una pondera lo que recibe y transmite un número. Una neurona es un voto ponderado; una red son miles de millones de ellas, conectadas en capas.
El juego: Laboratorio Neurona
Monta una neurona a mano: ajusta sus pesos para que tome las decisiones correctas, mira cómo las aprende sola y descubre la decisión que ninguna neurona puede tomar por sí sola.
Por qué importa
Le quita la magia: ni reglas ni una base de datos de respuestas, solo números (los pesos) ajustados con ejemplos. Por eso un modelo es bueno en lo que cubrían sus ejemplos, y raro en lo que no.
Próximamente 6 min
Cómo aprende una red
Nadie ajusta a mano los pesos de un modelo. El entrenamiento le muestra un ejemplo, mide cuánto se ha equivocado y retoca cada peso un poquito en la dirección que le habría hecho equivocarse menos. Y vuelta a empezar, billones de veces.
El juego: Cuesta abajo
Haz rodar una bola por un paisaje de errores, empujoncito a empujoncito, y encuentra el valle donde el modelo acierta más, sin pasarte de largo.
Por qué importa
Explica lo que sabe un modelo (lo que había en sus textos de entrenamiento, hasta una fecha) y lo que no sabe (tus archivos, la semana pasada, todo lo privado), y por qué mejora con más ejemplos y mejores.
Sección 2
Háblale
El arte del prompt: conseguir lo que querías decir, no lo que dijiste.
Jugable Modelo real 10 min
Anatomía de un prompt
Un buen prompt es un buen encargo: la tarea, el material con el que trabajar, cómo debe ser el resultado y las reglas que hay que seguir. El modelo solo sabe lo que tú le pones.
El juego: Laboratorio de prompts
Tres encargos reales, un modelo real. Escribe el prompt, ejecútalo y mira cómo las comprobaciones se ponen en verde o en rojo. Empieza con un prompt perezoso y mejóralo hasta que pasen todas.
Por qué importa
La distancia entre “resume esto” y un encargo de verdad es la distancia entre una respuesta que reescribes y una que envías tal cual. Es la habilidad de IA más útil en el trabajo.
Próximamente 5 min
La ventana de contexto
Un modelo no tiene memoria entre un mensaje y otro. Cada vez se le vuelve a enviar la conversación, y esta tiene que caber en un presupuesto fijo de tokens: su ventana de contexto. Cuando se llena, las partes más antiguas se quedan fuera.
El juego: Memoria corta
Una conversación avanza por una ventana de tamaño fijo y los mensajes desaparecen por arriba. Di qué puede ver todavía el modelo y fija los datos que tienen que sobrevivir.
Por qué importa
Por eso un chat largo “olvida” la instrucción que diste al principio, y por eso una conversación nueva con un buen encargo suele funcionar mejor que una muy larga.
Próximamente Modelo real 6 min
Instrucciones y roles
Antes de tu mensaje, un asistente suele recibir unas instrucciones fijas: quién es, cómo escribe, qué no debe hacer nunca. El mismo modelo con otras instrucciones es un asistente muy distinto.
El juego: El papel justo
Una pregunta, cuatro respuestas, cuatro juegos de instrucciones ocultos. Empareja cada respuesta con sus instrucciones y luego escribe las que producen una quinta.
Por qué importa
Unas instrucciones escritas una vez y reutilizadas convierten un chatbot genérico en alguien de la casa que ya sabe cómo escribe tu equipo y qué esperan tus clientes.
Próximamente 5 min
Enseñar con ejemplos
Mostrar funciona mejor que explicar. Unos pocos ejemplos de una entrada y del resultado que quieres, puestos en el prompt, enseñan al modelo tu formato y tu criterio más rápido que párrafos de reglas.
El juego: Muestra, no expliques
Un clasificador de incidencias no para de equivocarse. Elige qué ejemplos enseñarle y mira cómo sube su puntuación en veinte incidencias ocultas, o cómo se hunde cuando tus ejemplos lo despistan.
Por qué importa
Clasificar incidencias, etiquetar gastos, escribir con el estilo de la casa: dos o tres buenos ejemplos suelen ser todo el “entrenamiento” que necesita una tarea.
Sección 3
Dale lo que sabes
Tus documentos, tus datos, tus formatos.
Próximamente Modelo real 6 min
Respuestas estructuradas
En lugar de un párrafo, puedes pedir campos con nombre: proveedor, importe, fecha de vencimiento. La respuesta encaja entonces en una hoja de cálculo, un formulario o el siguiente paso de un flujo de trabajo, sin copiar y pegar.
El juego: Rellena el formulario
Llegan facturas, correos y currículums sin parar. Diseña los campos (un nombre, un tipo, una descripción de una línea) para que todos los documentos encajen, y encuentra los que rompen tu formulario.
Por qué importa
Los campos convierten una respuesta de IA en algo que un proceso puede usar: filtrar, sumar, encaminar.
Próximamente 5 min
El significado en números
Un embedding convierte un texto en una larga lista de números que recoge su significado. Los textos que significan lo mismo obtienen números parecidos, aunque no compartan ni una palabra.
El juego: El mapa del significado
Coloca frases en un mapa para que las que significan lo mismo queden juntas, y luego compite con el mapa de la propia máquina para llegar antes al documento correcto.
Por qué importa
Así funciona la búsqueda por significado: encontrar la cláusula sobre la “rescisión” cuando dice “poner fin al contrato”. Es el motor de casi todas las herramientas para “chatear con tus documentos”.
Próximamente 6 min
Recuperación (RAG)
La generación aumentada por recuperación (RAG): antes de responder, se buscan en tus documentos los pocos fragmentos que importan y se ponen en el prompt. El modelo responde entonces a partir de ellos, no de memoria.
El juego: El bibliotecario
Las preguntas llegan al mostrador. Elige qué documentos darle al modelo antes de que responda. Si son pocos, se inventa cosas; si son demasiados, la respuesta se ahoga y la factura crece.
Por qué importa
Así es como un asistente responde a preguntas sobre tus normas internas, tus proyectos y tus clientes, y por eso sus respuestas pueden indicar de dónde salen.
Sección 4
Déjala actuar
Herramientas y agentes: del dicho al hecho.
Jugable 6 min
Herramientas
Un modelo no puede abrir tu calendario ni leer una hoja de cálculo. Pero puede pedirlo: si le das una lista de herramientas, escribe “llama a esta herramienta con estos argumentos”, la aplicación la ejecuta y el resultado vuelve al modelo.
El juego: La caja de herramientas
Llegan peticiones, y el modelo eres tú. Elige la herramienta correcta (o ninguna), rellena sus argumentos y encadena dos herramientas cuando una no basta.
Por qué importa
Las herramientas son lo que lleva a la IA de escribir sobre tu trabajo a hacerlo: encontrar el archivo, leer las cifras, redactar en el documento correcto. Tu petición es la única pista que tiene el modelo para elegir la herramienta adecuada con los argumentos adecuados.
Próximamente 6 min
El bucle del agente
Un agente es un modelo dentro de un bucle: decide qué hacer, llama a una herramienta, mira el resultado y vuelve a decidir, hasta que termina el trabajo o se queda sin pasos.
El juego: Pensar, actuar, mirar
Guía a un agente por una tarea enrevesada con un número limitado de pasos. En cada turno: piensa, actúa, lee lo que vuelve. Si desperdicias pasos, el trabajo se queda a medias.
Por qué importa
Es lo que permite a la IA encargarse de una tarea con incógnitas (“busca el informe del trimestre pasado, compáralo con este y señala qué ha cambiado”) en lugar de una sola pregunta.
Próximamente 4 min
Preguntar antes
Algunas acciones se deshacen fácilmente y otras no. Un agente bien hecho pregunta antes de enviar, borrar o sobrescribir, y una persona con buena formación sabe qué aprobar.
El juego: Aprobar o denegar
Las llamadas a herramientas de un agente muy ocupado llegan sin parar. Aprueba las inofensivas, frena las peligrosas y descubre la que solo parece inofensiva.
Por qué importa
Consigues la rapidez de la automatización sin entregar las llaves: el agente prepara, tú decides.
Próximamente 5 min
Pasar el relevo
Varios agentes especializados suelen funcionar mejor que uno generalista: uno que redacta, otro que analiza, otro que revisa. Un relevo pasa la conversación al especialista adecuado.
El juego: El relevo
Las peticiones se acumulan en la centralita. Envía cada una al agente especialista adecuado y detecta las que necesitan a dos, uno detrás de otro.
Por qué importa
Los especialistas con instrucciones breves y centradas se equivocan menos que un solo agente al que se le pide ser bueno en todo.
Sección 5
Automatízalo
Flujos de trabajo: pasos de IA que funcionan sin ti.
Próximamente 6 min
Pasos y variables
Un flujo de trabajo es una cadena de pasos. Cada paso es un prompt, y las {{variables}} llevan lo que escribieron los pasos anteriores a los siguientes: {{datos}}, {{previous}}, {{today}}.
El juego: El fontanero
Las tuberías están puestas, pero faltan las etiquetas. Conecta cada {{variable}} para que cada paso reciba lo que necesita, y mira lo que escribe el último paso cuando una está mal.
Por qué importa
Un flujo de trabajo hace una tarea de varios pasos siempre de la misma manera (investigar, redactar, dar formato) sin que tengas que copiar y pegar entre chats.
Jugable 8 min
Ramas
Una condición (if/else) hace una pregunta de sí o no con palabras normales (“¿Es una factura pendiente de pago?”) y el flujo de trabajo va por un lado o por otro. Como la responde un modelo, la pregunta puede ser sobre el significado, no sobre palabras clave.
El juego: El centro de clasificación
Ocho correos, cuatro destinos, un solo tablero. Construye el grafo de preguntas de sí o no que manda cada correo adonde dicen las normas de la oficina, y luego ejecútalo y mira el recorrido de cada uno.
Por qué importa
Las ramas permiten que un solo flujo de trabajo gestione una bandeja de entrada variada: las facturas a contabilidad, las urgencias al equipo, el resto a una respuesta redactada, cada elemento por el camino correcto.
Próximamente 5 min
Disparadores
Algo tiene que poner en marcha un flujo de trabajo: tú, a mano; un horario (cada hora, de lunes a viernes a las 9:00); o un evento, como la llegada de un mensaje.
El juego: Como un reloj
Diez tareas, cuatro formas de ponerlas en marcha. Elige el disparador de cada una, avanza una semana a cámara rápida y mira qué se ejecutó, qué se ejecutó demasiadas veces y qué no se ejecutó nunca.
Por qué importa
El disparador adecuado es lo que convierte un flujo de trabajo útil en uno que cumple su función cada día, sin hacer ruido y sin que nadie tenga que acordarse de ejecutarlo.
Próximamente Modelo real 15 min
Jefe final: el resumen matinal
Todo junto (entradas, pasos de agente, campos, ramas y un disparador) en un flujo de trabajo que usarías de verdad.
El juego: El resumen matinal
Una responsable quiere un resumen de lunes a viernes a las 8:30: los correos de la noche en pocas líneas, las facturas marcadas y lo urgente arriba del todo. Diséñalo, pruébalo con una semana de mañanas y ponlo en marcha.
Por qué importa
Aquí es donde la IA deja de ser una ventana de chat y pasa a formar parte de cómo funciona tu trabajo.