alci.dev/ar

Prompt, contexto y modelos: lo que vimos en la primera sesión

Taller de IA de ADAMS para EYSA, sesión 1. Qué es de verdad un prompt, cómo se paga la conversación con la IA en tokens, por qué el contexto pesa más que la frase perfecta, qué cambia al activar un modelo razonador y cómo elegir modelo sin fundirte la cuenta. Al final está la tarea del jueves, lista para copiar.

Empezar el repaso

De qué fue la sesión

~2 min

La premisa del taller es que ustedes son el catalizador del cambio. La herramienta sola hace muchas cosas, pero sin foco y sin pensamiento crítico nunca le van a sacar el mejor partido. Por eso la primera sesión no va de trucos: va de entender qué está pasando por debajo cuando escriben en un chat.

La sesión, en tres golpes
  1. 01 Punto de partida

    Un grupo mixto: perfiles que ya viven en la terminal con Claude Code y perfiles que solo han usado ChatGPT para escribir un correo amable. La primera sesión sirve para ponernos todos en la misma página, sin que nadie se sienta fuera.

  2. 02 Lo que vimos

    Qué es de verdad un prompt, cómo se paga la conversación con la IA en tokens, por qué el contexto importa más que la frase perfecta, qué cambia cuando activas un modelo razonador y cómo elegir modelo sin arruinar la cuenta.

  3. 03 Lo que te llevas

    Una plantilla de prompt en cuatro piezas, el hábito de dejar que la IA escriba el prompt por ti, y una tarea concreta: traer tu PRD de portfolio para construir la web en la siguiente sesión.

El miedo a perderse algo. Es lo que más veo en consultoría: la sensación de que si no estás al día de lo último de lo último ya estás fuera de la película. Nada más lejos. Lo que rinde es tener los fundamentos claros y aplicarlos mañana mismo.

Pasapalabra: A · B · C

~5 min

Cada sesión resolvemos un par de palabras del rosco. Estas son las tres de hoy. Juega primero y luego te las cuento con calma.

Juega · Pasapalabra

Pasapalabra: A · B · C

Escribe tu respuesta a cada pista y pulsa Enter. Vale aunque falles alguna letra o te comas una tilde: puntúa por parecido. ¿Consigues el bote?

  1. Empieza por A. Empresa creadora de Claude, fundada en 2021 en San Francisco por los hermanos Amodei, que salieron de OpenAI buscando una IA con guardarraíles.

  2. Empieza por B. Prueba estandarizada para medir qué modelo rinde mejor en código, matemáticas o razonamiento. El informe PISA de la IA.

  3. Empieza por C. Producto de OpenAI lanzado en noviembre de 2022 que llegó a 100 millones de usuarios en dos meses y disparó la fiebre de la IA generativa.

Anthropic: la casa de Claude

Fundada en 2021 en San Francisco por Dario y Daniela Amodei, que salieron de OpenAI porque no compartían el rumbo que estaba tomando el desarrollo. La primera versión de Claude llegó en 2023 y hoy vamos por la 5.

La tesis de la casa es poner guardarraíles antes que velocidad, y no es retórica: Fable estuvo vetada veinticuatro horas por el gobierno de Estados Unidos, el primer veto de este tipo a un modelo, y volvió meses después con límites puestos. Hoy los mismos que corrían pidieron frenar, y la teoría económica más razonable es que el freno tiene que ver con no tener centros de datos suficientes para dar servicio, más que con la guerra contra las máquinas.

Benchmark: el informe PISA de la IA

Es un examen estandarizado que compara modelos en código, matemáticas o razonamiento. Sirve de referencia, no de veredicto: muchos benchmarks están secados, porque hay un incentivo comercial enorme en entrenar el modelo para aprobar justo ese examen. Es la semana previa haciendo mínimos comunes múltiplos.

Y la competición ya no es solo quién es más listo. Google y Meta están abriendo otro frente: quién da la respuesta correcta más rápido y más barato. Una empresa se puede arruinar con el modelo más potente antes de llegar al resultado que esperaba.

ChatGPT: noviembre de 2022

Cien millones de usuarios en dos meses. Lo interesante es que traducir y programar no eran objetivos del diseño: fueron efectos secundarios. El modelo solo completaba texto, y como se había entrenado con material en muchos idiomas y con código, apareció la capacidad de traducir mejor que un traductor automático y de escribir funciones que funcionaban.

Lo hemos normalizado tanto que se ha vuelto nombre genérico, como Kleenex. Mucha gente dice que se lo ha preguntado a ChatGPT cuando en realidad estaba usando Gemini.

Qué es un prompt, y por qué el tuyo tarda tanto

~3 min

Un prompt es cualquier instrucción que sale de ti hacia la IA. Hola es un prompt. Redáctame este correo es un prompt. No hay nada más misterioso que eso.

Zero-shot prompting es pedir algo sin dar contexto: hazme una licitación. Se puede, pero entras en el bucle de siempre: la IA pregunta, tú respondes, ella devuelve, tú corriges. Media hora después tienes lo que querías y has pagado cuatro veces por el camino.

La alternativa no es escribir a mano un prompt más largo. Son dos cosas, y las vemos en esta página: construir el contexto antes y dejar que la propia IA redacte el prompt. Cuando se decía que el trabajo del futuro sería el prompt engineering se pensaba en la primera parte; hoy la segunda ya la hace el modelo por debajo.

La economía de los tokens

~4 min

Todo lo que escribes y todo lo que responde se traduce a tokens: trozos de palabra con un peso en una matriz semántica, donde rey queda más cerca de hombre que de niño, y príncipe más cerca de niño que de hombre. Los tokens son la moneda. Cuando se acaban, la cuenta te hace esperar.

Tres formas de gastar

Entrada: lo que le pides, incluido todo el hilo anterior, que se reenvía entero en cada turno. Salida: lo que escribe, así que un informe largo también se paga. Caché: si repites exactamente la misma entrada, se abarata, y ahí está la clave de que los sistemas agénticos salgan rentables.

Por eso se dice que hablarle en inglés sale más barato: la mayor parte del entrenamiento está en inglés y necesita menos tokens para decir lo mismo.

Antes la ventana de contexto eran unos cien mil caracteres y el modelo se olvidaba a mitad de conversación. Hoy hablamos de un millón de tokens, resúmenes automáticos y memoria persistente. Aun así, mi recomendación no ha cambiado.

Una conversación, un tema. Reutilizar un hilo eterno gasta más, porque todo el histórico viaja en cada turno, y lo intoxica: decisiones que tomaste hace meses y que ya no aplican siguen pesando en la respuesta de hoy.

Para las tareas que repites, el patrón bueno es otro: cuando la IA te haya resuelto algo bien, pídele una skill. Escribe en un archivo de texto lo que funcionó y lo que corregiste, y lo reutilizas. Contexto pequeño, respuesta rápida y una habilidad que mejora cada vez que la usas.

Prompt · pedirle la skill al terminar una tarea 
Esta tarea la voy a repetir cada mes. Antes de cerrar,
escríbeme una skill en Markdown con lo que ha funcionado,
lo que he corregido y el formato final que quiero,
para poder reutilizarla sin volver a explicártelo.

El contexto vive en carpetas, no en la herramienta

~4 min

Si tu inteligencia de negocio vive dentro de conversaciones de una herramienta, tienes vendor lock-in. El día que suban precios, se caiga el servicio o quieras cambiar de proveedor, esa información no sale limpia. Lo hemos probado exportando de un proveedor a otro y el resultado es pobre.

Cowork y Work: la IA trabajando sobre tus carpetas

Las aplicaciones de escritorio de Claude y de ChatGPT trabajan directamente sobre carpetas de tu equipo. En vez de subir archivos de uno en uno y arrastrar PDF a un proyecto, apuntas a una carpeta: lee lo que hay y escribe el resultado en el mismo sitio.

La consecuencia práctica es la buena. Montas una carpeta con el contexto real de tu área, pliegos, plantillas, históricos y ejemplos, y te da igual usar un modelo hoy y otro mañana: el contexto es agnóstico a la herramienta y las skills viven ahí dentro con él. Esto es lo que se llamó context engineering, la ola siguiente al prompt engineering.

Pendiente en EYSA. Con las máquinas capadas no podemos instalar las aplicaciones de escritorio, así que esto queda apuntado. En cuanto se apruebe la herramienta corporativa, avísenme en la primera clase y especializo las sesiones sobre ella.

Modelos razonadores: qué cambia y cómo se activan

~4 min

Un modelo normal manda tu prompt al LLM y devuelve la continuación más probable. Un modelo razonador mete una capa antes: se cuestiona tu petición, se escribe a sí mismo el plan y solo entonces responde. Tarda más por respuesta y, contando las iteraciones que ahorra, suele salir más barato.

Dónde está el interruptor
DeepSeekbotón DeepThink
Debajo del cuadro de texto. Con él activado verás en pantalla cómo se cuestiona tu petición antes de responder: eso es el razonamiento.
Claudepensar + esfuerzo
Deja activado el modo pensar y sube el esfuerzo a alto cuando la respuesta se quede corta. El modelo decide solo cuándo razonar y cuándo no.
ChatGPTmodo chat, esfuerzo medio
Con esfuerzo medio vas bien para casi todo. Deep research no es esto: devora tokens y está pensado para investigaciones largas.
Gemini gratissin razonador
La versión gratuita responde directa, sin capa de razonamiento. Sirve perfectamente para practicar, con respuestas algo menos afinadas.

En clase lo probamos con DeepSeek, que enseña el razonamiento en pantalla y es la forma más clara de verlo.

Para qué no lo necesitas. Preguntarle la hora con un razonador es absurdo: da la misma respuesta y tarda el triple. El razonador se gana su sueldo cuando la tarea tiene enjundia.

Qué modelo usar, y cuándo subir

~3 min

Los cuatro modelos de Claude, traducidos a perfiles de equipo. La regla es simple: sube de modelo solo cuando el anterior se quede corto.

De becario a doctorado
Haiku 4.5evítalo
Rapidísimo y baratísimo, pero se equivoca a menudo. Pasas más tiempo corrigiéndolo del que ahorras, así que el precio bajo deja de ser una ventaja.
Sonnet 5tu opción por defecto
El equivalente a alguien con tres años de experiencia. Cubre el ochenta por ciento del día a día. Empieza en esfuerzo medio y súbelo a alto si flojea.
Opus 5cuando aprieta
Un senior con diez años. Para análisis técnicos y específicos suele resolverlo con un solo prompt bien montado. Gasta bastante más.
Fable 5.1casi nunca
Un doctorado. Decisiones de arquitectura y orquestación de agentes. Para un informe o unas cuentas es poner a Einstein a hacer la compra.

La misma lógica aplica en ChatGPT con Terra, Sol y Astra. Para practicar, el modelo medio va perfecto.

El error caro. Poner el modelo más potente por defecto es matar moscas a cañonazos: el resultado es buenísimo, la factura absurda y la cuenta se agota a media tarde, justo cuando la necesitas para algo que sí lo pedía.

Anatomía de un prompt, y meta-prompting

~5 min

En vez de pelearte por escribir el prompt perfecto, usas la IA para que lo escriba ella: eso es meta-prompting. Y para que salga fino, el prompt de partida tiene cuatro piezas. A la izquierda, lo que sale solo; a la derecha, la misma idea nombrando la pieza.

Las cuatro piezas, una a una
  1. Lo que sale solo

    Hazme una web de portfolio.

    Lo que conviene decir

    Actúa como un experto en creación de páginas web de portfolio.

    rol

    El rol poda el universo de posibilidades y evita que divague. Útil cuando sabes lo que quieres; contraproducente si buscas creatividad o cruzar disciplinas que no habías previsto.

  2. Lo que sale solo

    Dime cómo debería ser.

    Lo que conviene decir

    Quiero un PRD de cómo debería ser mi portfolio, moderno, devuelto dentro de un code block.

    resultado esperado

    Qué quieres y en qué formato. Aquí es donde te ahorras las cinco iteraciones siguientes, que son las que se comen la media hora.

  3. Lo que sale solo

    Que quede bien y profesional.

    Lo que conviene decir

    No quiero lenguaje informal, ni el color azul, ni un análisis de qué tecnología usar.

    no quiero

    Negativizar el prompt. Poner el límite antes cuesta una línea; corregirlo después cuesta releer y rehacer el documento entero.

  4. Lo que sale solo

    Soy consultor.

    Lo que conviene decir

    Soy X, trabajo en Y, esta es mi trayectoria (pegas tu perfil completo).

    contexto

    La pieza que más pesa de las cuatro. Cuanto más afinado el material que le das, menos tiene que inventar y mejor responde a la primera.

Rol, resultado esperado, no quiero y contexto. Las mayúsculas ya no hacen falta, pero ayudan a ver las piezas mientras lo aprendes.

Cuidado con el rol. Pedir actúa como experto en X poda el universo de posibilidades, y eso es exactamente lo que quieres cuando sabes qué necesitas. Cuando buscas creatividad, o cruzar disciplinas que no habías previsto, es mejor dejarla viajar sola.

La tarea del jueves

~3 min

Copia la plantilla, rellena las X y guarda lo que te devuelva: es el PRD de tu portfolio, el documento de requisitos con el que vamos a construir la página web en la siguiente sesión. Se vota el mejor y hay Óscar.

Prompt · la plantilla de la tarea 
Actúa como un experto en creación de páginas web de portfolio.

RESULTADO ESPERADO
Un PRD (documento de requisitos de producto) de cómo debería ser
mi portfolio personal, moderno, devuelto dentro de un code block.

NO QUIERO
XXXXX (por ejemplo: lenguaje informal, el color azul, un análisis
de qué tecnología usar, secciones genéricas que no aporten valor)

CONTEXTO
XXXXX (quién eres, a qué te dedicas, tu trayectoria; puedes pegar
aquí el contenido de tu perfil de LinkedIn)
Por qué se pide dentro de un code block. Es ese recuadro con botón de copiar. Pídelo siempre que vayas a mover texto a otro sitio y te ahorras el formato que se cuela al copiar del chat y te descoloca el correo o el Word.

Pasos, en orden

Marca lo que vayas completando. Se guarda en tu navegador, así que al volver sigue aquí.

0/6 completado
Repaso

Repaso rápido

Cinco preguntas para fijar lo esencial. No hay nota ni castigo: si fallas, te explico el porqué.

Repaso · Pregunta 1/5

Llevas semanas usando el mismo hilo para un tema que se repite cada mes. ¿Qué conviene hacer?

Llevas semanas usando el mismo hilo para un tema que se repite cada mes. ¿Qué conviene hacer?

Glosario · toca para ampliar

  • Prompt

    Cualquier instrucción que sale de ti hacia la IA. Hola es un prompt. Un pliego de veinte páginas pegado también lo es. Todo lo que envías y esperas respuesta cuenta.

    Ver en el diccionario
  • Zero-shot prompting

    Pedir algo sin dar contexto ni ejemplos. Funciona, pero te obliga a iterar: la IA pregunta, tú respondes, tú corriges. Es la forma más cara de llegar al mismo sitio.

    Ver en el diccionario
  • Meta-prompting

    Usar la IA para que escriba el prompt que luego le vas a dar. En vez de pelearte por redactar la instrucción perfecta, le das las cuatro piezas y deja que la monte ella.

  • Token

    La unidad en la que se mide y se paga todo lo que entra y sale de un modelo. Trozos de palabra con un peso en una matriz semántica, donde rey está más cerca de hombre que de niño.

    Ver en el diccionario
  • Ventana de contexto

    Cuánto puede tener en la cabeza el modelo a la vez. Antes eran unos cien mil caracteres y se olvidaba a mitad de conversación; hoy hablamos de un millón de tokens.

    Ver en el diccionario
  • LLM

    Large Language Model: el cerebro del sistema, todo lo que el modelo aprendió durante su entrenamiento. Lo que hay debajo cuando escribes en el chat.

    Ver en el diccionario
  • Modelo razonador

    El que antes de responderte se cuestiona tu petición, se monta su propio plan y luego contesta. Tarda más por respuesta y, contando las iteraciones que ahorra, suele salir más barato.

    Ver en el diccionario
  • Benchmark

    Examen estandarizado para comparar modelos. Buen indicador, mal veredicto: muchos están secados porque los modelos se entrenan específicamente para aprobarlos.

    Ver en el diccionario
  • Skill

    Una habilidad guardada en un archivo de texto: lo que funcionó y lo que no en una tarea que repites. La pides al terminar y la reutilizas, en vez de arrastrar una conversación eterna.

    Ver en el diccionario
  • Caché

    Si le mandas exactamente la misma entrada otra vez, el proveedor la reutiliza y te la cobra más barata. Es la base de que los sistemas agénticos salgan rentables.

  • Vendor lock-in

    Cuando tu inteligencia de negocio vive dentro de una herramienta concreta. El día que suba de precio, se caiga o quieras cambiar, esa información no sale limpia.

  • PRD

    Product Requirements Document: el documento que describe qué tiene que hacer un producto antes de construirlo. Es lo que la IA te devuelve en la tarea de esta sesión.

    Ver en el diccionario
  • Code block

    El recuadro con botón de copiar. Pídelo siempre que vayas a mover texto a otro sitio y te ahorras el formato pegado que se cuela al copiar del chat.

  • DeepSeek

    El modelo chino que usamos en clase. Nació dentro de una firma de mercado de valores, se publicó con pesos abiertos y demostró que se podía competir con mucho menos hardware.

    Ver en el diccionario

Si solo tienes tiempo para 2 cosas

Estas dos ideas son las que más impacto tienen. Si te llevaras únicamente dos cosas de toda esta página, que sean éstas:

  1. El contexto pesa más que la frase perfecta: una conversación por tema, una skill para lo que repites y el material en carpetas, fuera de la herramienta. Así cambias de modelo sin perder nada.
  2. Deja que la IA escriba el prompt: tú pones las cuatro piezas (rol, resultado esperado, no quiero y contexto) con el razonador activado, y ella monta la instrucción buena. Es la diferencia entre media hora de tira y afloja y una respuesta útil a la primera.
Recursos
  • herramienta DeepSeek · el modelo que usamos en clase · Gratuito. Si el registro por email se atasca, entra con la opción de iniciar sesión con Google. El botón DeepThink activa el razonamiento y lo enseña en pantalla.
  • herramienta Gemini · alternativa sin fricción · Para quien no tenga ninguna cuenta. Responde directo, sin capa de razonamiento por defecto, y sirve de sobra para practicar la plantilla de prompt.
  • vídeo Higgsfield · generación de vídeo · Plataforma que consume varios proveedores a la vez. Hoy, lo mejor en vídeo generativo: continuidad, físicas creíbles y sin artefactos raros.
  • imagen Midjourney · imagen fija · Sigue siendo la más creativa en imagen, con estilos propios reutilizables. Para vídeo se ha quedado atrás, para dirección de arte no.
  • pizarra Miro · la pizarra de la clase · Tus avatares, el tablón de cosas interesantes y el apartado de feedback anónimo siguen ahí, siempre abierto.
  • película Her (Spike Jonze, 2013) · Viene al pelo por lo que hablamos de la IA complaciente y de las cámaras de eco: una IA que te da la razón puede amplificar un pensamiento intrusivo.

Nos vemos el jueves con tu PRD debajo del brazo. Si algo de esta página no te cuadra, escríbeme a hi@alci.dev o déjamelo en el feedback anónimo del Miro.

Alcibiades Cabral · Taller de IA ADAMS para EYSA, sesión 1
Prompt, contexto y modelos · 15 septiembre 2026