Cómo aprender inteligencia artificial sin formación técnica: la primera semana y dos habilidades

Aprender a usar la IA no es aprender a construirla

Quien busca cómo aprender inteligencia artificial suele imaginar un temario de matemáticas y código, el camino de quienes construyen modelos. Un usuario necesita otra cosa: plantear una tarea a un asistente ya hecho y juzgar lo que devuelve. El marco de competencias en IA para estudiantes que la UNESCO publicó en 2024 muestra la proporción: 12 competencias en cuatro dimensiones, pensamiento centrado en el ser humano, ética de la IA, técnicas y aplicaciones de la IA y diseño de sistemas de IA. Solo la última trata de diseñar sistemas.

El mismo marco fija tres niveles: comprender, aplicar, crear. AILit, iniciativa conjunta de la Comisión Europea y la OCDE, ordena sus cuatro ámbitos de forma parecida: interactuar con la IA, crear con ella, gestionarla y darle forma. Ambos se escribieron para la escuela, pero el orden sirve a un adulto: primero usar la herramienta con criterio; construir sistemas, después. El equipo inicial es pequeño: un asistente, tus tareas y la costumbre de comprobar.

Cómo funciona un modelo de lenguaje, en tres frases honestas

Bastan tres frases. Un modelo de lenguaje estima qué fragmento de texto es más probable a continuación; la guía de aprendizaje automático de Google llama tokens a esos fragmentos: una palabra, parte de ella o un solo carácter. Un modelo grande lo repite a gran escala, y la guía lo describe como un mecanismo de autocompletado capaz de predecir miles de tokens. El resultado se lee como conocimiento, pero es una predicción: estos modelos, dice la guía, alucinan, es decir, sus predicciones suelen contener errores.

Primera consecuencia: el modelo puede equivocarse con total aplomo. El centro de ayuda de Anthropic dice que su asistente puede producir citas que parecen autorizadas o suenan convincentes pero no se basan en hechos, y que sus datos de entrenamiento pueden no estar al día. Su consejo: no lo trates como única fuente de verdad y examina cualquier recomendación con mucho en juego. Un tono fluido es una propiedad del texto, no una prueba de que sea cierto.

Segunda consecuencia: una misma petición no siempre devuelve la misma respuesta. La guía de ingeniería de prompts de OpenAI afirma que el contenido generado no es determinista. Advierte de que distintos tipos de modelos pueden necesitar instrucciones distintas, y de que incluso versiones de una misma familia dan resultados diferentes. Por eso las listas de frases mágicas envejecen con cada versión; una tarea clara y un resultado comprobado sirven con cualquier asistente.

La primera semana: un asistente, tus tareas y un cuaderno

Elige un asistente y quédate con él siete días. Comparar cinco herramientas la primera tarde te enseña sus menús, no la habilidad. Llévale trabajo que harías de todos modos: la respuesta a un correo difícil, un contrato largo por resumir, una lista desordenada que convertir en plan. Las tareas reales traen un criterio real, porque ya sabes cómo es un buen resultado.

Lleva un cuaderno con cinco líneas por intento: la tarea, qué pediste, qué recibiste, qué cambiaste y si usarías el resultado. En una semana habrá una docena de entradas o más, y mostrarán dónde el asistente te ahorra una hora y dónde te la cuesta. Añade una costumbre: cada día, pregunta algo cuya respuesta ya conoces. Verlo fallar en tu terreno ajusta la confianza mejor que cualquier consejo.

La habilidad de pedir: rol, contexto, límites y forma de la respuesta

Los fabricantes de los modelos describen una buena petición casi con las mismas palabras. La guía de prompts de Anthropic propone ver el modelo como un empleado brillante pero nuevo, que no conoce tus normas ni tu forma de trabajar. Su regla de oro es una prueba al alcance de cualquiera: enseña la petición a un colega que sepa poco de la tarea. Si él se confunde, el modelo también.

Una petición tiene cuatro partes. La guía de OpenAI ordena una instrucción en secciones: identidad, instrucciones, ejemplos y contexto. La de Google para Gemini añade las restricciones y el formato de la respuesta: tabla, lista con viñetas, palabras clave, una frase o un párrafo. Dicho llanamente: quién responde, cuál es la situación, qué no se puede y qué forma tendrá la respuesta. Anthropic señala que una sola frase de rol ya cambia el resultado, igual que explicar por qué importa una instrucción.

Dos costumbres completan la habilidad. La primera son los ejemplos: Google recomienda incluir siempre unos pocos y Anthropic aconseja de tres a cinco, pertinentes y variados. La segunda es la paciencia con el primer borrador: según Google, diseñar un prompt puede requerir varias iteraciones, y conviene reformular la petición o cambiar el orden de sus partes. No abras un chat nuevo para preguntar con la misma vaguedad: sigue en la conversación y di qué estaba mal.

La habilidad de comprobar: fuentes, fechas y cifras

Pedir bien es la mitad del trabajo; la otra empieza cuando llega la respuesta. La documentación de Anthropic sobre cómo reducir las alucinaciones abre con una admisión: incluso los modelos de lenguaje más avanzados generan a veces texto incorrecto en los hechos o incoherente con el contexto dado. Sus técnicas reducen el riesgo y, según la propia página, no lo eliminan. Su última línea sirve de regla: valida siempre la información crítica, sobre todo en decisiones importantes.

Tres cosas merecen comprobación siempre. Fuentes: abre cada una, porque una cita puede ser inventada, y la ayuda de Anthropic añade que el sitio original puede contener contexto que falta en el resumen. Fechas: los datos de entrenamiento terminan en algún momento, y la guía de prompts de Google aconseja activar la búsqueda cuando el modelo necesite hechos poco conocidos o recientes. Cifras: recalcúlalas, pues su guía de aprendizaje automático observa que un modelo puede aparentar un razonamiento matemático sofisticado cuando solo completa un enunciado.

Parte de la comprobación puede encargarse al modelo. Anthropic sugiere darle permiso explícito para decir que no sabe, pedirle citas literales de un documento largo antes de concluir nada y hacer que retire toda afirmación que no pueda respaldar con una cita. También ayuda repetir la misma petición: las diferencias entre versiones pueden delatar una invención. Nada de esto sustituye a tus ojos en lo que toca al dinero, la salud o la ley.

El siguiente paso: documentos, tablas, imágenes y automatización sencilla

Tras una semana de conversación simple, dale material al asistente. Para documentos largos, Anthropic ofrece una regla concreta: el documento arriba y la pregunta al final; en sus pruebas esto mejoró la calidad de la respuesta hasta un 30 por ciento. Con una tabla, pide que describa las columnas antes de calcular y compara un total con tu cuenta. Para imágenes, la documentación de Google aconseja describir la escena con mucho detalle: cuanto más específico seas, más control tendrás.

La automatización empieza antes de lo que parece. Cuando escribas la misma petición por tercera vez, guárdala como plantilla con las cuatro partes rellenas y huecos para lo que cambia. El nivel siguiente es una cadena de pasos; Anthropic llama autocorrección al patrón más común: un borrador, una revisión según criterios, una mejora. De ahí nacen los agentes, pero una pequeña biblioteca de plantillas ya es automatización y no necesita código.

Seguridad con la IA: qué no pegar en un chat

Cada proveedor publica un aviso sobre lo que ocurre con tus conversaciones; léelo antes de la primera tarea seria. El Centro de privacidad de las aplicaciones de Gemini, de Google, pide no introducir información confidencial que no querrías que viera un revisor. Explica que parte de los chats la leen revisores humanos y que los revisados se conservan hasta tres años aunque borres tu actividad. Por defecto, añade, la actividad se elimina a los 18 meses; el plazo puede cambiarse a 3 o 36 meses.

El centro de privacidad de Anthropic describe otro régimen para sus planes de consumo: los chats pueden usarse para mejorar los modelos si el usuario lo permite en los ajustes, los de incógnito no se usan, y valorar una respuesta guarda la conversación entera hasta cinco años. Las condiciones varían según el proveedor y el plan, y cambian: lee el texto vigente. La regla práctica es más simple: nada de contraseñas, números de documentos, datos personales ajenos ni archivos de clientes. Si un contrato o una ley de protección de datos afecta a tu trabajo, consulta antes a un especialista.

Qué practicar por tu cuenta y qué añade un curso estructurado

Todo lo anterior se puede practicar a solas desde esta semana: un asistente, cinco tareas propias, el cuaderno, la petición en cuatro partes y las tres comprobaciones. Lo difícil de conseguir a solas es orden y corrección externa. Sin ellos, uno repite lo que ya le sale. Y se salta lo incómodo, normalmente la verificación y la seguridad.

Un curso estructurado aporta ese orden. El curso Inteligencia Artificial de VITON13 SCHOOL se imparte en línea, con práctica sobre la tarea de cada alumno. Su programa tiene siete módulos: trabajo consciente con la IA, prompting como ingeniería, investigación y verificación, automatización de procesos, agentes de IA, sistemas propios, seguridad y responsabilidad. Las condiciones vigentes están en la página del curso. Si tu cuaderno muestra los mismos muros semana tras semana, un programa ahorra tiempo; si no, practica primero. Cómo aprender inteligencia artificial deja paso entonces a una pregunta mejor: qué tarea delegar primero.