Ficha rápida de la Sesión 2 de Liderando con IA: cómo sacarle partido a la IA con prompting y RAG. Conceptos clave, glosario interactivo y un prompt para practicar.

LIDERANDO CON IA · CÁPSULA DE SESIÓN

Sesión 2 — Sacarle partido: prompting y RAG

🕑 4 h
En una frase: un LLM es como un becario brillante pero sin criterio ni datos — sabes darle instrucciones (prompting) y darle tus fuentes (RAG), y se vuelve útil de verdad.

🔑 CONCEPTOS CLAVE

"Junior", tu becario

Rápido, incansable y barato, pero sin criterio ni datos propios. Trátalo como a alguien nuevo: dale contexto.

4 formas de hacerlo útil

Prompting (dile qué quieres) → RAG (dale tus documentos) → fine-tuning (mándalo a un curso) → modelo propio. De menos a más coste.

Un buen prompt se estructura

Empieza simple, sé específico, evita la ambigüedad y di qué SÍ hacer. Hay marcos: RTF, Chain of Thought, RISEN…

Técnicas que mejoran el resultado

Dar ejemplos (few-shot) y pedirle que razone paso a paso (chain of thought) elevan mucho la calidad.

RAG = darle tus fuentes

Conecta el LLM con tus documentos para que responda con datos tuyos y alucine menos. Datos → RAG; experiencia → fine-tuning.

📖 GLOSARIO EXPRESS 👈 toca para ver la definición
⚡ PRACTICA AHORA
Quiero que actúes como consultor. Antes de responder, hazme las preguntas que necesites para crear un plan de comunicación de mi producto. Pero primero: escríbeme tú el prompt ideal para esta tarea y luego úsalo.
▶ ¿POR QUÉ IMPORTA?

El 90% del valor de la IA hoy está en saber pedirle bien las cosas (prompting) y conectarla a tu información (RAG) — sin tocar una línea de código.

Debajo tienes la práctica completa de "plan de negocio en 30 minutos", un mini-test y los recursos.

➕ Profundiza (opcional) ▾

Los conceptos, con más detalle

  • El truco del becario. Ante cualquier tarea, piensa "¿qué haría con un humano nuevo?". Casi siempre es una buena aproximación para decidir qué darle al LLM.
  • Cuándo usar qué. Para añadir información puntual: prompting o RAG. Para conocimiento profundo o imitar un estilo: fine-tuning o modelo propio. El coste sube en ese orden.
  • Instrucciones básicas. 1) empieza simple y añade contexto; 2) sé específico (formato, longitud); 3) evita la ambigüedad; 4) di qué hacer, no qué evitar.
  • Pídele que se cree el prompt. Un atajo potente: "créame el prompt ideal para esta tarea y úsalo". El modelo suele estructurarlo mejor que nosotros.
  • RAG vs. fine-tuning. RAG = darle datos/fuentes (información). Fine-tuning = darle experiencia (conocimiento). Si necesitas datos actualizados, RAG.

🔨 Ejercicio: un negocio en 30 minutos

  1. Piensa en una idea de producto o servicio.
  2. Pídele una ficha de producto: descripción, segmento, diferencial, competencia, por qué/para qué.
  3. Genera el "why-how-what" y un titular (headline); pide 5 y elige.
  4. Pide el guion de una presentación con título y bullets por slide.
  5. Remata con una cuenta de resultados a 3 años y un elevator pitch.
  6. Recuerda: en cada paso, pídele primero que te escriba el prompt.

✅ Comprueba lo que sabes

¿Cuándo usar RAG y cuándo fine-tuning?
RAG cuando necesitas que el modelo use datos o documentos concretos (información). Fine-tuning cuando quieres que adquiera un estilo o "experiencia" profunda.
¿Qué es "chain of thought"?
Pedirle al modelo que razone paso a paso antes de responder. Mejora mucho su acierto en tareas con lógica.
¿Qué es una alucinación?
Cuando el modelo responde con algo plausible pero falso. RAG y pedir fuentes ayudan a reducirlas.

Recursos extra

entaina · Liderando con IA — cápsula de refuerzo asíncrono