Interacción y uso
Cómo dialogar con un LLM, estructurar un prompt, gestionar una conversación. Las competencias de uso cotidianas que marcan la diferencia entre un ensayo y un despliegue exitoso.
- AlucinaciónUna alucinación es una afirmación factualmente falsa pero formulada con seguridad por un modelo de IA generativa. Deriva del mecanismo estadístico de generación: el modelo predice la siguiente palabra más probable, sin capacidad nativa para verificar. Es el principal riesgo operativo y jurídico de un despliegue de IA en empresa.
- Chain of thought (cadena de pensamiento)El chain of thought (cadena de pensamiento) consiste en que un modelo de lenguaje escriba pasos intermedios de razonamiento antes de dar su respuesta. Descrito en 2022 por Jason Wei y sus coautores, mejora los resultados en problemas de varios pasos. Los modelos de razonamiento actuales lo hacen por sí solos: pedirlo en el prompt se ha vuelto innecesario, incluso desaconsejado.
- Chatbot (agente conversacional)Un chatbot (o agente conversacional) es un programa que dialoga en lenguaje natural con una persona, por escrito o por voz, para responder preguntas o desencadenar tareas. Desde el 2 de agosto de 2026, el Reglamento europeo de IA obliga a informar a los usuarios de que interactúan con una IA, y la empresa sigue siendo responsable de lo que dice su chatbot.
- Context engineering (ingeniería de contexto)El context engineering (ingeniería de contexto) es la disciplina que consiste en elegir, en cada paso, el conjunto de informaciones colocadas en la ventana de contexto de un modelo de IA: instrucciones, documentos, historial, resultados de herramientas, memoria. Prolonga el prompt engineering: un prompt se escribe una vez, un contexto se gestiona de forma continua, sobre todo en agentes que trabajan en tareas largas.
- Mapa y territorioEl mapa no es el territorio. Lo que le da a una IA (petición, archivos, contexto) es solo una representación del trabajo. El trabajo real ocurre en otro lugar: en el código, el expediente, las restricciones del terreno. La brecha entre ambos son sus incógnitas. Es ahí, y casi únicamente ahí, donde una misión descarrila.
- Patrones de promptingLos patrones de prompting son convenciones de formulación que estructuran un prompt para orientar la salida del modelo. No existen como comandos nativos del LLM, solo como guías del redactor. La distinción importa: ningún patrón desencadena una funcionalidad, el efecto viene de la precisión lingüística.
- PromptUn prompt es la instrucción en lenguaje natural enviada a un modelo de IA para obtener una respuesta. Su calidad condiciona directamente la calidad, la pertinencia y el coste de la salida generada. Un buen prompt no es largo, es preciso, estructurado y contextualizado.
- Prompt engineeringEl prompt engineering es la disciplina de escritura metódica de los prompts. No se trata de un oficio raro sino de una competencia transversal, que consiste en formalizar, probar y estandarizar las instrucciones dirigidas a un LLM para obtener salidas fiables y reproducibles a escala de una organización.
- Roles de conversaciónLos roles de conversación (sistema, usuario, asistente) son las etiquetas asignadas a cada mensaje de un intercambio con un LLM. El rol sistema define el comportamiento general del modelo, el rol usuario lleva las consultas, el rol asistente las respuestas pasadas del modelo en el historial de la conversación.
- Seguridad de Claude y ChatGPTPara un comité de dirección, la seguridad de Claude o de ChatGPT depende menos de la herramienta que de la oferta elegida, empresarial o de consumo, y del marco de uso fijado. Por defecto, Anthropic y OpenAI no usan los datos de sus ofertas profesionales y de su API para entrenar sus modelos.
- Ventana de contextoLa ventana de contexto es la cantidad máxima de texto que un modelo de IA puede tratar en una sola consulta, medida en tokens. Incluye el prompt enviado y la respuesta a producir. Más allá de este límite, el modelo pierde el acceso a las informaciones más antiguas del intercambio.