Siete prácticas para explorar herramientas de IA y revisar resultados.
01¿Qué podemos aprender de 300 registros sintéticos?Mi primera práctica de análisis con IA y Google Colab: calcular, interpretar y comprobar resultados.Datos sintéticosAbrir prácticaCerrar práctica
Datos sintéticos
Contexto
Práctica formativa con 300 registros sintéticos, generados por el código proporcionado en el curso: Curso Práctico de Inmersión en la IA para Investigadores de Mercados, 10.ª edición, de Insights + Analytics España. Esta ficha documenta los ejercicios 3 y 4.
Qué quería averiguar
Resumir una tabla de 300 registros: distribución por sexo y satisfacción media por grupo de edad.
Método
- Definir el cálculo y comprender los conceptos
- Generar código con ayuda de IA
- Ejecutarlo en Colab
- Revisar los resultados
- Representarlos gráficamente
Evidencias de la práctica
Resultados
Composición por sexo
Porcentaje del total de los 300 registros sintéticos.
| Grupo | Porcentaje |
|---|---|
| Mujeres | 59 % |
| Hombres | 41 % |
Satisfacción media por edad
Puntuación media sobre 10. No representa un porcentaje de personas.
| Grupo de edad | Media (sobre 10) |
|---|---|
| 18–34 | 6,51 |
| 35–54 | 6,95 |
| 55+ | 7,77 |
Práctica formativa con 300 registros sintéticos. La tendencia de mayor satisfacción con la edad se incorporó al generar los datos. No representa un hallazgo sobre clientes reales.
Interpretación y límites
Lectura de resultados
Separé los indicadores según lo que describen: la distribución porcentual muestra la composición de los registros y las medias resumen las valoraciones de cada grupo. El gráfico permite compararlas en la misma escala.
02 Prompt ControlCómo cambia una respuesta cuando cambia la manera de pedirla. Abrir prácticaCerrar práctica
Ejercicio interactivo con un escenario ficticio.
Este caso de Prompt Control utiliza una situación ficticia y no contiene datos reales de clientes ni empresas.
Qué quiero observar
Hago la misma petición cinco veces, añadiendo cada vez una capa más, y comparo cómo cambia la respuesta. La idea de fondo: trabajar bien con IA no es hacer una pregunta, sino preparar bien el encargo.
Cómo lo pruebo
- 1 · Solo la pregunta
- 2 · + para quién y para qué
- 3 · + tono, formato y límites
- 4 · + un ejemplo de lo que espero
- 5 · + «revisa antes de responder»
- Comparo las 5 respuestas
Ejemplo paso a paso · ChatGPT, cada versión en un chat nuevo
Caso: la reseña de Marta, clienta habitual, cuyo pedido llegó cinco días tarde sin que nadie la avisara.
Versión 1
Lo que pedí
«Responde a esta reseña.»
Lo que respondió
«Hola Marta, sentimos mucho el retraso y, sobre todo, no haberte informado de que tu pedido llegaría más tarde de lo previsto. Entendemos tu decepción, especialmente después de tantos años confiando en nosotros. Gracias por hacérnoslo saber. Revisaremos qué ha ocurrido para evitar que vuelva a suceder y mejorar nuestra comunicación cuando haya cualquier incidencia con una entrega. Esperamos recuperar tu confianza en tu próxima experiencia con nosotros.»
Versión 2
Lo que añadí
Para quién y para qué: «Es Marta, clienta habitual de una tienda online. El objetivo es que se sienta escuchada y vuelva a confiar en nosotros.»
Lo que respondió
«Hola Marta, Sentimos mucho el retraso y, sobre todo, que no te avisáramos a tiempo. Entendemos perfectamente tu decepción, especialmente después de tantos años confiando en nosotros. Agradecemos que nos lo hayas contado. Vamos a revisar qué ocurrió para evitar que vuelva a pasar y mejorar la comunicación cuando haya cualquier incidencia con un pedido. Esperamos poder recuperar tu confianza en tu próxima compra.»
Versión 3
Lo que añadí
Tono, formato y límites: «Tono cercano y sincero, sin excusas ni frases hechas. Máximo cuatro frases. No ofrezcas descuentos.»
Lo que respondió
«Marta, siento que tu pedido llegara cinco días tarde y que no te avisáramos. Entiendo que te haya decepcionado, sobre todo después de tantos años comprando con nosotros. Vamos a revisar qué falló en el seguimiento y en el aviso del retraso. Queremos recuperar tu confianza con una experiencia mejor.»
Versión 4
Lo que añadí
Un ejemplo del estilo que busco, sacado de otro caso: «Javier, tienes razón: el producto no era lo que mostrábamos en la foto. Ya lo hemos corregido en la web para que no le pase a nadie más. Gracias por avisarnos con tanto detalle.»
Lo que respondió
«Marta, tienes razón: además del retraso, deberíamos haberte avisado de que tu pedido no llegaría a tiempo. Sabemos que llevas años confiando en nosotros y entendemos que esta vez te hayamos decepcionado. Gracias por decírnoslo; revisaremos qué falló en la comunicación para evitar que vuelva a ocurrir.»
Versión 5
Lo que añadí
Una revisión antes de responder: «Revisa tu borrador: que no prometa nada que no podamos cumplir, que no suene a plantilla y que responda a lo que más le molestó.»
Lo que respondió
«Marta, tienes razón: lo peor no fueron solo los cinco días de retraso, sino que nadie te avisara. Después de tantos años comprando con nosotros, entendemos especialmente tu decepción. Gracias por señalarlo con tanta claridad; revisaremos cómo estamos comunicando este tipo de incidencias para evitar que vuelva a pasar.»
Cada versión suma una capa a la anterior.
Papel humano
Compara las respuestas y valora cuál se ajusta mejor a lo que necesitaba, y por qué.
Qué aprendo
El contexto apenas cambió la respuesta. Definir el tono y la extensión, y dar un ejemplo, sí la mejoró. La revisión final puso el foco en lo que más molestó a Marta: nadie la avisó. Aun así, hacía falta un último ajuste humano.
03 Research FlowQué parte de una investigación puede automatizarse sin automatizar también la interpretación. Abrir prácticaCerrar práctica
Propuesta conceptual. Todavía no probada.
Qué quiero observar
Hasta dónde llega la máquina ordenando y dónde empieza el trabajo de entender. El patrón es una pista, no necesariamente la explicación.
Cómo lo pruebo
- Comentarios de clientes
- Clasificación automática
- Agrupación temática
- Detección de patrones
- Hipótesis
- Revisión humana
Papel humano
Revisa las hipótesis, las contrasta con el contexto y decide qué merece investigarse más a fondo.
Qué aprendo
Ordenar información y entenderla son trabajos distintos. El contexto sigue necesitando interpretación.
04 Human in the loopDónde puede automatizarse y en qué momento debe intervenir una persona. Abrir prácticaCerrar práctica
Propuesta conceptual. Todavía no probada.
Qué quiero observar
Qué tareas pueden fluir solas y en qué punto una revisión humana evita errores que luego salen caros.
Cómo lo pruebo
- Entrada
- La IA procesa
- Validación humana
- Continuar · Corregir · Detener
Papel humano
Decide en el punto de validación: si el resultado sigue adelante, se corrige o se detiene.
Qué aprendo
Un flujo necesita puntos de revisión donde una persona pueda corregirlo o detenerlo.
05 AI Quality CheckCómo evitar dar por buena una respuesta solo porque suena segura. Abrir prácticaCerrar práctica
Propuesta conceptual. Todavía no probada.
Qué quiero observar
Que una respuesta bien escrita no es lo mismo que una respuesta fiable, y qué controles ayudan a distinguirlas.
Cómo lo pruebo
- La IA genera una respuesta
- Segunda capa de revisión: fuentes, contradicciones, errores y sesgos
- Nivel de confianza
- Una persona decide si sirve
Papel humano
Lee la revisión y decide si la respuesta sirve, necesita cambios o se descarta.
Qué aprendo
Conviene revisar el contenido y las fuentes, además de cómo está redactada la respuesta.
06 AI vs AIQué ocurre cuando una IA contrasta o cuestiona la respuesta de otra. Abrir prácticaCerrar práctica
Propuesta conceptual. Todavía no probada.
Qué quiero observar
Si el desacuerdo entre agentes ayuda a ver ángulos muertos… o solo añade ruido.
Cómo lo pruebo
- Un agente propone una interpretación
- Otro agente la cuestiona: busca fallos y explicaciones alternativas
- Contraste de argumentos
- La decisión final es humana
Papel humano
Escucha a los dos agentes, contrasta sus argumentos y toma la decisión final.
Qué aprendo
Dos respuestas distintas abren preguntas. La discrepancia no demuestra por sí sola cuál es correcta.
07Model ChoiceLeer benchmarks con criterio¿Qué modelo elegir según la tarea?Abrir prácticaCerrar práctica
Ejercicio interactivo de lectura de una captura fija.
Leer una captura de benchmarks, distinguir sus métricas y comprobar qué podemos concluir de ellas.
Captura de octubre de 2026. No se actualiza en tiempo real.
Speed mide tokens de salida por segundo. Cost per Task es el coste medio ponderado del benchmark, no el precio garantizado de tu propia tarea.
Cuatro preguntas para explorar la captura. Puedes cambiar tu respuesta.
Según la captura, ¿cuál genera más tokens por segundo?
¿Cuál tiene el menor Cost per Task en esta captura?
Entre estas tres opciones, ¿cuál tiene más puntuación en Intelligence?
¿Podemos elegir el más eficiente para cualquier tarea con estos gráficos?
Más rápido, más barato y más adecuado son preguntas distintas. La decisión empieza por definir qué necesitamos obtener.