Resumen
Este tutorial ofrece una entrada práctica y ordenada para empezar a trabajar con inteligencia artificial generativa en tareas reales de un departamento IT. Se explica el mapa actual de productos (ChatGPT, Gemini, Claude y herramientas asociadas), cómo personalizar el estilo de respuesta, cómo usar el enfoque IA + IA para mejorar calidad y trazabilidad, y cómo aprovechar funciones concretas de ChatGPT (respuestas predefinidas, proyectos y GPTs). El material incluye escenarios representativos, ejemplos listos para copiar y ejercicios guiados.
-
Identificar rápidamente qué producto usar según la tarea.
-
Aprender a diseñar prompts con estilo, tono y formato consistentes.
-
Aplicar el patrón IA + IA para validación cruzada de resultados.
-
Configurar un flujo de trabajo organizado en ChatGPT mediante proyectos y automatizaciones.
-
Practicar con escenarios realistas y transferibles al trabajo diario.
1. Antes de empezar: regla de oro
La IA generativa acelera mucho el trabajo, pero no sustituye el criterio técnico. Para usarla con seguridad y eficacia, ten siempre presente estas reglas de oro:
-
Nunca compartas datos personales identificables en servicios cloud sin anonimizar. En los planes gratuitos, tus datos pueden ser usados para entrenar modelos sin control.
-
Verifica siempre hechos, fechas, normativa y números antes de publicar o ejecutar.
-
Revisa el código generado por IA antes de usarlo en producción, especialmente si tiene acceso a sistemas críticos.
-
Trata la respuesta de la IA como borrador de alta calidad, no como salida final automática.
|
Important
|
Todo resultado de IA debe pasar por una revisión humana final (human-in-the-loop), especialmente en operaciones críticas. |
2. Mapa rápido del ecosistema actual
En la práctica, no hay una única herramienta perfecta. Lo más eficiente es elegir según la tarea.
| Proveedor | Ecosistema |
|---|---|
OpenAI |
* ChatGPT: IA generalista * Codex: asistente de código * Sora: Video generado por IA |
* Gemini: IA generalista * NotebookLM: asistente de estudio con tus documentos * Antigravity: Asistente de desarrollo multimodal (texto, imagen, código) * nano banana: Multimedia creativa y experimental |
|
Anthropic |
Claude: IA generalista con enfoque en seguridad y control de datos |
Microsoft |
* GitHub Copilot: asistente de código integrado en IDEs * Power BI Copilot: IA para análisis de datos y generación de informes * Microsoft Copilot: integración de IA en herramientas Microsoft (Word, Excel, PowerPoint, Teams, etc.) |
|
Tip
|
Una estrategia útil es trabajar con 2 herramientas principales y 1 herramienta de contraste. Evitas dispersión y mantienes calidad. |
3. Personalizar estilo, tono y formato
Una de las mayores mejoras de productividad aparece cuando dejas de pedir "respuestas generales" y defines un estilo estable.
3.1. Plantilla base de prompt reutilizable
Actúa como [rol concreto].
Contexto: [proyecto/situación].
Objetivo: [resultado esperado].
Audiencia: [quién lo leerá].
Tono: [formal, cercano, ejecutivo, didáctico].
Formato de salida: [tabla, lista, JSON, pasos, email].
Restricciones: [longitud, normativa, no inventar datos].
Criterios de calidad: [claridad, accionable, verificable].
Si faltan datos, pregúntame antes de asumir.3.2. Ejemplo práctico 1: mismo contenido, tres estilos
Situación: hay que comunicar una interrupción planificada del sistema de tickets.
Redacta un aviso de mantenimiento para una parada de 30 minutos del sistema de tickets
el jueves a las 18:00. Genera tres versiones:
1) estilo técnico para IT,
2) estilo ejecutivo para dirección,
3) estilo cercano para usuarios finales.
No inventes impacto clínico. Máximo 120 palabras por versión.3.3. Ejemplo práctico 2: salida estructurada para reutilizar
Convierte este procedimiento en JSON con campos:
"titulo", "precondiciones", "pasos", "riesgos", "rollback", "validacion_final".
Usa español técnico claro y no inventes pasos no descritos.
[pega aquí el procedimiento]4. Patrón IA + IA
Un unso interesante para mejorar calidad y trazabilidad es usar dos IAs en secuencia: una para pedir el contenido y otra para ejecutarlo. No obstante, se pueden involucrar más IAs si el proceso tiene más etapas. Así, podemos usar una IA para darle las ideas de un prompt inicial, que nos lo genere, y pasar ese prompt a otra IA para que lo ejecute. Luego, podemos usar la primera IA para revisar el resultado de la segunda, buscando huecos, ambigüedades o riesgos, y pedirle que sugiera mejoras. De esta forma, se crea un ciclo de validación cruzada entre IAs muy potente antes de pasar a la revisión humana final. En cada iteración, la IA de validación puede detectar aspectos que la IA generadora no ha contemplado, y aplicar mejoras iterativas para elevar la calidad del resultado antes de que un humano lo revise y apruebe. En entornos profesionales puede llamarse validación cruzada entre modelos.
4.1. Flujo recomendado
4.2. Caso de uso representativo: implementación de un módulo de conexión a API externa
-
IA 1: "Actúa como arquitecto de software. Diseña un módulo de conexión a la API de [servicio] con autenticación OAuth2, manejo de errores y logging. Devuelve un esquema de clases y pseudocódigo."
-
IA 2: Realiza la implementación en el lenguaje elegido, siguiendo el esquema y pseudocódigo.
-
IA 1: Revisa los resultados generados por la IA 2, y detecta posibles fallos de seguridad o casos de error no contemplados. Sugiere mejoras concretas.
-
IA 2: Aplica las mejoras sugeridas por la IA 1 y genera una versión corregida.
-
Revisión humana final:Revisión del código final, verificación de requisitos de seguridad y funcionales, y aprobación para producción.
4.3. Prompt de validación cruzada
Vas a actuar como auditor técnico. Revisa este documento y devuelve:
1) afirmaciones no verificadas,
2) pasos ambiguos,
3) riesgos no cubiertos,
4) mejoras concretas priorizadas (alto/medio/bajo),
5) una versión corregida.
No añadas normativa no citada. Si falta contexto, indícalo explícitamente.
[pega aquí el borrador]5. ChatGPT en modo productivo: funciones clave
5.1. Personalización
Hay varios aspectos de personalización que pueden marcar la diferencia en la calidad y consistencia de las respuestas. Se pueden configigurar en Personalización:
-
Controles de datos - Mejorar el modelo para todos: permite que tus interacciones se usen para entrenar el modelo general.
-
Personalización - Estilo y tono base: define el estilo que ChatGPT usa para responder: profesional, amigable, sincera, peculiar, eficiente y cínica.
-
Personalización - Características: Define el grado de calidez, entusiasmo, redacción vs listas, y emojis.
-
Personalización - Instrucciones personalizadas: puedes guardar instrucciones específicas para que se apliquen en cada respuesta, como "usa siempre español técnico claro" o "incluye un resumen inicial".
5.2. Proyectos en ChatGPT
Los proyectos en ChatGPT son una función que permite organizar conversaciones por temas o áreas de trabajo, manteniendo el contexto específico de cada proyecto. Esto es especialmente útil para equipos que trabajan en múltiples iniciativas o para individuos que quieren separar diferentes tipos de tareas.
Estructura sugerida de proyectos:
-
Proyecto 1: Citas UAP.
-
Proyecto 2: Documentación de procesos internos.
-
Proyecto 3: Automatizaciones y scripts.
-
Proyecto 4: Cuadro de mando de urgencias.
Buenas prácticas:
-
Un proyecto por dominio funcional.
-
Nombres de conversación orientados a tarea (ejemplo: "Acta comisión ciberseguridad mayo").
-
Cierre de cada chat con "decisiones tomadas" y "pendientes".
|
Tip
|
Cada proyecto puede tener su propio estilo de prompt personalizado para mantener consistencia en ese ámbito. |
Cada proyecto además puede incorporar archivos de referencia, como documentos, manuales o datos de ejemplo, que la IA puede usar para generar respuestas más precisas y contextualizadas. Esto es especialmente útil para tareas como redacción de procedimiento y generación de informes, donde el contexto específico es clave para la calidad del resultado.
|
Note
|
El número de archivos adjuntos por proyecto puede estar limitado según el plan de ChatGPT, así que es importante seleccionar cuidadosamente los documentos más relevantes para cada proyecto. Actualmente son 5 en el plan gratuito, 25 en los planes Plus y Go y hasta 40 en los planes Pro, Enterprise, y demás. Siempre se puede combinar el contenido de varios documentos en un solo archivo de referencia para maximizar la información disponible dentro de las limitaciones de adjuntos. |
5.3. GPTs para tareas repetitivas
Los GPTs son una función que permite crear modelos personalizados de IA para tareas específicas, entrenados con ejemplos concretos. Esto es especialmente útil para tareas repetitivas o con formato muy definido, como generación de informes, redacción de procedimientos o análisis de datos. Para crear un GPT, basta con asignarle un nombre, descripción y definir las instrucciones de cómo se tiene que comportar. Opcionalmente, se puede incorporar conocimiento espedífico y acciones personalizadas.
A continuación se muestra un ejemplo de GPT personalizado (Analista de incidencias) para analizar incidencias.
En la descripción añadiríamos algo así como: Analiza incidencias de soporte TI y genera clasificación, prioridad, impacto y acciones recomendadas.
Las instucciones de este GPT son:
Eres un analista de soporte TI especializado en entornos hospitalarios.
Tu función es analizar incidencias recibidas por correo electrónico, ticket o descripción libre.
Debes clasificar la incidencia y generar una respuesta estructurada.
Siempre debes devolver:
# Categoría
Una única categoría:
* Hardware
* Software
* Red
* Correo electrónico
* Impresión
* Aplicación corporativa
* Base de datos
* Seguridad
* Accesos y permisos
* Infraestructura
* Otro
# Prioridad
Asignar:
* Crítica
* Alta
* Media
* Baja
Justificar brevemente la prioridad.
# Servicio afectado
Indicar el servicio principal afectado.
Ejemplos:
* Estación clínica
* Citas
* Laboratorio
* Farmacia
* Correo corporativo
* Directorio activo
* Red corporativa
* Impresión
* Power BI
* SQL Server
# Resumen ejecutivo
Generar un resumen de máximo 5 líneas.
# Acciones sugeridas
Generar una lista numerada de acciones recomendadas.
# Riesgos detectados
Indicar posibles impactos operativos.
# Confianza
Indicar:
* Alta
* Media
* Baja
según la claridad de la información recibida.
Si faltan datos, indicarlo explícitamente.
No inventes información.
No asumas detalles no proporcionados.
Marca cualquier incertidumbre.El conocimiento se puede incorporar mediante archivos en la sección "Conocimiento" de la pestaña "Configurar" del GPT. Por ejemplo, añadir el markdown siguiente para mejorar añadir contexto y mejorar las respuestas:
# Sistemas corporativos
## SIGCIT
Sistema de gestión de citas de Atención Primaria.
Criticidad: Alta
Responsable:
Unidad de Admisión
---
## LABSYS
Sistema de laboratorio.
Criticidad: Crítica
Responsable:
Servicio de Laboratorio
---
## BI360
Plataforma Power BI corporativa.
Criticidad: Media
Responsable:
Unidad BI5.3.1. Ejemplo de uso
Un ejemplo de uso de este GPT sería pegar la descripción de una incidencia recibida por correo electrónico, como la siguiente:
Buenos días.
Desde las 08:00 varios usuarios del centro de salud de El Zapillo indican que no pueden acceder a la aplicación de citas.
La aplicación muestra error de conexión.
El resto de aplicaciones funcionan correctamente.
Un saludo.Si ahora pegamos ese texto en el GPT personalizado, obtendremos una respuesta estructurada con la clasificación, prioridad, servicio afectado, resumen ejecutivo, acciones sugeridas, riesgos detectados y nivel de confianza, todo adaptado a la información proporcionada. Esto permite agilizar el análisis de incidencias y estandarizar la respuesta, mejorando la eficiencia del equipo de soporte TI. A continuación se muestra un ejemplo de respuesta generada por el GPT personalizado.
# Categoría
**Aplicación corporativa**
# Prioridad
**Alta**
**Justificación:** El servicio de citas presenta una incidencia que afecta a varios usuarios de un centro de salud e impide el acceso a una aplicación asistencial. Aunque el resto de aplicaciones continúan operativas, existe impacto directo en la gestión de citas.
# Servicio afectado
**Sistema de citas (SIGCIT)**
# Resumen ejecutivo
Desde las 08:00, varios usuarios del centro de salud de El Zapillo reportan imposibilidad de acceso al sistema de citas. La aplicación muestra un mensaje de error de conexión. No se han reportado incidencias en otras aplicaciones corporativas, por lo que el problema parece estar aislado al servicio de citas. Se requiere verificar la disponibilidad y conectividad del sistema afectado.
# Acciones sugeridas
1. Verificar el estado operativo del servicio SIGCIT y sus componentes asociados.
2. Revisar registros de errores de la aplicación desde las 08:00.
3. Comprobar la conectividad entre los puestos afectados y los servidores de SIGCIT.
4. Validar que no existan incidencias en los servicios de autenticación o dependencias específicas de la aplicación.
5. Confirmar si la incidencia afecta únicamente al centro de salud de El Zapillo o a otros centros.
6. Escalar al equipo responsable de la aplicación si se detecta caída o degradación del servicio.
# Riesgos detectados
* Imposibilidad de gestionar citas de pacientes.
* Retrasos en la atención administrativa.
* Acumulación de trabajo manual y aumento de tiempos de espera.
* Impacto operativo en la actividad asistencial del centro.
# Confianza
**Alta**
La descripción identifica claramente el servicio afectado, el alcance inicial (varios usuarios) y el síntoma principal (error de conexión). Falta información técnica adicional (captura de error, alcance global y resultados de pruebas de conectividad), pero es suficiente para una clasificación fiable.6. Errores frecuentes y cómo evitarlos
-
Error: prompt demasiado vago. Solución: definir rol, objetivo, audiencia, formato y restricciones.
-
Error: aceptar la primera respuesta como final. Solución: iterar con "mejora 1, mejora 2" y validación cruzada.
-
Error: mezclar datos sensibles en prompts cloud. Solución: anonimizar, resumir o usar entorno local cuando aplique.
-
Error: cambiar de herramienta en cada paso. Solución: flujo estable: herramienta principal + herramienta de contraste.
-
Error: crear conversaciones mezclando temas provoca fácilmente la generación de alucinaciones o respuestas incoherentes. Solución: usar conversaciones cortas y específicas. Para conversaciones largas, usar proyectos para mantener contexto organizado.
7. Conclusiones
La IA generativa es una herramienta poderosa que puede transformar la productividad en departamentos IT, pero su eficacia depende de cómo se use. Personalizar el estilo de respuesta, aplicar el patrón IA + IA para validación cruzada, y organizar el trabajo mediante proyectos y GPTs son estrategias clave para maximizar su potencial. Con un enfoque disciplinado y consciente de sus limitaciones, la IA puede pasar de ser una curiosidad a una capacidad operativa real que produce mejores resultados, más rápido y con mayor calidad.