Notas Sesión 1

Date

October 19, 2026

Estado

Publicado

Obligatoriedad

Semana

Semana 9

Tipo

Notas de clase

Last edited by

Miss Pili Piñones

Last edited time

Oct 20, 2026 1:21 AM

N

1

Concepto

• El núcleo de la sesión fue el uso de prompts estructurados y comandos abreviados para mejorar la precisión de la IA, reducir alucinaciones y optimizar el uso de tokens, manteniendo siempre un ojo crítico sobre las fuentes y resultados.

Lo que entendí

• Verificación de fuentes:
• Es fundamental ir a la fuente original y más antigua posible para validar información, especialmente en redes sociales donde hay mucha edición y contenido generado por IA.
• Ejemplo: un video de un robot Optimus en una presentación resultó ser una edición; la fuente oficial de Tesla mostró que había un robot-dummy en el auto, pero se declaró que el auto fue autónomo.
• Lectura crítica de artículos:
• Al leer textos sobre IA, hay que revisar autor, origen y fecha, ya que el campo avanza tan rápido que artículos de 2024 pueden quedar obsoletos rápidamente.
• Prompts para tareas cuantitativas:
• Los modelos de lenguaje pueden fallar en cálculos aritméticos directos; una solución es pedir que generen código (ej. Python) para realizar el cálculo en lugar de resolverlo directamente.
• La intervención humana sigue siendo necesaria para interpretar el sentido de los resultados (ej. el significado de un signo en un circuito), algo que la IA puede omitir.
• Comandos y ahorro de tokens:
• Se pueden usar comandos abreviados para ahorrar tokens y simplificar instrucciones. Ejemplo: "ELI5" (Explícamelo como si tuviera 5 años) para simplificar lenguaje complejo.
• Es posible combinar comandos, como usar ELI5 junto con un comando para buscar supuestos estadísticos en un documento.
• Trazabilidad de enlaces:
• ChatGPT puede añadir un "apellido" a los enlaces (ej. ?utm_source=chatgpt) para rastrear el tráfico; es recomendable limpiar las referencias antes de entregarlas en trabajos académicos.
• Diseño de prompts complejos:
• Si no se sabe cómo pedir algo, se puede usar la IA para que diseñe el prompt por nosotros, definiendo rol, objetivo, contexto, metodología y formato de salida.

Must know

• Importancia de la fuente original: No confiar en contenido de redes sociales sin verificar la fuente primaria.
• Limitación de LLMs en matemáticas: Los modelos de lenguaje pueden fallar en aritmética; la solución es usar herramientas externas o código.
• Estructura de un prompt efectivo: Definir rol, objetivo, contexto, ejemplos y formato de salida.
• Uso de comandos: Conocer que existen comandos para simplificar lenguaje (ELI5) o analizar supuestos, y que pueden combinarse.
• Interpretación humana: La IA puede dar un resultado aritméticamente correcto pero sin sentido contextual; el experto debe validar la interpretación.