Por dónde empezar con IA: guías de OpenAI y Anthropic

Si nunca has usado IA fuera de un chat, no empieces por agentes, MCP ni por una lista de modelos. Empieza con una tarea que ya haces: comparar cotizaciones, resumir una póliza o convertir una nota en una lista de acciones. Después aprende a pedirla con claridad, mide el resultado y solo entonces decide si necesitas código.

Esta es mi síntesis en español de recursos oficiales; no es una traducción de sus cursos. Los materiales enlazados están principalmente en inglés. Cada etapa tiene una lectura, un ejercicio y una señal de que puedes avanzar.

1. Aprende a trabajar con un chat

Lee AI Fluency: Effective Prompting Techniques de Anthropic. Presenta hábitos como dar contexto, mostrar ejemplos, poner límites y dividir una tarea.

Ejercicio: toma una decisión doméstica real y pide tres salidas: una tabla de hechos, una lista de datos faltantes y cinco preguntas para verificar con una persona. No le pidas que elija por ti.

Puedes avanzar cuando: distingues en la respuesta qué venía de tus datos y qué es una suposición.

2. Escribe prompts que se puedan revisar

Lee Prompting best practices de Anthropic y Prompt engineering de OpenAI. Ambos recomiendan instrucciones explícitas, contexto suficiente y un formato de salida claro. Anthropic documenta además el uso de etiquetas XML para separar instrucciones, contexto y entradas.

Ejercicio: reescribe una petición vaga como «analiza esto» con cuatro bloques: objetivo, datos, restricciones y formato. Añade un ejemplo de la respuesta que sí aceptarías.

Puedes reutilizar este arranque:

<objetivo>Compara estas dos opciones para [decisión].</objetivo>
<datos>[pega aquí los datos]</datos>
<restricciones>No inventes información. Marca como "no especificado" lo que falte.</restricciones>
<salida>Devuelve una tabla, diferencias, preguntas pendientes y qué debo verificar manualmente.</salida>

Puedes probarlo con el ejemplo para comparar dos cotizaciones. Incluye un prompt reutilizable para extraer conceptos, detectar condiciones no especificadas y revisar sumas.

Puedes avanzar cuando: otra persona puede seguir tu prompt sin preguntarte qué significa «mejor».

3. Construye una automatización pequeña (opcional)

Si la tarea se repite y copiarla al chat ya te estorba, sigue el Developer quickstart de OpenAI o Get started with Claude. Son guías para usar una API desde código; conviene saber Python o JavaScript básico. Necesitarás una cuenta y una clave, y el uso puede tener costos separados: comprueba las condiciones actuales antes de ejecutar solicitudes.

Ejercicio: crea un script que reciba un texto breve y devuelva siempre tres campos: hechos, faltantes y siguiente_paso. Guarda cinco entradas de prueba y no incluyas nombres, correos, domicilios ni números de cuenta.

Puedes avanzar cuando: el script devuelve el mismo formato en las cinco pruebas y sabes qué hacer si la respuesta llega incompleta.

4. Evalúa antes de añadir agentes

Lee Evals de OpenAI. La idea central es sencilla: define qué significa una buena respuesta, prueba varias entradas y compara cambios con evidencia. Un modelo puede sonar convincente y aun así omitir una condición importante.

Ejercicio: prepara diez casos: cinco normales y cinco con información faltante, unidades distintas o un total que no coincide. Puntúa cada respuesta por extracción correcta, señalamiento de faltantes y aritmética. Cambia una instrucción y vuelve a correr los diez casos.

Puedes avanzar cuando: puedes explicar qué mejoró, qué empeoró y qué casos siguen necesitando revisión humana.

¿Cuándo tiene sentido un agente?

Después de esa prueba. Un agente añade herramientas, pasos y decisiones automáticas; no arregla una tarea mal definida. Si todavía no puedes escribir los criterios de éxito en una tabla, sigue usando un chat con un prompt claro. Si ya tienes un flujo repetible, datos de prueba y un punto de aprobación humana, entonces la documentación de Agents de OpenAI puede ser el siguiente paso.