Semana 1 completa: lo que aprendiste y lo que viene

Por qué estás aquí

Invertiste 7 días en los fundamentos. No en trucos, no en herramientas nuevas, sino en entender cómo funciona lo que ya estás usando. Este documento junta todo: qué cubrió la semana 1, cómo se conecta, y qué puedes hacer con eso. Si comentaste FUNDAMENTOS, aquí está tu referencia.

---

El hilo que conecta los 7 episodios

Todo apunta a una sola idea: el modelo de lenguaje no piensa, predice la respuesta más probable. Predice bien cuando tiene contexto suficiente y adivina mal cuando no lo tiene. Ese es el eje que conecta los siete episodios, y tu trabajo es darle el contexto que necesita.

Cada episodio es un ángulo distinto del mismo principio:

• Episodio 1, Cómo funciona el modelo: qué es la predicción de texto y por qué sin contexto el resultado es genérico.
• Episodio 2, Tokens y alucinaciones: por qué el modelo inventa cosas y cómo evitarlo dándole contexto más específico.
• Episodio 3, Las diferencias entre modelos: no son intercambiables; el criterio para elegir el correcto para cada tarea.
• Episodio 4, Instrucciones que funcionan: el framework Contexto + Tarea + Formato, el único de la semana que deberías poder recitar de memoria en una llamada con una clienta: Contexto (tu rol y situación) + Tarea (la acción concreta) + Formato (cómo quieres el resultado). Ese orden produce resultados usables desde el primer intento.
• Episodio 5, Memoria y Proyectos: la falta de memoria entre conversaciones se resuelve con Proyectos, y qué configuración mínima necesita uno para sostener el contexto de una clienta activa.
• Episodio 6, Razonamiento extendido: cuándo activarlo (tareas con más de una variable en conflicto, como optimizar un texto para conversión y para SEO a la vez) y cuándo no (ejecución directa como reformatear, traducir o resumir, donde solo añade demora).
• Episodio 7, El ROI de los fundamentos: si una instrucción mal escrita te cuesta 2-3 iteraciones y cada iteración son unos minutos, escribir bien la primera vez recupera ese tiempo. Multiplícalo por cuántas veces repites la tarea a la semana y por tu tarifa por hora para ver el número real.

---

Los seis recursos de referencia

Los primeros seis episodios tienen cada uno un documento de profundidad asociado. Juntos forman el manual de referencia del framework Contexto + Tarea + Formato: vuelve a ellos cuando el resultado no sea el que esperabas.

Episodio	Keyword	Recurso
SR1	MODELOS	Cuál modelo usar para qué trabajo
SR2	TOKENS	Tokens y contexto: cómo afectan tu trabajo
SR3	DIFERENCIAS	Cuándo usar cada modelo: tabla por tarea
SR4	INSTRUCCIONES	5 instrucciones listas para copiar
SR5	CONTEXTO	Gestión de contexto y Proyectos
SR6	RAZONAMIENTO	Razonamiento extendido: cuándo usarlo

Un límite práctico: si tu Contexto es largo, guárdalo en un Proyecto en vez de repetirlo en cada instrucción.

---

Los indicadores de que los fundamentos están

No es haber leído los siete episodios. Es haber cambiado algo concreto en cómo trabajas. Toma una tarea que hiciste con IA: ¿cuántas iteraciones te ahorró dar mejor contexto? Multiplícalo por tu tarifa por hora. ¿Es un número que notarías en tu factura? Si no, todavía no llevaste los fundamentos a tu trabajo real.

Indicadores de que los fundamentos ya están:

• Cuando pides algo al modelo, incluyes automáticamente contexto sobre quién eres y para qué es
• Tienes al menos un Proyecto configurado con instrucciones permanentes
• Elegiste un modelo principal y sabes por qué lo elegiste
• Cuando el resultado no es lo que necesitas, sabes si el problema está en las instrucciones o en el modelo

---

Para empezar a aplicar

Una sola pregunta: ¿hay una tarea en tu trabajo que haces todas las semanas, te toma más de 30 minutos, y es lo suficientemente repetitiva como para que puedas escribir una instrucción una vez y usarla siempre? Por ejemplo: responder los mismos mensajes de clientas, redactar la misma clase de propuesta, o armar el reporte semanal.

Esa es la tarea con la que empiezas. Identifica una e intenta convertirla en un flujo con instrucción fija.

---

Para profundizar técnicamente (opcional)

• Brown, T. et al. Language Models are Few-Shot Learners. arXiv:2005.14165. El paper de GPT-3 que estableció los fundamentos de las instrucciones modernas
• Wei, J. et al. Emergent Abilities of Large Language Models. arXiv:2206.07682. Cómo escalan las capacidades de los modelos y qué implica para el diseño de instrucciones

---