77 playbooks para trabajar mejor con IA

A lo largo del último año he formado a más de mil profesionales en el uso de la inteligencia artificial.

Se dice rápido, pero detrás de esa cifra hay muchas horas de preparación, sesiones en directo, explicaciones, dudas, pruebas y problemas reales de trabajo.

Personas de sectores distintos, con responsabilidades distintas y con niveles de conocimiento técnico muy diferentes.

Cuando observas a tantas personas utilizar la IA en situaciones reales, empiezas a detectar patrones.

Hay una diferencia que aparece rápidamente entre quienes obtienen resultados útiles de forma consistente y quienes siguen dependiendo del ensayo y error.

No es el modelo que utilizan.

No es el tiempo que llevan usando ChatGPT.

Tampoco es haber hecho más cursitos de IA, conocer más herramientas o seguir todas las novedades del sector.

La diferencia está en lo que hacen antes de abrir el chat.

La mayoría de profesionales llega a la IA con una idea todavía poco definida.

«Necesito resumir este documento».

«Ayúdame a preparar esta reunión».

«Analiza estos datos».

«Escribe un correo para el cliente».

Abren el chat, escriben una petición breve y esperan que la herramienta complete lo que falta.

La IA responde. A veces el resultado parece razonable, pero no termina de servir. Entonces la persona añade una aclaración, pide otra versión, corrige el tono, cambia el formato o vuelve a empezar.

Ensayo y error.

Cada vez.

Para cada tarea.

Quienes trabajan mejor con IA hacen algo diferente. Antes de escribir la primera instrucción, se detienen a pensar en la tarea que tienen delante.

No piensan todavía en el prompt.

Piensan en el trabajo.

Intentan concretar qué necesitan realmente, para qué lo necesitan, qué información tienen disponible, qué condiciones debe cumplir el resultado y qué podría hacer que la respuesta fuese inútil.

Ese momento previo parece una tontería, pero no lo es.

En muchas ocasiones, la instrucción falla porque se ha escrito antes de que la persona tenga claro qué quiere pedir.

Pensemos en alguien que necesita resumir un informe de cuarenta páginas.

Puede subirlo y escribir:

«Resume lo más importante».

La IA generará un resumen. El problema es que “lo importante” no existe de forma aislada. Depende del propósito.

No es lo mismo preparar un resumen para un directivo que debe tomar una decisión que para un equipo técnico que tendrá que ejecutar las recomendaciones. Tampoco es lo mismo identificar riesgos, extraer conclusiones, preparar una reunión o redactar una nota interna.

Antes de resumir, habría que decidir qué debe poder hacer el lector después de leer el resumen.

Ese es el trabajo previo que la IA no puede hacer por nosotros.

O pensemos en alguien que quiere preparar la agenda de una reunión.

Puede pedir:

«Ayúdame a estructurar la agenda».

La herramienta propondrá una introducción, una revisión de temas, un turno de preguntas y unos próximos pasos. Será una agenda formalmente correcta y probablemente intercambiable con la de cualquier otra reunión.

Para crear una agenda útil habría que aclarar antes cuánto tiempo hay disponible, quién participa, qué sabe ya cada persona, qué cuestiones necesitan discusión y qué decisiones deben estar tomadas al terminar.

Sin esa información, la IA no estructura la reunión. Rellena un formato.

Sucede lo mismo cuando queremos defender una decisión estratégica.

«Ayúdame a justificar esta decisión».

La IA puede generar argumentos convincentes en apariencia. Pero, si no conoce las alternativas consideradas, los criterios utilizados, las objeciones previsibles y la posición de la audiencia, construirá una justificación genérica.

Sonará razonable, pero no necesariamente convencerá a nadie.

El problema no está en la herramienta. Tampoco se resuelve añadiendo al prompt una frase como «actúa como un experto en estrategia».

El problema está en todo lo que no se pensó antes de formular la petición.

Después de trabajar con profesionales en contextos reales, he identificado decenas de situaciones en las que se repite esta dinámica.

Resumir, analizar, escribir, planificar, investigar, documentar, revisar, argumentar o convertir información dispersa en un documento coherente.

En todas ellas, la diferencia entre un resultado mediocre y uno verdaderamente útil suele depender de la preparación previa.

Pero esa preparación no es igual para todas las tareas.

Antes de resumir un artículo conviene decidir el propósito del resumen, el lector, el nivel de detalle y los criterios de relevancia.

Antes de escribir una propuesta comercial hay que comprender el problema del cliente, la decisión que debe tomar, las alternativas que está valorando, las objeciones que puede plantear y las pruebas que necesita para confiar.

Antes de analizar una idea es necesario determinar desde qué perspectiva queremos examinarla, qué supuestos estamos dando por válidos, qué riesgos queremos detectar y qué criterios utilizaremos para juzgarla.

Antes de preparar una presentación debemos saber qué tiene que entender la audiencia, qué tiene que recordar y qué esperamos que haga después.

Cada tarea tiene su propia lógica.

También tiene sus propios errores frecuentes, la información que suele faltar y las preguntas que conviene responder antes de empezar.

El problema es que normalmente no tenemos ese mapa delante.

Tenemos experiencia acumulada, intuiciones y algunas formas personales de trabajar, pero rara vez hemos convertido todo eso en un recurso sistemático.

Por eso improvisamos.

Y por eso una misma persona puede obtener hoy un resultado excelente con IA y mañana uno mediocre haciendo una tarea aparentemente parecida.

No le falta capacidad, le falta un proceso repetible.

Un playbook sirve precisamente para eso.

No es una colección de prompts que debas copiar sin pensar. Tampoco es un manual largo sobre cómo funciona una herramienta.

Es un mapa operativo para abordar una situación concreta.

Te muestra qué debes aclarar antes de empezar, qué información necesitas reunir, qué errores suelen producirse, qué decisiones no conviene dejar en manos de la IA y cómo convertir todo ese contexto en una instrucción útil.

Por ejemplo, un playbook para resumir un documento no debería limitarse a darte un prompt de resumen.

Debería ayudarte a decidir qué clase de resumen necesitas, quién lo va a utilizar, qué contenido debe priorizarse, qué puede omitirse y en qué formato debe entregarse.

Uno para preparar una reunión debería ayudarte a definir el resultado esperado, las decisiones pendientes, el contexto de los asistentes, el tiempo disponible y la secuencia más adecuada.

Uno para evaluar una propuesta tendría que ayudarte a establecer criterios, detectar supuestos, diferenciar hechos de interpretaciones y buscar riesgos que podrían pasar inadvertidos.

El valor no está en las palabras exactas que vas a escribir en el chat.

Está en el marco de pensamiento que evita que olvides lo importante.

Cuando dispones de ese marco, ya no tienes que descubrir el proceso desde cero cada vez.

No dependes de acordarte de todas las preguntas relevantes.

No corriges la respuesta cuando ya es demasiado tarde.

Preparas mejor la tarea y, como consecuencia, produces una instrucción mejor.

Esta diferencia es importante porque se habla mucho de mejorar prompts y muy poco de mejorar la preparación.

El prompting técnico puede ser útil. Hay estructuras, formatos y técnicas que ayudan a conseguir respuestas más controladas.

Pero una instrucción perfectamente estructurada no puede corregir una necesidad mal pensada.

Puedes redactar un prompt impecable para pedir un informe y seguir obteniendo un mal resultado si no has definido para quién es, qué decisión debe facilitar, qué fuentes debe utilizar o qué criterios debe aplicar.

La estructura del prompt organiza la petición, no sustituye el criterio que debe existir antes de formularla.

Trabajar bien con IA no consiste en aprender una fórmula universal para escribir instrucciones. Consiste en comprender qué hace que cada tipo de tarea salga bien o salga mal.

Qué contexto necesita la herramienta.

Qué ambigüedades hay que eliminar.

Qué criterios debe respetar.

Qué no debe asumir.

Qué resultado sería realmente útil.

Cuando haces esto de forma sistemática, la relación con la IA cambia.

Dejas de abrir el chat para ver qué ocurre.

Llegas con una necesidad más clara, proporcionas mejor contexto y puedes evaluar la respuesta con criterios concretos.

La IA deja de ser una máquina a la que lanzas peticiones y se convierte en una herramienta integrada dentro de una forma de trabajar.

Eso es lo que aportan los playbooks: la experiencia y el criterio necesarios para abordar tareas concretas sin depender de la improvisación.

Durante los últimos meses he trabajado en setenta y siete de estos recursos.

Setenta y siete situaciones profesionales habituales, cada una con su propio marco de preparación.

Desde resumir diez páginas en cinco ideas clave hasta construir un argumento sólido para una decisión estratégica. Desde detectar supuestos implícitos en un razonamiento hasta convertir una lluvia de ideas en un documento utilizable. Desde preparar una reunión hasta analizar una propuesta, organizar una investigación o construir una presentación a partir de datos.

Son setenta y siete maneras de pensar mejor una tarea antes de pedir ayuda a la IA.

Todos esos playbooks están incluidos en IA Fácil.

Están organizados por categorías:

Puedes utilizarlos para identificar qué necesitas aclarar, preparar la información y comprender cómo abordar cada situación.

Después, describes en la aplicación lo que quieres hacer y el diseñador de instrucciones te formula las preguntas necesarias para convertir esa necesidad en una instrucción clara, completa y lista para usar con ChatGPT, Claude, Gemini o cualquier otra IA.

El objetivo es que dejes de empezar desde cero.

Que tengas recursos para preparar mejor las tareas, un sistema para construir las instrucciones y una biblioteca donde guardar y mejorar lo que ya te funciona.

Porque los mejores resultados con IA no empiezan cuando escribes el prompt, empiezan cuando sabes qué estás intentando conseguir.

Puedes acceder a IA Fácil y a sus 77 playbooks haciendo clic aquí.

En pocas palabras: