Saber pedir información es solo la mitad del trabajo; la otra mitad es definir cómo queremos recibirla. Los modelos de lenguaje como ChatGPT pueden entregar respuestas en formatos específicos que facilitan la lectura, el análisis y la exportación de datos. Dominar las estructuras de salida dentro del prompt transforma respuestas genéricas en recursos listos para usar.
¿Por qué las estructuras de salida cambian la forma de trabajar con prompts?
Desde hace mucho tiempo la humanidad utiliza formatos visuales para organizar ideas: tablas, esquemas, mapas mentales. ChatGPT reconoce estos formatos y puede replicarlos cuando se lo indicamos de forma explícita. La clave está en el elemento de output dentro de la estructura del prompt [0:55], uno de los cuatro elementos que componen un buen prompt.
Cuando especificamos la salida, logramos tres cosas:
- Información más legible y fácil de compartir.
- Datos exportables a herramientas como Excel o editores de código.
- Respuestas enfocadas en los atributos que realmente importan.
¿Cómo solicitar tablas y formato CSV a ChatGPT?
Un ejemplo práctico es pedir una tabla con el top de software y librerías de inteligencia artificial [1:10]. En el prompt se incluyen las columnas deseadas —nombre, descripción, categoría, link y si es open source— y ChatGPT genera la tabla con herramientas como TensorFlow, PyTorch, Scikit-learn y Keras, cada una con sus atributos correctos.
Pero la utilidad no termina ahí. Se puede transformar esa misma tabla a formato CSV [2:18], un archivo delimitado por comas donde la primera fila contiene los encabezados y las siguientes el contenido. Este formato es estándar en datasets e ingeniería de datos, lo que permite importarlo directamente a programas como Excel o Google Sheets.
¿Qué es Markdown y cómo crear mapas mentales con él?
El formato Markdown permite representar jerarquías de información mediante títulos, subtítulos y listas [2:50]. Al pedirle a ChatGPT los conocimientos básicos para trabajar en ciencia de datos usando un mapa mental con estructura de tema, subtema y sub-subtema, el modelo genera una jerarquía clara: estadística y matemáticas como tema, estadística descriptiva como subtema, y conceptos como media, mediana o moda como sub-subtemas.
El resultado abarca áreas como:
- Estadística y matemáticas: probabilidad, teorema de Bayes, inferencia estadística, álgebra lineal y cálculo.
- Programación: lenguajes, estructuras de datos y control de versiones.
- Análisis de datos y comunicación: visualización, storytelling y habilidades interpersonales.
¿Qué aporta la estructura "qué, por qué y cómo"?
Otra estructura poderosa organiza la respuesta en tres bloques [4:24]: qué debo aprender (matemáticas, programación, bases de datos, visualización), por qué es importante cada área y cómo puedo aprenderlo, incluyendo opciones como cursos universitarios o plataformas en línea. Esta forma de presentar la información orienta la toma de decisiones de manera directa.
¿Cómo usar formatos Outline y JSON para datos estructurados?
El formato Outline [5:04] emplea numeración romana con subtemas anidados, ideal para planificar trabajos de grado o documentos de investigación. Basta con indicar que el output sea un outline para obtener una estructura como:
- I. Matemáticas.
- II. Programación.
- III. Bases de datos.
- IV. Aprendizaje automático.
Por otro lado, el formato JSON [5:30] resulta esencial para quienes trabajan en ingeniería de software o ingeniería de datos. Al solicitar un JSON con listas en los niveles inferiores, ChatGPT genera un objeto donde, por ejemplo, dentro de "programación" aparecen lenguajes como Python, R o SQL, y estructuras de datos como listas, diccionarios y matrices.
{
"conocimientos_basicos": {
"programacion": {
"lenguajes": ["Python", "R", "SQL"],
"estructuras_de_datos": ["listas", "diccionarios", "matrices"]
}
}
}
Este resultado se puede copiar en cualquier visor de JSON en línea [5:55] para explorar la información de forma interactiva, expandiendo y colapsando nodos como programación, bases de datos o machine learning.
La regla es simple: solo hace falta especificar el formato de salida en el prompt. Tablas, mapas mentales, CSV, Outline, JSON o cualquier otra estructura que necesites. Prueba un formato que no se haya mencionado y comparte en los comentarios si el resultado cumplió tus expectativas.
