0:0065:07

Por qué el contexto importa más que el prompt

Reto AI Academy: Multiplica 10x tu impacto profesional

Clase 7 de 7

Clase 7 / 7

Comentarios (23)23 comentarios

Yohan Kevin Potilla Velasquez

Hace 4 meses

José Pablo Risco Santos

Hace 4 meses•editado

Naira Lorena Pérez Valladares

Hace 4 meses

David Domínguez Curiel

Company_admin

Hace 4 meses

Ygor Eliecer Cuellar pinzon

Hace 4 meses

Fernando Alonso Perez

Hace 2 meses

LINA FABIOLA GARCIA AVILA

Hace 3 meses

LINA FABIOLA GARCIA AVILA

Jenny Munoz

THOMAS MG

Simón Mazuela

Diana marcela guejia cometa

Hace 4 meses

ALICIA AZUCENA RAMIREZ BAUTISTA

Hace 4 meses

Oscar Anivar Carpio Martinez

Hace 4 meses

FIDGERAL RODOLFO SILVA HUERTAS

Hace 4 meses

ALICIA AZUCENA RAMIREZ BAUTISTA

Hace 4 meses

ALICIA AZUCENA RAMIREZ BAUTISTA

Hace 4 meses

ALICIA AZUCENA RAMIREZ BAUTISTA

Hace 4 meses

ALICIA AZUCENA RAMIREZ BAUTISTA

Hace 4 meses

ALICIA AZUCENA RAMIREZ BAUTISTA

Hace 4 meses

Pablo Suarez

Hace 4 meses

Recursos

La forma de hablar con la inteligencia artificial cambió. Hoy no basta con escribir un buen prompt: lo que marca la diferencia es el contexto que le entregas al modelo. Esa es la base del context engineering, una práctica clave para quienes ya usan ChatGPT, Claude o Gemini en su trabajo diario y quieren resultados realmente útiles.

¿Qué cambió desde el lanzamiento de ChatGPT en 2022?

Cuando ChatGPT se liberó el 30 de noviembre de 2022, trabajábamos con modelos rápidos o instant. El flujo era simple: tú entregabas un prompt, el modelo lo convertía en vectores matemáticos dentro de su espacio vectorial y predecía el siguiente bloque de texto [02:15].

Esa lógica explica por qué el prompt engineering fue tan importante al inicio: cuanto mejor estructurabas la pregunta, más acotabas el universo de respuestas posibles dentro de la base de conocimiento del modelo, que tiene una fecha de corte (Gemini, por ejemplo, corta en enero de 2025) [05:40].

¿Qué es un prompt? Es la instrucción de entrada que le das a un modelo de lenguaje. El modelo la convierte en vectores y predice la respuesta token a token.

¿Por qué un mejor prompt da mejores respuestas?

Piensa en una señora Juanita con una tienda de barrio que pide "un plan de marketing". Recibirá ideas genéricas. Un experto de agencia que define audiencia, ubicación y canales digitales obtendrá un plan con más profundidad. La calidad de la pregunta condiciona la calidad de la respuesta [08:20].

¿Qué son los modelos de razonamiento y en qué se diferencian?

Los modelos de razonamiento rompieron ese esquema. En lugar de responder de inmediato, iteran internamente: arman un plan, lo evalúan, exploran alternativas y recién después generan la respuesta. Es un loop de pensamiento, casi un soliloquio del modelo [11:05].

En una prueba en paralelo en Claude con un mismo prompt sobre un plan de lanzamiento para Platzi Conf (29 de agosto, Ágora Bogotá), el modelo sin thinking respondió rápido pero genérico. El modelo con razonamiento activo buscó información, identificó que el evento es híbrido con live stream, ajustó la estrategia a una conversión virtual y armó un plan de 11 semanas con KPIs por canal [14:30].

¿Cuándo conviene activar el modo de razonamiento? Cuando la tarea implica análisis de datos, varios pasos o múltiples archivos. Para preguntas cortas y rápidas, un modelo instant es suficiente.

¿Por qué el context engineering importa más que el prompt?

Acá viene lo interesante. Con modelos actuales como Claude Sonnet 4.6, GPT-5 o Gemini, ya no necesitas llevar al modelo de la mano con instrucciones milimétricas. El modelo es lo suficientemente capaz para entender una tarea bien planteada. Lo que sí marca la diferencia es cuánto y qué tan buen contexto le entregues [22:10].

En una demo con ChatGPT, pedir un plan estratégico para un SaaS de restaurantes con un prompt genérico devolvió recomendaciones vacías. Al sumar contexto sobre el negocio, integraciones con Rappi y Uber Eats, mercados objetivo y un Excel con datos del CRM, la respuesta cambió por completo: métricas concretas, segmentación por dark kitchens, priorización por valor del pipeline y planes de acción por vendedor [28:45].

¿Qué tipo de contexto puedo entregarle a la IA?

El contexto puede ser texto, archivos o conexiones en vivo. Estas son las fuentes más útiles que tienes a mano:

Transcripciones de reuniones, notas y briefs.
Documentos en PDF, Excel, PowerPoint o Markdown.
Conectores como HubSpot, Dropbox o Google Drive.
Bases de código completas o documentos de especificación.
Datos del CRM, métricas de ventas y reportes internos.

Los archivos en Markdown (.md) consumen menos tokens que un PDF, porque el modelo no necesita interpretar el formato. Ese detalle ayuda cuando empiezas a chocar con los límites de uso.

¿Cómo dictar mejores prompts en lugar de escribirlos?

Cuando escribes, te autoeditas y pierdes contexto. Cuando dictas, piensas en voz alta y recuerdas más cosas. Herramientas como Handy.Computer (gratuita, open source, para Windows, Mac y Linux), WhisperFlow o SuperWhisper transcriben tu voz a cualquier caja de texto [01:02:15].

Dictar un prompt sobre el SaaS de restaurantes generó un plan estratégico mucho más rico, exportado en HTML con la identidad visual de la marca, análisis del CRM, desempeño por vendedor y un plan de 90 días.

¿Qué herramienta de IA conviene usar y pagar hoy?

La respuesta depende del ecosistema, pero Claude ha tomado ventaja para trabajadores del conocimiento gracias a sus skills, conectores MCP, plugins y modelos como el recién liberado Fable 5, que supera a Opus 4.8, GPT-5 y Gemini 3.1 en coding y knowledge work [55:20].

Para elegir, esta es la guía rápida:

Claude: ideal para documentos, Excel, PowerPoint y trabajo de oficina.
ChatGPT: mejor cobertura de conectores y mayor capacidad de uso.
Gemini: imbatible si vives dentro del ecosistema Google.
Copilot: obligatorio en empresas Microsoft, sube el rendimiento eligiendo GPT-5 con deep reasoning.

¿Vale la pena pagar 20 dólares al mes por una IA? Si aceleras tus tareas un 48% (según un estudio del Centro Nacional de Inteligencia Artificial de Chile) sobre un sueldo de 500 dólares, ganas 250 dólares de productividad. La licencia se paga sola.

¿Es seguro entregarle datos de mi empresa a la IA?

Con cuentas empresariales de ChatGPT Teams, Claude for Teams, Gemini for Workspace o Copilot, los datos no entrenan al modelo. Si usas una cuenta personal, entra a Settings, luego a Data Controls (ChatGPT) o Privacy (Claude) y desactiva la opción de mejorar el modelo. Tu cuenta sigue funcionando igual.

¿Cómo aprovechar la ventana de contexto sin perder información?

Los modelos actuales manejan ventanas de contexto entre 246.000 y 1.000.000 de tokens, equivalente a una saga completa tipo Harry Potter [01:05:40]. Aun así, conversaciones muy largas hacen que el modelo olvide instrucciones iniciales.

Dos tácticas que funcionan:

Escribir un prompt inicial muy completo para acortar la conversación.
Pre-procesar fuentes con NotebookLM de Google, resumir y pasar ese resumen como contexto al modelo principal.

El prompting sigue siendo útil para guiar a la IA, pero el verdadero salto de calidad llega cuando combinas tarea clara, contexto rico, modelo de razonamiento y formato adecuado. Cuéntame en los comentarios qué tipo de contexto le entregas tú a la IA en tu día a día.

Ayuda, no me deja avanzar al siguiente curso. me aparece este letro "The media could not be loaded, either because the server or network failed or because the format is not supported."

Herramientas para dictado de voz:

Pago:

Wispr Flow:

Superwhisper:

Gratuita: Handy: https://handy.computer

LA INFORMACIÓN ES MUY INTERESANTE CON LOS PROCESOS DE AUTOMATIZACIÓN. SERÁ QUE LOS VIDEOS TRAEN MUCHA RESOLUCIÓN Y NECESITAN UNA BUENA CONEXIÓN A INTERNET?

Excelente, me encanto el contenido, llevo mas de un año usando IA, pero no he tenido una formación formal, y siempre ha sido muy empirico, me encanta ir teniendo bases. Saludos

Excelente información, iniciando y envolviendome en este hermoso mundo 🌎

El examen que evalua al finalizar esta area esta fallando - Ejemplo si uno lleva 17 respuestas correctas sale en pantalla un mensaje que dice que 9/20 :( Ademas hace preguntas que nada tiene que ver con IA ; como por ejemplo pregunta fechas limites para entrega de proyecto .. (3 preguntas de esas no miden conocimiento en el area).

¿Cómo estructurar un buen contexto para IA?

La clave es usar una estructura modular. Divide la información en bloques claros: rol del sistema, datos de referencia (como documentos o historiales) y restricciones específicas antes de dar la instrucción final.

Utilizar formatos estructurados o etiquetas XML como <datos>...</datos> ayuda enormemente a que el modelo separe la información de fondo de la tarea exacta que debe ejecutar.

¿Qué pasa si le doy demasiado contexto?

Si saturas al modelo con información irrelevante, corres el riesgo de que sufra amnesia en el medio (lost in the middle). La IA puede ignorar instrucciones clave o confundir datos importantes.

Además, enviar demasiado texto aumenta drásticamente los costos de la API y el tiempo de respuesta. Es mucho más efectivo filtrar y enviar solo los fragmentos estrictamente necesarios para la tarea.

ESO ES UN NO O UN SI SE ESPECIFICO CON LA RESPUESTA EXISTE ALGUN CONVENIO QUE AHORRE A LOS ESTUDIANTES D EPLATZI ALGUNA IA

Jenny, no existe un convenio general de descuentos para herramientas de IA externas dentro de la plataforma. Platzi se enfoca en enseñarte a dominar la lógica detrás de cualquier modelo, no en subsidiar suscripciones de terceros.

Si tuvieras que elegir una sola herramienta para potenciar tu aprendizaje, ¿cuál es la que más te está frenando por su costo actual?

Los detalles, el orden y el alcance son importantes, con el pasar de los ultimas semana lo logrado mejores resultados, excelente contenido.

para programar Claude code. aun que use el modelo sonnet se quema muy rapido. Luego me paso a CODEX. Pero si tuviera que elegir una. Me quedo con CODEX para desarrollar software, Claude para modificar XLS o automatizar con python.

Exelentes Informaciones. GRACIAS

Platzy could muy interesante piensa de oa derecha y responde de oa izquierda ya contesto comprendo

Es una empresa muy importante en la enseñansa de informatica

¡Profe Rodrigo Rojo, gracias por compartir tu conocimiento con tanta pasión y claridad! 🚀 Cada clase inspira a seguir aprendiendo, creciendo profesionalmente y enfrentando nuevos retos con confianza. Tu dedicación deja una huella positiva en toda la comunidad de Platzi. ¡Muchos éxitos y gracias por motivarnos a ser mejores cada día! 👏💚📚✨

Hacer diferentes licencias

Buen ahorro el 50$ de Pago de ahorro de una herramienta ia

Gracias

Es hacer un mejor promt , crear en gpt

Son vectores

El Open Source está muriendo en 2026.

La confianza comunitaria se ahoga ante un +206% de scripts de Bash en proyectos AI¹, revisiones de PRs 4.6× más lentas² y 15-18% más de vulnerabilidades². Con 42% del código que se commitea hoy siendo AI-generated o AI-assisted³ y el 96% de los devs desconfiando de él³, el AI slop (Palabra del Año 2025⁴) ha forzado medidas extremas: el navegador Ladybird⁵ y la pizarra tldraw⁶ cerraron sus PRs públicas, el emulador de PS3 (RPCS3)⁷ tuvo que revertir múltiples PRs AI que causaron regresiones en producción, y cURL⁸ canceló su bug bounty porque 19 de cada 20 reportes eran alucinaciones sintéticas.

El MVP: ARGUS corre con LLM real en producción, no es un mock. Cliente: reqwest + serde directo a NVIDIA NIM (API OpenAI-compatible, free tier, BYOK). NO LangChain, NO Rig, NO framework de LLM — el cliente son 200 líneas de Rust que puedes leer enteras. Default model: meta/llama-3.1-70b-instruct (cambiable via ARGUS_NIM_MODEL). BYOK: el usuario provee su NIM key en el X-LLM-Key header, el server no la persiste. Costo: ~$0.05/dev/mes asumiendo 10 PRs/semana, todo en free tier. Smoke test verificado (3.87s, 69 tokens): ARGUS_NIM_KEY=nvapi-xxx cargo run -p argus-llm --example nim_smoke. Hybrid detection: la capa determinista (5 SLOP rules, <100ms, regex) corre PRIMERO sin LLM. Solo cuando el verdict es incierto, se llama al LLM. Esto baja el costo 60-80% vs "todo va al LLM". 35 unit tests + 9 integration tests (Estos numeros pueden cambiar para bien, lo voy a seguir desarrollando hasta que termine el reto de Platzi)

Pruebalo en:

Revisalo, usalo, rompelo en:

Fuentes:

+206% de scripts de Bash en proyectos AI — GitHub Octoverse 2025. "Shell scripting saw +206% year-over-year growth in AI-generated projects. We didn't suddenly love Bash. AI absorbed the friction that made shell scripting painful." — Andrea Griffiths,
Opsera AI Coding Impact 2026 Benchmark Report (250K devs, 60+ empresas) — — 4.6× pickup time, 15-18% more vulns, 90% adoption
Sonar State of Code Developer Survey 2026 (1,149 devs) — — 42% del código commiteado es AI-generated; 96% desconfía de él; solo 48% verifica antes de commit
Merriam-Webster 2025 Word of the Year ("slop") —
Ladybird Browser (Andreas Kling, jun 2026) —
tldraw (Steve Ruiz, ene 2026) —
RPCS3 (kd-11, may 2026) — — "varios PRs slop se mergearon y causaron regresiones reales en el emulador"
cURL bug bounty ended (Daniel Stenberg, ene 2026) —

Cómo funciona el reto de AI Academy

Cómo registrarte y subir tus proyectos

Proyecto 1: Ahorra horas a la semana con un sistema de prompts

Proyecto 2: Automatiza un proceso que nadie quiere hacer

Proyecto 3: Construye una app web que resuelva un problema real

Proyecto 4: Crea el agente que tu empresa necesita

Proyecto 5: Convierte tu MVP en un producto con inteligencia real

Por qué el contexto importa más que el prompt

Por qué el contexto importa más que el prompt

Progreso del curso

Cómo funciona el reto de AI Academy

Recursos

Recursos