Fluidez en IA: curso acelerado
4 competencias. 3 formas de trabajar con IA. Un hábito práctico: decidir, describir, comprobar y asumir la responsabilidad.
Imagina que una colega nueva y con mucho talento se incorpora a tu equipo.
En su primera mañana, le dices:
"Prepara el esquema de un curso sobre agentes de IA".
Unas horas después, te entrega un esquema impecable. Pero hay un problema. Está escrito para investigadores con doctorado. Da por sentado que dispones de un semestre completo. Apenas incluye práctica.
¿Era incapaz? No.
El verdadero problema es que no le diste suficiente información. No explicaste quién era el público, cuánto tiempo había disponible, qué estilo de enseñanza querías ni qué debían saber hacer los estudiantes al final.
Trabajar con IA es parecido, con una diferencia importante.
Una colega nueva aprende. Si le dices una vez que tus estudiantes son principiantes, seguirá sabiéndolo el mes siguiente. La IA no funciona así. No lleva nada de una conversación a la siguiente, por lo que cada chat empieza con una colega que nunca te ha conocido. Todo lo que le dirías una vez a una persona debes repetirlo cada vez o colocarlo en algún lugar que la IA lea automáticamente. No es un defecto del que quejarse. Es una condición de trabajo que debes tener en cuenta, y hacerlo es una de las cuatro habilidades que se explican a continuación.
Incluso una IA potente puede darte un resultado equivocado cuando la colaboración es deficiente. Conocer unos cuantos prompts ingeniosos no basta. Debes saber qué darle a la IA, cómo guiarla, cómo juzgar su trabajo y cuándo no confiar en ella ni usarla.
Eso es la fluidez en IA.
Este curso enseña el Marco de fluidez en IA, creado por los profesores Rick Dakan y Joseph Feller y presentado en cursos producidos con Anthropic. El marco consta de cuatro competencias humanas, llamadas las 4D:
- Delegación: decidir qué debe hacer la IA.
- Descripción: explicar qué necesitas.
- Discernimiento: juzgar lo que te entrega la IA.
- Diligencia: usar la IA de forma responsable y asumir el resultado.
Usarás estas mismas cuatro habilidades tanto si conversas con un asistente como si programas con un agente de IA o construyes un Digital FTE que trabaja para otras personas.
Tiempo de lectura: unos 30 minutos, más 15 a 20 minutos para los prompts de práctica y la autoevaluación.
Si solo recuerdas cuatro preguntas, que sean estas:
| Competencia | Pregunta en palabras sencillas |
|---|---|
| Delegación | ¿Qué debe hacer la IA y qué debe seguir en mis manos? |
| Descripción | ¿Qué necesita saber la IA para hacer bien el trabajo? |
| Discernimiento | ¿El resultado es realmente bueno y confiable? |
| Diligencia | ¿Es responsable usar la IA así y estoy dispuesto a asumir el resultado? |
El resto del curso te enseñará a responder bien estas cuatro preguntas.
Lee Qué es realmente la IA antes de este curso. Ese curso explica la máquina. Este explica cómo debes trabajar tú con la máquina. Prompting con IA en 2026, que viene después, enseña las técnicas prácticas.
Una secuencia útil es:
La máquina → la colaboración → las técnicas
| Tema | Qué es realmente la IA | Este curso | Prompting con IA en 2026 |
|---|---|---|---|
| Cómo funciona la IA | En profundidad | Recordatorio breve | Se da por sabido |
| Cómo comunicarse | Por qué importa el contexto | Descripción | Técnicas prácticas de prompting |
| Cómo juzgar las respuestas | Por qué lo plausible puede fallar | Discernimiento | Hábitos para comprobar modelos |
| Qué darle a la IA | La frontera irregular | Delegación | Elección de modelos y herramientas |
| Uso responsable | En gran medida fuera del alcance | Diligencia | Uso seguro de herramientas y permisos |
Las técnicas cambiarán a medida que mejoren los modelos. Las cuatro competencias están pensadas para perdurar.
Obsérvalo en tres minutos
Antes de entrar en la teoría, observa cómo ocurre en la práctica aquello de lo que trata este curso.
Abre cualquier asistente de IA. Pega lo siguiente y lee la respuesta:
Write a welcome email for new members.
Léela con atención. Será competente, correcta desde el punto de vista gramatical y completamente genérica, porque no le diste información con la que trabajar. Ahora abre un chat nuevo y pega esto:
Write a welcome email for new members of a small women's cycling club
in Karachi. Most are nervous beginners who have never ridden in traffic.
Warm and a bit funny, under 150 words, no exclamation marks. End by
telling them the Saturday 6am ride is slow on purpose and nobody gets
dropped.
El mismo modelo. La misma tarea. Los mismos tres segundos de trabajo para la máquina.
El segundo correo es mejor porque la segunda petición incluía la información que la primera había omitido: quiénes son estas personas, qué les preocupa, qué tono debe tener, cuánto debe medir y cuál es su propósito. No ocurrió nada ingenioso. Simplemente se dijo algo que antes no se había dicho.
Quédate con dos cosas que acabas de observar:
- La diferencia entre ambos resultados provino de ti, no del modelo.
- Solo pudiste reconocer que el segundo correo era mejor porque entendías lo suficiente sobre clubes de ciclismo, principiantes con nervios o Karachi como para juzgarlo.
Lo primero es Descripción. Lo segundo es Discernimiento. Dos de las cuatro habilidades ya están en tus manos tras solo tres minutos. El resto de este curso da nombre a las cuatro, muestra cómo falla cada una y explica en qué se convierte cuando dejas de trabajar a solas en una ventana de chat y empiezas a construir IA que trabaja para otras personas.
Lo que debes comprender al terminar
Al final de este curso, deberías poder explicar:
- qué significa la fluidez en IA más allá de «ser bueno escribiendo prompts»;
- la diferencia entre automatización, aumento y agencia;
- cómo decidir qué trabajo te corresponde y cuál corresponde a la IA;
- los tres tipos de Descripción: producto, proceso y desempeño;
- cómo evaluar los resultados de la IA en lugar de aceptarlos porque suenan convincentes;
- los tres tipos de Diligencia: creación, transparencia y despliegue;
- cómo funcionan juntas las cuatro competencias en un proyecto real; y
- cómo estas habilidades personales escalan hasta convertirse en prácticas de ingeniería de Agent Factory.
Parte 1: empieza por la visión general
1. Tener acceso a la IA no equivale a tener fluidez en IA
Tener acceso a una IA potente no significa que sepas usarla bien.
Casi todas las personas que leen esto disponen de los mismos modelos. Dos personas abren el mismo asistente, con el mismo plan y la misma mañana; una obtiene un trabajo listo para entregar y la otra recibe algo pulido que descarta en silencio. La herramienta no cambió. Lo que hicieron con ella, sí.
La fluidez en IA consiste en trabajar con la IA de formas que sean:
- Eficaces: alcanzas el objetivo.
- Eficientes: no desperdicias tiempo, esfuerzo ni tokens.
- Éticas: usas la IA con justicia y honestidad.
- Seguras: proteges a las personas, la privacidad, la seguridad y la información importante.
Observa lo que no aparece en esa definición.
No necesitas saber cómo entrenar un modelo de lenguaje grande. No necesitas comprender cada detalle de los transformers. No necesitas una colección de «prompts mágicos».
Esas cosas pueden ser útiles, pero no son la base.
La base consiste en aprender a tomar buenas decisiones humanas en torno a la IA.
Por eso el marco se centra en las 4D:
Delegación → Descripción → Discernimiento → Diligencia
Una forma sencilla de recordarlas es:
Decidir → Explicar → Comprobar → Asumir
Los nombres oficiales de las competencias importan y los usaremos en todo el libro. La versión en palabras sencillas sirve para recordar qué hace cada una.
Para quienes leen Agent Factory, esto viene antes que todo lo demás. En el Modo 1, utilizas agentes generales para resolver problemas. En el Modo 2, construyes Digital FTE para otras personas. Ambos requieren fluidez en IA.
Si no puedes trabajar bien con un único asistente de IA, aún no estás listo para diseñar un sistema de IA que pueda actuar para cientos o miles de usuarios.
Qué es realmente la IA enseñó muchas ideas sobre los modelos de lenguaje. Conserva estas tres:
- Plausible no significa correcto. La IA puede producir una respuesta convincente pero equivocada. Esto suele llamarse alucinación.
- Los resultados pueden variar. La misma petición puede producir respuestas distintas en momentos diferentes.
- La IA solo trabaja con la información que tiene disponible. Esta puede incluir sus conocimientos de entrenamiento, la conversación actual, documentos, memoria, búsquedas y otras herramientas conectadas. Si falta información importante, la IA puede adivinar.
Por tanto, trata los resultados de la IA como el trabajo de una colega capaz: útil y a menudo impresionante, pero algo que aun así debes revisar.
2. Tres formas de trabajar con IA: automatización, aumento y agencia
Antes de aprender las 4D, necesitas una idea más.
Los seres humanos pueden trabajar con la IA de tres formas generales:
- Automatización: la IA ejecuta una tarea que especificas.
- Aumento: la IA y tú trabajan juntos en la tarea.
- Agencia: la IA trabaja en tu nombre para alcanzar un objetivo.
La diferencia radica principalmente en cuánta libertad tiene la IA para decidir qué hacer a continuación.
Automatización: «Haz esta tarea»
Con la automatización, le indicas a la IA exactamente qué tarea debe realizar.
Ejemplos:
- «Resume este informe en cinco puntos».
- «Traduce este correo al urdu».
- «Extrae de este PDF el número de factura, la fecha y el total».
Tu función se parece a la de quien escribe un guion. Tú defines la tarea. La IA la ejecuta.
La automatización resulta útil cuando el trabajo es claro y repetible.
Aumento: «Ayúdame a pensar»
Con el aumento, la IA y tú trabajan juntos.
Ejemplos:
- generar ideas para un negocio;
- revisar una arquitectura de software;
- mejorar un plan de lección;
- comparar dos estrategias; o
- explorar una pregunta cuya respuesta aún no conoces.
Aquí, la IA no se limita a ejecutar instrucciones. Se comporta más como una compañera de reflexión.
El intercambio puede prolongarse durante muchos turnos. Preguntas. Responde. La cuestionas. Revisa su respuesta. Juntos, mejoran el resultado.
Agencia: «Persigue este objetivo por mí»
Con la agencia, le das a la IA un objetivo y unos límites, y permites que decida muchos de los pasos.
Por ejemplo, en lugar de decir:
«Lee estos cinco correos y resúmelos».
Podrías decir:
«Mantén mi bandeja de entrada bajo control. Responde los mensajes rutinarios, marca los importantes y pregúntame antes de hacer algo sobre lo que tengas dudas».
Ahora la IA debe tomar decisiones. ¿Qué mensaje es rutinario? ¿Cuál es importante? ¿Cuándo debe preguntarte?
Has pasado de escribir el guion a asumir la función de director.
La agencia tiene una segunda mitad que los principiantes suelen pasar por alto, y en ella se basa este libro. La propia definición del marco establece que una persona configura la IA para que realice de forma independiente tareas futuras, incluso para otras personas y en su nombre. Léelo de nuevo despacio. Dos palabras concentran todo el peso.
Futuras significa que no estás presente. Configuras la IA el lunes y se ocupa del trabajo del jueves mientras duermes.
Para otras personas significa que la persona a la que sirve la IA podría no ser tú. Tú la configuras; quien habla con ella es tu cliente, tu estudiante o tu colega.
La automatización y el aumento te mantienen frente al trabajo. La agencia es el modo en el que te apartas, y todo lo que dificulta el Modo 2 se desprende de ese único hecho: no puedes supervisar cada decisión, así que el criterio debe incorporarse de antemano.
La diferencia entre automatización y agencia es especialmente importante:
| Automatización | Agencia | |
|---|---|---|
| Tú proporcionas | La tarea o los pasos | El objetivo y los límites |
| La IA decide | Muy poco | Muchos de los pasos siguientes |
| Tu función | Escribir el guion | Dirigir |
| Fallo habitual | Un paso se hace mal | Se malinterpreta el objetivo o algún límite |
Ninguno de estos modos es mejor por definición.
Una persona que usa bien la IA elige el modo que se ajusta al trabajo.
Un solo proyecto puede usar los tres. Podrías automatizar la extracción de datos, usar el aumento para pensar en las excepciones y después conceder a un agente una autoridad limitada para gestionar los casos rutinarios.
En términos de Agent Factory, el Modo 1 utiliza mucha automatización y aumento. El Modo 2 sistematiza la agencia. Un Digital FTE no es simplemente «una IA que hace cosas». Es una IA que actúa dentro de la definición de un puesto de trabajo, un System of Record, permisos, reglas y gobernanza.
Por eso las 4D importan todavía más a medida que la IA gana autonomía.
Parte 2: las cuatro competencias
3. Delegación: decide quién debe hacer qué
El error más común entre principiantes ocurre antes del primer prompt.
Las personas abren un asistente de IA y empiezan a escribir sin decidir primero:
- ¿Qué intento conseguir en realidad?
- ¿Qué aspecto tendría un buen resultado?
- ¿Qué partes debe hacer la IA?
- ¿Qué partes debo hacer yo?
- ¿Qué decisiones nunca deben delegarse a la IA?
Ese es un problema de Delegación.
Delegar significa decidir cómo se dividirá el trabajo entre la persona y la IA.
No consiste solo en «darle trabajo a la IA». Consiste en diseñar el flujo de trabajo.
La Delegación tiene tres partes:
- Conocimiento del problema: comprender el objetivo y el trabajo.
- Conocimiento de la plataforma: comprender qué sistema o herramienta de IA encaja con la tarea.
- Delegación de tareas: decidir quién hace cada parte.
(El documento de referencia del propio marco llama a la primera parte conocimiento del objetivo y de la tarea. Es la misma idea, y encontrarás ambos nombres en distintos lugares.)
3.1 Conocimiento del problema: saber qué intentas conseguir
Antes de pedirle nada a la IA, pregúntate:
- ¿Cuál es el objetivo?
- ¿Para quién es?
- ¿Qué significa tener éxito?
- ¿Qué podría salir mal?
- ¿Dónde resulta esencial el criterio humano?
Supongamos que quieres que un agente de IA reclame las facturas vencidas de una pequeña empresa.
Un principiante podría escribir:
«Constrúyeme un agente que reclame facturas».
La IA puede producir algo. Pero las preguntas difíciles siguen sin respuesta:
- ¿Con qué clientes debe ponerse en contacto?
- ¿Cuántos días de retraso debe tener una factura?
- ¿Qué tono debe utilizar?
- ¿A partir de qué importe debe aprobar el mensaje una persona?
- ¿Qué ocurre si el cliente impugna la factura?
- ¿Qué sistema contable puede consultar el agente?
- ¿Puede el agente enviar mensajes o solo redactarlos?
Estas no son preguntas de prompting. Son preguntas de negocio.
La IA no puede decidir por ti la política de tu empresa a menos que le concedas esa autoridad de forma deliberada. En muchos casos, no deberías hacerlo.
3.2 Conocimiento de la plataforma: elige el tipo adecuado de IA
No todos los sistemas de IA son igual de buenos para todas las tareas.
Podrías elegir:
- un modelo de razonamiento para un problema difícil de varios pasos;
- un asistente con búsqueda para obtener información actual;
- un agente de programación para el desarrollo de software;
- un sistema con capacidades de agente para trabajos que implican herramientas y varios pasos.
No necesitas memorizar el nombre de cada modelo. El mercado cambia demasiado rápido.
Sí necesitas el hábito de preguntarte:
«¿Es esta la herramienta adecuada para este trabajo?»
Prueba sistemas diferentes. Compara sus resultados. Toma nota de lo que funciona. Qué empleados de IA elegir en 2026 ofrece el mapa actual del libro para este panorama cambiante.
3.3 Delegación de tareas: divide el trabajo de forma deliberada
Una vez que comprendas el problema y la plataforma, divide el trabajo en partes.
Supongamos que estás creando un curso como este:
| Tarea | Responsable ideal | Motivo |
|---|---|---|
| Decidir el público y los objetivos de aprendizaje | Persona | Requiere propósito y criterio |
| Sugerir posibles estructuras para el curso | IA + persona | La IA aporta amplitud; la persona elige |
| Redactar secciones a partir de un esquema acordado | IA | Es rápida con los primeros borradores |
| Verificar las afirmaciones objetivas | Persona | La responsabilidad sigue siendo del autor |
| Añadir experiencia vivida y ejemplos locales | Persona | La IA no posee tu experiencia |
| Mejorar la gramática y la coherencia | IA | Encaja bien con una revisión mecánica |
| Aprobar el curso final | Persona | Tu nombre y reputación quedan asociados |
Así se aplica la Delegación.
Estás planteando una pregunta mejor que «¿Puede la IA hacer esto?».
Preguntas:
«¿Qué partes debe hacer la IA, cuáles debo hacer yo y por qué?»
La Delegación se convierte en ingeniería cuando construyes agentes para otras personas.
El conocimiento del problema se convierte en la especificación: objetivo, restricciones, riesgos y definición de terminado.
La delegación de tareas se convierte en el límite del Digital FTE: qué puede hacer el agente, qué conservan las personas y qué debe escalarse.
Un System of Record vertical hace que esas decisiones sean duraderas e inspeccionables.
Continúa en Desarrollo guiado por especificaciones y El modelo FDE AF.
4. Descripción: dale a la IA lo que necesita
Recuerda a la colega del comienzo del curso.
El esquema de su curso era inadecuado porque omitiste información importante.
La IA tiene el mismo problema, pero de forma más acusada. No puede leerte la mente. Solo trabaja con la información disponible. Si omites algo importante, puede hacer una suposición razonable. Y una suposición razonable aun así puede ser incorrecta.
La Descripción es la habilidad de proporcionar a la IA la información y la orientación que necesita para hacer bien el trabajo.
La Descripción abarca mucho más que «escribir un buen prompt».
Incluye tres elementos:
- Descripción del producto: qué quieres.
- Descripción del proceso: cómo quieres que se aborde el trabajo.
- Descripción del desempeño: cómo quieres que se comporte la IA, tanto contigo como por su cuenta.
Una regla mnemotécnica sencilla es:
Qué → Cómo → Cómo trabajar conmigo
4.1 Descripción del producto: define el resultado
La descripción del producto responde:
«¿Qué quiero recibir exactamente?»
Incluye aspectos como:
- el tipo de resultado;
- el público;
- el formato;
- la extensión;
- el tono;
- los temas importantes; y
- cualquier elemento que deba excluirse.
Compara estas dos peticiones.
Imprecisa:
«Resume este informe».
Más clara:
«Resume este informe financiero trimestral para altos ejecutivos que disponen de diez minutos para leerlo. Céntrate en las tendencias de ingresos, los riesgos principales y las acciones recomendadas. Usa puntos breves y limítalo a una página. Destaca cualquier cifra que haya cambiado de forma significativa respecto al trimestre anterior. Evita la jerga contable innecesaria».
La segunda petición no es más inteligente. Es más completa.
Esa es una lección importante para principiantes:
La completitud suele importar más que una redacción ingeniosa.
4.2 Descripción del proceso: define el enfoque
La descripción del proceso responde:
«¿Cómo debe hacer el trabajo la IA?»
Puedes especificar:
- los pasos que debe seguir;
- el orden del trabajo;
- el método que debe utilizar;
- ejemplos que debe imitar;
- comprobaciones que debe efectuar antes de terminar.
Por ejemplo:
«Revisa este código primero para comprobar que sea correcto, después para evaluar su seguridad y, por último, su estilo. No dediques tiempo a los nombres hasta haber comprobado si el código funciona de verdad».
El producto deseado sigue siendo «una revisión de código». Pero ahora también has definido el proceso.
4.3 Descripción del desempeño: define cómo se comporta
La descripción del desempeño responde:
«¿Cómo debe comportarse esta IA y para quién?»
Empieza con la versión que puedes usar hoy, en la que la respuesta a «para quién» eres solo tú.
Por ejemplo:
- de forma concisa o detallada;
- comprensiva o crítica;
- exploratoria o resolutiva;
- hacer preguntas primero o formular suposiciones razonables;
- señalar la incertidumbre o limitarse a dar la mejor respuesta.
Una descripción útil del desempeño podría ser:
«Cuestiona mis suposiciones cuando sean débiles. Señala la incertidumbre. No estés de acuerdo conmigo solo por cortesía. Si mi argumento es más sólido, explica por qué. Si el tuyo es más sólido, mantén tu postura y explícala».
Esto transforma a la IA de una máquina de respuestas complaciente en una mejor compañera de reflexión.
Esa es la versión pequeña, la que cabe en una ventana de chat y sirve a un público de una persona: tú. El marco se refiere a algo mayor. La descripción del desempeño consiste en definir cómo se comportará una IA, por su cuenta, para las personas que la usarán, incluidas personas que no son tú y que nunca verán la instrucción que escribiste.
Son la misma habilidad en dos escalas. Cuando escribes «no estés de acuerdo conmigo solo por cortesía», redactas una regla que gobierna un comportamiento que todavía no has visto. La regla de un agente tutor que le prohíbe entregar la respuesta antes de que el estudiante haya intentado resolver el problema es la misma frase, pero con mayores consecuencias: se escribe una vez, se aplica mil veces y afecta a alguien que nunca conocerás.
Por eso el desempeño es la parte de la Descripción que más crece al pasar del Modo 1 al Modo 2. En un chat, una descripción deficiente del desempeño te incomoda durante diez minutos. En un agente desplegado, es el producto.
Prompting con IA en 2026 enseña técnicas prácticas como proporcionar ejemplos, especificar restricciones, descomponer tareas y definir roles.
Este curso enseña la idea más amplia que sustenta esas técnicas: la Descripción.
Cuando no sepas cómo redactar un prompt, no te paralices. Explica tu situación con palabras sencillas y pide a la IA que te ayude a convertirla en una instrucción más clara.
De la ingeniería de prompts a la ingeniería de contexto
La ingeniería de prompts pregunta:
«¿Cómo debo redactar este mensaje?»
La ingeniería de contexto plantea una pregunta mayor:
«¿Qué información debe estar disponible para que la IA tenga éxito?»
Esa información puede incluir:
- documentos;
- ejemplos;
- memoria;
- historial de conversaciones;
- políticas;
- herramientas;
- registros de bases de datos;
- definiciones; e
- instrucciones.
Para un agente, esto tiene una importancia enorme.
Un prompt muy bien redactado no puede rescatar a un agente que dispone de datos incorrectos, carece de reglas, tiene ejemplos deficientes o no puede acceder a las herramientas que necesita.
La Descripción se convierte en arquitectura al escalar.
Un system prompt puede hacer persistente una descripción del desempeño. Un SKILL.md puede hacer reutilizable una descripción del proceso. Un System of Record puede contener el conocimiento del dominio, las reglas, las definiciones y la gobernanza que necesita un agente.
A esa escala, una buena Descripción se convierte en buena ingeniería de contexto.
Continúa en System of Context y System of Record.
5. Discernimiento: no confundas seguridad con corrección
La IA suele expresarse con seguridad.
Eso favorece la legibilidad. También resulta peligroso para la confianza.
Una respuesta equivocada de la IA no suele llegar con una etiqueta de advertencia. Puede parecer pulida, detallada y segura.
Por tanto, después de describir el trabajo, necesitas una segunda habilidad:
El Discernimiento es la capacidad de juzgar la calidad de lo que te entrega la IA.
La Descripción pregunta:
«¿Expliqué el trabajo con claridad?»
El Discernimiento pregunta:
«¿La IA hizo realmente bien el trabajo?»
Un término útil en este punto es sesgo de automatización. Significa la tendencia humana a confiar con demasiada facilidad en una respuesta automatizada, sobre todo cuando parece segura o profesional.
Una respuesta alucinada puede parecer casi idéntica a una correcta.
Una redacción fluida no es una prueba. Un enlace que parece una cita no es una prueba. Un tono seguro no es una prueba.
Cuando la precisión importe, verifica.
El Discernimiento refleja la Descripción. Tiene las mismas tres partes, orientadas a los mismos tres elementos:
- Discernimiento del producto: ¿es bueno el resultado?
- Discernimiento del proceso: ¿merece realmente la pena trabajar así con la IA?
- Discernimiento del desempeño: cuando la IA actúa por su cuenta, ¿atiende bien a las personas del otro lado?
5.1 Discernimiento del producto: ¿es bueno el resultado?
Pregúntate:
- ¿Es correcto desde el punto de vista objetivo?
- ¿Cumplió todos los requisitos importantes?
- ¿Falta algo?
- ¿Es coherente consigo mismo?
- ¿Le parecería creíble a un especialista?
- ¿Pondría mi nombre en él?
Aquí es donde tu propio conocimiento del dominio adquiere un valor enorme.
Un contable detecta una suposición contable equivocada. Un programador detecta un error sutil. Un docente nota que una explicación confundirá a los principiantes.
La IA puede acelerar el trabajo especializado. No elimina la necesidad de conocimientos expertos.
Juzgar el resultado también implica juzgar la argumentación que lo sustenta, porque una IA puede llegar a la respuesta correcta por razones débiles, y una respuesta correcta basada en una suposición equivocada no seguirá siéndolo mucho tiempo.
Supongamos que una IA recomienda al proveedor A en lugar del proveedor B. La conclusión puede ser sensata. Pero quizá supuso que el proveedor A tiene una función inexistente. No debes confiar en la recomendación hasta comprobar que su fundamento es sólido.
Entre los elementos que conviene pedir a la IA que muestre se encuentran:
- las suposiciones;
- las pruebas;
- los criterios de decisión;
- los cálculos;
- los resultados intermedios; y
- las interpretaciones alternativas.
Trátalos como una justificación presentada para su revisión, no como una transcripción literal del razonamiento interno oculto del modelo.
Por ejemplo:
«Antes de recomendar una opción, enumera tus suposiciones, las pruebas que las respaldan y los criterios que utilizas para decidir. Después, presenta la recomendación».
Esto hace que la respuesta sea más fácil de inspeccionar.
5.2 Discernimiento del proceso: ¿merece la pena esta forma de trabajar?
A veces la respuesta está bien, pero la relación de trabajo no.
Esta es la pregunta que casi nadie se plantea, porque el resultado parecía aceptable y, por tanto, la sesión se percibió como un éxito. Da un paso atrás y observa la sesión en sí, no solo su último mensaje:
- ¿La IA se adapta a mis comentarios o vuelve a desviarse hacia lo que hacía antes?
- ¿Repite el mismo error después de que lo haya corregido dos veces?
- ¿Se ha vuelto tan complaciente que ya no resulta útil?
- ¿Dedico cada turno a reparar el mismo problema de formato?
- ¿Estoy editando ahora su borrador más de lo que me habría costado escribirlo desde cero?
La última pregunta merece un momento de sinceridad. Veinte minutos de orientación que te ahorran una hora son una victoria. Veinte minutos de orientación que te ahorran quince son una pérdida que has estado contabilizando como victoria porque parecía productiva.
Cuando el proceso no funciona, tienes tres opciones, cada vez más drásticas: cambiar la descripción del desempeño, cambiar de herramienta o recuperar la tarea. Las tres demuestran fluidez. Solo la tercera parece una derrota, y por lo general no lo es.
5.3 Discernimiento del desempeño: ¿la IA atiende bien a las personas cuando no estás observando?
El tercer tipo solo existe después de usar la agencia, por lo que es el que más acaba importando en este libro.
El discernimiento del desempeño pregunta si el comportamiento independiente y orientado al usuario de una IA produce resultados positivos para las personas que interactúan con ella. Es una pregunta distinta de si un resultado concreto fue correcto.
Un tutor de IA podría responder correctamente todas las preguntas y aun así ser un mal tutor, porque entrega las soluciones en cuanto un estudiante duda y nadie aprende nada. Un agente de soporte podría resolver tickets con rapidez y aun así ser un mal agente, porque cierra conversaciones que los clientes no consideraban terminadas.
No puedes verlo desde una ventana de chat. Solo aparece en conjunto: en lo que hacen después los usuarios, en aquello de lo que se quejan y en los casos que silenciosamente salen mal de la misma manera una y otra vez.
Esta es la razón sincera por la que este tipo de discernimiento se convierte en infraestructura. No hay forma de revisar a simple vista mil conversaciones, así que construyes algo que las observe por ti.
El ciclo Descripción-Discernimiento
La Descripción y el Discernimiento forman un ciclo natural:
- Describes lo que quieres.
- La IA produce algo.
- Lo inspeccionas.
- Explicas qué debe cambiar.
- La IA vuelve a intentarlo.
Esto es normal.
El buen trabajo con IA suele ser iterativo. La primera respuesta suele ser un borrador, no la meta.
Cuando des retroalimentación, usa este patrón sencillo:
Problema → Por qué importa → Orientación
Retroalimentación deficiente:
«Está mal. Inténtalo de nuevo».
Retroalimentación mejor:
«La segunda sección presupone clientes empresariales. Nuestro público son fundadores que trabajan solos, así que el consejo resulta demasiado caro. Reescribe esa sección para una empresa de una sola persona y con un presupuesto limitado».
La segunda versión ofrece a la IA algo útil con lo que trabajar.
A veces una Descripción mejor no basta. El Discernimiento puede mostrar que la decisión de Delegación original era equivocada. Tal vez elegiste la herramienta incorrecta. Quizá la IA nunca debió encargarse de esa parte de la tarea. Puede que el trabajo necesite a un especialista humano.
Eso también es fluidez.
El Discernimiento se convierte en ingeniería de evaluación cuando construyes sistemas de IA.
Tu pregunta manual, «¿Es suficientemente bueno?», se convierte en conjuntos de evaluaciones, comprobaciones de producción, supervisión, muestreo y puertas de lanzamiento.
No puedes automatizar un juicio que nunca aprendiste a hacer.
Continúa en Confiar en quien comprueba y Desarrollo guiado por evaluaciones.
6. Diligencia: usa la IA de forma responsable y asume el resultado
Las tres primeras D te ayudan a obtener mejores resultados.
La Diligencia plantea una pregunta distinta:
«¿Debería usar la IA de esta forma?»
Imagina que un docente universitario utiliza la IA para redactar los comentarios de fin de curso para sus estudiantes.
La redacción es excelente. Sin embargo, el docente pegó nombres, calificaciones y notas disciplinarias de los estudiantes en un servicio de IA para consumidores que la universidad nunca aprobó. Tampoco informó a los estudiantes de que la IA ayudó a crear comentarios que podrían incorporarse a su expediente académico.
El resultado puede ser bueno.
El uso de la IA sigue siendo irresponsable.
La Diligencia significa asumir la responsabilidad por la forma en que se utiliza la IA y por lo que ocurre con sus resultados.
La Diligencia tiene tres partes:
- Diligencia de creación: tomar decisiones responsables antes de crear y durante la creación.
- Diligencia de transparencia: ser honesto sobre la función de la IA cuando las personas necesitan saberlo.
- Diligencia de despliegue: verificar y asumir la responsabilidad antes de utilizar o publicar el trabajo.
6.1 Diligencia de creación: elige las herramientas y los datos de forma responsable
Antes de compartir información con un sistema de IA, pregúntate:
- ¿Contiene datos personales?
- ¿Contiene información confidencial de la empresa?
- ¿Tengo permiso para introducir esta información en esta herramienta?
- ¿Quién puede acceder a los datos o conservarlos?
- ¿Mi organización ha aprobado este servicio?
- ¿Existen restricciones legales, contractuales o profesionales?
El camino más fácil no siempre es el más responsable.
Copiar una base de datos real de clientes en cualquier herramienta de IA que esté abierta puede ahorrar cinco minutos y crear un grave problema de privacidad o cumplimiento normativo.
6.2 Diligencia de transparencia: sé honesto sobre la función de la IA
No todas las tareas asistidas por IA requieren un anuncio público.
Pero cuando la IA afecta de manera sustancial a otras personas, puede ser necesario revelar su intervención.
Algunos ejemplos son:
- el trabajo académico;
- las decisiones de contratación;
- las comunicaciones con clientes;
- el asesoramiento médico o financiero;
- los informes profesionales; y
- el contenido presentado como trabajo humano original.
La regla exacta depende del contexto, la organización, la ley y la norma profesional.
Un principio útil es:
Cuanto más afecte a otras personas un resultado asistido por IA, más motivos habrá para ser transparentes.
La transparencia no exige revelar cada detalle de tu flujo de trabajo. Significa no engañar a las personas sobre la función de la IA cuando esa función importa.
6.3 Diligencia de despliegue: verifica antes de que el trabajo salga de tus manos
Antes de publicar, enviar, ejecutar o utilizar en una decisión un trabajo asistido por IA, compruébalo.
Según la tarea, eso puede significar:
- verificar los hechos;
- confirmar que las fuentes existen realmente;
- comprobar los cálculos;
- revisar posibles sesgos o resultados injustos;
- confirmar permisos y derechos;
- cumplir la política de la organización;
- obtener aprobación humana para las acciones de gran impacto.
Una última pregunta muy útil es:
«¿Pondría mi nombre en esto con confianza?»
Si la respuesta es no, el trabajo no está listo.
La lección más importante de la Diligencia es sencilla:
La IA puede automatizar el trabajo. No puede automatizar la responsabilidad.
Si un sistema asistido por IA toma una decisión perjudicial, la organización que lo opera sigue siendo responsable. Si un asistente de programación introduce una vulnerabilidad y un ingeniero la publica, el ingeniero y la organización siguen respondiendo por el resultado.
La Diligencia explica por qué Agent Factory antepone la gobernanza.
A escala de sistema:
- La diligencia de creación se convierte en reglas de datos, control de acceso y políticas sobre herramientas aprobadas.
- La diligencia de transparencia se convierte en divulgación y diseño de la experiencia del usuario.
- La diligencia de despliegue se convierte en puertas de evaluación, registros de auditoría, supervisión y revisión humana.
En el Modo 2, no solo practicas personalmente un uso responsable de la IA. Incorporas la responsabilidad a un producto que utilizarán otras personas.
Continúa en System of Record y Diseño del SoR vertical.
Parte 3: reúne las 4D
7. Las 4D como ciclo operativo práctico
Has aprendido las cuatro competencias por separado. El trabajo real las combina.
Los autores del marco enseñan explícitamente un ciclo Descripción-Discernimiento. Para el trabajo de Agent Factory, este libro amplía la idea y utiliza las cuatro competencias como un único ciclo operativo práctico:
Delega → Describe → Discierne → Actúa con diligencia → Repite cuando sea necesario
Esto es lo que aporta cada parte:
- La Delegación decide si la IA debe intervenir en el trabajo y de qué debe hacerse cargo.
- La Descripción proporciona a la IA el objetivo, el contexto, el proceso y el comportamiento que necesita.
- El Discernimiento comprueba el resultado y mejora la siguiente ronda.
- La Diligencia rodea todo el proceso de responsabilidad.
Ahora observa el ciclo en un ejemplo real.
Ejemplo: un Digital FTE de contabilidad
Ayesha es una Forward Deployed Engineer en Lahore. Ayuda a un pequeño despacho contable de Karachi a construir un Digital FTE de contabilidad.
La primera tarea que quieren automatizar es la conciliación bancaria mensual.
Paso 1: Delegación
Ayesha no empieza pidiéndole a una IA que «construya un agente de conciliación».
Primero traza el trabajo junto con los socios del despacho.
Deciden que:
- el agente puede relacionar las transacciones bancarias con los asientos del libro mayor;
- el agente puede marcar elementos sin correspondencia;
- el agente puede redactar un informe de conciliación;
- las personas deben aprobar cada ajuste contable;
- las personas conservan todas las decisiones sobre cancelaciones contables;
- cualquier cuestión que afecte a la situación fiscal de un cliente queda en manos de un contable;
- los elementos de gran valor sin correspondencia se escalan a una persona determinada.
El límite ya está claro.
Paso 2: Descripción
A continuación, Ayesha proporciona al sistema la información que necesita:
- el plan contable del despacho;
- las reglas de correspondencia;
- ejemplos de conciliaciones anteriores;
- el formato de informe que ya utilizan los socios;
- las reglas de escalamiento;
- las definiciones de pagos duplicados y cheques antiguos;
- una regla que impide al agente registrar por sí mismo un asiento contable;
- una regla que le impide ponerse en contacto directamente con un cliente.
Esto es la Descripción a escala de sistema.
Paso 3: Discernimiento
Ayesha no da por sentado que el agente funciona porque una demostración parece impresionante.
Lo prueba con conciliaciones anteriores en las que el despacho ya confía.
El equipo comprueba:
- cuántas correspondencias son correctas;
- cuántas correspondencias incorrectas pasan inadvertidas;
- si se escalan los casos adecuados;
- si el agente escala demasiados casos;
- si el desempeño cambia con el tiempo.
Un contable también revisa algunas correspondencias que parecen correctas, no solo los fallos. Esto importa porque un sistema puede parecer seguro simplemente al fallar en silencio.
Paso 4: Diligencia
Los datos financieros de los clientes permanecen dentro de una infraestructura aprobada.
Las acciones del agente quedan registradas.
Se informa a los clientes cuando la conciliación cuenta con asistencia de IA siempre que sea obligatorio o apropiado revelarlo.
Un socio humano sigue firmando la conciliación.
El socio conserva la responsabilidad sobre el resultado final.
Así se aplica el ciclo de las 4D.
La habilidad personal se ha convertido en una propiedad del sistema.
| Competencia | En un chat | En Agent Factory |
|---|---|---|
| Delegación | Decidir qué pedirle a la IA | Delimitar el Digital FTE y el límite entre la persona y la IA |
| Descripción | Proporcionar instrucciones y contexto | System prompts, skills, ingeniería de contexto y Systems of Record |
| Discernimiento | Revisar la respuesta | Evaluaciones, supervisión, muestreo y confianza en quien comprueba |
| Diligencia | Proteger los datos y asumir el resultado | Gobernanza, permisos, auditoría, divulgación y revisión humana |
Agent Factory no sustituye la fluidez en IA.
La industrializa.
Cómo se relaciona con las cuatro habilidades de supervivencia y la regla 10-80-10
Las 4D son la versión a escala personal de ideas que se utilizan en todo este libro.
La regla 10-80-10 resulta más fácil de entender mediante las 4D:
- Primer 10%: marcar la dirección. La Delegación y la Descripción tienen aquí su mayor peso. Decide qué merece la pena hacer y deja claro el objetivo.
- 80% intermedio: orquestar la IA. La Descripción y el Discernimiento se repiten de forma continua mientras la IA produce trabajo y tú la orientas.
- 10% final: juzgar la verdad. El Discernimiento se vuelve crucial antes de publicar algo importante.
- A lo largo de todo el 100%: actuar con responsabilidad. La Diligencia no es una casilla final. Rodea todo el flujo de trabajo.
Por tanto, cuando practicas las 4D en una ventana de chat, ensayas las mismas habilidades humanas que necesitarás después para construir y gobernar sistemas de IA.
8. Cuatro errores habituales de los principiantes
La mayoría de las experiencias frustrantes con la IA se deben a uno de estos fallos.
Error 1: escribir prompts antes de definir el problema
Empiezas a escribir antes de decidir qué aspecto tiene el éxito.
Habilidad ausente: Delegación
Solución: define primero el objetivo, el público, las restricciones y la división entre la persona y la IA.
Error 2: tratar la primera respuesta como si fuera la definitiva
Supones que una primera respuesta débil significa que la IA no sirve.
Habilidad ausente: ciclo Descripción + Discernimiento
Solución: inspecciona el resultado, proporciona comentarios específicos e itera.
Error 3: confiar en una respuesta pulida porque suena profesional
Confundes fluidez con precisión.
Habilidad ausente: Discernimiento
Solución: verifica los hechos, las suposiciones, los cálculos y las fuentes importantes.
Error 4: pensar en la privacidad o la responsabilidad solo después de que algo sale mal
Te concentras en terminar la tarea e ignoras cómo se utiliza la IA.
Habilidad ausente: Diligencia
Solución: decide las reglas sobre datos, divulgación, aprobación y responsabilidad antes del despliegue.
Una lista de verificación para principiantes que puedes usar a diario
Antes de pedirle a la IA que haga un trabajo importante, realiza esta comprobación rápida:
| Etapa | Pregúntate |
|---|---|
| Delega | ¿Cuál es el objetivo? ¿Qué debe hacer la IA? ¿Qué sigue en mis manos? |
| Describe | ¿Qué resultado, contexto, método y comportamiento necesita la IA? |
| Discierne | ¿Cómo sabré si la respuesta es correcta, completa y útil? |
| Actúa con diligencia | ¿Están seguros los datos? ¿Debe revelarse la función de la IA? ¿Quién aprueba y asume el resultado? |
No necesitas convertir esto en papeleo para cada tarea pequeña.
El objetivo es que las cuatro preguntas se vuelvan automáticas.
Un breve resumen antes de practicar
La fluidez en IA no es la capacidad de memorizar prompts. Es la capacidad de trabajar con IA de forma eficaz, eficiente, ética y segura.
Puedes trabajar con IA de tres modos:
- Automatización: la IA realiza una tarea definida.
- Aumento: la IA y tú piensan juntos.
- Agencia: la IA actúa por su cuenta para alcanzar un objetivo que tú defines, a menudo para personas que no son tú.
Las cuatro competencias se mantienen en los tres modos:
- Delegación: decidir la división entre la persona y la IA.
- Descripción: darle a la IA lo que necesita.
- Discernimiento: juzgar lo que devuelve.
- Diligencia: usar la IA de forma responsable y asumir el resultado.
Si solo recuerdas una frase de este curso, que sea esta:
Decide qué debe hacer la IA. Describe el trabajo con claridad. Comprueba lo que devuelve. Asume lo que ocurra después.
Pruébalo ahora: seis prompts
Leer sobre fluidez en IA no basta. Ponla en práctica.
Abre un asistente de IA y prueba los ejercicios siguientes. No necesitas completar los seis de una vez.
1. Crea un plan de las 4D para una tarea real
Elige algo que realmente necesites hacer esta semana.
I need to do this: [describe the task].
Before we start, walk me through the four Ds of AI fluency for it:
delegation, description, discernment, diligence. Ask me one question
at a time, skip any that obviously does not apply, and give me the
plan as a short table at the end.
Qué debes observar: el plan se compone principalmente de tus respuestas, no de las de la IA. Ese es el objetivo. La Delegación y la Diligencia son decisiones que solo tú puedes tomar, y la IA resulta útil para recordar qué preguntar, no para decidir.
2. Aplica el Discernimiento a un tema que ya conoces
Elige un tema en el que tengas experiencia real.
Let's discuss [topic I know well].
Talk to me like a knowledgeable colleague, not a lecturer.
As we go, I will watch for three things:
- where you improve my thinking,
- where I need to correct you,
- where my own experience makes me reject your suggestion.
Start by asking which part of the topic I want to discuss.
Qué debes observar: lo poco que cuesta discernir cuando conoces el dominio. Detectaste la afirmación equivocada sin esfuerzo, casi sin decidirlo. Esa facilidad es tu conocimiento experto en acción, y es justo lo que no tendrás en el ejercicio 3.
3. Experimenta lo que se siente al no ser especialista
Ahora elige algo sobre lo que apenas sepas nada.
Teach me the basics of [topic I know little about].
Explain it for a complete beginner and use concrete examples.
At the end, identify the claims in your explanation that I should
verify with a reliable source, and explain why they deserve checking.
Qué debes observar: lo distinto que se percibe un resultado de la misma calidad. Nada parecía incorrecto, porque no tenías con qué contrastarlo. Recuerda esa sensación: es lo que sentirá constantemente cada usuario de un agente que construyas, y es la razón sincera por la que un Digital FTE necesita evaluaciones en vez de confianza.
4. Escribe una descripción del desempeño
Utilízala al comienzo de una sesión de trabajo seria:
During this conversation:
- challenge weak assumptions,
- flag uncertainty on factual claims,
- do not agree with me just to be polite,
- ask a clarifying question when an ambiguity would materially change the answer,
- change your recommendation when new evidence supports a change,
- explain why when you disagree with me.
Qué debes observar: los pocos turnos que hacen falta para que la diferencia resulte evidente y lo rápido que desaparece el efecto cuando abres un chat nuevo y olvidas configurarlo de nuevo. Esa desaparición explica por completo por qué un agente desplegado guarda su descripción del desempeño en un system prompt y no en la memoria de una persona.
5. Inspecciona la justificación antes de aceptar una recomendación
Propón a la IA una decisión real que estés considerando y añade:
Before making a recommendation, list:
1. the important assumptions,
2. the evidence supporting them,
3. the criteria you are using to compare the options,
4. the major uncertainties.
Then make the recommendation.
I want a justification I can review, not just a conclusion.
Qué debes observar: si alguna suposición de la lista es una que habrías aceptado en silencio si nunca se hubiera escrito. Esa es la que merece una comprobación, y resulta invisible cuando la IA solo te da la conclusión.
6. Haz pasar un proyecto pequeño por el ciclo completo de las 4D
Elige un proyecto que puedas terminar en aproximadamente una hora: un plan de estudio, un tutorial, una presentación, una propuesta o una tarea breve de programación.
I want to complete this project using the 4D AI Fluency framework:
[describe the project].
First, help me decide the human/AI division of work.
Then, before each AI-owned task, ask what product, process,
and performance I want.
After each important output, stop so I can evaluate it.
At the end, run a diligence check covering facts, sensitive data,
disclosure, approvals, and anything I should verify before using the work.
Cuando termines, pregúntate:
¿Qué D me exigió más esfuerzo?
Probablemente esa sea la competencia que más debes practicar.
Autoevaluación rápida
Responde de memoria, sin mirar atrás. Si alguna pregunta te obliga a desplazarte hacia arriba, esa sección todavía no se ha asentado.
- ¿Qué cuatro cualidades definen la fluidez en IA?
- ¿Cuál es la diferencia entre automatización, aumento y agencia?
- ¿Cuáles son las tres partes de la Delegación?
- ¿Cuáles son las tres partes de la Descripción?
- ¿Por qué una respuesta segura de la IA puede seguir necesitando verificación?
- ¿Cuáles son las tres partes del Discernimiento?
- ¿Cuáles son las tres partes de la Diligencia?
- ¿Qué pregunta puedes hacerte antes de publicar un trabajo asistido por IA?
- En una frase, ¿qué es el ciclo de las 4D?
- ¿Cómo se convierte el Discernimiento en una práctica de ingeniería dentro de Agent Factory?
Respuestas
- Eficaz, eficiente, ética y segura.
- La automatización ejecuta una tarea definida, el aumento trabaja contigo como compañero de reflexión y la agencia actúa para alcanzar un objetivo con más libertad para elegir los pasos.
- Conocimiento del problema, conocimiento de la plataforma y delegación de tareas.
- Descripción del producto, descripción del proceso y descripción del desempeño.
- Porque la IA genera resultados plausibles y plausible no significa correcto. Una redacción fluida no verifica hechos, suposiciones ni razonamientos.
- Discernimiento del producto, discernimiento del proceso y discernimiento del desempeño.
- Diligencia de creación, diligencia de transparencia y diligencia de despliegue.
- «¿Pondría mi nombre en esto con confianza?»
- Decidir qué debe hacer la IA, describir el trabajo, evaluar lo que devuelve y asumir la responsabilidad por todo el proceso.
- Se convierte en evaluaciones, supervisión, muestreo, puertas de revisión y otras formas de comprobar si un sistema de IA funciona de manera aceptable.
Términos que añade este curso
El vocabulario técnico de la máquina se encuentra en Qué es realmente la IA y en el Glosario del libro. Estos son los términos importantes de este curso.
Fluidez en IA. La capacidad de trabajar con IA de forma eficaz, eficiente, ética y segura.
Las 4D. Delegación, Descripción, Discernimiento y Diligencia.
Automatización. La IA ejecuta una tarea definida a partir de instrucciones específicas.
Aumento. Una persona y la IA trabajan juntos como compañeros de reflexión.
Agencia. La IA trabaja para alcanzar un objetivo en nombre de una persona y elige por sí misma muchos de los pasos.
Delegación. Decidir qué trabajo debe hacerse, qué debe hacer la IA y qué deben conservar las personas.
Conocimiento del problema. Comprender el objetivo, el trabajo, los riesgos y qué significa tener éxito antes de incorporar la IA.
Conocimiento de la plataforma. Comprender qué tipo de sistema o herramienta de IA encaja con la tarea.
Delegación de tareas. Asignar deliberadamente partes del trabajo a las personas o a la IA.
Descripción. Proporcionar a la IA la información y la orientación que necesita para hacer bien el trabajo.
Descripción del producto. Definir el resultado que quieres.
Descripción del proceso. Definir cómo debe abordar el trabajo la IA.
Descripción del desempeño. Definir cómo debe comportarse una IA por su cuenta para las personas que la usarán. A escala de chat, son tus preferencias de estilo de trabajo; a escala de sistema, es el comportamiento permanente de un agente desplegado.
Discernimiento. Evaluar si los resultados, la justificación y el comportamiento de la IA son suficientemente buenos.
Discernimiento del producto. Evaluar el resultado en sí.
Discernimiento del proceso. Evaluar si la forma en que trabajas con la IA merece realmente la pena, en vez de juzgar si un único resultado fue bueno.
Discernimiento del desempeño. Evaluar si el comportamiento independiente y orientado al usuario de una IA produce buenos resultados para las personas a las que sirve.
Diligencia. Asumir la responsabilidad por la forma en que se utiliza la IA y por lo que ocurre con sus resultados.
Diligencia de creación. Elegir de forma responsable las herramientas, los datos y el uso de la IA antes de crear y durante la creación.
Diligencia de transparencia. Ser honesto sobre la función de la IA cuando esa función importa a las personas afectadas.
Diligencia de despliegue. Verificar y responder por el trabajo asistido por IA antes de que se utilice, publique, envíe o ejecute.
Ingeniería de contexto. Diseñar el entorno de información que necesita un sistema de IA: instrucciones, documentos, herramientas, memoria, políticas, ejemplos y otro contexto pertinente.
Sesgo de automatización. La tendencia humana a confiar con demasiada facilidad en resultados automatizados.
Alucinación. Un resultado convincente o plausible de la IA que contiene información inventada o incorrecta.
A dónde conduce esto
Ahora tienes el marco humano sobre el que se construye el resto de Fundamentos.
A continuación, Prompting con IA en 2026 convierte la Descripción en hábitos prácticos que puedes usar a diario.
Cómo pensar en la era de la IA refuerza el Discernimiento y el pensamiento crítico.
Más adelante en la ruta de construcción:
- Desarrollo guiado por especificaciones convierte la Delegación y la Descripción en un método de ingeniería.
- Confiar en quien comprueba y Desarrollo guiado por evaluaciones convierten el Discernimiento en infraestructura de evaluación.
- System of Record y Diseño del SoR vertical convierten la Diligencia, el contexto y la gobernanza en arquitectura de sistemas.
Si estás reuniendo credenciales, consulta Certificaciones para conocer los exámenes que este material ayuda a preparar.
Fuentes y nota de licencia
El Marco de fluidez en IA fue creado por Rick Dakan, profesor de Escritura Creativa y coordinador de IA en Ringling College of Art and Design, y Joseph Feller, profesor de Sistemas de Información y Transformación Digital en Cork University Business School, University College Cork. Su curso AI Fluency: Framework and Foundations fue producido con Anthropic y publicado bajo la licencia CC BY-NC-SA 4.0. Su documento de referencia, Framework for AI Fluency: Practical Overview Document, se publica bajo la licencia CC BY-NC-ND 4.0.
Este curso acelerado explica el marco de forma independiente, con las palabras y los ejemplos propios de este libro. No es una copia ni una adaptación de sus materiales. Todas las definiciones de competencias, subcompetencias y modalidades utilizadas aquí se contrastaron con el documento Practical Overview de los autores y la hoja terminológica del marco. Las correspondencias con Agent Factory, la ampliación de cada competencia desde el chat hasta la fábrica y el planteamiento del ciclo operativo de las cuatro D son extensiones de este libro. Cualquier error en esas extensiones es nuestro, no de ellos.
Lee también el original. Es gratuito y explica la investigación que sustenta el marco mejor que cualquier resumen.
- El Marco de fluidez en IA, el sitio de los propios autores, con artículos, presentaciones y recursos educativos abiertos.
- AI Fluency: Framework and Foundations, el curso original gratuito de 12 lecciones en Claude Academy, con una duración aproximada de 3 a 4 horas. También disponible en anthropic.skilljar.com.
- Framework for AI Fluency: Practical Overview Document, el documento de referencia vivo de los autores y la formulación más precisa de las subcompetencias.
- Los cursos complementarios Teaching AI Fluency, AI Fluency for Educators y AI Fluency for Students, también gratuitos en Claude Academy y OpenCourses.ie.
- La hoja terminológica del Marco de fluidez en IA (PDF), copyright 2025 Rick Dakan, Joseph Feller y Anthropic, publicada bajo la licencia CC BY-NC-SA 4.0.
Ayuda de estudio con tarjetas
Pon a prueba tu comprensión
Las cuatro preguntas del comienzo de este curso eran fáciles de leer y difíciles de aplicar de verdad. Estos escenarios te sitúan en el trabajo de otras personas, con una decisión ya pendiente. Responde a partir del razonamiento, no de la redacción, y observa qué D pone a prueba realmente cada uno.