Claude y ChatGPT 101: curso acelerado
9 conceptos. 2 cabinas. 1 disciplina: cómo trabajar con confianza dentro de los dos asistentes de IA que probablemente usarás.
Ya conoces las ideas básicas para trabajar con IA. Sabes que el modelo necesita contexto. Sabes cómo describir una tarea. Sabes que conviene delegar algunos trabajos y mantener otros bajo tu responsabilidad.
Entonces abres Claude o ChatGPT y te encuentras con otro problema: ¿dónde está cada cosa?
Hay un selector de modelos. Un menú con el signo más. Proyectos. Memoria. Skills. Plugins. Conectores o apps. Búsqueda. Investigación. Modos de razonamiento.
Las ideas resultan familiares. Los controles no.
Este curso resuelve ese problema.
Aprenderás a usar Claude y ChatGPT en paralelo. El objetivo no es memorizar cada botón. Los botones cambian de lugar. Los nombres de los productos cambian. Los planes cambian.
El objetivo es aprender el patrón que hay debajo de la interfaz.
Los proyectos mantienen unido el trabajo. La memoria conserva contexto útil sobre ti. Las skills empaquetan formas de trabajo repetibles. Los conectores y las apps permiten que el asistente acceda a sistemas externos. Los modos de investigación recopilan y estudian información por ti.
La disciplina sigue siendo la misma aunque cambie el producto.
Por eso este curso enseña dos cabinas, no una.
Tiempo de lectura: entre 30 y 35 minutos, más unos 25 minutos para los prompts de práctica y la autoevaluación.
El software cambia con rapidez. Todas las afirmaciones sobre productos de esta página se verificaron con la documentación pública de Anthropic y OpenAI el 25 de agosto de 2026.
Si algún botón cambió de lugar para cuando leas esto, no te preocupes. Conserva el modelo mental de este curso y consulta las páginas de ayuda actuales en support.claude.com y help.openai.com.
La disponibilidad según el plan cambia aún más rápido que las funciones. Confirma los precios y límites actuales antes de depender de ellos.
Este es el cuarto curso de Fundamentos. Da por sentado que ya leíste:
Este curso no vuelve a enseñar esas ideas. Te muestra dónde encontrarlas dentro de Claude y ChatGPT.
| Tema | Se enseña en | Lo que hace este curso |
|---|---|---|
| Cómo funcionan los modelos y las ventanas de contexto | Qué es realmente la IA | Usa esas ideas |
| El framework de las 4D | Fluidez en IA | Lo aplica a las funciones de los productos |
| Técnica de prompting | Prompting con IA en 2026 | La usa en flujos de trabajo reales |
| Skills y MCP como conceptos | Habilidades y conectores | Presenta los controles |
| Apps de escritorio, herramientas de programación y delegación a agentes | Cowork y OpenWork para profesionales y los cursos de General Agents | Solo ofrece una breve orientación |
| Los espacios de chat de Claude y ChatGPT | Este curso | Los enseña directamente |
En pocas palabras: este curso se mantiene dentro del espacio de chat. Los agentes de escritorio, los entornos de programación y los sistemas de agentes más amplios vienen después.
Míralo en dos minutos
Antes de comenzar el recorrido, deja que la cabina se describa a sí misma.
Abre Claude. Pega lo siguiente y lee la respuesta:
List every control I can see in this workspace right now, and tell me
in one line what each one is for. Just the controls, no advice.
Ahora abre ChatGPT en otra pestaña y pega exactamente lo mismo.
Coloca las dos listas una junto a la otra.
Verás dos vocabularios para casi las mismas siete cosas. Uno dice artifact y el otro, writing block. Uno dice connector y el otro, app. Uno dice project knowledge y el otro, project files. Ambos dicen model, memory, instructions, search y research.
Eso es todo este curso en una sola captura de pantalla. Los controles tienen nombres diferentes. El trabajo que haces con ellos es el mismo.
Conviene hacer una advertencia sincera. Un asistente no siempre describe su propia interfaz de forma confiable, por lo que una lista puede incluir algo que no existe o pasar por alto algo que sí está. Fíjate en eso. Contrastar una respuesta segura con la realidad es el Concepto 9, y acabas de conocerlo a los dos minutos.
Las preguntas que responde este curso
Al terminar, deberías poder responderlas todas.
Parte 1: La cabina
| # | Pregunta | Se responde en |
|---|---|---|
| 1 | ¿Por qué aprender tanto Claude como ChatGPT en lugar de elegir uno? | Concepto 1 |
| 2 | ¿Qué tienen en común y en qué se diferencian? | Concepto 1 |
| 3 | ¿Cómo elijo un modelo si sus nombres cambian constantemente? | Concepto 2 |
| 4 | ¿Cuándo debo usar el modo de razonamiento? | Concepto 2 |
| 5 | ¿Qué ocurre en realidad cuando subo un archivo? | Concepto 3 |
Parte 2: Adapta el espacio de trabajo a tus necesidades
| # | Pregunta | Se responde en |
|---|---|---|
| 6 | ¿Qué es un proyecto y cuándo debo crear uno? | Concepto 4 |
| 7 | ¿En qué se diferencian las instrucciones, la memoria y los proyectos? | Concepto 5 |
| 8 | ¿Qué son los artifacts y los bloques de escritura? | Concepto 6 |
| 9 | ¿Qué son las skills y los plugins, y en qué se diferencian de los proyectos y los GPT personalizados? | Concepto 7 |
Parte 3: Amplía el alcance
| # | Pregunta | Se responde en |
|---|---|---|
| 10 | ¿A qué puede acceder el asistente mediante un conector o una app? | Concepto 8 |
| 11 | ¿Cuándo debo usar la búsqueda, el razonamiento o la investigación? | Concepto 8 |
| 12 | ¿Cómo sé si el asistente es realmente bueno para mi trabajo? | Concepto 9 |
| 13 | ¿Qué demuestra una prueba con trabajo anterior y qué no demuestra? | Concepto 9 |
Parte 1: La cabina
1. Dos cabinas, una disciplina
Abre Claude y ChatGPT uno junto al otro. Se parecen más de lo que quizá esperabas.
Ambos ofrecen:
- una lista de chats anteriores
- un cuadro de mensaje
- un control de modelo o razonamiento
- un menú de archivos y herramientas
- proyectos o espacios de trabajo
- memoria e instrucciones
- funciones de búsqueda e investigación
Esa similitud importa.
No necesitas aprender dos formas de trabajo completamente diferentes. Necesitas aprender una disciplina y después encontrar dónde puso los controles cada producto.
Las habilidades que se transfieren son:
- describir la tarea con claridad
- aportar contexto útil
- elegir qué delegar
- comprobar la respuesta
- saber cuándo recurrir a un modelo más potente
- proteger la información sensible
Los productos difieren en nombres, diseño y fortalezas. Esas diferencias cambian con el tiempo.
El trabajo fundamental no cambia.
La comparación con una cabina merece una aclaración, porque puede llevar a engaño. Los pilotos no tratan dos aeronaves como si fueran intercambiables. Aprenden a volar una vez y luego dedican un poco de tiempo a saber dónde están los interruptores de cada aeronave. Esa es también la expectativa adecuada aquí. Volar es la parte transferible. La ubicación de los interruptores es la parte que consultas, y vuelves a consultar después de una actualización.
También existe una razón práctica para conocer ambos productos. Claude y ChatGPT no rinden igual en todas las tareas. Un modelo excelente para cierto tipo de trabajo puede ser más débil en otro.
Para el trabajo importante, una buena costumbre es ejecutar la misma tarea en ambos y comparar.
Eso es conciencia de plataforma: saber en qué destaca cada herramienta, en lugar de volverte fiel a una sola interfaz.
Un último punto de orientación. Ambas empresas ofrecen ahora mucho más que chat: apps de escritorio, herramientas de programación, agentes de navegador y otros productos basados en agentes. Los veremos más adelante en este libro.
Por ahora, permanece dentro de la ventana de chat.
El hábito más importante para principiantes
Habla con el asistente como hablarías con un colega competente.
Antes de enviar una solicitud seria, cubre tres aspectos:
- Establece el contexto. ¿Quién eres y qué intentas conseguir?
- Define la tarea. ¿Qué debe hacer exactamente el asistente?
- Fija las reglas. ¿Qué tono, formato, restricciones o ejemplos debe seguir?
La interfaz no sustituye una buena descripción. Le da un lugar donde residir.
Recuerda: aprende el patrón, no la ubicación de los botones.
2. Modelos y modos de razonamiento
Tanto Claude como ChatGPT permiten elegir cuánta capacidad dedicar a una tarea.
Quienes comienzan suelen concentrarse en los nombres de los modelos. No conviene memorizarlos porque cambian con rapidez.
Aprende en su lugar el patrón de tres niveles.
| Nivel | Más adecuado para | Equilibrio |
|---|---|---|
| Predeterminado rápido | Preguntas cotidianas, borradores, resúmenes y trabajo rutinario | Rápido y económico, con menos profundidad en problemas difíciles |
| Razonamiento | Razonamiento de varios pasos, análisis, matemáticas y código complejo | Más lento y cuidadoso |
| Modelo insignia de máxima capacidad | El análisis más difícil y las tareas largas y exigentes | El más lento y costoso, pero también el más capaz |
Claude y ChatGPT presentan estos controles de forma distinta. Las etiquetas pueden incluir nombres como Sonnet, Opus, Instant, Thinking, Pro o un número de versión.
No construyas tu modelo mental alrededor de las etiquetas.
Constrúyelo alrededor del equilibrio:
rapidez, después más razonamiento y por último máxima capacidad
Dos reglas sencillas
Regla 1: empieza rápido.
Usa el modo rápido normal para la mayoría del trabajo cotidiano.
No esperes un razonamiento intensivo para una breve reformulación, un resumen o una explicación sencilla.
Regla 2: aumenta la capacidad cuando la tarea sea difícil.
Usa el modo de razonamiento o un modelo más potente cuando el trabajo implique:
- varios pasos lógicos
- una comparación cuidadosa
- matemáticas
- depuración difícil
- código que debe ser correcto
- análisis complejo
A veces, "la IA falló" significa en realidad "usé un nivel de capacidad inadecuado".
Elige el modelo según la tarea, no por costumbre.
- Rápido para el trabajo cotidiano
- Razonamiento para los problemas difíciles
- Modelo insignia para lo verdaderamente complejo
Cuando cambian los nombres, el patrón sigue funcionando.
Recuerda: elige primero el nivel de razonamiento y aprende después los nombres actuales de los modelos.
3. El contexto que adjuntas
Un modelo de lenguaje solo puede trabajar con la información que tiene delante.
Por eso importan los archivos adjuntos.
Tanto Claude como ChatGPT permiten subir elementos como:
- archivos PDF
- documentos de Word
- hojas de cálculo
- archivos CSV
- imágenes
- capturas de pantalla
- archivos de código
Al adjuntar un archivo, das al asistente más contexto para esa conversación.
Compara estas dos solicitudes:
Resume este contrato.
y
Resume este contrato. (con el contrato adjunto)
Las palabras son casi idénticas. La segunda resulta útil porque el asistente puede ver el contrato.
Lo mismo ocurre con las capturas de pantalla. Si buscas ayuda con un panel, un mensaje de error, un gráfico o una interfaz, mostrarlo suele ser mejor que describirlo de memoria.
Ambos productos también pueden buscar en la web en tiempo real. La búsqueda incorpora información actual a la conversación cuando el conocimiento integrado del modelo no basta.
Además, ambos siguen el hilo de la conversación actual, por lo que lo dicho antes continúa influyendo en las respuestas posteriores.
El hábito que debes adquirir
Antes de formular una pregunta importante, pregúntate:
¿Qué necesitaría ver un colega competente para poder responder bien?
Después, proporciona ese material al asistente.
Recuerda: un mejor contexto suele mejorar la respuesta más que un prompt más ingenioso.
Parte 2: Adapta el espacio de trabajo a tus necesidades
4. Proyectos: una sala para cada línea de trabajo
Después de unas semanas usando IA, la barra lateral se llena de desorden.
Terminas con:
- un chat sobre un cliente
- otro chat sobre el mismo cliente
- un tercer chat que contiene el archivo útil
- un cuarto chat donde volviste a explicar todo el contexto
Los proyectos resuelven precisamente esto.
Un proyecto es un espacio para una línea de trabajo.
Piensa en él como una sala donde todo lo relacionado con un tema permanece unido.
Un proyecto suele contener tres elementos:
- Chats relacionados con ese trabajo
- Conocimiento, es decir, archivos que subes para ese proyecto
- Instrucciones, es decir, pautas permanentes sobre cómo debe trabajar el asistente dentro del proyecto
Imagina que creas un proyecto llamado Informe trimestral para el consejo.
Dentro podrías incluir:
- la presentación del trimestre anterior para el consejo
- el modelo financiero actual
- tu guía de estilo para informes
- instrucciones sobre el tono y el público
- todas las conversaciones sobre el informe para el consejo
Así nunca tendrás que volver a subir los mismos archivos ni repetir las mismas instrucciones.
Ese es el objetivo: un proyecto hace persistente el contexto de una línea de trabajo.
En el lenguaje de este libro, un proyecto es un pequeño Sistema de Contexto.
Claude y ChatGPT difieren ligeramente
Claude gestiona el crecimiento mediante la recuperación. Cuando el conocimiento del proyecto supera lo que cabe directamente en la ventana de contexto, Claude empieza a buscar dentro de ese conocimiento en lugar de cargarlo por completo. Anthropic afirma que esto amplía la capacidad hasta diez veces. El cambio ocurre automáticamente y es una función de los planes de pago.
ChatGPT añade memoria del proyecto. Un proyecto puede usar:
- memoria predeterminada, donde tu memoria general todavía puede intervenir
- memoria exclusiva del proyecto, donde el proyecto se convierte en un límite real y los recuerdos externos quedan fuera
Por tanto, un proyecto siempre ayuda a organizar. La memoria exclusiva del proyecto es lo que lo convierte en un espacio aislado.
¿Cuándo debes crear un proyecto?
Usa esta prueba:
Si has explicado el mismo contexto o subido el mismo archivo tres veces, ese trabajo merece un proyecto.
Las preguntas puntuales no necesitan uno.
Recuerda: los proyectos son para el trabajo que continúa.
5. Memoria e instrucciones permanentes
Tres funciones hacen que el contexto persista:
- instrucciones permanentes
- memoria
- proyectos
Quienes comienzan suelen confundirlas. Esta es la separación clara.
Instrucciones permanentes: reglas estables
Las instrucciones permanentes son reglas que escribes una vez y quieres aplicar de forma general.
Por ejemplo:
- "Dame la respuesta antes que la explicación".
- "Usa un lenguaje sencillo salvo que te pida detalles técnicos".
- "Escribo para líderes empresariales, no para ingenieros de software".
Claude guarda este tipo de preferencias en su configuración y sus estilos. ChatGPT las guarda en Custom Instructions, dentro de Settings y Personalization.
Usa instrucciones permanentes para lo que sea estable.
Memoria: contexto cambiante sobre ti
La memoria es lo que el asistente aprende de tus conversaciones y puede usar más adelante.
Puede incluir:
- preferencias que hayas expresado
- objetivos recurrentes
- datos sobre tu forma de trabajar
- cualquier cosa que le hayas pedido recordar de forma explícita
Ambos productos permiten consultar, editar y eliminar la memoria. En una cuenta de trabajo, comprueba primero si está activada: Claude la activa de forma predeterminada en los planes individuales y la mantiene desactivada en Team y Enterprise hasta que un propietario la habilita.
Ambos ofrecen también un modo que mantiene una conversación fuera del historial normal y de la memoria: Claude lo llama incognito chat y ChatGPT, temporary chat. Aun así, ambos proveedores conservan una copia durante un periodo limitado, de unos treinta días, para revisar cuestiones de seguridad y abuso. Por eso debes tratar estos modos como libres de memoria, no libres de rastros.
Proyectos: contexto para una línea de trabajo
Los proyectos son distintos de las otras dos funciones.
Un proyecto reúne el contexto de un cliente, curso, tema de investigación, producto u otra línea de trabajo continua.
La regla práctica
Instrucciones para reglas estables. Memoria para contexto cambiante. Proyectos para trabajo delimitado.
Esta sola regla evita la mayoría de los errores de configuración.
La comodidad no es el único aspecto relevante. El contexto almacenado puede contener información sensible o privada.
Revisa lo que se recuerda. Elimina lo que no deba permanecer. Usa chats de incógnito o temporales cuando el tema lo requiera. En una cuenta de trabajo, sigue la política de tu organización.
La memoria es útil porque el contexto se acumula con el tiempo. También exige cuidado.
Un asistente bien configurado suele volverse más útil después de varias semanas. El modelo no cambió. Mejoró el contexto que lo rodea.
Recuerda: la persistencia solo ayuda cuando la información correcta está en el lugar adecuado.
6. Artifacts y bloques de escritura: trabajo que puedes llevarte
El chat sirve para conversar.
No es un buen contenedor para un trabajo terminado.
Si pides un informe de 2.000 palabras, una calculadora funcional, un diagrama o una aplicación pequeña, quieres que el resultado sea un objeto separado, no otro mensaje más dentro de una conversación interminable.
Claude y ChatGPT resuelven esto de manera diferente.
Claude: artefactos
Claude usa artifacts.
Un artifact es un resultado separado que se abre junto a la conversación. Puede ser:
- un documento
- código
- una página web
- un diagrama
- una imagen vectorial
- una calculadora
- un panel
- una pequeña aplicación interactiva
Puedes seguir hablando con Claude mientras el artifact permanece allí como el objeto que se construye y revisa.
Claude también cuenta con funciones independientes para crear archivos de Word, Excel, PowerPoint y PDF.
ChatGPT: bloques de escritura y de código
Los tutoriales antiguos de ChatGPT hablan de canvas, un panel de edición en paralelo.
Esa información está desactualizada. En 2026, OpenAI retiró canvas de sus modelos actuales y trasladó ese trabajo a la propia conversación mediante bloques de escritura y bloques de código: regiones editables insertadas en el hilo. Si un tutorial te dice que abras canvas y no lo encuentras, esta es la razón.
El diseño es diferente. La idea es la misma:
mantener el producto del trabajo separado de la conversación sobre ese producto.
Cómo obtener mejores resultados
No pidas "un panel" o "un informe".
Describe lo que debe hacer el resultado final.
Por ejemplo:
Crea un registro de presupuesto mensual. Debo poder introducir gastos por categoría, ver un gráfico circular y recibir una advertencia cuando supere el presupuesto.
Esto es mejor que:
Crea un registro de presupuesto.
Indica también para quién está destinado. Un diagrama de flujo para empleados nuevos no es el mismo objeto que uno destinado a ingenieros con experiencia.
Después, revisa un cambio a la vez.
Este concepto ofrece a muchos principiantes su primera sorpresa genuina: describes una pieza útil de software y aparece software funcional.
Dos cursos posteriores lo explican a fondo:
Recuerda: el chat contiene la conversación; los artifacts, los bloques de escritura y los bloques de código contienen el trabajo.
7. Skills y plugins: formas de trabajo empaquetadas
Los proyectos responden a una pregunta:
¿Cómo mantengo unido el conocimiento correcto?
La repetición plantea otra distinta:
¿Cómo consigo que el asistente siga siempre el mismo método?
Para eso sirven las skills.
¿Qué es una skill?
Una skill es una forma empaquetada de completar una tarea.
Puede contener:
- instrucciones
- ejemplos
- recursos de apoyo
- a veces, código
El asistente carga la skill cuando aparece una tarea que coincide con ella.
Podrías crear una skill para:
- redactar revisiones trimestrales del negocio
- comparar un contrato con una lista de verificación
- preparar un informe previo a una reunión con un cliente
- transformar notas sin procesar en tu formato de informe preferido
En lugar de volver a enseñar el método en cada chat, lo empaquetas una vez.
Claude tiene skills. ChatGPT también.
Los productos difieren en la disponibilidad y gestión de las skills, pero ahora comparten la idea fundamental.
Por qué importa
Ambos proveedores se basan en el estándar abierto Agent Skills, publicado en agentskills.io.
Una skill es una carpeta de archivos Markdown sin servidor ni entorno de ejecución detrás, precisamente por eso puede trasladarse. Decenas de herramientas de varias empresas ya leen el mismo formato, por lo que una skill escrita para un producto puede instalarse en otro.
Esto convierte un flujo de trabajo en algo más duradero que un prompt atrapado dentro de un solo proveedor.
También retoma la lección con la que comenzó este curso:
la disciplina es la constante; la herramienta es la variable.
¿Qué es un plugin?
Un plugin empaqueta capacidades para un tipo de trabajo más amplio. Reúne skills con conexiones a apps externas y, a veces, también comandos y subagentes, en un paquete instalable dirigido a una función profesional.
La relación, en una línea para cada concepto:
- una skill enseña un método
- una app o un conector da acceso a un sistema externo
- un plugin reúne ambos
Claude incluye ahora skills, conectores y plugins en un único directorio en claude.ai/directory. Es la forma más rápida de ver lo que ya existe antes de crear algo propio.
¿Y los GPT personalizados?
ChatGPT también tiene GPT personalizados.
Un GPT personalizado es un asistente configurado por separado que abres de forma intencional. Tiene sus propias instrucciones, personalidad, conocimiento y herramientas.
No es lo mismo que una skill.
Una comparación breve:
- Proyecto: almacena el contexto de una línea de trabajo
- Skill: almacena el método para ejecutar una tarea
- GPT personalizado: te ofrece un asistente configurado por separado
- Plugin: reúne capacidades
La frase que debes conservar es:
Los proyectos almacenan conocimiento. Las skills realizan tareas.
Una skill para preparar reuniones con clientes puede usar los archivos del cliente almacenados en un proyecto.
El proyecto aporta el qué. La skill aporta el cómo.
Estudiarás la mecánica en Habilidades y conectores.
Recuerda: cuando un método se repite, empaquétalo.
Parte 3: Amplía el alcance
8. Conectores, apps y cómo dirigir la pregunta
Hasta ahora, el asistente ha trabajado sobre todo con la información que pusiste delante de él.
Pero la mayor parte de tu información real está en otros lugares:
- correo electrónico
- calendario
- almacenamiento en la nube
- herramientas de gestión de proyectos
- sistemas de chat
- bases de conocimiento de la empresa
Los conectores y las apps permiten que el asistente acceda a esos sistemas.
¿Conector o app?
Claude dice conector.
ChatGPT dice app para la misma categoría de producto. Antes también usaba la palabra conector, pero cambió el nombre.
Las palabras difieren. El propósito es el mismo.
Un conector o una app puede permitir que el asistente busque, lea y, en algunos casos, actúe en otro sistema según los permisos que concedas.
Por ejemplo:
- "Encuentra el correo electrónico donde hablamos del contrato con el proveedor".
- "¿Qué reuniones tengo mañana?"
- "Resume las notas del proyecto de la semana pasada".
- "¿Cuáles son mis tareas de mayor prioridad?"
Ahora el asistente puede responder a partir de tus sistemas reales, sin obligarte a copiarlo todo en el chat.
MCP: el estándar de integración compartido
Ambos ecosistemas admiten el Model Context Protocol, o MCP.
La comparación habitual es USB-C para herramientas de IA: un conector estándar que permite usar en muchos asistentes una herramienta creada una sola vez. Los conectores personalizados de Claude funcionan con MCP y las apps de ChatGPT también se basan en él mediante el Apps SDK.
Esto resulta muy útil, pero la comparación oculta algo que no debes olvidar. Conectar un cable USB-C no es una decisión de confianza. Conectar una herramienta MCP sí lo es. El conector está estandarizado; el acceso no.
Las conexiones son decisiones de permisos
Conectar una herramienta no es solo una decisión de productividad. También es una decisión de seguridad y gobernanza, es decir, una decisión sobre quién puede ver y hacer qué.
Antes de conectar algo, pregunta:
- ¿Qué puede leer?
- ¿Puede escribir, enviar, eliminar, comprar o tomar alguna otra medida en el mundo exterior?
- ¿Confío en la fuente?
- ¿Tengo permiso para conectar esta cuenta o este sistema?
Conectar el correo electrónico del trabajo puede exponer mucha información, aunque el asistente solo vea lo que tu propia cuenta ya puede ver.
Trata los conectores y las apps como tratarías la instalación de software: son útiles y requieren permisos de forma intencional.
¿Búsqueda, razonamiento o investigación?
Quienes comienzan suelen elegir el modo equivocado para la tarea.
| Lo que necesitas | Usa | Ejemplo |
|---|---|---|
| Un dato actual | Búsqueda web | "¿Cuál es el tipo de cambio de hoy?" |
| Razonamiento difícil, sin información nueva | Modo de razonamiento | "Compara estas tres estrategias de precios". |
| Una investigación exhaustiva con citas | Modo de investigación | "Investiga el mercado actual de la robótica para almacenes". |
| Información de tu organización | Búsqueda empresarial o apps conectadas | "Encuentra la política de precios aprobada más reciente". |
La primera pregunta es:
¿Qué tipo de trabajo le estoy pidiendo al asistente?
No dediques una investigación profunda a un dato que una búsqueda puede responder en segundos. No recurras a la búsqueda si el verdadero problema exige razonamiento. No uses el chat ordinario cuando el trabajo requiere investigar varias fuentes.
El modo de investigación es algo distinto
El modo de investigación no es una "búsqueda mejor".
El asistente planifica una investigación, ejecuta muchas búsquedas, sigue pistas, lee fuentes y devuelve un informe estructurado con citas.
Eso tarda minutos, no segundos.
Estás delegando una investigación, no formulando una pregunta rápida.
Esto también significa que tu criterio sigue siendo necesario cuando llega el informe. Comprueba las afirmaciones importantes. Abre las citas. La investigación amplía tu alcance, pero no traslada tu responsabilidad.
Recuerda: dirige la pregunta antes de enviarla.
9. Demuéstralo con trabajo que ya conoces
Ahora llega la pregunta más importante del curso:
¿Cómo sabes si el asistente es realmente bueno para tu trabajo?
No para un benchmark.
No para una demostración.
Para tu tarea, con tus datos y según tu estándar.
El mejor método para principiantes es sencillo:
Pon a prueba al asistente con trabajo que ya terminaste y en el que ya confías.
Ejemplo
Un director de programa analiza cada trimestre los resultados de asistencia y empleo.
Quiere que la IA le ayude con el próximo informe.
No debería empezar confiándole datos nuevos.
En su lugar, proporciona al asistente los datos sin procesar del trimestre anterior, porque ya sabe cómo es el análisis correcto.
Después le pide que reproduzca el trabajo.
Ahora tiene algo real con lo que comparar.
Si el asistente pasa por alto un patrón importante, puede mejorar las instrucciones.
Si descubre que los datos no contienen algo necesario para el análisis, habrá encontrado un problema de datos.
Si el asistente aún no puede hacer de forma confiable una parte del trabajo, esa parte queda en manos humanas.
Los tres resultados son útiles.
El ciclo de prueba de cinco pasos
- Elige una tarea recurrente. Sé preciso.
- Busca un ejemplo anterior. Uno cuyo resultado correcto ya conozcas.
- Pide al asistente que lo reproduzca. Dale el contexto que habrías tenido normalmente.
- Compara. ¿Qué coincidió? ¿Qué falló? ¿Qué instrucción faltaba?
- Ajusta y vuelve a ejecutar. Continúa hasta que el resultado sea suficientemente bueno o hasta que concluyas que no conviene delegar la tarea.
Ese último resultado no es un fracaso.
Aprender qué no delegar bien vale esa hora.
¿Qué demuestra realmente aprobar la prueba?
Te da confianza ganada para trabajos futuros similares.
No demuestra que el asistente vaya a acertar en todos los casos futuros.
Tampoco transfiere la responsabilidad. Todavía debes:
- comprobar si los resultados nuevos tienen sentido
- responder por el trabajo final
- comunicar la ayuda de la IA cuando corresponda
- mantener las decisiones de alto riesgo bajo un control humano adecuado
Si puedes, ejecuta la misma prueba en Claude y ChatGPT. Comparar dos asistentes en una tarea que ya entiendes es la forma más rápida de desarrollar conciencia de plataforma.
Este pequeño ejercicio es tu primer conjunto de evaluaciones.
Más adelante, Confiar en el verificador y Desarrollo guiado por evaluaciones convierten el mismo hábito en una verdadera disciplina de ingeniería.
Recuerda: la confianza debe ganarse con trabajo conocido, no suponerse a partir de una respuesta que parece buena.
Un breve resumen antes de probar los prompts
Ya tienes el mapa de ambos productos.
Claude y ChatGPT son herramientas diferentes construidas alrededor de muchas ideas comunes.
- Los modelos y modos de razonamiento controlan cuánta capacidad dedicas.
- Los archivos adjuntos proporcionan al asistente el contexto que necesita en este momento.
- Los proyectos mantienen unido el contexto de una línea de trabajo.
- Las instrucciones permanentes contienen reglas estables.
- La memoria contiene contexto cambiante sobre ti.
- Los artifacts, bloques de escritura y bloques de código mantienen el trabajo terminado fuera de la conversación.
- Las skills empaquetan métodos repetibles.
- Los plugins reúnen capacidades para todo un tipo de trabajo.
- Los conectores de Claude y las apps de ChatGPT acceden a sistemas externos.
- MCP es el estándar de integración compartido que sustenta ambos productos.
- La búsqueda, el razonamiento y la investigación son tres rutas distintas para tres tipos de preguntas.
- Las pruebas con trabajo que ya conoces son la forma de ganarse la confianza.
Los productos seguirán cambiando.
Este modelo mental debería sobrevivir durante mucho tiempo a la interfaz actual.
Pruébalo ahora: seis prompts
Leer sobre la cabina no es lo mismo que sentarse en ella. Estos seis ejercicios llevan unos veinticinco minutos.
1. Pide un recorrido guiado
Antes de ejecutarlo, predice dos funciones que esperas que mencione el asistente.
Give me a guided tour of this workspace as it exists today.
Walk through:
- how I change models and when I should
- what happens when I upload a file
- what projects are for
- what you remember about me and where I control that
- where the research option lives
Keep it practical. One short paragraph per feature, and tell me which
features need a paid plan.
En qué debes fijarte: compáralo con tu predicción y después con lo que realmente ves en la pantalla. Los errores que cometa al describir su propia interfaz son la parte más interesante.
2. Ejecuta una tarea en ambos asistentes
Elige una tarea pequeña y real de tu semana: un párrafo que debas redactar, una tabla que debas resumir o un análisis breve.
Antes de ejecutarla, predice qué asistente lo hará mejor y por qué.
Here is a real task from my work: [paste the task and its context].
Complete it.
Then, in three sentences, tell me what additional context would have
helped you do it better.
En qué debes fijarte: compara los resultados y después compara lo que cada asistente dijo que le faltaba. La segunda comparación suele enseñar más que la primera.
3. Configura tu primer proyecto
Elige una línea de trabajo en la que ya hayas repetido el mismo contexto o vuelto a subir los mismos documentos.
I want to set up a project for this stream of work: [describe it].
Interview me briefly. Then give me two things I can paste into the
project settings:
1. project instructions covering my role, audience, tone, and standing rules
2. a priority-ordered list of five to ten documents I should upload as
project knowledge
En qué debes fijarte: las preguntas que te haga son el contexto que vuelves a escribir a mano cada semana.
4. Revisa lo que se recuerda
Show me what you currently remember about me from our conversations,
as a plain list.
For each item I will tell you: keep, correct, or delete.
Then tell me where in settings I can manage memory myself.
En qué debes fijarte: si algo de esa lista te incomodaría al aparecer en una pantalla compartida. Esa es la verdadera razón de este ejercicio.
5. Dirige tres preguntas reales
Elige tres preguntas de tu trabajo real:
- una que necesite un dato actual rápido
- una que requiera razonamiento difícil
- una que merezca un informe completo
Antes de formular cada una, elige la ruta: búsqueda, razonamiento o investigación.
Después, envíala por esa ruta y comprueba si era la adecuada.
En qué debes fijarte: los desajustes. Una investigación que debería haber sido una búsqueda es el desperdicio más común en ambos productos.
6. Pon a prueba al asistente con tu propio historial
I want to test whether you can take over a recurring task of mine.
The task: [describe it precisely].
I am giving you a past example where I already know the correct result:
[attach the old input data or material].
Reproduce the analysis or output the way I would have done it.
I will compare your result with what I know to be correct, and we
will iterate.
I am holding back my original answer until we finish, so your work is
not shaped by it.
Cuando termines la comparación, anota tres cosas:
- lo que el asistente reprodujo correctamente
- qué descripción adicional necesitó
- qué debe permanecer en manos humanas
En qué debes fijarte: esa lista es tu primer registro de evaluación. Consérvala.
Autoevaluación rápida
Responde estas preguntas sin mirar atrás.
- ¿Por qué es mejor aprender el patrón de niveles de modelo que memorizar los nombres actuales?
- ¿Cuándo debes usar el modo de razonamiento?
- ¿Cuál es la regla que separa las instrucciones, la memoria y los proyectos?
- ¿En qué se diferencian el chat ordinario y un artifact o bloque de escritura?
- Completa la oración: los proyectos almacenan ___; las skills realizan ___.
- ¿Qué es MCP y por qué importa cuando usas más de un asistente?
- ¿Por qué tu primera prueba con IA debe usar un caso anterior cuyo resultado correcto ya conoces?
- ¿Qué obtienes al aprobar esa prueba y qué nunca se transfiere?
Respuestas
- Los nombres y las versiones de los modelos cambian con rapidez. El patrón (rápido, razonamiento, modelo insignia) dura más y te permite elegir según la tarea.
- Para razonamientos de varios pasos, análisis cuidadosos, matemáticas, código difícil y cualquier tarea en la que el razonamiento adicional justifique la espera.
- Instrucciones para reglas estables, memoria para contexto cambiante y proyectos para trabajo delimitado.
- El chat ordinario es la conversación. Los artifacts, los bloques de escritura y los bloques de código contienen un producto de trabajo diferenciado que puedes editar y usar por separado.
- Los proyectos almacenan conocimiento; las skills realizan tareas.
- MCP es Model Context Protocol, un estándar abierto para conectar sistemas de IA con herramientas y datos externos. Importa porque los conceptos de integración y, a menudo, las propias herramientas se transfieren entre productos.
- Porque necesitas una respuesta confiable con la cual comparar. Sin una verdad conocida, no puedes distinguir entre reproducir el trabajo y limitarse a sonar como si se hubiera reproducido.
- Te da confianza probada para trabajos futuros similares. Nunca transfiere la responsabilidad: aún debes verificar los resultados importantes y responder por el resultado final.
Si la pregunta 8 te hizo dudar, vuelve a leer el Concepto 9 junto con la competencia de Diligencia en Fluidez en IA. Juntos forman el núcleo profesional de este curso.
Términos que añade este curso
Selector de modelos. El control que usas para elegir un modelo o un nivel de esfuerzo de razonamiento.
Modo de razonamiento o razonamiento extendido. Un modo que permite al modelo dedicar más esfuerzo de razonamiento antes de responder. Es más lento y vale la pena para las tareas difíciles.
Proyecto. Un espacio para una línea de trabajo continua que contiene chats, conocimiento e instrucciones.
Conocimiento del proyecto. Archivos almacenados en el proyecto para que los use cada conversación dentro de él.
Instrucciones permanentes. Reglas estables que se aplican de forma general a las conversaciones: tono, rol y preferencias de resultado.
Memoria. Contexto sobre ti que el asistente conserva entre conversaciones y puede usar más adelante.
Chat de incógnito o chat temporal. Una conversación que se mantiene fuera del historial y de la memoria. Los proveedores conservan una copia durante un periodo limitado por motivos de seguridad, así que está libre de memoria, pero no de rastros.
Artifact. En Claude, un resultado separado, como un documento, archivo de código, diagrama, página o app interactiva, que se crea junto al chat.
Bloque de escritura, bloque de código. En el ChatGPT actual, una región editable dentro de la conversación que contiene trabajo escrito o código como un objeto diferenciado. Estos bloques sustituyeron a canvas.
Skill. Un método empaquetado compuesto por instrucciones, ejemplos, recursos y, a veces, código, que se carga cuando aparece una tarea coincidente.
Estándar Agent Skills. La especificación abierta de agentskills.io que define una forma portable de empaquetar una skill y que ahora interpretan herramientas de varios proveedores.
Plugin. Un paquete que reúne capacidades como skills, conectores y comandos para todo un tipo de trabajo.
GPT personalizado. En ChatGPT, un asistente configurado por separado con instrucciones, personalidad, conocimiento y herramientas opcionales propios.
Conector. La palabra que usa Claude para una conexión con permisos a un sistema externo, como el correo electrónico, el calendario, el almacenamiento u otra herramienta.
App. La palabra que usa ChatGPT para la misma categoría de integración con herramientas externas. Antes se llamaban conectores.
Model Context Protocol (MCP). Un estándar abierto que permite conectar sistemas de IA con herramientas y datos externos mediante una interfaz común.
Modo de investigación. Un modo de varios pasos que planifica una investigación, busca en distintas fuentes y devuelve un informe con citas.
Enterprise Search. La búsqueda de Claude para toda una organización, que trata las herramientas conectadas de la empresa como una única base de conocimiento consultable.
Hacia dónde lleva esto
Ya puedes manejar el espacio principal de chat tanto en Claude como en ChatGPT.
Esto convierte el resto de Fundamentos en trabajo práctico en lugar de teoría.
Markdown de entrada, HTML de salida es el siguiente curso. Explica la capa documental que sustenta la mayoría de los resultados que acabas de conocer.
El código que nunca escribes explica qué ocurrió cuando describiste software y apareció código funcional.
Habilidades y conectores profundiza en las dos capacidades presentadas en los Conceptos 7 y 8.
Cómo pensar en la era de la IA desarrolla el criterio que el Concepto 9 convirtió en un método práctico de comprobación.
Más adelante, Cowork y OpenWork para profesionales y los cursos de General Agents dejan atrás la ventana de chat para entrar en los sistemas de escritorio y de agentes.
El sencillo ciclo de prueba que usaste aquí se convierte en una rigurosa disciplina de ingeniería en Confiar en el verificador.
Si estás reuniendo credenciales, ambos proveedores publican recursos gratuitos de aprendizaje sobre sus productos y Certificaciones presenta los exámenes que respalda este material.
Fuentes y nota sobre la licencia
Este curso acelerado es una obra original de este libro. Las afirmaciones sobre productos se verificaron el 25 de agosto de 2026 con la documentación pública de Anthropic y OpenAI.
El curso gratuito Claude 101 de Anthropic y los recursos de ayuda de OpenAI sirvieron para decidir qué temas de producto cubrir, pero este curso no reproduce sus textos, estructura ni ejercicios.
Las funciones, los nombres, los límites de los planes y los precios cambian con frecuencia. Si esta página y el producto actual no coinciden, la documentación vigente del proveedor es la autoridad.
- Centro de ayuda de Anthropic y documentación de Claude
- Centro de ayuda de OpenAI
- Generación aumentada por recuperación (RAG) para proyectos, Centro de ayuda de Anthropic
- Usar chats de incógnito, Centro de ayuda de Anthropic
- Usar la búsqueda de chats y la memoria de Claude, Centro de ayuda de Anthropic
- Explorar skills, conectores y plugins en un único directorio, Centro de ayuda de Anthropic
- Skills en ChatGPT, Centro de ayuda de OpenAI
- Apps en ChatGPT, Centro de ayuda de OpenAI
- Usar proyectos en ChatGPT, Centro de ayuda de OpenAI
- Directorio de skills, conectores y plugins de Claude
- Model Context Protocol
- Estándar abierto Agent Skills
Ayuda de estudio con tarjetas
Pon a prueba tu comprensión
Estos escenarios te sitúan en el espacio de trabajo de otra persona, con una decisión que ya está esperando. Responde a partir del patrón y no del nombre del producto, y observa qué concepto evalúa en realidad cada caso.