Programa · 24 horas · 3 días
Día 1
Fundamentos
Hoy van a entender cómo funciona la IA, y a construir dos cosas.
Ver
Cómo se entrena un modelo, y van a entrenar uno.
¿Qué es la inteligencia artificial?
A0 Verdadero o falso
A0 La IA es la simulación de las tareas de la inteligencia humana.
Simulación. No es que piense: es que se le parece lo suficiente.
A0 Las neuronas de
Terminator
y perritos bonitos
A1 
VS
A1 ??? PERRO
A1 ??? PERRO
A1 No se le explica. Se le enseña con ejemplos. Muchos.
PERROS
NO PERROS
A1 
A1 
A1 
A1 
EXAMEN
A1 A1 
A1 Le enseñaron a pasar un examen. No a decir la verdad.
Por eso revisas lo que te da.
A1 Ya vieron cómo se entrena un modelo. Ahora entrenen ése mismo.
Con las mismas fotos que acaban de ver. En el navegador, sin instalar nada y sin crear cuenta. Veinte minutos.
¿Cuántos ejemplos creen que necesitan para que funcione?
A1c Bajen el paquete de fotos
1-entrenar/
Cuatro perros y seis no-perros. Pocos a propósito
2-probar/
Diez que nunca vio: seis perros distintos, tres animales lejanos, y un lobo
3-agregar-y-reentrenar/
Dos lobos más, para cuando descubran que hacen falta
A1c Así se ve. Son tres paneles y ya.
Arrastran las carpetas. Ustedes solo etiquetan
Un botón, treinta segundos. El ciclo del examen, comprimido
Le suben una foto y les dice qué cree, y con cuánta seguridad
A1c ¿Y con diez fotos basta? No: es que no empieza de cero.
Lo que ya venía sabiendo
Una red entrenada por Google con millones de fotos de mil cosas distintas.
Ya sabe ver bordes, texturas, pelo, orejas, patas.
Eso costó meses y mucho dinero. Ya está pagado.
Lo que ustedes le enseñan
Nada más a separar sus dos montones.
Usando lo que esa red ya ve.
Por eso tarda treinta segundos y no meses.
A1c Entrénenlo, y luego rómpanlo con el lobo
Parámetros de la tarea
- Dos clases con las carpetas de 1-entrenar/. Entrenen.
- Prueben los seis perros de 2-probar/. Ninguno los vio antes. ¿Con cuáles duda?
- Prueben el ave, el calamar y el pez. Fáciles… ¿o no tanto?
- Ahora lobo.jpg. ¿Qué dijo? ¿Con cuánta seguridad?
- Metan 3-agregar-y-reentrenar/ a «No perro», reentrenen y prueben otra vez.
A1c No les dijo «no sé». Les dijo «perro», y con mucha seguridad.
Ese número que les puso al lado no es la probabilidad de acertar. Es qué tan convencido está.
Y estar convencido no es lo mismo que tener razón. Nadie le enseñó a dudar: le enseñaron a elegir entre dos montones.
Así que siempre elige uno.
A1c Entender
Lo mismo, pero con palabras. Eso es ChatGPT.
Todo eso fue con fotos. Pero ustedes no le van a mandar fotos: le van a escribir.
Mismo proceso. Diferentes datos.
Clasificador de imágenes
Ve fotos.
Aprende a decir perro / no perro.
Alguien etiquetó cada foto a mano.
Modelo de lenguaje
Ve texto.
Aprende a decir cuál es la siguiente palabra.
Nadie etiquetó el texto.
A1a Nadie tuvo que etiquetar el texto. La respuesta correcta ya estaba ahí.
Para los perros, alguien tuvo que ver miles de fotos y escribir «perro» o «no perro» en cada una. Eso cuesta dinero y tiempo.
Para el texto no hace falta: la respuesta correcta es la palabra que sigue, y ya viene escrita.
Por eso se pudo entrenar con cantidades de texto que nadie habría podido etiquetar a mano.
A1a Cómo aprende, en tres fases
Fase 1 · Lee todo lo que encuentra
▊
A1a Y los patrones que encuentra no son todos del mismo tipo
Porcentajes de ejemplo, para ver la forma de la decisión
A1a Con eso solo tendrías un completador. Falta una segunda fase.
A1a LLM: Large Language Model. Modelo Grande de Lenguaje.
El teclado de su teléfono
1.4 millones
de parámetros
Un modelo de chat
175 mil millones
de parámetros
¿Qué tan grande es «grande»?
A1a En el fondo, un modelo hace una sola cosa.
Recibe información (texto, imágenes, audio, archivos) y predice qué sigue.
Todo lo demás son capas encima de eso.
A1a 
Nunca contó los dedos.
Nadie le enseñó que una mano tiene cinco. Vio millones de fotos y aprendió cómo se ve una mano: piel, uñas, dedos alargados saliendo de una palma.
Cinco no era una regla. Era una frecuencia.
A4 Un dedo de más se nota. Una cifra de más, no.
Alucinación: un dato falso, dicho con la misma seguridad que uno cierto.
No mintió, porque mentir es saber la verdad y decir otra cosa.
No consultó nada. Calculó qué texto era el más probable, y un dato inventado que suena bien es de lo más probable que hay.
A4 Los tres que les van a pasar a ustedes
A4 En consultoría, una alucinación no es un error gracioso: es un riesgo de credibilidad
FRAGMENTO GENERADO POR IA
«Según el Observatorio Nacional de Productividad Digital, el 68 % de las pymes mexicanas que adoptaron IA reportaron 31 % más productividad en el primer semestre.»
Suena perfecto. Ni el instituto, ni la cifra, ni el porcentaje existen.
A4 Encuentren los datos falsos
Consigna
¿Cómo los verificarían antes de mandarlo?
A4 Tres cosas que sí funcionan
A4 Pedir
Su primer programa, y cómo pedirle bien.
Vocabulario mínimo
Ya saben qué es un modelo. Estas cuatro las van a usar el resto del programa.
Prompt
Lo que le escribes o le pides.
«Hazme un diagnóstico de este grupo»
Modelo
El programa entrenado que responde.
ChatGPT · Claude · Gemini
Contexto
Todo lo que tiene disponible para responderte.
Tu conversación · tus archivos · tus instrucciones
Herramienta
Lo que le conectas para que haga más que texto.
Buscar · leer archivos · escribir código
A3 En los próximos 30 minutos van a hacer su primer programa.
Sin instalar nada. Con la cuenta de Google que ya traen. Se llama Lienzo, o Canvas, y está dentro de Gemini.
¿Cuántos aquí han escrito código alguna vez?
A5 Escriban un prompt de UNA línea y vean qué sale
Parámetros de la tarea
Por defecto: un quiz sobre su tema de especialidad. Misma dificultad que un juego, pero se lo llevan y lo usan el lunes.
Si prefieren jugar: un arcade simple de atrapar objetos.
A5 El segundo prompt funcionó mejor que el primero. Vamos a ver exactamente por qué.
Todo lo que anotamos en el pizarrón tiene la misma causa
La mayoría de la frustración con IA no es del modelo. Es del prompt.
¿Cuál de sus quejas creen que era culpa del modelo, y cuál del prompt?
B1 Cinco elementos que nunca deberían faltar en un prompt profesional
B1 Reescriban su prompt del juego con los 5 elementos
Parámetros de la tarea
Sobre el mismo juego o quiz de hace rato. Los 5 elementos son obligatorios.
Corran el prompt nuevo y comparen con lo que tenían.
B1 Pedirle que se autocritique mejora el resultado más que pedirle que regenere
Actúa como crítico experto en [X].
Evalúa esto contra [criterio].
Sé específico en lo que fallaría.
«Hazlo mejor» le pide adivinar qué está mal. Esto le dice contra qué medirse.
B2 Pídanle crítica a su propio prompt
Parámetros de la tarea
B2 Por dentro
Ahora sí: qué pasa entre que escriben y aparece la respuesta.
Saquen su teléfono. Escriban «Hola» y toquen la sugerencia del centro diez veces.
«Hola cómo estás bien y tú qué haces por acá…»
Su teléfono escribió una frase perfecta sin entender ni una palabra. Solo predijo la siguiente.
¿Qué les salió?
A1b No lee palabras. Lee pedazos que se llaman tokens.
«Camarón que se duerme» no se parte en palabras. Se parte en siete pedazos:
1 token
«perro» · «casa» · «inteligencia»
4 tokens
«electromovilidad» · «psicosocial»
A1b ¿Y por qué pedazos, y no palabras completas?
Antes
Palabra por palabra
Un diccionario cerrado. El del teclado de su teléfono tiene 10,000 palabras. Lo que no está en la lista, no existe.
«electromovilidad» → ???
«Cd. Juárez» → ???
«chilaquiles» → ???
Ahora
Por pedazos
Entre 100 y 200 mil pedazos, según el modelo, con los que se arma cualquier palabra, en cualquier idioma.
elect + rom + ov + ilidad ✓
Cd + . + Ju + árez ✓
ch + ila + qu + iles ✓
A1b Y lo único que hace es adivinar el siguiente
Más vale pájaro en mano que ____
Porcentajes de ejemplo, para ver la forma de la decisión
A1b Bajo el capó: ¿qué es realmente ChatGPT?
A1b Las instrucciones no son órdenes. Son el principio del texto que va a completar.
Por eso funcionan las instrucciones de un asistente, y por eso el prompt maestro que van a escribir esta tarde cambia lo que construyen mañana.
A1b ¿Y cómo sabe que «taller» y «curso» se parecen?
Porque cada palabra tiene una ubicación. Las que se usan parecido quedan cerca.
distancia(«taller», «curso») = 0.12, muy cerca
distancia(«taller», «pizza») = 0.89, muy lejos
Cada palabra es una coordenada
«taller» = [ 0.82, -0.15, 0.43, … ]
«curso» = [ 0.79, -0.12, 0.51, … ]
«examen» = [ 0.31, 0.88, -0.05, … ]
«pizza» = [ -0.31, 0.67, -0.22, … ]
Y se pueden sumar y restar
Rey − Hombre + Mujer ≈ Reina
El parecido entre palabras es una operación, no una intuición
A1b Al leer una palabra, mira a las demás y les da un peso
Toquen cualquier palabra de la frase.
Pesos de ejemplo, para ver la forma del reparto
A1b Y ese peso cambia según la frase
Pesos de ejemplo, para ver la forma del reparto
A1b Solo puede ver una cantidad limitada de tokens a la vez.
Se llama ventana de contexto.
Por eso a media conversación parece que «se le olvidó» lo que le dijeron al principio. No se le olvidó: ya no lo está viendo.
A1b Cuánto cabe en esa ventana, y cómo ha crecido
| Cuándo | Modelo | Cuánto ve de un jalón | Más o menos |
|---|---|---|---|
| 2020 | GPT-3 | 4 mil tokens | unas 6 páginas |
| 2023 | GPT-4 | 128 mil tokens | unas 190 páginas |
| Hoy | Claude, Gemini, GPT-5.6 | 1 millón | unas 1,500 páginas |
Aun así se llena. Y cuando se llena, lo viejo deja de verse.
A1b Véanlo ustedes: cuántos tokens gasta su propio texto
Peguen cualquier párrafo suyo en platform.openai.com/tokenizer y vean cómo lo parte.
Prueben con una palabra técnica de su sector. Casi siempre gasta más tokens de los que esperan.
A1b Y hay otra forma de aprender: por consecuencia
A1b Todo lo que vimos fue con texto. El mismo truco funciona con imagen, con audio y con video.
Clasificar y generar no son lo mismo
Lo que ustedes entrenaron
Ve una foto y elige entre dos montones: perro o no perro.
No produce nada. Solo señala.
Se le llama modelo de clasificación.
Lo que usan todos los días
Recibe una instrucción y produce algo que no existía.
Un texto, una imagen, una voz, un video, código.
A esta familia se le llama IA generativa.
A2a La misma idea, con otra materia prima
| Qué genera | Qué aprendió a predecir | Dónde lo han visto |
|---|---|---|
| Texto | La siguiente palabra, en montañas de texto | ChatGPT · Gemini · Claude |
| Imagen | Cómo se ve una foto, a partir de millones de fotos | La mano de seis dedos |
| Voz y audio | Cómo suena una voz, a partir de miles de horas | Doblajes y lectores automáticos |
| Video | Cómo se mueve una escena, cuadro por cuadro | Los videos que ya no distinguen |
| Código | La siguiente línea, en millones de programas | Lo que van a usar el jueves |
A2a El modelo y la herramienta no son la misma cosa.
Uno es el motor. La otra es el coche. Y hay marcas que le pusieron el mismo nombre a los dos.
A2a Dos capas, y casi nadie las separa
Lo que ustedes abren
↓ por dentro le llama a
Lo que la mueve por dentro
A2a Tres formas de usar el mismo modelo. Escoger mal cuesta tiempo.
Chat
Responde. ChatGPT, Claude, Gemini
Asistente
Responde con tus reglas y tus documentos. Gemini Gems, Claude Projects
Agente
Además hace cosas. Antigravity, AI Studio
A2 Modelo + Herramientas = Agente
Mañana van a construir con un agente. No es magia: es este ciclo, repitiéndose.
A2 Y dentro de cada marca hay tres gamas. Escoger mal se paga.
| Para qué | Cómo se llaman hoy | Cuesta |
|---|---|---|
| Rutina clasificar, resumir, extraer | Haiku 4.5 · GPT-5.6 Luna · Gemini 3.1 Flash-Lite | $0.20 a $1 |
| Trabajo diario escribir, analizar, responder | Sonnet 5 · GPT-5.6 Terra · Gemini 3.8 Flash | $0.75 a $2 |
| Lo difícil razonar largo, programar | Opus 5 · GPT-6 Astra · Gemini 3.1 Pro | $2 a $10 |
Dólares por millón de tokens de entrada. Precios oficiales de septiembre de 2026.
A2 Y todos tienen una fecha después de la cual no saben nada
Sin buscar en internet
«¿Cuántos centros de capacitación certificados hay hoy en Chihuahua?»
Inventa un número, dice que no sabe, o te da uno de hace dos años sin avisarte cuál de las tres cosas hizo.
Con búsqueda web
La misma pregunta
Busca, y te da algo verificable y con fecha. Que puedes abrir y comprobar.
A2 Qué sí puede y qué no, en corto
Sí puede
Resumir documentos largos
Escribir y explicar código
Analizar datos que le pegues
Traducir
Razonar paso a paso
Proponer un diagnóstico a partir de señales
No puede
Garantizar que lo que dice es cierto
Hacer cuentas exactas sin calculadora
Acordarse de la conversación de ayer
Dar la misma respuesta dos veces
Saber lo que pasó después de su fecha de corte
Decirte cuándo se está equivocando
A2 Definir
Un problema real, un modelo de datos y una lista de tareas.
Las instrucciones son el 80 % del resultado de un asistente: no el modelo que elijan.
C2 Anatomía de una instrucción profesional
C2 Memoria útil, no chisme: qué sí meterle y qué no
No le metas
Sí le metes
C3 Ya saben especificar. Ahora hay que decidir QUÉ construir, y que sea un problema real.
Una idea vaga nunca se construye. Un problema bien definido sí.
Idea vaga
Problema definido
¿Cuántos proyectos han visto morir por quedarse en idea vaga?
D1 Seis campos que un Need Card no puede omitir
Problema
¿Qué pasa hoy que no debería?
Usuario
¿A quién le pasa?
Impacto
¿Qué cuesta que siga pasando?
Métrica
¿Cómo sabremos que mejoró?
Restricciones
¿Qué no podemos tocar?
Piloto
¿Con quién lo probamos y cuánto dura?
D1 Llenen su Need Card con la IA como copiloto
Parámetros de la tarea
Contexto institucional de su caso + el problema en una frase.
Usen el prompt de los 5 elementos. El problema no puede empezar con «necesitamos una app».
D1 Su Need Card todavía es una hipótesis.
El temario pide evidencia de que el problema es real. Una opinión no es evidencia.
D2 Pregunten por el pasado, no por intenciones futuras
Produce cortesía
¿Te parece buena idea?
¿Usarías algo así?
¿Esta función suena útil?
Produce datos
¿Cuándo te pasó por última vez?
¿Qué hiciste para resolverlo?
¿Cuánto tiempo o dinero te costó?
Lo de la izquierda se siente como validación de mercado. Es un montón de consuelos difíciles de usar para decidir.
D2 Reescriban tres preguntas de validación
Consigna
¿A quién pueden llamar hoy mismo, aunque sean cinco minutos?
D2 Una base de datos es una hoja de cálculo con reglas.
Nada más. Y las reglas son lo que separa una base usable de un desastre.
¿Quién ha visto una hoja de cálculo donde la fecha está escrita de seis formas distintas?
D3 Tres palabras y ya sabes leer una base de datos
Entidad
De qué tipo de cosa guardas una lista. Egresado, Curso, Inscripción
Campo
Cada columna de esa lista. Nombre, fecha, estatus
Relación
Cuando una lista apunta a otra. Esta Inscripción pertenece a ese Egresado
D3 Cinco reglas de datos que evitan el 90 % del dolor
Y no es el nombre
No «el martes pasado»
pendiente / en curso / cerradoCinco valores, no 120 escritos distinto
D3 Dibujen su Entidad → Campos → Reglas
Consigna
¿Cuál de sus campos va a terminar siendo texto libre si no lo cierran hoy?
D3 Un ticket es la unidad más pequeña que se puede construir y probar
Un ticket útil tiene
Una entrada clara y una salida clara. Si no puedes decir cuándo está terminado, no es un ticket.
Su Need Card se parte en 15 a 25 tickets.
D4 Así se ve un backlog priorizado
D4 Generen su backlog y luego pódenlo a mano
Parámetros de la tarea
Pídanle a la IA 15-25 tickets a partir de su Need Card y su modelo de datos.
Después quiten los vagos, marquen bloqueadores y quick wins.
D4 Dirigir
El plan técnico con el que mañana construyen.
Vibe coding no es «pedir y rezar»: es dirigir a la IA con un plan claro
¿Alguien ya vivió el caos de pedir y rezar con IA?
E1 Seis principios para dirigir a un agente
Ser preciso
Ambigüedad adentro, ambigüedad afuera
Una tarea a la vez
No cinco cosas en un prompt
Prompts específicos
«Arréglalo» no es una instrucción
Proyecto ordenado
Si tú no lo entiendes, él tampoco
Sesión fresca
No arrastres lo de ayer
Paciencia al depurar
El primero casi nunca es el bueno
E1 Todo sistema, por simple que sea, tiene las mismas 4 piezas
E2 Marquen cada ticket con su pieza
Consigna
¿Tienen tickets de la pieza Errores, o se les olvidó por completo?
E2 Mañana su juego se convierte en un sistema. Elijan por dónde.
A · Sin instalar nada
AI Studio → Firestore → Cloud Run
Todo en navegador. Funciona con cuenta institucional
B · Con IDE
Antigravity → Supabase → Netlify
Requiere instalar y Gmail personal
C · Control
Claude Code / Cursor
Terminal desde el minuto uno. Requiere pago
E3 Escriban su camino junto a su backlog
Parámetros de la tarea
E3 El prompt maestro es lo que evita que el proyecto se desarme mañana.
E4 Anatomía del prompt maestro
E4 Un prompt maestro real, listo para copiar
Rol: Copiloto técnico. Construimos con [camino].
Datos: Egresado (id, nombre, correo, generación, estatus).
Estatus: activo / contactado / sin respuesta.
Alcance: Captura, lista y conteo. Nada más.
Reglas: Una tarea a la vez. Si algo es ambiguo, pregunta.
E4 Escriban su prompt maestro
Parámetros de la tarea
Los cuatro bloques, sobre su propio proyecto.
E4 Mañana este prompt se convierte en pantallas, base de datos y una URL que cualquiera puede abrir.
Cierre del día