Ya estoy inscrito ¿Todavía no tienes acceso? Nuestros Planes
Ya estoy inscrito ¿Todavía no tienes acceso? Nuestros Planes
Solucionado (ver solución)
Solucionado
(ver solución)
2
respuestas

[Proyecto] Práctica 4 -ImportaIA: Refinamiento de Prompts y Dashboards comparativos

Hola, comunidad:

Comparto mi Práctica 4 de la clase “Interacción mediante prompts”, desarrollada con ImportaIA, un caso académico de una importadora ficticia chilena de café y equipos. Todos los datos, costos y beneficios utilizados son simulados.

Siguiendo las instrucciones de la actividad, definí el contexto, el rol, el tono y el formato de respuesta, y comparé los análisis de Claude y ChatGPT mediante dos versiones del prompt: V1 y V2. El informe documenta las instrucciones originales, los ajustes realizados y los hallazgos de la revisión humana.

El análisis distingue inversión inicial, costos recurrentes, beneficios monetarios supuestos y capacidad laboral liberada. También incorpora sensibilidad y recuperación simple de la inversión, manteniendo una distinción fundamental: liberar horas de trabajo no equivale automáticamente a generar ahorro de caja.

Además, exploré dos alternativas para presentar e interactuar con el mismo caso: un dashboard publicado en Lovable y una versión HTML desarrollada con Claude, que puede descargarse y abrirse localmente. La intención fue ofrecer distintas formas de acceso, para que cada usuario pueda elegir según sus recursos, preferencias y comodidad de uso.

Comprobé escenarios en Chrome y Microsoft Edge y contrasté las exportaciones JSON. En los casos revisados, ambas versiones entregaron resultados numéricos coincidentes. Esta experiencia muestra que podemos ofrecer distintas formas de interacción y conservar la coherencia del análisis, siempre que utilicemos los mismos datos, supuestos y criterios de cálculo.

El proyecto requirió varias sesiones de trabajo; no registré las horas exactas. Una parte importante del esfuerzo se concentró en refinar las instrucciones, revisar los cálculos y corregir ambigüedades. Mi principal aprendizaje fue que la calidad del resultado depende tanto de cómo formulamos el prompt como de cómo evaluamos la respuesta.

2 respuestas
solución!

Hola,

¡Gracias por compartir tu experiencia con la Práctica 4! Parece que has hecho un trabajo muy detallado y exhaustivo, lo cual es genial. Basándome en lo que has descrito, parece que has seguido muy bien las instrucciones de la actividad, especialmente en términos de definir el contexto, el rol, el tono y el formato de respuesta.

Un aspecto clave que mencionas es la comparación entre diferentes modelos de IA, como Claude y ChatGPT, utilizando dos versiones del prompt. Esto es fundamental para entender cómo diferentes modelos pueden interpretar y responder a las mismas instrucciones. Además, el hecho de que hayas comprobado la coherencia de los resultados numéricos entre los diferentes escenarios y formatos (dashboard en Lovable y versión HTML con Claude) es un buen ejemplo de cómo asegurar la consistencia en el análisis.

Dado que mencionas que la calidad del resultado depende en gran medida de cómo se formula el prompt y se evalúa la respuesta, podrías considerar documentar tus iteraciones de refinamiento del prompt. Esto te permitirá ver qué ajustes específicos llevaron a mejoras en las respuestas de los modelos de IA.

Finalmente, aunque no registraste las horas exactas de trabajo, el tiempo dedicado al refinamiento de las instrucciones y la revisión de cálculos es una inversión valiosa en el aprendizaje y comprensión de cómo interactuar eficazmente con modelos de IA.

Espero que esta reflexión te sea útil. ¡Espero haber ayudado y buenos estudios!

Hola, Lorena:

Muchas gracias por tus observaciones. El proyecto me permitió comprobar que el trabajo no termina al obtener una respuesta o construir un dashboard: también requiere contrastar cálculos, revisar supuestos y corregir ambigüedades.

En la carpeta compartida incluí los prompts V1 y V2 completos, las respuestas originales de Claude y ChatGPT y el informe comparativo. Tu sugerencia me ayuda a precisar mejor la documentación: vincular cada ajuste con su propósito y con los cambios observados en las respuestas, distinguiendo las mejoras de los requisitos nuevos.

También fue útil experimentar con Lovable y una versión HTML creada con Claude, ofreciendo distintas formas de interactuar con el mismo análisis y comprobando la coincidencia de los resultados en los escenarios revisados.

Gracias por la orientación y por acompañar este proceso de aprendizaje.