{"id":154,"date":"2025-11-21T13:32:00","date_gmt":"2025-11-21T18:32:00","guid":{"rendered":"https:\/\/marybernalj.com\/blog\/?p=154"},"modified":"2026-01-18T13:33:50","modified_gmt":"2026-01-18T18:33:50","slug":"hacer-mejores-preguntas-es-mas-importante-que-tener-mejores-modelos","status":"publish","type":"post","link":"https:\/\/marybernalj.com\/blog\/index.php\/2025\/11\/21\/hacer-mejores-preguntas-es-mas-importante-que-tener-mejores-modelos\/","title":{"rendered":"Hacer mejores preguntas es m\u00e1s importante que tener mejores modelos"},"content":{"rendered":"
\n
\"\"<\/figure>\n<\/div>\n\n\n

En los \u00faltimos meses hemos visto c\u00f3mo los modelos de lenguaje se vuelven cada vez m\u00e1s potentes. M\u00e1s par\u00e1metros, m\u00e1s datos, m\u00e1s capacidad de c\u00f3mputo. Y, sin embargo, algunas veces el resultado resulta confuso o simplemente poco \u00fatil. No porque el modelo sea malo, sino porque la pregunta lo fue<\/strong>.<\/p>\n\n\n\n

Hay una idea que se repite poco, pero que cambia por completo la forma de usar la IA: la calidad de la respuesta depende directamente de la calidad de la pregunta<\/strong>. Y esto no es una met\u00e1fora; es una consecuencia t\u00e9cnica.<\/p>\n\n\n\n

Un modelo de lenguaje no adivina lo que queremos. No conoce nuestras intenciones ocultas ni nuestro contexto mental. Solo trabaja con lo que le damos: palabras, instrucciones, ejemplos, restricciones. Todo lo dem\u00e1s lo completa por probabilidad. Por eso, cuando hacemos preguntas vagas, obtenemos respuestas vagas. Cuando pedimos \u201calgo general\u201d, recibimos generalidades. Y cuando no damos contexto, el modelo lo inventa.<\/p>\n\n\n\n

Pensemos en una solicitud t\u00edpica:<\/p>\n\n\n\n

\u201cExpl\u00edcame qu\u00e9 es la inteligencia artificial.\u201d<\/p>\n\n\n\n

La respuesta probablemente ser\u00e1 correcta, bien escrita\u2026 Ahora comparemos con algo ligeramente distinto:<\/p>\n\n\n\n

\u201cExpl\u00edcame qu\u00e9 es la inteligencia artificial para un profesor de primaria que quiere usarla como apoyo pedag\u00f3gico, no como sustituto del pensamiento cr\u00edtico.\u201d<\/p>\n\n\n\n

El modelo es el mismo. La diferencia est\u00e1 en la pregunta. Al agregar contexto, prop\u00f3sito y l\u00edmite<\/strong>, activamos respuestas m\u00e1s \u00fatiles, m\u00e1s alineadas y m\u00e1s accionables.<\/p>\n\n\n\n

Hacer buenas preguntas no es un asunto t\u00e9cnico; es una habilidad cognitiva. Implica saber qu\u00e9 necesitamos realmente, para qu\u00e9 lo necesitamos y en qu\u00e9 contexto vamos a usar la respuesta. En ese sentido, interactuar con IA se parece mucho m\u00e1s a dialogar con un colega que a consultar un buscador. No se trata de escribir m\u00e1s, sino de pensar mejor antes de escribir<\/strong>.<\/p>\n\n\n\n

Esto se vuelve a\u00fan m\u00e1s evidente cuando usamos IA en contextos profesionales o de investigaci\u00f3n. Supongamos que pedimos:<\/p>\n\n\n\n

\u201cAnaliza estos datos.\u201d<\/p>\n\n\n\n

Sin marco, sin objetivo, sin criterios. El modelo puede describir tendencias gen\u00e9ricas, pero dif\u00edcilmente aportar\u00e1 valor real. En cambio, si decimos:<\/p>\n\n\n\n

\u201cAnaliza estos datos con el objetivo de identificar patrones longitudinales relevantes para la toma de decisiones en salud p\u00fablica, considerando posibles sesgos y datos faltantes.\u201d<\/p>\n\n\n\n

Aqu\u00ed ya no estamos pidiendo un milagro, estamos guiando el an\u00e1lisis<\/strong>. Le estamos diciendo al modelo qu\u00e9 mirar y, casi m\u00e1s importante, qu\u00e9 no asumir.<\/p>\n\n\n\n

Este punto es clave: la IA no falla solo por limitaciones t\u00e9cnicas, sino porque muchas veces le delegamos la tarea de pensar<\/strong>, cuando su rol real es acompa\u00f1ar nuestro pensamiento. Un buen modelo amplifica una buena pregunta, pero no corrige una mala.<\/p>\n\n\n\n

Por eso, en lugar de obsesionarnos con tener siempre \u201cel \u00faltimo modelo\u201d, quiz\u00e1 deber\u00edamos entrenarnos m\u00e1s en formular preguntas con intenci\u00f3n. Preguntas que aclaren el contexto, expliciten el objetivo y reconozcan las limitaciones. Preguntas que no buscan una verdad cerrada, sino una exploraci\u00f3n \u00fatil.<\/p>\n\n\n\n

Hacer mejores preguntas tambi\u00e9n es una forma de \u00e9tica. Porque reduce el riesgo de respuestas enga\u00f1osas, de automatizaciones acr\u00edticas y de decisiones mal fundamentadas. Nos obliga a asumir responsabilidad sobre lo que preguntamos y sobre lo que hacemos con lo que recibimos.<\/p>\n\n\n\n

Veamos algunos ejemplos pr\u00e1cticos<\/strong><\/p>\n\n\n\n

C\u00f3mo se ve una mala pregunta frente a una buena pregunta, usando el mismo modelo, la misma herramienta y el mismo contexto. Lo \u00fanico que cambia es la forma en que formulamos el prompt. En los siguientes ejemplos hay intenci\u00f3n, contexto y claridad. Y eso, muchas veces, marca toda la diferencia.<\/p>\n\n\n\n

\n\n\n\n
\u00c1rea<\/strong><\/td>Prompt poco claro<\/strong><\/td>Prompt mejor formulado<\/strong><\/td><\/tr>
Educaci\u00f3n<\/strong><\/td>Expl\u00edcame este tema.<\/td>Expl\u00edcame este tema para estudiantes universitarios de primer semestre, usando un lenguaje sencillo, un ejemplo cotidiano y una pregunta final que invite a la reflexi\u00f3n.<\/td><\/tr>
Investigaci\u00f3n<\/strong><\/td>Analiza estos resultados.<\/td>Analiza estos resultados desde una perspectiva longitudinal, se\u00f1alando patrones relevantes, posibles sesgos y limitaciones metodol\u00f3gicas.<\/td><\/tr>
Salud<\/strong><\/td>Resume este art\u00edculo.<\/td>Resume este art\u00edculo destacando implicaciones pr\u00e1cticas para la toma de decisiones cl\u00ednicas y aclarando qu\u00e9 resultados no deben extrapolarse.<\/td><\/tr>
An\u00e1lisis de datos<\/strong><\/td>\u00bfQu\u00e9 dicen estos datos?<\/td>Identifica patrones relevantes en estos datos para apoyar la toma de decisiones, considerando valores faltantes y posibles sesgos de selecci\u00f3n.<\/td><\/tr>
Empresa \/ Innovaci\u00f3n<\/strong><\/td>Dame ideas para usar IA.<\/td>Prop\u00f3n usos realistas de IA para una organizaci\u00f3n mediana, con recursos limitados, priorizando procesos donde la IA complemente el trabajo humano.<\/td><\/tr>
Comunicaci\u00f3n<\/strong><\/td>Ay\u00fadame a escribir un texto.<\/td>Ay\u00fadame a escribir un texto claro y cercano, dirigido a un p\u00fablico no t\u00e9cnico, manteniendo rigor conceptual y cerrando con una reflexi\u00f3n.<\/td><\/tr>
Docencia con IA<\/strong><\/td>Haz preguntas para mis estudiantes.<\/td>Dise\u00f1a preguntas abiertas que fomenten pensamiento cr\u00edtico y discusi\u00f3n, evitando respuestas mec\u00e1nicas o memorizadas.<\/td><\/tr>
Planeaci\u00f3n estrat\u00e9gica<\/strong><\/td>Analiza este problema.<\/td>Analiza este problema desde una perspectiva estrat\u00e9gica, proponiendo escenarios posibles, riesgos asociados y supuestos clave.<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n

Estos ejemplos tienen algo en com\u00fan: no le piden a la IA que adivine<\/strong>, le piden que acompa\u00f1e un proceso de pensamiento ya iniciado. La tecnolog\u00eda responde mejor cuando percibe direcci\u00f3n, prop\u00f3sito y l\u00edmites.<\/p>\n\n\n\n

Quiz\u00e1 por eso, m\u00e1s que aprender a usar nuevas herramientas, el verdadero desaf\u00edo est\u00e1 en aprender a formular mejores preguntas<\/strong>. Porque cada pregunta es, en el fondo, una decisi\u00f3n. Y decidir bien sigue siendo una responsabilidad profundamente humana.<\/p>\n\n\n\n

Usar bien la IA no consiste en encontrar la frase perfecta, sino en aprender a dialogar: explicar, refinar, volver a preguntar. En ese intercambio, la tecnolog\u00eda deja de ser una caja negra y se convierte en una herramienta que amplifica criterio, no que lo sustituye.<\/p>\n\n\n\n

\u00bfQu\u00e9 pregunta vas a mejorar hoy?<\/strong><\/p>\n\n\n\n

<\/p>\n","protected":false},"excerpt":{"rendered":"

En los \u00faltimos meses hemos visto c\u00f3mo los modelos de lenguaje se vuelven cada vez m\u00e1s potentes. M\u00e1s par\u00e1metros, m\u00e1s datos, m\u00e1s capacidad de c\u00f3mputo. Y, sin embargo, algunas veces el resultado resulta confuso o simplemente poco \u00fatil. No porque el modelo sea malo, sino porque la pregunta lo fue. Hay una idea que se […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[9],"tags":[22,25],"class_list":["post-154","post","type-post","status-publish","format-standard","hentry","category-inteligencia-artificial","tag-datos","tag-ia"],"_links":{"self":[{"href":"https:\/\/marybernalj.com\/blog\/index.php\/wp-json\/wp\/v2\/posts\/154","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/marybernalj.com\/blog\/index.php\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/marybernalj.com\/blog\/index.php\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/marybernalj.com\/blog\/index.php\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/marybernalj.com\/blog\/index.php\/wp-json\/wp\/v2\/comments?post=154"}],"version-history":[{"count":1,"href":"https:\/\/marybernalj.com\/blog\/index.php\/wp-json\/wp\/v2\/posts\/154\/revisions"}],"predecessor-version":[{"id":156,"href":"https:\/\/marybernalj.com\/blog\/index.php\/wp-json\/wp\/v2\/posts\/154\/revisions\/156"}],"wp:attachment":[{"href":"https:\/\/marybernalj.com\/blog\/index.php\/wp-json\/wp\/v2\/media?parent=154"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/marybernalj.com\/blog\/index.php\/wp-json\/wp\/v2\/categories?post=154"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/marybernalj.com\/blog\/index.php\/wp-json\/wp\/v2\/tags?post=154"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}