Archivo de la etiqueta: Prompts

Competencias en búsqueda de información en la era de la IA generativa

Chao Cai, Jane K. Yatcilla, Academic search literacy in the age of generative AI: A conceptual framework for navigating the search-language ecology, The Journal of Academic Librarianship,
Volume 52, Issue 5, 2026, 103323, ISSN 0099-1333, https://doi.org/10.1016/j.acalib.2026.103323.

El artículo analiza cómo la aparición de la IA generativa está transformando la manera en que estudiantes, investigadores y profesionales buscan, recuperan y evalúan información académica. Su punto de partida es que herramientas como los asistentes conversacionales y los sistemas de búsqueda basados en lenguaje natural no deberían entenderse necesariamente como una ruptura absoluta con las formas anteriores de recuperación de información. Más bien, se incorporan a una ecología de lenguajes y estrategias de búsqueda que ya incluye catálogos, bases de datos bibliográficas, buscadores académicos, operadores booleanos, palabras clave y otros mecanismos tradicionales. La IA amplía este ecosistema y modifica la relación entre el usuario y las herramientas de recuperación.

Una de las aportaciones principales es la propuesta de un marco de cuatro dimensiones para comprender la competencia en búsqueda académica en la era de la IA generativa. El planteamiento intenta superar una concepción de la alfabetización informacional centrada exclusivamente en conocer técnicas concretas —por ejemplo, utilizar operadores booleanos o seleccionar palabras clave— para avanzar hacia una competencia más amplia, relacionada con la capacidad del usuario para formular, reformular, negociar y evaluar sus propias preguntas de investigación. En este sentido, buscar información deja de ser simplemente introducir una consulta en un sistema y seleccionar resultados para convertirse en un proceso intelectual de construcción progresiva del problema.

El artículo concede especial importancia a la diferencia entre búsqueda por conveniencia y búsqueda responsable. Las herramientas generativas pueden hacer que encontrar una respuesta parezca mucho más sencillo: el usuario formula una pregunta en lenguaje natural y recibe una respuesta elaborada, sintetizada y aparentemente pertinente. Sin embargo, esa comodidad no garantiza que la información recuperada sea correcta, completa, relevante o verificable. Por ello, el trabajo plantea la necesidad de distinguir explícitamente entre utilizar la IA porque proporciona una respuesta rápida y utilizarla dentro de un proceso consciente de búsqueda, comprobación y evaluación de fuentes.

Otro aspecto interesante es la revisión del papel que tradicionalmente han desempeñado los operadores booleanos y las estrategias estructuradas de recuperación. El artículo señala que los criterios de responsabilidad asociados a la lógica booleana pueden resultar insuficientes en ámbitos en los que los conceptos tienen fronteras difusas o son difíciles de definir con precisión. Esto es especialmente relevante en las ciencias sociales y humanas, donde una misma cuestión puede expresarse mediante diferentes vocabularios, perspectivas conceptuales o tradiciones disciplinares. La IA generativa puede ayudar a explorar esas variaciones lingüísticas, pero esa posibilidad exige que el usuario comprenda qué está preguntando y qué consecuencias tiene cada formulación.

En este contexto, el prompt adquiere una consideración diferente. El artículo propone interpretar la elaboración de instrucciones para una IA generativa no simplemente como una habilidad técnica para conseguir mejores respuestas, sino como una forma de “negociación de preguntas” autogestionada por el usuario. Es decir, escribir un buen prompt implica pensar qué se quiere conocer, qué información falta, qué contexto debe proporcionar el usuario, qué restricciones deben establecerse y cómo se comprobará posteriormente la respuesta obtenida. La competencia no reside, por tanto, únicamente en saber “hablar con la IA”, sino en saber interrogar, cuestionar y conducir el proceso de búsqueda.

Esta perspectiva tiene importantes implicaciones para las bibliotecas universitarias y la alfabetización informacional. El bibliotecario deja de ser únicamente el profesional que enseña a localizar información en catálogos y bases de datos y adquiere un papel más amplio como mediador de los procesos de búsqueda en un entorno híbrido, donde conviven buscadores tradicionales, bases de datos académicas y sistemas de IA generativa. La formación debe enseñar no solo dónde buscar, sino también cómo formular preguntas, contrastar resultados, rastrear las fuentes originales, reconocer limitaciones y decidir qué nivel de evidencia es necesario para cada propósito académico.

En definitiva, el artículo propone pasar de una concepción de la alfabetización en búsqueda basada fundamentalmente en “saber utilizar una herramienta” a otra centrada en comprender el proceso de búsqueda y mantener el control intelectual sobre él. La IA generativa puede facilitar enormemente la exploración de información, pero no elimina la necesidad de competencias de búsqueda; al contrario, las hace más complejas. El usuario necesita comprender las diferentes posibilidades de recuperación, evaluar críticamente las respuestas generadas y mantener una actitud responsable ante las fuentes. La aportación resulta especialmente relevante para repensar la alfabetización informacional y la alfabetización en IA, porque sitúa en el centro no la tecnología, sino la capacidad humana para formular preguntas, interpretar resultados y construir conocimiento

Inteligencia Artificial. Fundamentos de Ingeniería de Prompts con ChatGPT como Innovación Impulsora de la Creatividad

Mejía-Trejo, Juan . Inteligencia Artificial. Fundamentos de Ingeniería de Prompts con ChatGPT como Innovación Impulsora de la Creatividad (Más de 500 prompts incluídos)., 2024 1, 1 . ACADEMIA MEXICANA DE INVESTIGACIÓN Y DOCENCIA EN INNOVACIÓN (AMIDI). [Book]

Texto completo

El libro Inteligencia Artificial. Fundamentos de Ingeniería de Prompts con ChatGPT como innovación impulsora de la creatividad es una obra indispensable para comprender los pilares esenciales de la inteligencia artificial (IA) y sus diversas aplicaciones. En este contexto, la IA y, específicamente, la plataforma ChatGPT se presentan como herramientas clave que están transformando profundamente la manera en que interactuamos con la tecnología y generamos contenido. La obra abarca desde los fundamentos teóricos de la IA hasta estrategias prácticas de ingeniería de prompts para optimizar el uso de ChatGPT. Con más de 500 prompts incluidos

Formular solicitudes peligrosas en forma de poesía puede hacer que chatbots de IA generen contenido prohibido

Gault, Matthew. “Poems Can Trick AI Into Helping You Make a Nuclear Weapon.” Wired, November 28, 2025. https://www.wired.com/story/poems-can-trick-ai-into-helping-you-make-a-nuclear-weapon/

Un estudio reciente de Icaro Lab ha descubierto una brecha importante en los sistemas de seguridad de los grandes modelos de lenguaje (LLMs): formular solicitudes peligrosas en forma de poesía puede hacer que chatbots de IA generen contenido prohibido, como instrucciones sobre cómo fabricar armas nucleares o malware, que normalmente rechazarían si la petición fuese directa. La técnica, denominada “poetic jailbreak”, logra evadir las barreras de seguridad tradicionales al enmascarar la intención dañina en versos con metáforas, sintaxis fragmentada y secuencias de palabras inesperadas que confunden los mecanismos de clasificación y filtrado de las IA. Estas solicitudes diseñadas para reconocer y bloquear solicitudes dañinas basadas en palabras clave u otros patrones, resultan sorprendentemente frágiles ante variaciones estilísticas del lenguaje, como las que presenta la poesía.

Los investigadores probaron su método en 25 modelos de chatbot de diferentes proveedores importantes, incluidos sistemas de OpenAI, Meta y Anthropic, y encontraron que la poesía logró tasas significativas de “jailbreak” —es decir, de respuesta a solicitudes peligrosas— con un promedio de alrededor del 62% en poemas elaborados a mano y alrededor del 43% en conversiones automáticas de prosa a verso. En algunos casos con modelos de vanguardia, las tasas de éxito alcanzaron hasta el 90%, lo que demuestra que incluso peticiones sofisticados pueden fracasar cuando se enfrentan a formas creativas de lenguaje que alteran las rutas de procesamiento interno del modelo sin cambiar el contenido semántico básico de la pregunta.

En términos técnicos, los autores explican que los elementos poéticos —como la elección de palabras de baja probabilidad y las estructuras inusuales— pueden desplazar las representaciones internas de los prompts fuera de las regiones del espacio semántico que las herramientas de seguridad escanean habitualmente. Para los humanos, un verso enmascarado y una pregunta directa pueden tener el mismo significado, pero para las IA y sus sistemas de protección automatizados, la poesía puede alterar cómo se interpreta y evalúa una petición, evitando que se active una alarma o un “shutdown” ante contenidos sensibles. Este hallazgo subraya limitaciones fundamentales en los métodos actuales de alineación y evaluación de seguridad de los modelos, y plantea interrogantes urgentes sobre cómo reforzar las defensas contra ataques lingüísticos creativos que explotan este tipo de vulnerabilidades.

Introducción a Prompt Engineering

Academia IA. Introducción a Prompt Engineering: La Nota. Academia IA, marzo de 2024. https://academia-ia.com/wp-content/uploads/2024/03/PROMPT-ENGINEERING-LA-NOTA.pptx.pdf

Prompt Engineering ofrece una introducción concisa y visual al arte de diseñar indicaciones efectivas para interactuar con modelos de lenguaje como ChatGPT. El documento destaca la importancia de la claridad y precisión en la formulación de prompts para obtener respuestas útiles y coherentes de la inteligencia artificial. Se exploran diversas estrategias y mejores prácticas para mejorar la interacción con estos sistemas, facilitando su aplicación en tareas profesionales, educativas y creativas. Además, se enfatiza la relevancia del prompt engineering en el contexto actual de la inteligencia artificial, donde la calidad de las interacciones puede determinar el éxito de su implementación en diferentes ámbitos.

ChatGPT: Aprendizaje rápido de ingeniería de prompts con más de 100 ejemplos

Hernández, J.A., Conde, Javier, Querol, Blanca, Martínez, G., Reviriego, P. ChatGPT Tus primeros prompts con 100 ejemploss. Universidad Politécnica de Madrid, 2024.

Español

Inglés

Está guía está diseñada para ayudar a usuarios de todos los niveles a dominar la técnica del prompt engineering, es decir, la creación de indicaciones efectivas para interactuar con modelos de lenguaje como ChatGPT.

La obra se estructura en torno a más de 100 ejemplos prácticos que ilustran cómo formular preguntas y comandos claros y precisos para obtener respuestas útiles y coherentes de la inteligencia artificial. Cada ejemplo está acompañado de una explicación detallada que contextualiza su uso y destaca las mejores prácticas en la redacción de indicaciones.

Además de los ejemplos, el libro ofrece una introducción teórica sobre el funcionamiento de los modelos de lenguaje y la importancia de una comunicación efectiva con la IA. También se abordan aspectos éticos y consideraciones sobre el impacto de la inteligencia artificial en diversos campos.

En resumen, esta obra se presenta como una herramienta esencial para quienes deseen mejorar su interacción con modelos de lenguaje avanzados, facilitando su aplicación en tareas profesionales, educativas y creativas.

Prompt Engineering

Lee Boonstra. Prompt Engineering. Innopreneur, abril de 2025. https://www.innopreneur.io/wp-content/uploads/2025/04/22365_3_Prompt-Engineering_v7-1.pdf.innopreneur.io

El documento «Prompt Engineering» de Lee Boonstra, publicado por Innopreneur en abril de 2025, ofrece una guía detallada sobre la creación de indicaciones efectivas para modelos de inteligencia artificial, especialmente aquellos basados en el modelo Gemini dentro de Vertex AI. El texto destaca la importancia de redactar indicaciones precisas y bien estructuradas para obtener respuestas útiles y coherentes de los modelos de IA. Además, se exploran diversas técnicas y estrategias para mejorar la interacción con estos sistemas, facilitando su aplicación en tareas prácticas y profesionales.