Saltar a contenido

Capítulo 7

Ingeniería de Prompts para investigación profesional

7.0 Objetivo del capítulo

Al finalizar este capítulo serás capaz de:

  • Diseñar prompts para realizar investigaciones profundas y estructuradas.
  • Obtener respuestas mejor fundamentadas mediante contexto, alcance y criterios claros. [web:156]
  • Solicitar comparativas, análisis y síntesis de información de forma sistemática. [web:147][web:148]
  • Verificar la confiabilidad de las respuestas generadas por IA usando metodologías de fact checking. [web:139][web:144]
  • Integrar fuentes oficiales y evidencia en tus investigaciones, usando conceptos como grounding y RAG a nivel conceptual. [web:147][web:150]
  • Crear un sistema reutilizable de prompts para investigación dentro de tu PromptBook.

Nos centraremos en metodología de investigación asistida por IA, no en “hacer preguntas sueltas”. La idea es tratar al modelo como un colaborador estructurado dentro de un proceso de investigación que sigue apoyándose en tu pensamiento crítico y tu criterio profesional. [web:146][web:151]

Nota
Investigar con IA no significa que la IA “investigue por ti”, sino que te ayuda a pensar mejor, más rápido y con mejor organización, siempre que mantengas un enfoque crítico.

7.1 La IA como asistente de investigación

Colaborador, no sustituto

OpenAI, Microsoft y otros actores describen los modelos de lenguaje como colaboradores en procesos de investigación, capaces de explorar grandes volúmenes de información, sintetizar ideas y proponer conexiones, pero no como reemplazo del investigador humano. [web:146][web:147][web:151] El informe “AI as a Scientific Collaborator” de OpenAI subraya que la IA puede acelerar revisión de literatura, generación de hipótesis y análisis preliminar, pero la validación, diseño metodológico y conclusiones siguen siendo responsabilidad humana. [web:146]

Podemos representar este rol así:

graph TD
  Q[Pregunta de investigacion] --> P[Prompt bien diseñado]
  P --> IA[LLM / Herramienta de IA]
  IA --> R[Resultados: ideas, resúmenes, comparativas]
  R --> A[Analisis critico humano]
  A --> V[Verificacion externa]
  V --> C[Conclusiones y decisiones]

En este flujo, la IA te ayuda a generar y organizar información, pero tú analizas, verificas y decides qué es válido para tus objetivos de investigación. [web:146][web:147]

[Ilustración: Una persona frente a dos pantallas: en una, la interfaz de un modelo de IA con resúmenes y comparativas; en la otra, un gestor de referencias y notas académicas. La persona lee, anota y contrasta la información antes de integrarla en su trabajo.]

Tareas que la IA puede acelerar

  • Buscar definiciones, marcos conceptuales y explicaciones iniciales de temas nuevos. [web:151]
  • Generar resúmenes de documentos, papers o informes extensos. [web:151]
  • Proponer esquemas de investigación, listas de variables o posibles hipótesis. [web:146]
  • Comparar posiciones teóricas o tecnológicas basadas en documentación disponible. [web:147][web:148]

Tareas que siguen dependiendo del investigador

  • Formular la pregunta de investigación y el diseño metodológico. [web:146]
  • Evaluar la calidad, relevancia y sesgos de las fuentes utilizadas. [web:145][web:139]
  • Verificar datos clave mediante fuentes independientes y herramientas de fact checking. [web:139][web:144]
  • Interpretar resultados en el contexto de una disciplina, una organización o un problema real.

Consejo
Antes de usar IA, define claramente tu pregunta de investigación y el tipo de respuestas que necesitas (marco teórico, estado del arte, comparativa, síntesis). Un buen prompt comienza con una buena pregunta.

Conclusión de la sección: la IA es un asistente que potencia tu capacidad de investigar, no un sustituto de tu criterio. Integrarla en tu flujo de trabajo exige claridad sobre qué tareas delegas y cuáles mantienes bajo tu responsabilidad. [web:146][web:151]

7.2 Diseñando prompts para investigaciones

Para usar IA en investigación de forma profesional, debes diseñar prompts que funcionen como encargos estructurados, no como preguntas aisladas. Las guías modernas recomiendan especificar tipo de investigación, alcance, nivel de profundidad, audiencia y formato de salida. [web:31][web:68][web:151]

Elementos clave de un prompt de investigación

Basándonos en OCRFE y recomendaciones de OpenAI y Microsoft:

  • Objetivo: tipo de investigación (general, técnica, educativa, de mercado, jurídica, científica). [web:31]
  • Contexto: disciplina, nivel de conocimientos, propósito (artículo, informe, tesis, decisión de negocio). [web:68][web:151]
  • Rol: perspectiva (analista de datos, investigador educativo, abogado, científico). [web:41]
  • Formato: estructura deseada (secciones, tablas, matrices, resúmenes ejecutivos). [web:147]
  • Evaluación: criterios de éxito (por ejemplo, “identificar al menos 3 enfoques teóricos distintos”). [web:43][web:144]

Ejemplos por tipo de investigación

Investigación general

Actua como analista de conocimiento general.

Objetivo:
Elaborar una vision general sobre el impacto de la IA generativa en educacion superior.

Contexto:
El texto se usara como introduccion en un informe para directivos universitarios.

Formato:
Estructura la respuesta en: antecedentes, oportunidades, riesgos, preguntas abiertas.

Evaluacion:
Incluye al menos 3 oportunidades y 3 riesgos con ejemplos concretos.

Investigación técnica

Actua como arquitecto de soluciones basadas en LLM.

Objetivo:
Investigar patrones de uso de RAG (Retrieval Augmented Generation) en aplicaciones empresariales.

Contexto:
El lector es un equipo de desarrollo que evalua integrar RAG con Azure OpenAI y Azure AI Search.

Formato:
Presenta:
- definicion conceptual de RAG;
- principales componentes tecnicos;
- ventajas y limitaciones;
- 3 escenarios de uso con breve descripcion.

Evaluacion:
La respuesta debe reflejar buenas practicas mencionadas en la documentacion de Microsoft Learn y Azure AI Search (sin citar textos exactos). [web:147][web:149][web:158]

Investigación educativa

Actua como investigador en tecnologia educativa.

Objetivo:
Analizar usos actuales de IA generativa en evaluacion formativa en cursos universitarios.

Formato:
Estructura la respuesta en: ejemplos de uso, beneficios, riesgos pedagogicos, recomendaciones.

Investigación de mercado

Actua como analista de mercado.

Objetivo:
Investigar tendencias actuales en herramientas de Ingenieria de Prompts para empresas de software.

Formato:
Incluye una tabla con categorias (IDE de IA, asistentes de codigo, plataformas de prompt management) y una breve descripcion de cada tipo.

Investigación jurídica

Actua como investigador juridico (no como abogado que da asesoramiento legal).

Objetivo:
Identificar temas clave discutidos actualmente en legislacion y regulacion sobre IA generativa.

Formato:
Presenta una sintesis de las principales lineas de regulacion (proteccion de datos, transparencia, responsabilidad), citando ejemplos de jurisdicciones sin emitir recomendaciones legales.

Investigación científica

Actua como colaborador cientifico.

Objetivo:
Elaborar un resumen del estado del arte sobre el uso de IA en analisis de imagenes medicas.

Formato:
Describe enfoques principales, tipos de modelos, desafios y futuras lineas de investigacion, en un texto de 800–1000 palabras.

Evaluacion:
Incluye al menos 3 desafios tecnicos o eticos, sin sustituir asesoramiento profesional en salud.

| Tipo de investigación   | Ajustes tipicos en el prompt                 |
|-------------------------|----------------------------------------------|
| General                 | Vision panoramica, publico amplio            |
| Tecnica                 | Componentes, patrones, arquitecturas         |
| Educativa               | Ejemplos pedagogicos, recomendaciones        |
| De mercado              | Categorias, tendencias, segmentos            |
| Juridica                | Temas de regulacion, cautelas, no asesoría   |
| Cientifica              | Estado del arte, desafios, futuras lineas    |

[Ilustración: Un panel de control conceptualmente dividido en “General”, “Técnica”, “Educativa”, etc., cada uno con sliders para profundidad, audiencia y formato, simbolizando cómo el investigador ajusta el prompt antes de usar la IA.]

Error común
Formular la misma pregunta genérica para todos los contextos (“investiga X”) sin especificar disciplina, audiencia ni tipo de salida. Esto produce respuestas mezcladas que son difíciles de usar profesionalmente. [web:151]

Conclusión de la sección: diseñar prompts de investigación implica pensar primero en el tipo de investigación y sus parámetros. No basta con “preguntar”; necesitas un encargo claro que la IA pueda atender de forma alineada con tu propósito. [web:31][web:68]

7.3 Investigación profunda (Deep Research)

Concepto de investigación profunda

OpenAI ha introducido el concepto de Deep Research para describir flujos donde un modelo explora de forma autónoma múltiples fuentes, las analiza y sintetiza en informes bien citados. [web:156] Aunque aquí trabajamos de manera más manual, el principio es el mismo: dividir un problema complejo en subpreguntas, buscar información relevante para cada parte y luego sintetizar las respuestas en una visión integrada.

Dividir el problema en preguntas más pequeñas

Supón que tu tema es: “Impacto de RAG en la calidad de respuestas de asistentes corporativos”. Puedes dividirlo así:

  1. ¿Qué es RAG y por qué se utiliza? [web:147][web:158]
  2. ¿Cuáles son sus componentes principales (indexación, búsqueda, generación)? [web:148][web:150]
  3. ¿Qué ventajas aporta frente a usar solo un modelo sin grounding?
  4. ¿Qué riesgos y desafíos introduce (latencia, costos, gestión de calidad de datos)? [web:154]
  5. ¿Qué casos reales describen organizaciones al implementar RAG (por ejemplo, Microsoft Learn, Ask Learn)? [web:154][web:155]

Para cada subpregunta, puedes diseñar prompts específicos y luego integrar las respuestas.

Diseñar prompts por etapas

Etapa 1 – Marco conceptual:

Objetivo:
Obtener una definicion clara y didactica de RAG (Retrieval Augmented Generation) y sus componentes principales.

Contexto:
Se usara en un informe para arquitectos de soluciones que conocen LLM pero no patrones RAG.

Formato:
Respuesta en 3 secciones: definicion, componentes, motivos de uso.

Etapa 2 – Beneficios y riesgos:

Objetivo:
Analizar ventajas y desventajas de RAG en asistentes corporativos.

Formato:
Presenta una tabla con columnas: beneficio, descripcion, posible riesgo asociado.
Incluye ejemplos inspirados en casos documentados por Microsoft (sin citar texto literal). [web:147][web:150][web:154]

Etapa 3 – Casos de uso:

Objetivo:
Sintetizar 3 casos de uso reales de RAG en organizaciones, resaltando objetivo, arquitectura y resultados.

Contexto:
Se usara para inspirar diseño de una solucion propia.

Formato:
Lista numerada con breve descripcion de cada caso.

Finalmente, puedes pedir a la IA que genere una síntesis integrada basada en las respuestas anteriores, proporcionando en el contexto tus notas y resúmenes.

Objetivo:
Elaborar una sintesis ejecutiva sobre el impacto de RAG en asistentes corporativos, integrando los siguientes puntos:
- definicion y componentes;
- beneficios y riesgos;
- casos de uso reales.

Formato:
Texto de 700–900 palabras con enfoque en toma de decisiones tecnicas.

Contexto:
Adjunta aqui los resúmenes de las etapas anteriores.

| Nivel de investigación | Caracteristicas                               |
|------------------------|-----------------------------------------------|
| Superficial            | Una sola pregunta y una respuesta general     |
| Intermedia             | Varias preguntas, sin sintesis estructurada   |
| Profunda (Deep)        | Subpreguntas, etapas, sintesis y verificacion |

[Ilustración: Un diagrama de bloques que muestra un tema central conectado a varias subpreguntas, cada una con su propio conjunto de notas, y finalmente una síntesis ejecutiva que integra todas.]

Dato relevante
OpenAI recomienda, al usar herramientas como Deep Research, formular objetivos de investigación claros y dejar cierto margen de libertad al modelo para explorar fuentes, pero siempre con mecanismos de citación y verificación. [web:156]

Conclusión de la sección: la investigación profunda con IA se basa en estructurar el problema en etapas y subpreguntas. Cada prompt se convierte en un componente de un sistema de investigación más amplio, en lugar de ser una interacción aislada. [web:146][web:156]

7.4 Comparando información

Comparar información es una tarea central en investigación: necesitas analizar ventajas y desventajas, posiciones teóricas, tecnologías o enfoques. Los LLM pueden ayudarte a estructurar comparativas si les proporcionas criterios claros. [web:147][web:148]

Solicitar comparativas y análisis multicriterio

Ejemplo general:

Objetivo:
Comparar dos enfoques para integrar IA en un curso universitario: uso de chatbots generativos vs. uso de sistemas RAG especializados.

Formato:
Presenta una tabla Markdown con columnas: enfoque, beneficios, riesgos, requisitos tecnicos.
Incluye un breve analisis concluyendo en que casos es mas recomendable cada enfoque.

Ejemplo técnico:

Objetivo:
Realizar un analisis multicriterio de tres proveedores de servicios de LLM para un proyecto corporativo.

Contexto:
Los criterios son: calidad de modelos, soporte de RAG, herramientas de seguridad, costos aproximados.

Formato:
Tabla con filas para cada proveedor y columnas por criterio, seguida de un parrafo de sintesis.

| Enfoque            | Beneficios                        | Riesgos                               |
|--------------------|-----------------------------------|----------------------------------------|
| Chatbot generico   | Rapida implementacion, simplicidad| Puede alucinar, sin datos internos    |
| Asistente con RAG  | Respuestas basadas en datos propios| Mayor complejidad tecnica, costos RAG |

Síntesis de distintas posiciones

Puedes pedir al modelo que sintetice posiciones opuestas o múltiples enfoques sobre un tema:

Objetivo:
Sintetizar distintas posiciones academicas sobre el uso de IA en evaluacion automatizada.

Formato:
Presenta:
- una seccion con argumentos a favor;
- una seccion con argumentos en contra;
- una seccion de posicion equilibrada.
Indica cuando una afirmacion parece ser opinion y cuando se basa en evidencia (segun el modelo).

[Ilustración: Una tabla visual con dos columnas “A favor” y “En contra”, y en el centro una tercera columna “Síntesis”, mostrando cómo las posiciones se relacionan y se equilibran.]

Consejo
Siempre que pidas comparativas, define criterios explícitos. No basta con “compara X e Y”; indica en qué dimensiones te interesa comparar (costos, rendimiento, ética, facilidad de implementación, etc.). [web:147][web:148]

Conclusión de la sección: los prompts de comparación y análisis multicriterio permiten convertir la capacidad de síntesis de la IA en herramientas útiles para decisiones informadas. La clave está en definir criterios y formatos claros (tablas, listas, secciones). [web:147][web:149]

7.5 Verificando información

La verificación de información es esencial en investigación asistida por IA. Guías como las de Skywork y propuestas de “AI verification” señalan que los modelos pueden alucinar, mezclar fuentes o emitir afirmaciones sin respaldo. [web:139][web:144]

Solicitar fuentes y validar afirmaciones

Ejemplo de prompt con énfasis en fuentes:

Objetivo:
Obtener una explicacion sobre el concepto de RAG y un resumen de por que se usa en aplicaciones corporativas.

Formato:
Incluye:
- explicacion breve;
- lista de al menos 3 fuentes oficiales o documentacion tecnica (por ejemplo, Microsoft Learn, Azure AI Search, articulos academicos) que el modelo considere relevantes.
Indica el tipo de cada fuente (documentacion oficial, paper, blog tecnico).

Metodología de verificación sugerida:

  1. Identificar afirmaciones clave (definiciones, cifras, nombres de tecnologías, conclusiones importantes).
  2. Buscar esas afirmaciones en fuentes independientes (documentación oficial, papers, sitios institucionales). [web:145][web:147]
  3. Comparar lo que dice la IA con lo que dicen las fuentes.
  4. Registrar coincidencias, discrepancias y zonas de incertidumbre.
  5. Ajustar el prompt si es necesario (por ejemplo, pidiendo más contexto o precisando criterios).
| Paso de verificacion | Accion                                       |
|----------------------|----------------------------------------------|
| Identificar afirmaciones | Marcar frases clave de la respuesta        |
| Buscar fuentes        | Consultar documentacion oficial y papers     |
| Comparar              | Ver similitudes y diferencias                |
| Registrar             | Anotar resultados en tu PromptBook           |
| Ajustar               | Mejorar prompts para futuras consultas       |

Detectar posibles alucinaciones

  • Señales: respuestas demasiado seguras sobre temas muy recientes sin citar fuentes, nombres de organizaciones inexistentes, datos estadísticos sin referencias. [web:139]
  • Estrategia: pedir al modelo que indique su nivel de confianza o que resuma puntos donde “podría estar equivocado o carecer de información suficiente”. [web:144]
Objetivo:
Evaluar posibles alucinaciones en una respuesta previa.

Formato:
Pide al modelo que:
1. Liste las afirmaciones factuales clave;
2. Indique, para cada una, si puede citar al menos una fuente confiable;
3. Señale cuales considera mas inciertas.

[Ilustración: Una respuesta de IA con algunas frases marcadas en color, etiquetadas como “requiere verificación”, “alta confianza”, “baja confianza”.]

Buenas prácticas
Integra la verificación como parte de tu flujo estándar: cualquier afirmación importante generada por IA debe pasar por al menos una comprobación independiente antes de incorporarse a un trabajo profesional o académico. [web:139][web:145]

Conclusión de la sección: la verificación transforma la IA de una fuente potencialmente falible en un colaborador sometido a escrutinio. Sin fact checking, investigar con IA se parece más a opinar; con fact checking, se acerca al método científico. [web:144][web:146]

7.6 Trabajando con documentos y papers

Los modelos de lenguaje pueden ayudar significativamente en el trabajo con documentos extensos, papers científicos y reportes técnicos. Tutoriales recientes muestran usos como resumir, extraer ideas principales, generar mapas conceptuales y redactar síntesis ejecutivas. [web:151]

Resumir artículos científicos

Ejemplo de prompt:

Actua como lector critico de articulos cientificos.

Objetivo:
Resumir el siguiente paper en un texto de 600 palabras.

Formato:
Incluye secciones: contexto, metodologia, resultados principales, limitaciones, posibles aplicaciones.

Texto:
[pegar aqui el contenido del paper o su resumen]

Interpretar documentos técnicos

Actua como arquitecto de soluciones.

Objetivo:
Interpretar un documento tecnico de Azure AI Search sobre RAG.

Formato:
Explica en lenguaje accesible:
- que componentes se describen;
- que flujo de datos se propone;
- que desafios tecnicos se mencionan.
Destaca puntos clave para un equipo de desarrollo.

Documento:
[fragmento o resumen del documento]

Mapas conceptuales y síntesis ejecutivas

Puedes pedir al modelo que extraiga conceptos clave y los organice:

Objetivo:
Generar un mapa conceptual textual del siguiente documento sobre IA en educacion.

Formato:
Lista jerarquica con:
- conceptos principales;
- subtemas;
- relaciones clave.

Documento:
[texto]

| Tarea con documentos | Uso de IA                                   |
|----------------------|---------------------------------------------|
| Resumen              | Reducir longitud preservando ideas clave    |
| Interpretacion       | Traducir lenguaje tecnico a accesible       |
| Mapa conceptual      | Organizar conceptos y relaciones             |
| Sintesis ejecutiva   | Crear resúmenes orientados a decisiones      |

[Ilustración: Una hoja con un artículo académico lleno de texto y, al lado, una hoja con un esquema con conceptos conectados, mostrando el salto de documento bruto a mapa conceptual.]

Consejo
Siempre indica el tipo de síntesis que necesitas (técnica, ejecutiva, pedagógica) y la audiencia prevista. El mismo paper puede leerse de formas muy distintas según el propósito de tu investigación. [web:151]

Conclusión de la sección: trabajar con documentos y papers usando IA te permite cambiar el foco desde la lectura lineal a la comprensión estructurada. La clave está en diseñar prompts que guíen el tipo de síntesis o interpretación que necesitas. [web:151][web:146]

7.7 Construyendo plantillas reutilizables

Para que la investigación asistida por IA sea sostenible, necesitas plantillas de prompts que puedas reutilizar y adaptar. Vamos a integrar estas plantillas en la carpeta Investigacion/ de tu PromptBook. [web:40]

Estructura de la carpeta Investigacion/

Dentro de PromptBook/, crea la carpeta Investigacion/ con los siguientes archivos:

PromptBook/
  Investigacion/
    InvestigacionGeneral.md
    DeepResearch.md
    Comparativas.md
    Verificacion.md
    Papers.md
    Legislacion.md
    FuentesOficiales.md
    Resumenes.md
    Sintesis.md
    Plantillas.md

Cada archivo tendrá:

  • Descripción del tipo de tarea de investigación.
  • Plantillas OCRFE específicas.
  • Ejemplos reales que vayas desarrollando.
  • Notas sobre buenas prácticas y límites de uso.

Ejemplo de plantilla OCRFE para investigación general

En InvestigacionGeneral.md:

# Plantilla OCRFE para investigaciones generales

Objetivo:
Describe el tema y el tipo de vision que necesitas (introduccion, estado del arte, panorama general).

Contexto:
Indica disciplina, audiencia, proposito del texto (informe, articulo, presentacion) y horizonte temporal (actualidad, ultimos 5 años, etc.).

Rol:
Define el rol del modelo (analista de mercado, investigador educativo, cientifico de datos) si aporta enfoque.

Formato:
Especifica secciones, longitud aproximada y uso de tablas o listas.

Evaluacion:
Indica criterios de exito (numero de enfoques presentados, tipos de ejemplos, equilibrio entre oportunidades y riesgos).

Plantilla para Deep Research

En DeepResearch.md:

# Plantilla para investigacion profunda (Deep Research)

1. Definir tema central y pregunta de investigacion.
2. Listar subpreguntas principales.
3. Diseñar un prompt OCRFE para cada subpregunta.
4. Ejecutar los prompts y guardar resúmenes.
5. Diseñar un prompt de sintesis integradora.
6. Realizar verificacion de afirmaciones clave y ajustar conclusiones.

graph TD
  INV[Investigacion/] --> GEN[InvestigacionGeneral.md]
  INV --> DR[DeepResearch.md]
  INV --> CMP[Comparativas.md]
  INV --> VER[Verificacion.md]
  INV --> PAP[Papers.md]
  INV --> LEG[Legislacion.md]
  INV --> FO[FuentesOficiales.md]
  INV --> RES[Resumenes.md]
  INV --> SIN[Sintesis.md]
  INV --> PLT[Plantillas.md]

Este diagrama muestra cómo tu PromptBook organiza las distintas tareas de investigación asistida por IA. [web:40]

[Ilustración: Una carpeta “Investigación” con subdocumentos etiquetados (DeepResearch, Comparativas, Verificación, etc.), representando que el investigador dispone de un sistema completo de herramientas.]

Consejo
Cada vez que un flujo de investigación funcione bien (por ejemplo, dividir un tema en subpreguntas y sintetizar), documenta el proceso en Plantillas.md para poder reproducirlo en otros proyectos.

Conclusión de la sección: construir plantillas OCRFE específicas para investigación te permite transformar experiencias puntuales en metodología reusable. Tu PromptBook se convierte en un manual vivo de cómo investigas con IA. [web:40]

7.8 Buenas prácticas para investigar con IA

Las recomendaciones de organismos y proveedores coinciden en varios principios para el uso responsable de IA en investigación: mantener pensamiento crítico, verificar de forma independiente, usar fuentes oficiales, citar correctamente y ser transparente sobre el uso de IA. [web:133][web:145][web:139]

Pensamiento crítico y verificación independiente

  • Considera las respuestas de la IA como hipótesis, resúmenes o propuestas, no como verdades establecidas.
  • Verifica afirmaciones clave en documentación oficial, papers científicos y fuentes institucionales. [web:145][web:147]

Uso responsable de fuentes y citación

  • Prioriza fuentes primarias (papers, reportes oficiales, documentación técnica) sobre fuentes secundarias (blogs, resúmenes). [web:145]
  • Cita las fuentes reales que hayas consultado, no al modelo como si fuera la fuente original.
  • Sé transparente en trabajos académicos o profesionales indicando si has utilizado IA para tareas de síntesis o redacción. [web:151]

Ética y transparencia

  • Evita usar IA para generar resultados de experimentos, datos ficticios o conclusiones sin respaldo.
  • Usa la IA principalmente para tareas de apoyo (búsqueda, síntesis, formulación de hipótesis) y deja claro ese rol en tus informes. [web:146]

Checklist de investigación asistida por IA

En tu archivo Verificacion.md o Plantillas.md, puedes incluir la siguiente lista de comprobación:

# Checklist para investigaciones asistidas por IA

## Diseño
- [ ] La pregunta de investigacion esta claramente definida.
- [ ] El tipo de investigacion (tecnica, educativa, mercado, etc.) esta especificado.

## Uso de IA
- [ ] Los prompts incluyen objetivo, contexto y formato claros.
- [ ] Se ha dividido el problema en subpreguntas cuando es complejo.

## Verificacion
- [ ] Se han identificado afirmaciones clave en las respuestas.
- [ ] Se han verificado datos importantes con fuentes independientes.
- [ ] Se han documentado coincidencias y discrepancias.

## Fuentes y citacion
- [ ] Se han priorizado fuentes primarias y oficiales.
- [ ] Las citas se refieren a las fuentes, no al modelo.

## Etica y transparencia
- [ ] Se ha descrito el rol de la IA en el trabajo (por ejemplo, en la metodologia).
- [ ] No se han presentado resultados generados por IA como si fueran experimentales.

| Principio              | Practica asociada                           |
|------------------------|---------------------------------------------|
| Pensamiento critico    | Tratar salidas de IA como propuestas         |
| Verificacion externa   | Contrastar con fuentes oficiales             |
| Uso de fuentes         | Priorizar documentos primarios               |
| Citacion correcta      | Citar fuentes humanas, no la IA como autor   |
| Transparencia          | Declarar el uso de IA en la metodologia      |

[Ilustración: Un informe de investigación con una sección de “Metodología” donde se indica claramente que se usó IA para apoyo en la revisión de literatura y síntesis, junto a una lista de fuentes humanas verificadas.]

Buenas prácticas
Considera tu PromptBook como parte de tu “sistema de calidad” en investigación. Los principios y checklists que documentes allí te ayudarán a mantener estándares consistentes aunque cambien las herramientas y modelos.

Conclusión de la sección: investigar con IA requiere tanto habilidades técnicas (diseñar buenos prompts, entender RAG) como habilidades metodológicas y éticas (verificar, citar, pensar críticamente). Integrar esas prácticas en tu PromptBook convierte la Ingeniería de Prompts en una aliada del método científico y profesional. [web:145][web:151]

Práctica guiada

Para cerrar el capítulo, te proponemos un conjunto de actividades que te permitirán aplicar estos conceptos a un tema real de tu interés.

1. Diseñar prompts para distintos tipos de investigación

  1. En InvestigacionGeneral.md, diseña al menos dos prompts OCRFE: uno para una visión general y otro para un estado del arte en tu disciplina.
  2. En Comparativas.md, crea un prompt para comparar dos tecnologías o enfoques relevantes para tu trabajo.
  3. En Legislacion.md, diseña un prompt cauteloso para obtener una síntesis de temas regulatorios sobre IA, recordando que no debe sustituir asesoramiento legal.

2. Realizar una investigación profunda sobre un tema

  1. Elige un tema central (por ejemplo, uso de IA en evaluación automatizada en educación).
  2. En DeepResearch.md, lista al menos 4 subpreguntas y diseña un prompt para cada una.
  3. Ejecuta esos prompts y guarda las respuestas en tu sistema de notas (fuera de este libro). Resume los hallazgos en Sintesis.md.

3. Comparar varias fuentes

  1. Selecciona al menos dos fuentes oficiales (documentación técnica, paper, guía institucional) y una fuente secundaria (blog, artículo divulgativo).
  2. En FuentesOficiales.md, usa la IA para ayudarte a listar elementos coincidentes y divergentes entre las fuentes, y documenta tus conclusiones.

4. Elaborar un resumen ejecutivo

  1. Diseña un prompt en Resumenes.md para crear un resumen ejecutivo de tu investigación profunda.
  2. Genera el resumen con IA y revísalo críticamente, ajustando lo que consideres necesario para tu audiencia.

5. Construir una plantilla reutilizable

  1. En Plantillas.md, documenta el flujo completo que has utilizado (diseño de preguntas, uso de prompts, verificación, síntesis) como una plantilla general de investigación asistida por IA.
  2. Marca la plantilla como base para futuras investigaciones, anotando qué mejorarías en próximas iteraciones.

Consejo
Trata estas actividades como un primer ciclo de tu sistema de investigación con IA. Volverás sobre ellas en proyectos futuros, refinando prompts, plantillas y checklists en tu PromptBook.

7.9 Resumen

En este capítulo has aprendido a integrar la Ingeniería de Prompts en tu práctica de investigación profesional. Comenzamos definiendo el papel de la IA como asistente de investigación, capaz de acelerar búsqueda, síntesis y organización de la información, pero sin sustituir tu juicio crítico ni tu responsabilidad metodológica. [web:146][web:151]

Diseñamos prompts para distintos tipos de investigación (general, técnica, educativa, de mercado, jurídica y científica), y vimos cómo la investigación profunda (Deep Research) se basa en dividir problemas complejos en subpreguntas y etapas, con síntesis posteriores. [web:156][web:147] Exploramos patrones de comparación, análisis multicriterio y verificación de información, incluyendo el uso conceptual de RAG y la necesidad de grounding en datos confiables. [web:147][web:150]

También trabajaste con ideas para resumir y interpretar documentos y papers, y construiste la carpeta Investigacion/ de tu PromptBook, con archivos dedicados a investigación general, Deep Research, comparativas, verificación, papers, legislación, fuentes oficiales, resúmenes, síntesis y plantillas. [web:40] Finalmente, revisamos buenas prácticas éticas y metodológicas que deben acompañar cualquier uso de IA en investigación, reforzando la importancia de la verificación independiente y la transparencia. [web:145][web:139]

Nota
En los siguientes capítulos aplicarás principios similares a otros ámbitos (programación, multimedia, productividad), pero la lógica de investigación que has aprendido aquí seguirá siendo útil para cualquier proyecto en el que necesites información, análisis y síntesis rigurosos.

Conclusión general del capítulo: la Ingeniería de Prompts para investigación profesional te ofrece un marco para convertir modelos de lenguaje en colaboradores estructurados dentro de procesos de investigación exigentes. Con tu PromptBook como sistema organizador, podrás escalar estas prácticas a proyectos complejos, manteniendo siempre el eje en pensamiento crítico, verificación y ética. [web:146][web:147]

Bibliografía

  • OpenAI. “AI as a Scientific Collaborator.” Informe sobre el uso de IA como colaborador en procesos científicos y de investigación. [web:146]
  • OpenAI. “Improving verifiability in AI development.” Reporte multiinstitucional sobre mecanismos para mejorar la verificación y auditabilidad de sistemas de IA. https://openai.com/research/improving-verifiability [web:145]
  • OpenAI Community. “Exploring Deep Research: Three Tips for Better AI-Assisted Inquiry.” Artículo sobre el uso de Deep Research en ChatGPT. https://forum.openai.com/public/blogs/exploring-deep-research-three-tips-for-better-ai-assisted-inquiry-2025-04-28 [web:156]
  • OpenAI Community. “AI Verification: Enforcing Self-Checking & Structured Fact Validation in LLMs.” Informe sobre sistemas de verificación estructurada en LLMs. https://community.openai.com/t/ai-verification-enforcing-self-checking-structured-fact-validation-in-llms/1131782 [web:144]
  • Microsoft Learn. “Retrieval Augmented Generation (RAG) and Vector Databases – Generative AI for Beginners.” Lección sobre RAG y su uso para grounding. https://learn.microsoft.com/en-us/shows/generative-ai-for-beginners/retrieval-augmented-generation-rag-and-vector-databases-gene [web:148][web:158]
  • Microsoft Learn. “RAG and Generative AI – Azure AI Search.” Descripción de patrones RAG y agentic retrieval. https://learn.microsoft.com/en-us/azure/search/retrieval-augmented-generation-overview [web:147]
  • Microsoft Learn. “Quickstart: Use RAG with Azure AI Search and Azure OpenAI.” Ejemplo de integración de RAG en soluciones de chat. https://learn.microsoft.com/en-us/azure/search/search-get-started-rag [web:149]
  • Microsoft Learn. “Develop a RAG-based solution with your own data using Microsoft Foundry.” Módulo sobre construcción de soluciones RAG empresariales. https://learn.microsoft.com/en-us/training/modules/build-copilot-ai-studio/ [web:150]
  • Microsoft DevBlogs. “How we built Ask Learn, the RAG-based knowledge service.” Caso real de implementación de RAG en Microsoft Learn. https://devblogs.microsoft.com/engineering-at-microsoft/how-we-built-ask-learn-the-rag-based-knowledge-service/ [web:154]
  • Microsoft Learn Live. “Developing a production level RAG workflow.” Sesión sobre flujo de trabajo RAG en producción. https://learn.microsoft.com/en-us/shows/learn-live/microsoft-learn-ai-skills-challenge-ep08-developing-a-production-level-rag-wo [web:155]
  • Skywork.ai. “Avoiding Hallucinations: Fact‑Check Techniques for AI Writing.” Guía práctica de fact checking para textos generados por IA. https://skywork.ai/blog/how-to-avoid-hallucinations-ai-writing-fact-check-guide/ [web:139]
  • ChatAI Guide. “ChatGPT tutorial for academic research.” Tutorial sobre uso de IA en búsqueda de fuentes, revisión de literatura y síntesis. https://chatai.guide/tutorials/chatgpt-tutorial-research/ [web:151]
  • Dair.ai. “Prompt Engineering Guide.” Recursos sobre Ingeniería de Prompts y aplicación a investigación y otros dominios. https://github.com/dair-ai/Prompt-Engineering-Guide [web:40]