Guía de uso de la IA para profesionales de humanidades

Los profesionales de las humanidades quizá no lideren el cambio mundial, pero sí afrontan sus consecuencias.

En ocasiones, quienes venden tutoriales de IA la presentan como magia: basta con reserved prompt milagroso y podrás lograr cualquier cosa. Pero la realidad es mucho más compleja. Desde la fundación de FUNES, dependemos de launch IA para la producción diaria. Junto a proyectos como Fuyou Tiandi y mis propios textos, el esfuerzo humano ya no es suficiente. Por ello, hemos explorado a fondo cómo la IA puede respaldar nuestro mercado de contenidos y la investigación en humanidades.

Cuando se incorporaron nuevos compañeros, preparé una sencilla presentación en Keynote. Al conocerlo, Jia Xingjia me invitó a exponerla. Mi socio Keda y yo titulamos la charla “Guía de uso de la IA para profesionales de humanidades”. En un principio, fue una sesión privada centrada en principios generales. Con el tiempo, ampliamos y perfeccionamos la presentación.

Sin embargo, esta guía no fue pública hasta este año, cuando lanzamos Shishufeng junto con Chongqing y la presentamos íntegramente por primera vez. El texto que sigue está adaptado del pódcast “Guía de uso de la IA para profesionales de humanidades”, con ayuda de IA y algunas adaptaciones. Para la versión completa, escúchala en el sitio oficial o busca “Shishufeng” en Yuzhou o Apple Podcasts.

Código QR de Xiaoyuzhou

Durante el último año, he compartido estas prácticas de IA con muchos colegas en creación de contenidos, investigación y productos de conocimiento. El objetivo no es enseñar unos cuantos prompts mágicos ni tratar la IA como una solución universal. Se trata de una metodología: una forma de integrar grandes modelos lingüísticos en redacción, investigación, edición, selección de temas, organización de datos y flujos de producción, sin programar, garantizando trazabilidad, supervisión y verificación, para que puedas firmar tu trabajo con post.

Este enfoque surge de la experiencia real: cuando la producción de contenidos escala, el trabajo humano no basta; pero la generación directa con IA conlleva alucinaciones, atajos y textos artificiales. Tuvimos que transformar la creatividad en una línea de producción, y la línea en un sistema iterativo.

En lugar de ofrecer una lista de prompts, quiero compartir los principios rectores fundamentales.

Antes de los principios: tres bases para esta guía

Antes de entrar en los métodos, establece tres bases. Estas determinan tanto “cómo usas la IA” como “por qué la usas así”.

El proceso debe ser trazable, supervisado y verificable

• No puedes limitarte a exigir resultados y olvidar el proceso. Para el trabajo en humanidades, las cajas negras son lo más peligroso: alucinaciones, citas erróneas y desvíos conceptuales surgen en la oscuridad.

Debe ser controlable

• Debes dirigir cómo funciona, bajo qué estándares, dónde ralentizar y dónde ser estricto. Esto es producción, no un juego de azar.

Debes seguir dispuesto a firmar con tu nombre

• “¿Estoy dispuesto a poner mi nombre en esto?” es el control de calidad definitivo. Si no es así, rara vez es por una cuestión moral: es porque tu intención no se reflejó en el proceso, así que no puedes garantizar la calidad.

Principio 0: No le pidas deseos a la IA—úsala como banco de trabajo

Muchos tratan la IA como una máquina de conceder deseos:

“Cuéntame un buen chiste”, “Escríbeme un buen artículo”, “Explícame este artículo”.

Pero “explicar” tiene infinidad de interpretaciones: para público general, universitarios, posgrados o colegas. La IA no puede conocer por defecto tu formación, objetivos, preferencias ni estándares. Si no los defines, optará por el camino de menor resistencia.

Tratar los grandes modelos como banco de trabajo significa: no pedir resultados terminados, sino aprovechar las herramientas de IA en tu proceso. Especifica destinatario, estándares y pasos.

Por ejemplo, pedir a la IA que explique un artículo

Convierte un prompt de deseo (“explica este artículo”) en una tarea de banco de trabajo:

• Define el público: estudiantes de posgrado inteligentes y curiosos, no expertos en el campo

• Define el estilo explicativo: heurístico, paso a paso, con rigor académico

• Define la estructura: relevancia, contexto, proceso de investigación, puntos técnicos clave y conclusiones

• Define el tono: respetuoso, sin condescendencia ni suponer conocimientos previos profundos

Cuanto más se parezcan tus instrucciones a “requisitos de encargo”, menos actúa la IA como IA y más como un asistente competente.

Principio 1: Para que la IA funcione, reflexiona sobre ti mismo—tú eres responsable

Si contratas a un secretario, no dirías solo:

“Corrige el artículo de Han Yang sobre el Rust Belt estadounidense”.

Añadirías:

Por qué existe el artículo, para quién es, dónde te has atascado, qué problema quieres resolver, secciones intocables, estilo deseado y qué es lo más importante.

Con la IA es igual. Trátala como a un colega aplicado y educado que carece de tus supuestos implícitos. La verdadera “ingeniería de prompts” es cuestión de responsabilidad: la tarea sigue siendo tuya; la IA solo ayuda a ejecutarla.

Si el resultado de la IA no te satisface, el primer paso eficaz no es “la IA falló”, sino:

• ¿He aclarado “público/objetivo/propósito”?

• ¿He dado suficiente contexto y restricciones?

• ¿He descompuesto “deseos abstractos” en “pasos accionables”?

• ¿He proporcionado estándares de evaluación?

Principio 2: Consulta al menos tres modelos—cada IA tiene su “personalidad” y puntos fuertes

En nuestra empresa, recomiendo a los nuevos compañeros que pregunten a tres IA diferentes lo mismo en sus primeras pruebas. Como las personas, las IA difieren: unas destacan escribiendo, otras razonando, programando o usando herramientas. Incluso dentro de una misma empresa o entre versiones, los modelos ajustan su “estilo” y “límites”.

Un hábito sencillo y eficaz: pregunta lo mismo a al menos tres IA y rápidamente percibirás:

• Cuál escribe mejor, cuál razona mejor, cuál busca mejor, cuál toma atajos

• Cuál es mejor para primeros borradores, cuál para revisar

• Cuál destaca en “tema/estructura”, cuál en “párrafo/frase”

El valor no está en elegir el “modelo más fuerte”, sino en gestionar los modelos como un equipo, no como un oráculo único.

Principio 3: La IA no es omnisciente—trátala como a un “buen universitario”

Una expectativa práctica:

 El sentido común de la IA ≈ un universitario excelente.

Si piensas “ni siquiera un buen universitario sabría esto”, asume que la IA tampoco, o que “lo simulará con convicción” cuando no lo sepa.

Esto implica dos acciones directas:

Debes enseñarle todo lo que supere el sentido común

• Por ejemplo: quieres chistes, textos únicos o argumentos muy especializados. No digas solo “que sea bueno”. Proporciona ejemplos, estándares, áreas prohibidas y fuentes. Si necesitas tiempo para aclarar a un fact qué es buena escritura, la IA no puede saberlo por defecto.

Trátala como a otherwise becario, no como a una deidad

• Puede construir la estructura y unir tus materiales en texto legible. Pero la “estructura” y la “dirección” siguen siendo tuyas.

Principio 4: Guía a la IA paso a paso—“caja blanca”, multietapa, es más fiable que “caja negra”, de un solo intento

La fortaleza de la IA no está en “respuestas correctas inmediatas”, sino en completar pasos pequeños de tu proceso con fiabilidad. Cuanto más exijas “resultados de un solo disparo”, más probable es que recorte pasos.

Un ejemplo claro: guiones para TTS (texto a voz) o locuciones. En vez de “vigila los caracteres polifónicos, no los leas mal”, divide la tarea en pasos:

• Marca pausas, énfasis y cambios de ritmo

• Identifica caracteres polifónicos potenciales

• Contrasta con diccionarios o fuentes autorizadas

• Pre-marca caracteres comunes y fáciles de confundir

• Cuando sea necesario, sustituye por homófonos inequívocos

Los humanos dan por sentados estos pasos “obvios”, la IA no. Si no los especificas, la IA errará por el camino más fácil.

Principio 5: Industrializa antes de automatizar con IA—no puedes saltar de la inspiración a la automatización

Si tu flujo de trabajo de escritura o investigación es aleatorio, guiado por la inspiración y desorganizado, la IA no puede ayudarte. Solo puede gestionar lo “descriptible y repetible”.

Un camino más práctico:

• Primero, convierte el trabajo en una “línea de producción”: divisible, reutilizable, controlada en calidad

• Luego delega subpasos a la IA: que sea un puesto de trabajo, no una deidad

Hicimos un ejercicio clave: descomponer mi proceso de escritura de no ficción, incluyendo:

• Por qué abrir con esta historia

• Por qué elegir esta frase

• Cómo puntuar ejemplos

• Cómo transicionar y concluir

• Cómo conectar historias pequeñas con la narrativa general

Al final, lo dividimos en decenas de pasos, con distintas IA para cada uno. El resultado:

 El modelo no se volvió más fuerte de inmediato, pero el proceso conectó sus capacidades “incrementales”.

Cuando puedes describir claramente “cómo se hace mi artículo”, te das cuenta: el verdadero techo de calidad no es “qué modelo usas”, sino si tu flujo de trabajo es explícito.

Algunos pasos de muestra de nuestras pruebas de línea de producción

Recomiendo encarecidamente escuchar el programa para más detalles.

Principio 6: Anticipa los atajos de la IA—ahorra recursos, así que elimina “barreras de formato”

La IA toma atajos sistemáticamente: si puede evitar abrir una web, lo hará; si puede saltarse un PDF, lo hará. No es malicia: dadas las limitaciones de cómputo y tiempo, opta por el camino más sencillo.

Tu papel: enfoca los recursos de la IA en “entender el texto”, no en “procesar formatos”.

Estrategias eficaces incluyen:

• Convierte materiales a texto plano o Markdown antes de introducirlos

• Copia contenido web como texto limpio (elimina navegación, anuncios, notas)

• Para materiales extensos, primero extrae hechos o estructura y luego pide a la IA que redacte

• Estandariza PDF/EPUB/web en una base de datos TXT consultable

Verás que mucha gente rechaza este “trabajo mecánico”, pensando que “las máquinas deberían hacerlo”. Pero en la colaboración persona-IA ocurre lo contrario: si asumes algunas tareas mecánicas, la inteligencia de la IA se vuelve más precisa y fiable.

Principio 7: Recuerda que el contexto es limitado—prioriza tareas de “compresión”, no de “expansión desde cero”

La IA tiene una ventana de contexto—una memoria limitada. Si le das 20 000 palabras, quizá solo retenga una parte; con 200 000, solo leerá los títulos. Imagínate encerrar a alguien en una sala con un libro de 200 000 palabras un día y pedirle que lo recite: eso es la “memoria” de la IA.

Una idea vital pero contraintuitiva:

Es más fácil comprimir que expandir

• Comprimir 1 000 000 palabras a 10 000 es más fiable que expandir 10 000 a 1 000 000.

Esto cambia tu enfoque:

• No uses un prompt de 100 palabras para pedir un artículo completo

• Mejor, introduce todo el material posible (por lotes, con recuperación tipo RAG, etc.), y luego pide a la IA que lo comprima en estructura, argumentos y texto principal

Al escribir, ya “lees mucho → destilas → organizas → redactas”. Exige lo mismo a la IA—no le pidas crear de la nada.

Principio 8: Resiste el impulso de “ya lo arreglo yo”—itera el proceso, no el resultado

Muchos escritores expertos tropiezan con la IA:

La IA produce un borrador de 59 puntos; crees que puedes editarlo hasta 80, pero acabas reescribiendo; tras reescribir, decides “lo hago yo” y dejas de usar la IA.

La solución no es editar más, sino intervenir antes:

• No busques que la IA produzca un 100 perfecto

• Apunta a una línea de producción que entregue 75–80 de forma constante

• Itera el proceso para subir la media, no para perfeccionar cada resultado

Principio 9: Trata el flujo de trabajo como iteración de producto—la fiabilidad es el valor

Un sistema que entrega de forma fiable un borrador de 70 puntos es valioso no porque “se parezca a ti”, sino porque:

• Obtienes un borrador útil a coste casi cero

• Puedes centrarte en decisiones de alto nivel: tema, estructura, pruebas, estilo y matices

No necesitas un sustituto omnipotente, solo una fábrica fiable: estable, aunque no perfecta.

Principio 10: Prioriza la cantidad—genera más y luego selecciona

Pedir a la IA una sola versión da resultados mediocres. Usa la “cantidad” para compensar la media.

Tácticas más eficaces:

• Resúmenes: pide 5 versiones a la vez

• Inicios: pide 5 a la vez, haz pruebas AB

• Temas: pide 50 a la vez, luego agrupa y selecciona

• Estructuras: pide 3 conjuntos y luego combina

• Formulaciones: pide 10 expresiones distintas y elige la mejor

Al subir la media y el volumen, aparecerán “muestras sorpresa” que alcanzan 85 o 90 puntos. A menudo, la excelencia no es un “golpe de genio”, sino fruto de la selección estadística.

Principio 11: No te excedas—dirige como un chef principal: prueba, da feedback y devuelve

Si eres el chef ejecutivo, no preparas personalmente cada plato. En cambio:

• Pruebas

• Juzgas si cumple el estándar

• Das feedback claro (qué falla, cómo arreglarlo)

• Mandas al cocinero a rehacerlo

Con la IA ocurre igual. Respeta su proceso generativo—enséñale tus estándares en vez de corregir cada resultado tú mismo.

Si no, el “retoque infinito” te agotará.

Principio central: vuelve a la realidad—materiales × criterio marcan el techo

En la era de la IA, la calidad de tu trabajo depende cada vez más de:

 Materiales × criterio.

Los modelos cambiarán y los métodos evolucionarán, pero estos dos factores permanecen:

Los materiales vienen del mundo real

• Dadas dos opciones para escribir:

• Usar el modelo más nuevo, pero solo materiales online

O usar un modelo antiguo, pero con archivos completos, testimonios y trabajo de campo

• Lo segundo suele dar mejores resultados.

El criterio surge de la práctica prolongada

• Cuando “generar” se abarata, lo realmente escaso es:

• Saber qué merece la pena escribir

• Saber qué pruebas son sólidas

• Saber qué narrativa es convincente

• Estar dispuesto a hacer el trabajo: investigar a fondo, indagar, experimentar

La IA cambia la eficiencia y el modo de trabajar con positively, pero tú sigues siendo el autor, los materiales el tema y la IA solo la herramienta.

Investigar a fondo y sobre el terreno para recopilar materiales de origen

Conclusión: convierte la ansiedad en experiencia

Muchos tropiezan con la IA no por falta de inteligencia, sino por quedarse atrapados en el ciclo “deseo—decepción—abandono”. El verdadero avance llega al tratar la IA como banco de trabajo, diseñar tareas, abrir el proceso y desarrollar experiencia con la práctica.

Cuando lo haces, es menos probable que digas “la IA no funciona”; te conviertes en un profesional capaz de gestionar nuevas herramientas, sin condescendencia ni devoción, integrándolas en tu flujo de trabajo, tu realidad y obras que firmas con orgullo.

Soy Hanyang. Si te interesa mi trabajo, sígueme en X o lee más en mi blog.

Declaración:

1. Este artículo se ha reimpreso desde [HanyangWang]. Los derechos de autor pertenecen al autor original [HanyangWang]. Para dudas sobre la reimpresión, contacta con el equipo de Gate Learn. El equipo atenderá tu solicitud con prontitud conforme a los procedimientos establecidos.

2. Descargo de responsabilidad: Las opiniones expresadas en este artículo pertenecen exclusivamente al autor y no constituyen asesoramiento de inversión.

3. Otras versiones de este artículo en diferentes idiomas han sido traducidas por el equipo de Gate Learn. Salvo que se acredite a Gate, no copies, distribuyas ni plagies el artículo traducido.