Guía de Prompts | Modelo RICO

Una Guía de ayuda para Dominar la IA

Aprende el Modelo RICO, descubre las mejores prácticas 2026, accede a prompts profesionales listos para usar. Una Guía para trabajar con IA como un experto.

¿Qué encontrarás en este Kit?

📖 Diccionario de IA 2026

Domina el vocabulario técnico que usan los profesionales. Términos clave como LLM, Agentes, RAG, Hallucination, Fine-tuning y más, con definiciones claras y ejemplos prácticos.

✨ Mejores Prácticas

Técnicas probadas basadas en investigación de 2025-2026 de OpenAI, Anthropic y expertos en prompt engineering. Aprende qué funciona realmente y qué debes evitar.

🎯 Modelo RICO

El framework estructurado del workshop: Rol, Instrucciones, Contexto, Output. Incluye un generador interactivo para crear prompts profesionales en segundos.

💼 Prompts Listos

Biblioteca curada de prompts profesionales para Dirección, Ventas, Marketing y Operaciones. Cópialos, personalízalos y úsalos inmediatamente.

🚀 100% Práctico

Todo está listo para copiar y usar. No teoría abstracta, solo herramientas que funcionan para profesionales que generan resultados reales.

Cómo Usar Este Kit

1. Empieza por el Diccionario

Familiarízate con los términos clave. Entender el vocabulario te permitirá comunicarte con precisión sobre IA.

2. Estudia las Mejores Prácticas

Lee las 10 prácticas fundamentales. Son el resultado de investigación académica y práctica profesional en 2025-2026.

3. Aprende el Modelo RICO

Entiende cada componente (Rol, Instrucciones, Contexto, Output) y practica con el generador interactivo.

4. Explora los Prompts Profesionales

Navega por categoría (Dirección, Ventas, Marketing, Operaciones). Copia, personaliza y prueba los que necesites.

📖 Diccionario de IA para Profesionales 2026

Domina el vocabulario esencial que todo profesional de alto impacto debe conocer en 2026.

🤖 LLM (Large Language Model)

Modelo de lenguaje entrenado con billones de parámetros en vastos conjuntos de datos. Entiende y genera lenguaje natural. GPT-4, Claude, Gemini son ejemplos.

Ejemplo: ChatGPT usa GPT-4, un LLM con cientos de billones de parámetros entrenado en libros, artículos y transcripciones.

🎯 Prompt

Instrucción o pregunta que das a un modelo de IA para obtener una respuesta. La calidad del prompt determina directamente la calidad del output.

Ejemplo: "Actúa como CMO. Analiza esta estrategia de contenido y proporciona 5 mejoras con ROI estimado" es un prompt estructurado.

🔧 Prompt Engineering

Disciplina de diseñar, refinar y optimizar prompts para obtener los mejores resultados. Combina técnica con comprensión del modelo.

Ejemplo: Cambiar "resume esto" por "Extrae los 3 puntos clave en bullet points, máximo 50 palabras total" es prompt engineering.

🎭 Rol / Persona

Asignar una identidad específica al modelo (experto, consultor, analista) para moldear el tono, profundidad y perspectiva de la respuesta.

Ejemplo: "Eres un CFO con 20 años de experiencia en SaaS B2B" genera respuestas muy diferentes que "Eres un estudiante de finanzas".

🧠 Razonamiento Avanzado

Modo de modelos (como o1, o3) que generan cadenas de pensamiento paso a paso antes de responder. Mejora precisión en tareas complejas.

Ejemplo: GPT-4o es rápido para tareas simples. o1 usa razonamiento avanzado para decisiones estratégicas complejas.

💡 Chain-of-Thought (CoT)

Técnica que instruye al modelo a "mostrar su trabajo" paso a paso. Mejora dramáticamente precisión en razonamiento lógico y matemático.

Ejemplo: Agregar "Piensa paso a paso y explica tu razonamiento antes de la respuesta final" activa CoT.

🎨 Few-Shot Prompting

Proporcionar 2-5 ejemplos de entrada-salida deseada para que el modelo entienda exactamente qué formato y estilo quieres.

Ejemplo: "Extrae info así → Cliente: Acme Corp | Budget: $50K | Timeline: Q2. Ahora extrae de este email..."

🎯 Context Window

Cantidad máxima de texto (tokens) que el modelo puede procesar en una conversación. GPT-4: 128K tokens ≈ 96,000 palabras.

Ejemplo: Puedes cargar un documento de 80 páginas completo dentro del context window de GPT-4.

👻 Hallucination

Cuando el modelo genera información falsa pero plausible. Inventa hechos, cifras o referencias que no existen.

Ejemplo: Preguntas sobre un evento post-cutoff y el modelo inventa detalles en lugar de decir "no tengo esa información".

🤖 Agente de IA

Sistema que usa LLMs para ejecutar tareas autónomamente, interactuando con herramientas y datos. Va más allá de chatbots simples.

Ejemplo: Un agente que busca info web, analiza datos, genera reporte y lo envía por email sin intervención humana.

📚 RAG (Retrieval-Augmented Generation)

Técnica que combina búsqueda de información con generación. El modelo busca datos relevantes antes de generar respuesta.

Ejemplo: Chatbot empresarial que busca en documentación interna antes de responder preguntas de empleados.

🎓 Fine-tuning

Entrenamiento adicional de un modelo base con datos específicos de tu dominio para mejorar rendimiento en tareas especializadas.

Ejemplo: Ajustar GPT-4 con 10,000 emails de atención cliente de tu empresa para respuestas más precisas.

🔄 Multimodal

Modelos que procesan y generan múltiples tipos de contenido: texto, imágenes, audio, video simultáneamente.

Ejemplo: GPT-4 Vision analiza una imagen de dashboard y genera análisis de métricas + sugerencias de mejora.

🪙 Token

Unidad básica de procesamiento. Aproximadamente 4 caracteres = 1 token. Los modelos cobran y limitan por tokens.

Ejemplo: "Hola mundo" = ~3 tokens. Un documento de 10,000 palabras ≈ 13,000 tokens.

⚙️ System Prompt

Instrucciones persistentes que definen el comportamiento base del modelo a lo largo de toda la conversación.

Ejemplo: "Eres un asistente especializado en análisis financiero. Usa siempre fuentes verificables y cita números exactos."

🎯 Zero-Shot

Pedir al modelo realizar una tarea sin proporcionar ejemplos previos. Confía en su entrenamiento base.

Ejemplo: "Traduce este texto al francés" sin dar ejemplos de traducción. El modelo lo hace directamente.

📊 Embedding

Representación matemática de texto como vector numérico. Permite búsqueda semántica y comparación de similitud.

Ejemplo: Convertir "CEO" y "Director Ejecutivo" en vectors similares para identificar que son conceptos relacionados.

🔒 Jailbreaking

Técnicas para evadir restricciones de seguridad del modelo. Importante conocerlo para proteger sistemas empresariales.

Ejemplo: Reformular peticiones prohibidas de forma indirecta para bypass de filtros de contenido.

⚙️ Custom Instructions

Instrucciones persistentes que defines una vez y el modelo las aplica a todas las conversaciones. Configura tono, formato y preferencias.

Ejemplo: Configurar "Siempre responde en bullets, máximo 3 frases por punto, tono ejecutivo directo" para todas tus conversaciones.

🔑 Keyword (Palabra Clave)

Términos específicos que guían al modelo hacia el tipo de respuesta que necesitas. Usar keywords correctas mejora precisión y relevancia.

Ejemplo: En lugar de "dame ideas", usa keywords como "brainstorm", "análisis comparativo", "lista priorizada" o "estrategia paso a paso".

🚀 API

Interfaz de programación que permite integrar modelos de IA en tus aplicaciones, productos o flujos de trabajo.

Ejemplo: Usar OpenAI API para integrar GPT-4 en tu CRM y automatizar generación de propuestas comerciales.

🔢 Token

Unidad básica de procesamiento en LLMs. Un token equivale aproximadamente a 4 caracteres o ¾ de una palabra. Los modelos tienen límites de tokens (context window).

Ejemplo: GPT-4 Turbo tiene 128K tokens de contexto (~96K palabras). "Hola mundo" = 3 tokens. Controlar token usage optimiza costos en APIs.

🔄 Workflow (Flujo de Trabajo)

Secuencia automatizada de tareas conectadas que procesan datos entre aplicaciones. Herramientas como Make, n8n y Zapier permiten crearlos sin código.

Ejemplo: Workflow que al recibir email → extrae datos → actualiza CRM → envía notificación Slack → genera factura. Todo automático en segundos.

⚡ Trigger (Disparador)

Evento que inicia un workflow automáticamente. Puede ser un cambio en base de datos, nuevo email, hora programada, webhook recibido, etc.

Ejemplo: "Cuando se añade fila en Google Sheets" (trigger) → ejecuta automatización. También: webhook, schedule (cron), manual, API call.

🎯 Action (Acción)

Paso ejecutado dentro de un workflow tras un trigger. Cada action realiza una tarea específica: enviar email, crear registro, llamar API, transformar datos.

Ejemplo: Trigger: nuevo contacto → Action 1: crear en CRM → Action 2: enviar bienvenida → Action 3: notificar equipo ventas. Múltiples actions en secuencia.

🔗 Node (Nodo)

Bloque visual en herramientas como n8n o Make que representa una operación: app integration, lógica condicional, transformación de datos. Los nodos se conectan para formar workflows.

Ejemplo: Nodo "HTTP Request" → Nodo "IF" (condición) → Nodo "Slack" (send message). Cada nodo = 1 operación. Make cobra por operations, Zapier por tasks.

🪝 Webhook

URL que recibe datos en tiempo real cuando ocurre un evento. Sistema push (no polling). Clave para automatizaciones instantáneas entre aplicaciones.

Ejemplo: Stripe envía webhook a tu URL cuando hay pago → tu sistema procesa al instante. Sin webhooks tendrías que consultar (polling) cada minuto si hay pagos.

🔌 API Integration

Conexión entre aplicaciones mediante APIs (REST, GraphQL, SOAP). Permite que una app lea/escriba datos en otra automáticamente. Base de cualquier automatización.

Ejemplo: Make conecta con API de HubSpot (CRM), extrae contactos nuevos, y los envía a API de Mailchimp para email marketing. 2 APIs comunicándose.

⚙️ Self-Hosting

Opción de instalar software en tus propios servidores en lugar de usar versión cloud (SaaS). n8n lo permite, dando control total de datos y costos a largo plazo.

Ejemplo: n8n self-hosted en AWS = $50/mes servidor vs n8n Cloud = $200/mes por volumen alto. Self-hosting requiere equipo técnico pero es más económico a escala.

🚦 Rate Limit

Límite de requests por minuto/hora que una API acepta. Excederlo = error 429. Critical en automatizaciones de alto volumen. Requiere throttling y reintentos con backoff.

Ejemplo: API de Twitter: 300 requests/15min. Tu workflow procesa 1000 tweets → implementa pausas (sleep), batch processing y retry logic para no fallar.

🔒 Idempotencia

Propiedad de una operación que produce el mismo resultado si se ejecuta múltiples veces. Evita duplicados en automatizaciones. Usa claves únicas (IDs) para deduplicación.

Ejemplo: Workflow crea cliente en CRM usando email como clave única. Si se ejecuta 2 veces, verifica "¿email existe?" antes de crear. Sin idempotencia = duplicados.

📊 Operations vs Tasks

Métricas de consumo en plataformas: Make usa "operations" (cada módulo ejecutado), Zapier usa "tasks" (cada acción completa). Impacta directamente en costos mensuales.

Ejemplo: Workflow con 5 pasos = 5 operations en Make pero 4 tasks en Zapier (trigger no cuenta). Make cobra por operation, Zapier por task ejecutada.

10 Mejores Prácticas de Prompt Engineering 2026

Basadas en investigación de OpenAI, Anthropic, Google y expertos en el campo. Estas prácticas están probadas en entornos profesionales reales.

1. Sé Específico y Claro, Evita Ambigüedad

La regla de oro: Palabras vagas como "bueno", "profesional", "engagement", "interesante" no significan nada para un LLM. Son "calorías vacías" que fuerzan al modelo a adivinar.

❌ Mal: "Dame un resumen profesional de este documento."
✅ Bien: "Extrae los 5 puntos clave en máximo 150 palabras, usando bullet points. Enfócate en ROI y métricas cuantificables."

Por qué funciona: Conviertes deseos subjetivos en parámetros objetivos que el modelo puede ejecutar sin ambigüedad.

2. Asigna Roles o Personas Específicas

El poder del contexto: Asignar un rol específico cambia completamente tono, profundidad y perspectiva. Un CFO responde diferente que un estudiante.

❌ Mal: "Dame consejos sobre presupuesto."
✅ Bien: "Eres un CFO con 15 años en empresas SaaS B2B de ARR $10M-50M. Dame 5 estrategias de optimización de cash flow para Q1."

Tip: Usa "Eres X" en lugar de "Actúa como X" - estudios muestran mejor performance.

3. Usa Chain-of-Thought para Tareas Complejas

Muestra el trabajo: Para decisiones complejas, lógica o matemáticas, pide al modelo "pensar en voz alta" paso a paso.

✅ Patrón efectivo: "Antes de dar tu respuesta final, explica tu cadena de razonamiento paso a paso. Después de explicar tu lógica, proporciona la conclusión."

Impacto: Mejora dramáticamente precisión en análisis estratégico, problemas lógicos y decisiones multi-factor. El modelo o1 de OpenAI usa esto por defecto.

4. Proporciona Ejemplos (Few-Shot)

Muestra, no solo digas: 2-5 ejemplos de entrada-salida deseada son más efectivos que largas descripciones.

✅ Estructura:
"Extrae información así:
Input: 'Reunión con Acme Corp el martes, budget $50K'
Output: Cliente: Acme Corp | Fecha: martes | Budget: $50,000

Ahora extrae de: [tu texto aquí]"

Cuándo usarlo: Tareas con formato específico, tono personalizado o estructuras de salida complejas.

5. Define Formato de Output Explícitamente

Estructura es claridad: Especifica exactamente cómo quieres la respuesta: bullets, tabla, JSON, markdown, etc.

✅ Ejemplos efectivos:
• "Responde en tabla de 3 columnas: Problema | Impacto | Solución"
• "Formato JSON con campos: name, priority, deadline, owner"
• "Máximo 5 bullet points, cada uno de 20-30 palabras"

Beneficio: Eliminas tiempo de reformateo y garantizas consistencia en outputs.

6. Establece Límites y Constraints

Las reglas mejoran outputs: Limitaciones claras fuerzan precisión y evitan respuestas genéricas infladas.

✅ Tipos de constraints:
• Longitud: "Máximo 100 palabras" o "Entre 300-500 palabras"
• Prohibiciones: "No uses buzzwords como 'innovador', 'game-changer', 'disruptivo'"
• Requisitos: "Cita al menos 3 fuentes verificables" o "Incluye números concretos"

Resultado: Outputs más útiles, accionables y libres de "relleno de IA".

7. Proporciona Contexto Rico Pero Organizado

Contexto es poder: Más contexto relevante = mejores resultados. Pero debe estar bien estructurado.

✅ Template efectivo:
"CONTEXTO:
- Empresa: SaaS B2B, ARR $5M, 30 empleados
- Audiencia: CTOs de empresas 100-500 empleados
- Objetivo: Generar 50 MQLs en Q1
- Restricciones: Budget $15K, equipo de 2 personas

TAREA: [tu instrucción específica]"

Tip Pro: Para proyectos recurrentes, crea un "documento de persona" reutilizable con todo el contexto.

8. Itera y Refina - El Prompting es Conversacional

Raramente es one-shot: Los mejores resultados vienen de refinamiento iterativo. El prompt perfecto primera vez es un mito.

✅ Proceso:
1. Prompt inicial → obtén resultado
2. Analiza qué falta o sobra
3. Refina con "Ahora mejora X..." o "Cambia el tono a Y"
4. Documenta el prompt final para reutilizar

Realidad: Incluso expertos iteran 3-5 veces en prompts complejos. Es normal y esperado.

9. Usa Delimitadores para Secciones Complejas

Organización visual: ### o """ o --- ayudan al modelo a parsear instrucciones complejas con múltiples secciones.

✅ Ejemplo:
"""
CONTEXTO:
[contexto aquí]
---
DATOS:
[datos aquí]
---
TAREA:
[instrucción aquí]
---
FORMATO DESEADO:
[formato aquí]
"""

Cuándo usarlo: Prompts con múltiples inputs, datos tabulares o instrucciones multi-paso.

10. Itera y Documenta tus Mejores Prompts

El proceso importa: Raramente obtienes el prompt perfecto en el primer intento. La iteración es normal y esperada. Los mejores prompts son el resultado de 3-5 refinamientos.

✅ Workflow recomendado:
1. Primera versión: Escribe el prompt básico
2. Evalúa el output: ¿Qué falta? ¿Qué sobra? ¿Qué está mal?
3. Refina: Añade especificidad, ejemplos o constraints
4. Repite: Hasta lograr consistencia en resultados
5. Documenta: Guarda los prompts que funcionan en tu biblioteca personal

Tip profesional: Usa la sección "Mis Prompts" de este kit para guardar tus versiones exitosas y construir tu biblioteca personalizada.

Anti-patrones Comunes a Evitar

❌ Prompts Demasiado Vagos

"Hazlo mejor", "Sé creativo", "Make it pop" - el modelo no sabe qué significa esto para ti.

❌ Múltiples Tareas en Un Prompt

Pedir analizar + resumir + traducir + formatear en un solo prompt. Separa en pasos.

❌ No Verificar Outputs

Confiar ciegamente. Siempre revisa hechos, datos y lógica. Los modelos alucinan.

❌ Copiar Prompts Sin Adaptar

Los prompts "universales" de internet raramente funcionan para tu caso específico.

❌ Ignorar el Context Window

Cargar documentos masivos sin resumen previo. Usa embeddings o chunking estratégico.

❌ No Documentar Prompts Exitosos

Encontrar un prompt perfecto y no guardarlo. Crea una biblioteca personal.

Modelo RICO

RICO es el framework estructurado del workshop para crear prompts profesionales consistentes. Transforma peticiones vagas en instrucciones precisas que generan resultados predecibles y de alto impacto.

🎭 R - Rol

Define quién es el modelo. Un CFO piensa diferente que un CMO. El rol moldea perspectiva, vocabulario y profundidad.

Ejemplos:
• "Eres un CEO con 20 años liderando empresas SaaS de $50M+ ARR"
• "Eres una consultora de McKinsey especializada en transformación digital"
• "Eres un VP de Ventas B2B Enterprise con historial de cerrar deals $500K+"

📋 I - Instrucciones

Qué debe hacer exactamente. Usa verbos de acción concretos. Evita "haz algo interesante" - sé preciso.

Ejemplos:
• "Analiza estos 5 competidores y crea matriz comparativa de 3 columnas"
• "Genera 10 headlines de email usando curiosity gap y urgencia"
• "Extrae métricas clave, calcula variance YoY, identifica 3 red flags"

📊 C - Contexto

Información de fondo relevante. Quién es tu audiencia, qué limitaciones hay, qué ya se probó. Más contexto = mejor output.

Ejemplos:
• "Contexto: Empresa B2B SaaS, ICP = CTOs 50-500 empleados, ticket promedio $80K/año"
• "Budget: $20K, Plazo: 6 semanas, Team: 3 personas júnior"
• "Ya probamos ads de Facebook ($15K spend, 2.1 ROAS). Ahora exploramos LinkedIn"

📄 O - Output

Cómo quieres la respuesta. Formato, estructura, longitud, tono. Especificidad aquí ahorra horas de edición.

Ejemplos:
• "Output: Tabla 4 columnas (Estrategia | Costo | Timeline | ROI esperado)"
• "Formato: 5 bullet points, cada uno 30-40 palabras, tono ejecutivo"
• "Máximo 200 palabras total, incluye 3 métricas cuantificables"

Generador RICO Interactivo

Completa los campos y genera tu prompt profesional estructurado al instante.

🎭 ROL - ¿Quién debe ser el modelo?

📋 INSTRUCCIONES - ¿Qué debe hacer exactamente?

📊 CONTEXTO - Información de fondo relevante

📄 OUTPUT - Formato deseado de la respuesta

Ejemplos RICO por Función Profesional

📊 Dirección - Análisis Estratégico

CEO / C-Level

ROL: Eres un CEO con 20 años liderando empresas B2B SaaS en crecimiento ($10M-$100M ARR). INSTRUCCIONES: Analiza nuestra posición competitiva actual y genera una matriz 2x2 (Ventaja Competitiva vs Urgencia Estratégica) con nuestras 8 iniciativas. Prioriza las top 3 para próximo trimestre. CONTEXTO: Empresa SaaS B2B, ARR $15M (+120% YoY), 45 empleados, levantamos Series A ($8M) hace 6 meses. Mercado: Marketing automation para e-commerce. Principales competidores: HubSpot, Klaviyo, ActiveCampaign. OUTPUT: 1) Matriz visual 2x2 con las 8 iniciativas posicionadas. 2) Justificación de top 3 (max 100 palabras c/u). 3) Tabla de recursos necesarios (FTEs | Budget | Timeline). Total máximo 500 palabras.

💰 Ventas - Pipeline Analysis

VP Sales / Revenue

ROL: Eres un VP de Ventas B2B Enterprise con 15 años cerrando deals de $100K-$1M+ en software empresarial. INSTRUCCIONES: Analiza este pipeline Q4, identifica deals en riesgo (>30 días sin avance), segmenta por win probability, y proporciona tácticas específicas para acelerar cierre de los 5 deals más valiosos. CONTEXTO: Pipeline: 45 oportunidades, $8.5M total value. Ciclo de venta promedio: 90 días. Tenemos 6 semanas para Q4. Team: 1 AE senior, 2 AE mid-level. Ticket promedio histórico: $120K. Win rate: 28%. OUTPUT: Tabla con columnas: Deal | Value | Days in Stage | Risk Level | Specific Action | Owner. Separa en 3 categorías: Hot (close esta semana), Warm (cierre en 2-3 semanas), Cold (reactivar o descalificar). Máximo 400 palabras de análisis + tabla.

📢 Marketing - Campaign Strategy

CMO / Growth

ROL: Eres una CMO con 12 años en growth marketing B2B, experta en paid acquisition y funnel optimization para SaaS. INSTRUCCIONES: Diseña estrategia de paid ads para Q1 con objetivo de generar 200 MQLs. Distribuye presupuesto entre canales (LinkedIn, Google, Facebook), define targeting, crea 3 variantes de messaging y establece KPIs por canal. CONTEXTO: Producto: CRM para real estate. ICP: Brokers/agencies 10-100 agentes. Ticket: $299/mes. LTV: $10,800. CAC permitido: $1,200. Budget total Q1: $60K. Conversión histórica: web visit → trial = 3.5%, trial → paid = 18%. OUTPUT: 1) Tabla allocation por canal (% budget | Expected MQLs | CPL estimado). 2) 3 hooks/headlines por canal. 3) Targeting specifics c/canal. 4) KPIs semanales. Formato markdown, máximo 600 palabras.

⚙️ Operaciones - Process Optimization

COO / Operations

ROL: Eres un COO con experiencia escalando operaciones en startups de 20 a 200+ empleados, especializado en automation y efficiency. INSTRUCCIONES: Audita nuestro proceso actual de onboarding de clientes, identifica los 5 bottlenecks principales, calcula tiempo/costo de cada uno, y propón stack de herramientas + workflow automatizado para reducir time-to-value 50%. CONTEXTO: Proceso actual: 12 pasos, 14 días promedio, involucra 4 equipos (Sales, Success, Product, Support). 80 nuevos clientes/mes. Cada día de delay = $450 en opportunity cost. Team mayormente manual (spreadsheets, emails). Budget automation: $15K setup + $3K/mes. OUTPUT: 1) Diagrama flujo actual vs propuesto (texto). 2) Tabla de bottlenecks (Step | Current time | Cost | Root cause). 3) Stack recomendado (Tool | Use case | Cost | Integration effort). 4) ROI projection 12 meses. Max 700 palabras + tablas.

Custom GPTs Verificados

Herramientas especializadas de la GPT Store de OpenAI - Custom GPTs creados por expertos y la comunidad que extienden las capacidades de ChatGPT para tareas específicas.

Acceso: Los GPTs públicos están disponibles para todos los usuarios de ChatGPT. La cuenta gratuita tiene acceso limitado a GPT-4o con restricciones de uso. ChatGPT Plus ($20/mes) ofrece acceso completo a GPT-4o, GPT-4 y o1, con mayor disponibilidad y la capacidad de crear tus propios Custom GPTs.

Los Mejores Custom GPTs para Profesionales

Estos GPTs han sido seleccionados por su utilidad real, popularidad en la GPT Store y relevancia para el workshop. Todos están disponibles oficialmente en chatgpt.com/gpts

Write For Me

Escritura y Contenido

GPT especializado en creación de contenido profesional: artículos, blogs, tutoriales, ensayos. Genera contenido estructurado con tablas y formato. Permite especificar word count, audiencia e intención.

Ideal para: Content marketers, bloggers, copywriters que necesitan drafts rápidos de calidad.

Consensus

Research e Investigación

Busca y resume papers científicos de bases de datos académicas. Proporciona respuestas basadas en evidencia con citas de estudios peer-reviewed. Ideal para fundamentar decisiones con research sólido.

Ideal para: Executives, consultores, researchers que necesitan evidencia científica para estrategias, análisis de mercado o decisiones basadas en datos.

Data Analysis

Análisis y BI

GPT oficial de OpenAI para análisis de datos. Sube archivos CSV, Excel, JSON y obtén insights, visualizaciones, análisis estadístico. Procesa y visualiza datos complejos sin código.

Ideal para: Analistas de datos, CFOs, product managers que necesitan análisis rápido.
Nota: File uploads limitados a 3 archivos por día en tier gratuito.

AskYourPDF Research Assistant

Investigación

Extrae información de PDFs al instante. Sube documentos largos, papers, reportes y haz preguntas específicas. Genera resúmenes, encuentra secciones relevantes, cita páginas.

Ideal para: Researchers, consultores, executives que procesan muchos documentos.
Nota: File uploads limitados en tier gratuito.

The Negotiator

Negocios y Ventas

Entrena tus habilidades de negociación. Simula negociaciones complejas (salarios, deals, contratos), proporciona estrategias, tácticas persuasivas y mejores prácticas probadas.

Ideal para: Sales executives, founders, profesionales antes de negociaciones importantes.

Prompt Perfect

Prompt Engineering

Optimiza tus prompts automáticamente. Analiza tu prompt, identifica debilidades y lo mejora usando mejores prácticas de prompt engineering basadas en ciencia de LLMs.

Ideal para: Cualquier profesional que usa IA diariamente y quiere mejorar la calidad de sus prompts.

💼 Biblioteca de Prompts Profesionales

Prompts listos para usar, organizados por función profesional. Cópialos, personalízalos y úsalos inmediatamente.