Este curso utiliza inteligencia artificial.
Casi todos los cursos de prompting te enseñan a añadir cosas. Este te enseñará, sobre todo, a quitarlas.
El oficio se ha invertido. La disciplina de antes era la compensación: los modelos se quedaban cortos, así que empujabas. Escribías instrucciones en mayúsculas para que se activara una herramienta. Decías revisa siempre tu trabajo dos veces, porque si no, no lo hacía. Forzabas un formato JSON empezando tú la respuesta. Todo eso existía para arrastrar a un modelo reacio hasta un nivel.
Los modelos actuales llegan a ese nivel por sí solos. Revisan su trabajo, recurren a herramientas, exploran. Así que esas mismas instrucciones ahora se apilan sobre un comportamiento que ya existe — y obtienes un agente que verifica tres veces, lanza subagentes para una tarea que podría haber terminado solo y escribe nueve párrafos cuando querías dos. En este curso, muchos de los mayores efectos medidos vienen de borrar una línea, no de añadirla.
Vas a trabajar en una sola empresa durante todo el curso
Los consejos abstractos de prompting casi no sirven, así que aquí no hay ejemplos de juguete. Te incorporas a Vantel, una empresa B2B de facturación con 400 personas, el primer día, y te quedas allí durante las 34 clases. Vantel tiene tres superficies de IA que, entre las tres, cubren prácticamente todo lo que el prompting tiene que resolver: Ledger Assist (chat dentro del producto), Invoice Intake (un pipeline de extracción de documentos) y Cobalt (un agente de programación interno que trabaja horas sin supervisión). Vas a conocer a sus ingenieros, leer sus prompts y seguir sus mediciones.
Cada afirmación de este curso lleva una cifra
- Una instrucción enfática de herramienta, escrita hace dos generaciones de modelos, borrada: 38 % menos llamadas a herramientas, sin cambios en el éxito de las tareas.
- Una cláusula de motivo añadida a una regla sobre datos bancarios: un control antifraude pasó de resistir 12 de 41 pruebas a 39 de 41 — y se volvió menos propenso a rechazar de más.
- Once prohibiciones de formato sustituidas por una frase que describe el objetivo.
- Un arreglo de seis líneas que volvió como 430 líneas en 11 archivos, y las cinco cláusulas concretas que redujeron el tamaño de los diffs un 70 %.
- Un agente nocturno que pidió permiso a las 19:11 y esperó 13 horas una respuesta.
Qué lo diferencia de una entrada de blog
Los consejos de prompting envejecen mal, y casi todos se publican sin medir nada. Este curso está construido al revés: construyes un conjunto de evaluación en la sección 1, y cada técnica posterior es algo que puedes demostrar o refutar en tu propio sistema. La sección 6 enseña luego lo que sobrevive a la próxima versión — cómo leer una guía de comportamiento de un modelo, cómo hacer un barrido de esfuerzo y la lista de verificación de migración de ocho auditorías que llevó a un equipo de tres semanas a dos días.
Cinematográfico, no diapositivas
Ninguna clase de viñetas. Cada clase es una escena en movimiento — diagramas de arquitectura animados, demos en vivo de prompt frente a respuesta, recorridos por terminal de ejecuciones reales de evals y comparaciones de antes y después con las métricas moviéndose en pantalla.
Para quién es
Ingenieros, ingenieros de ML y product managers técnicos que ya llaman a una API de LLM y están cansados de que su archivo de prompts crezca hasta cuatrocientas líneas que nadie se atreve a tocar. No hace falta formación en ML.
Este es un curso independiente y no oficial. No está afiliado a Anthropic, ni cuenta con su respaldo o su patrocinio. Claude es una marca de Anthropic, PBC. Consulta siempre la documentación oficial para conocer el comportamiento actual de los modelos.








