Información de la convocatoria
Objetivos
Diseñar prompts avanzados, incorporando de forma deliberada contexto, rol, tarea, restricciones, ejemplos, instrucciones y formato de salida para obtener resultados más precisos y adaptados a una necesidad concreta.
Seleccionar la técnica de prompting más adecuada en función del tipo de tarea, su complejidad y el resultado esperado.
Aplicar técnicas zero-shot y few-shot, comprendiendo sus diferencias y seleccionando ejemplos adecuados para orientar el comportamiento de los modelos de IA.
Utilizar técnicas de descomposición y razonamiento paso a paso para abordar tareas complejas mediante instrucciones secuenciales y estructuradas.
Aplicar prompting iterativo y multiturno, revisando las respuestas obtenidas, reformulando instrucciones, incorporando información adicional y mejorando progresivamente los resultados. El material RUN-EU contempla precisamente el uso de interacciones sucesivas para profundizar en cuestiones complejas.
Construir prompts estructurados y modulares, organizando las instrucciones en bloques diferenciados de contexto, datos, tarea, instrucciones y formato de respuesta.
Diseñar plantillas de prompts reutilizables, incorporando variables y elementos modificables que permitan adaptar una misma estructura a diferentes situaciones profesionales. La reutilización constituye explícitamente uno de los principios del material de Prompt Engineering.
Diseñar instrucciones condicionales, estableciendo diferentes comportamientos o respuestas de la IA según las características de la situación, los datos disponibles o las condiciones definidas.
Aplicar prompting estructurado a la generación de documentos e informes, utilizando procesos por etapas para planificar, generar, revisar y mejorar contenidos.
Diseñar workflows profesionales apoyados en IA, identificando las diferentes etapas de un proceso, sus entradas y salidas, los prompts necesarios y los puntos de supervisión humana.
Identificar tareas repetitivas susceptibles de automatización mediante IA, transformándolas en procesos estructurados y reutilizables.
Integrar el prompting con herramientas de productividad y entornos profesionales, especialmente en escenarios relacionados con documentos, hojas de cálculo, presentaciones y otras aplicaciones de trabajo. El material de gestión universitaria muestra, por ejemplo, aplicaciones de IA integradas con Word, Excel, PowerPoint, Forms y Teams.
Seleccionar el modo de interacción con la IA más adecuado —por ejemplo, conversación general o modalidades orientadas a investigación— atendiendo a factores como profundidad, rapidez, rigor y trazabilidad.
Evaluar críticamente los resultados generados por IA, identificando errores, respuestas inadecuadas, información no fundamentada y posibles alucinaciones. El material RUN-EU define las alucinaciones como resultados generados por los modelos que pueden ser incorrectos o carentes de sentido.
Aplicar estrategias de verificación y supervisión humana, contrastando la información generada antes de utilizarla en contextos profesionales.
Reconocer posibles sesgos y limitaciones de los sistemas de IA, incorporando una actitud crítica ante los resultados obtenidos.
Mejorar sistemáticamente un sistema de prompts, comparando diferentes versiones, analizando sus resultados y justificando las modificaciones introducidas.
Crear una biblioteca personal o profesional de prompts, organizada por tareas y susceptible de ampliación y reutilización. Esta orientación está directamente presente en los ejercicios del material RUN-EU, que propone crear una biblioteca de prompts para tareas habituales y compartirla en el LMS.
Aplicar las técnicas aprendidas a casos profesionales reales, especialmente relacionados con tareas docentes, administrativas y de gestión universitaria.
Desarrollar un proyecto final de Prompt Engineering, diseñando y probando un sistema de prompts completo para resolver una necesidad profesional, documentando el proceso, los resultados, las iteraciones y las mejoras realizadas.
Destinatarios
PTGAS de la UBU.
Contenidos
UNIDAD 0. Repaso y transición
Revisión de conceptos clave
Diagnóstico inicial (Quiz)
UNIDAD 1. Del prompt eficaz al prompt avanzado
1.1. Qué hace que un prompt sea avanzado
1.2. Arquitectura de un prompt
1.3. Contexto, rol y objetivo
1.4. Límites y formato de salida
1.5. Práctica: Crear cinco prompts diferentes para una misma tarea y comparar los resultados.
UNIDAD 2. Técnicas avanzadas de prompting
2.1. Zero-shot prompting
2.2. Few-shot prompting
2.3. Descomposición y razonamiento paso a paso
2.4. Role-playing y perspectivas
2.5. Multiturno e iteración
Autoevaluación
UNIDAD 3. Prompting estructurado, modular y reutilizable
3.1. Prompts por bloques
3.2. Plantillas y variables
3.3. Instrucciones condicionales
3.4. Prompts para documentos y datos
3.5. Práctica: Biblioteca personal de prompts
Autoevaluación
UNIDAD 4. IA aplicada a procesos y workflows PTGAS
4.1. De la tarea al proceso
4.2. Casos de uso PTGAS
4.3. Herramientas ofimáticas y asistentes
4.4. Automatización y Power Automate
4.5. Agentes, RAG y procesos institucionales
Autoevaluación
UNIDAD 5. Evaluación, fiabilidad y proyecto final
5.1. Alucinaciones y errores
5.2. Verificación y fuentes
5.3. Sesgos, límites y supervisión humana
5.4. Optimización y métricas
Proyecto final PTGAS
Metodología:
El curso se organiza de manera secuencial y progresiva en seis unidades. Cada unidad ayuda a aprender y reforzar conocimientos y habilidades avanzadas sobre la Inteligencia Artificial generativa. Se parte de conceptos básicos y se avanza hasta usar la IA en tareas, procesos y flujos de trabajo del Personal Técnico, de Gestión y de Administración y Servicios (PTGAS). Los contenidos cubren cómo crear avisos efectivos y avanzados, las técnicas de aviso, cómo diseñar instrucciones estructuradas y reutilizables, cómo usar la IA en procesos administrativos y cómo comprobar la confiabilidad de los resultados. El curso termina con un proyecto final que aplica lo aprendido al entorno profesional.
La metodología combina teoría y práctica. Se usan explicaciones, ejemplos reales, demostraciones y ejercicios guiados que ayudan a probar y usar directamente lo aprendido. Durante el curso, los participantes aprenderán a convertir peticiones genéricas en instrucciones específicas, definiendo el rol, el objetivo, la tarea, los datos disponibles, las restricciones y el formato de salida deseado. Además, practicarán técnicas avanzadas como las indicaciones de disparo cero, las indicaciones de pocos disparos, dividir tareas complejas en partes, trabajar en fases, usar distintas perspectivas y conversar en varias rondas para revisar y mejorar las respuestas generadas.
Se promoverá el diseño de avisos estructurados con bloques, plantillas y variables, y también el uso de instrucciones condicionales para manejar la falta de datos, evitar inventar información y detectar contradicciones. Estas técnicas se usarán para crear y revisar documentos, informes, actas, correos, resúmenes, tablas y otros productos comunes de la administración universitaria. También se trabajará con la IA en procesos y flujos de trabajo, identificando entradas, transformaciones, decisiones, salidas y formas de seguir el progreso. Se explorará cómo integrar la IA con herramientas ofimáticas, asistentes de IA, soluciones de automatización como Power Automate, agentes especializados y sistemas basados en bases de conocimiento y RAG.
La participación activa de los estudiantes es clave. Por eso se ofrecerán actividades, cuestionarios de revisión de conocimientos y ejercicios de análisis y solución de problemas reales del entorno PTGAS. Las actividades incluyen crear y comparar varias versiones de un mismo mensaje, hacer una biblioteca personal de instrucciones reutilizables, proponer cómo usar la IA en procesos administrativos y revisar críticamente los resultados. También se enfocará en detectar errores y alucinaciones, verificar datos y fuentes, identificar sesgos y limitaciones, y mantener la supervisión y responsabilidad profesional al usar estas herramientas.
Evaluación:
La evaluación será continua y práctica, basándose en la participación y en las actividades realizadas en cada unidad. Se usarán cuestionarios de autoevaluación para comprobar la comprensión de conceptos clave y ejercicios prácticos para valorar la habilidad de diseño de avisos avanzados, usar distintas técnicas de aviso, estructurar instrucciones reutilizables y emplear la IA generativa en tareas y procesos comunes de la gestión administrativa universitaria.
Durante el curso, se evaluará la capacidad de adaptar las instrucciones al contexto, de establecer objetivos y formatos de salida, de añadir restricciones y criterios de calidad, y de mejorar los resultados con revisión e iteración. También se valorará la creación de una biblioteca personal de indicaciones que se ajusta a las necesidades profesionales, y la habilidad de detectar oportunidades de usar la IA en procesos de trabajo, proponer flujos de acción y reconocer cómo integrarla con herramientas ofimáticas y soluciones de automatización. Se trabajará también en la confiabilidad y el control de calidad de los resultados, con ejercicios para detectar errores, comprobar datos y fechas, comparar con fuentes institucionales, identificar información incompleta y analizar sesgos. Se valorará que los participantes reconozcan las limitaciones de la IA, expliquen las modificaciones en los avisos y apliquen criterios de precisión, utilidad, claridad, adecuación al destinatario, formato y completitud, teniendo en cuenta el tiempo ahorrado y la necesidad de revisión humana.
Como actividad final, cada participante desarrollará un proyecto final aplicado al entorno PTGAS. En el proyecto, cada participante debe identificar una tarea o proceso real de su ámbito profesional y proponer una solución basada en el uso de la IA generativa. El proyecto incluye el diseño de avisos estructurados, la aplicación de las técnicas más adecuadas, la revisión y verificación de los resultados y la definición de criterios para valorar la calidad y utilidad de la solución. De esta manera, la evaluación comprobará no solo la adquisición de conocimientos teóricos, sino también la capacidad de cada participante para aplicar, optimizar y evaluar el uso de la IA generativa de forma crítica, confiable y responsable en situaciones reales de la actividad profesional.
Fecha de realización y horario
Curso online
Del 16 al 27 de noviembre de 2026
Lugar
UBUVirtual
Formador
Arturo Alvear González. Unidad Técnica de Calidad.
