Tres pasos para prototipar con LLMs
(sin volverte loco en el intento)
Muchos equipos se lanzan a integrar un modelo de lenguaje como quien añade un plugin de analítica: conectas la API, lanzas unos prompts y… voilà.
Spoiler: no funciona así.
Diseñar un producto con LLMs no va de meter “un poco de inteligencia artificial” y ya está. Va de entender cómo cambia la forma en que el usuario interactúa. Va de diseñar una experiencia conversacional. Va, en definitiva, de saber lo que estás haciendo.
Y para eso, hay una guía muy sencilla pero potente que yo uso y recomiendo: tres pasos para pasar de la idea al prototipo funcional.
1. Define qué quieres construir
Pregunta clave: ¿Podemos construir esto?
Antes de pensar en prompts o flujos, toca pensar en el producto.
No desde la tecnología, sino desde el usuario.
¿Qué problema le estás resolviendo?
¿Qué aporta un LLM que no puedas hacer de otra forma?
¿Qué tipo de respuestas necesitas que genere?
Si no tienes claro esto, vas a acabar con un chatbot que parece listo pero que no sirve para nada. Y eso, créeme, lo he visto demasiadas veces.
2. Prototipa la experiencia (no solo el prompt)
Aquí es donde se desmarca la gente que simplemente juega con GPT en una consola y quienes construyen productos reales.
Un buen prototipo:
No solo tiene un prompt bien afinado
También tiene flujo de conversación, validación de inputs, manejo de errores y ambigüedades
Los LLMs no son mágicos. Son contextuales. Necesitan estructura para brillar.
En mi caso, cada vez que diseño un nuevo flujo con Optimly (mi proyecto de análisis de conversaciones con IA), lo pienso así: ¿qué necesita saber el modelo en cada paso? ¿Cómo mantengo al usuario en el camino correcto? ¿Qué hago cuando no entiende algo?
Ese tipo de preguntas son las que marcan la diferencia.
3. Construye para iterar
Tighten the loop. Siempre.
El prompt que diseñas hoy no será el mejor mañana.
Tampoco el flujo. Tampoco la interfaz.
Por eso hay que construir sistemas pensados para medir, entender y cambiar.
¿Cuántas veces no entiende la pregunta?
¿Cuándo se repiten los errores?
¿Dónde se cortan las conversaciones?
Si no capturas esto, no puedes mejorar. Y si no mejoras, estás fuera.
¿Y ahora qué?
Todo lo que cuento aquí es lo que aplico en mi día a día.
Lo comparto en The Learning Curve porque sé que hay mucha gente intentando construir cosas con IA… y no todo el mundo puede (ni quiere) hacer un máster para entenderlo.
📬 Si te ha servido, suscríbete gratis.
Es gratis porque creo que el conocimiento, si no se comparte, se pudre.
🎙️ Y si quieres seguir el proceso sin filtros, cada semana en el podcast “Cuaderno de Bitácora” te cuento cómo voy creando un producto digital con IA: éxitos y fracasos (sobre todo fracasos).