Ajustar el nivel de vocabulario
Controle la complejidad: lenguaje sencillo de octavo grado frente a terminología específica del dominio.
Ajustar el nivel de vocabulario es una lección gratuita de AI Prompt Engineering en CoddyKit. Esta es la lección 4 de 4. Puedes leer la lección completa abajo gratuitamente — luego la practicas en el navegador con un editor de código integrado y un tutor de IA 24/7. Forma parte de la ruta de aprendizaje de AI Prompt Engineering, y tu progreso se sincroniza en la web y la app de CoddyKit. El curso de AI Prompt Engineering incluye 4 lecciones en total.
Vocabulario: el control de legibilidad
El nivel de vocabulario es el factor individual más importante para determinar si su contenido resulta accesible o excluyente. Un simple cambio en la elección de palabras puede marcar la diferencia entre una respuesta que conecta con el lector y otra que lo aleja.
Los modelos de IA pueden trabajar con todo el espectro de vocabulario, desde uno tan sencillo como el de jardín de infancia hasta uno tan complejo como el de un doctorado; pero debe ajustar explícitamente ese nivel.
Lenguaje sencillo, sin jerga
Solicitar un lenguaje sencillo y sin jerga es fundamental para el contenido dirigido a consumidores, la documentación de soporte y la comunicación entre equipos.
Solicitudes eficaces:
- «Use un lenguaje sencillo, sin jerga técnica»
- «Explíquelo como si el lector no tuviera conocimientos previos sobre este campo»
- «Explique en lenguaje llano cada término técnico la primera vez que lo use»
- «Sustituya cualquier palabra que una persona típica de 10 años no conocería»
import anthropic
client = anthropic.Anthropic(api_key='sk-ant-your-key-here')
response = client.messages.create(
model='claude-opus-4-5',
max_tokens=150,
messages=[{
'role': 'user',
'content': (
'Explain what encryption is. '
'Simple language only — no technical jargon. '
'If you must use a technical word, immediately define it in plain English in parentheses. '
'Target reading level: general public with no tech background. '
'3 sentences maximum.'
)
}]
)
print(response.content[0].text)Especificaciones del nivel de lectura
El Flesch-Kincaid Grade Level mide la dificultad de lectura según el curso escolar en Estados Unidos. Puede solicitarlo directamente:
- «Nivel de lectura de 8.º grado» → accesible para la mayoría de los adultos
- «Nivel de lectura de 5.º grado» → lo bastante sencillo para niños o hablantes no nativos
- «Nivel de lectura de 12.º grado» → para adultos con formación; admite cierta complejidad
- «Nivel de lectura universitario» → presupone educación superior
Las solicitudes de nivel escolar funcionan sorprendentemente bien para controlar la complejidad del vocabulario.
import openai
client = openai.OpenAI(api_key='sk-your-key-here')
levels = ['5th-grade', '8th-grade', '12th-grade', 'college']
for level in levels:
response = client.chat.completions.create(
model='gpt-4o',
max_tokens=60,
messages=[{
'role': 'user',
'content': (
f'Explain what a database index is. '
f'Reading level: {level}. 2 sentences maximum.'
)
}]
)
print(f'[{level}]: {response.choices[0].message.content.strip()}')
print()Suponer conocimientos especializados
Al escribir para especialistas en un área, la jerga no es un problema, sino una forma de comunicarse con mayor eficiencia. Los especialistas prefieren la terminología técnica precisa a las explicaciones simplificadas.
Solicitudes para obtener un vocabulario de nivel experto:
- «Suponga conocimientos especializados; no es necesario incluir definiciones»
- «Use libremente la terminología técnica»
- «Escriba para investigadores con doctorado en este campo»
- «No simplifique en exceso; suponga que el lector conoce los fundamentos»
import anthropic
client = anthropic.Anthropic(api_key='sk-ant-your-key-here')
expert_prompt = (
'Explain the trade-off between MVCC and locking-based concurrency control in OLTP databases.\n'
'Audience: senior database engineers with 10+ years experience.\n'
'Assume expert knowledge — no definitions of basic terms needed.\n'
'Use technical terminology freely: transaction isolation levels, write skew, '
'phantom reads, lock contention, WAL, tuple visibility.\n'
'Max 4 sentences. Be precise, not introductory.'
)
response = client.messages.create(
model='claude-opus-4-5',
max_tokens=200,
messages=[{'role': 'user', 'content': expert_prompt}]
)
print(response.content[0].text)Incluir terminología técnica
Al redactar contenido educativo para estudiantes que necesitan adquirir vocabulario técnico, puede indicar al modelo que haga lo siguiente:
- Introduzca los términos técnicos de forma progresiva
- Escriba en negrita cada término la primera vez que aparezca
- Combine siempre cada término técnico con su equivalente en lenguaje llano
- Elabore un miniglosario al final
Este enfoque enseña vocabulario mientras comunica el contenido.
import openai
client = openai.OpenAI(api_key='sk-your-key-here')
response = client.chat.completions.create(
model='gpt-4o',
messages=[{
'role': 'user',
'content': (
'Explain how HTTPS works for a developer just starting to learn web security. '
'Vocabulary strategy:\n'
'- Introduce technical terms gradually — start simple, add complexity\n'
'- Bold every new technical term on first use\n'
'- Immediately follow each bold term with a plain-English definition in parentheses\n'
'- End with a 4-term Glossary section\n'
'Length: 150 words max (excluding glossary).'
)
}]
)
print(response.choices[0].message.content)La auditoría de la jerga
Una auditoría de la jerga pide al modelo que revise el contenido existente y señale o sustituya los términos técnicos que un lector no especializado podría no entender.
Es útil para revisar sus propios textos antes de enviarlos a un público no técnico, comprobar la documentación de soporte y auditar la accesibilidad del contenido de marketing.
import anthropic
client = anthropic.Anthropic(api_key='sk-ant-your-key-here')
technical_text = (
'Our platform leverages a microservices architecture with asynchronous event-driven '
'communication via a Kafka message broker. Each service exposes RESTful endpoints '
'behind an API gateway that handles rate limiting and JWT authentication. '
'Horizontal pod autoscaling on Kubernetes ensures elasticity under load.'
)
response = client.messages.create(
model='claude-opus-4-5',
max_tokens=300,
messages=[{
'role': 'user',
'content': (
'Perform a jargon audit on the following paragraph.\n'
'1. List every technical term a non-technical business stakeholder might not know.\n'
'2. For each term, provide a plain-English alternative (5 words or fewer).\n'
'3. Rewrite the paragraph using only the plain-English alternatives.\n\n'
f'Text:\n{technical_text}'
)
}]
)
print(response.content[0].text)Coherencia del vocabulario
La coherencia del vocabulario en todo un documento es especialmente importante en la redacción técnica. Cuando un mismo concepto tiene varios nombres de uso habitual, elija uno y utilícelo de principio a fin:
- No alterne entre «usuario», «cliente» y «miembro»
- No llame indistintamente «API», «endpoint» y «servicio» al mismo sistema
- No cambie entre «base de datos» y «almacén de datos»
Solicitud: «Use una terminología coherente en todo el texto. En caso de duda, prefiera [X] a [Y] para [concepto]».
import openai
client = openai.OpenAI(api_key='sk-your-key-here')
response = client.chat.completions.create(
model='gpt-4o',
messages=[{
'role': 'user',
'content': (
'Write a 3-section product description for our B2B SaaS platform.\n'
'VOCABULARY RULES — use these terms consistently throughout:\n'
'- Use "workspace" not "project", "environment", or "account"\n'
'- Use "team member" not "user" or "collaborator"\n'
'- Use "dashboard" not "panel", "console", or "interface"\n'
'- Use "connect" not "integrate", "link", or "sync"\n'
'Sections: Overview, Key Benefits, How It Works.\n'
'Max 100 words total.'
)
}]
)
print(response.choices[0].message.content)Vocabulario para públicos internacionales
Al escribir para públicos internacionales en los que el inglés puede ser un segundo idioma, la elección del vocabulario es aún más importante:
- Prefiera palabras cortas y comunes en lugar de palabras largas y poco frecuentes
- Evite los modismos y los phrasal verbs que no se traducen bien
- Evite las referencias culturales que no resulten familiares fuera de una región
- Use expresiones explícitas en lugar de significados implícitos
- Prefiera las construcciones activas a las pasivas
Solicitud: «Escriba para un público internacional en el que el inglés sea un segundo idioma: use un vocabulario sencillo y no use modismos».
import anthropic
client = anthropic.Anthropic(api_key='sk-ant-your-key-here')
current_text = (
'Our platform hits the ground running right out of the box, '
'giving your team a leg up on the competition. '
'Once you are up to speed, you will be firing on all cylinders. '
'The ball is in your court — reach out to kick off your trial.'
)
response = client.messages.create(
model='claude-opus-4-5',
max_tokens=200,
messages=[{
'role': 'user',
'content': (
'Rewrite the following text for an international audience where English is a second language.\n'
'Rules:\n'
'- Replace all idioms with literal, plain alternatives\n'
'- Use only common, short words (prefer "start" over "commence")\n'
'- No phrasal verbs ("kick off" → "start", "reach out" → "contact")\n'
'- Active voice only\n\n'
f'Text:\n{current_text}'
)
}]
)
print(response.content[0].text)Evaluar el vocabulario mediante una autoauditoría
Pida al modelo que audite su propio resultado para comprobar el nivel de vocabulario después de generarlo. Este enfoque en dos pasos detecta el vocabulario que se haya filtrado a pesar de sus instrucciones:
- Genere el contenido con instrucciones sobre el vocabulario
- Pida al modelo que enumere las palabras que incumplen el nivel de vocabulario y sugiera sustituciones
import openai
client = openai.OpenAI(api_key='sk-your-key-here')
# Step 1: generate with vocabulary constraint
result = client.chat.completions.create(
model='gpt-4o',
messages=[{
'role': 'user',
'content': 'Explain HTTP status codes in 3 sentences for a non-technical business person. Simple words only.'
}]
)
content = result.choices[0].message.content
print('GENERATED:')
print(content)
print()
# Step 2: vocabulary self-audit
audit = client.chat.completions.create(
model='gpt-4o',
messages=[{
'role': 'user',
'content': (
f'Review the following text. List any words a typical non-technical business person '
f'(no tech background) might not know. For each flagged word, suggest a simpler alternative.\n\n'
f'Text:\n{content}'
)
}]
)
print('VOCABULARY AUDIT:')
print(audit.choices[0].message.content)Vocabulario y confianza
El nivel de vocabulario afecta directamente al grado de confianza que los lectores depositan en su contenido:
- Demasiado sencillo para el público → parece condescendiente y menoscaba la credibilidad
- Demasiado complejo para el público → parece excluyente y genera confusión
- El nivel exacto → parece escrito específicamente para ese lector
El objetivo no es usar el vocabulario más sencillo posible, sino el vocabulario adecuado para cada lector. Un desarrollador de blockchain que lee sobre Ethereum espera una terminología precisa; una persona que compra criptomonedas por primera vez, no.
import anthropic
client = anthropic.Anthropic(api_key='sk-ant-your-key-here')
# Same topic, calibrated vocabulary for different trust contexts
audiences = [
('CRYPTO BEGINNER', 'No technical background, first time reading about cryptocurrency. Plain English, no assumed knowledge.'),
('BLOCKCHAIN DEVELOPER', 'Expert: knows EVM, gas fees, consensus mechanisms, smart contract bytecode. No definitions needed.')
]
topic = 'Why Ethereum uses proof-of-stake instead of proof-of-work.'
for label, spec in audiences:
response = client.messages.create(
model='claude-opus-4-5',
max_tokens=100,
messages=[{
'role': 'user',
'content': f'Audience: {spec}\n\nExplain in 2 sentences: {topic}'
}]
)
print(f'[{label}]')
print(response.content[0].text.strip())
print()Vocabulario y voz de marca
La voz de marca depende en parte de la elección del vocabulario. Las empresas definen sus reglas de vocabulario en guías de estilo, y la IA puede seguirlas de forma coherente si las especifica.
Ejemplos de reglas de vocabulario de marca:
- Mailchimp: «Diga ayuda, no asistencia»
- Stripe: «Diga configurar (verbo), pero configuración (sustantivo)»
- Shopify: «Diga comerciantes, no clientes ni usuarios»
Añada las reglas de vocabulario de su marca al mensaje del sistema para obtener resultados coherentes en todo el contenido.
import anthropic
client = anthropic.Anthropic(api_key='sk-ant-your-key-here')
brand_vocab_system = (
'You write content for NorthBridge, a B2B SaaS company. '
'Brand vocabulary rules:\n'
'- Say "workspace" not "account" or "project"\n'
'- Say "connect" not "integrate" or "link"\n'
'- Say "team" not "users" or "members"\n'
'- Say "get started" not "onboard" or "begin"\n'
'- Avoid: "leverage", "synergy", "ecosystem", "seamlessly"'
)
response = client.messages.create(
model='claude-opus-4-5',
max_tokens=100,
system=brand_vocab_system,
messages=[{
'role': 'user',
'content': 'Write a 2-sentence CTA for the homepage inviting users to create an account and start using integrations.'
}]
)
print(response.content[0].text)Comprobación de conocimientos
Una empresa quiere enviar un correo electrónico de notificación sobre una filtración de datos a sus 50.000 usuarios, la mayoría de los cuales son consumidores sin conocimientos técnicos. El borrador actual dice: «Una vulnerabilidad en nuestra implementación de OAuth2 provocó la extracción no autorizada de credenciales de usuario con hash». ¿Cuál es el principal problema de vocabulario?
Ajustar el nivel de vocabulario: resumen
El nivel de vocabulario determina cuán accesible o autorizada parece su contenido. Técnicas clave:
- Solicite niveles de lectura específicos: 5.º grado, 8.º grado o universitario
- Use «sin jerga» para contenido dirigido a consumidores y comunicación entre equipos
- Use «suponga conocimientos especializados» para permitir una terminología técnica precisa
- Enseñe vocabulario mediante una introducción progresiva y escribiendo en negrita los términos la primera vez que aparezcan
- Solicite coherencia del vocabulario en todos los documentos
- Escriba para públicos internacionales eliminando modismos y phrasal verbs
- Use solicitudes de autoauditoría para detectar incumplimientos de vocabulario en el contenido generado
Preguntas frecuentes
¿La lección «Ajustar el nivel de vocabulario» es gratis?
Sí — el texto completo de «Ajustar el nivel de vocabulario» es gratis para leer aquí en la web. Para practicarla de forma interactiva (editor de código integrado y tutor de IA 24/7) y desbloquear el resto del curso de AI Prompt Engineering, actualiza a CoddyKit PRO. El curso de AI Prompt Engineering incluye 4 lecciones en total.
¿Qué aprenderé en «Ajustar el nivel de vocabulario»?
Controle la complejidad: lenguaje sencillo de octavo grado frente a terminología específica del dominio. Practicas AI Prompt Engineering con código real que ejecutas directamente en el navegador, y un tutor de IA 24/7 responde tus preguntas mientras trabajas en la lección.
¿Necesito experiencia previa para empezar AI Prompt Engineering?
No se requiere experiencia previa. AI Prompt Engineering en CoddyKit está estructurado para principiantes hasta estudiantes avanzados, así que puedes empezar aquí o desde el inicio y avanzar a tu ritmo. Esta es la lección 4 de 4.
¿Cuánto tiempo toma la lección «Ajustar el nivel de vocabulario»?
La mayoría de las lecciones de CoddyKit toman alrededor de 5–10 minutos. Cada una es compacta e interactiva, así que avanzas constantemente y retomas exactamente por donde dejaste en la web y la app.
¿Puedo escribir y ejecutar código en esta lección de AI Prompt Engineering?
Sí. Cada lección de AI Prompt Engineering incluye un editor de código integrado, así que escribes y ejecutas código real directamente en tu navegador y obtienes retroalimentación instantánea de IA — sin configuración local necesaria.
Todas las lecciones de este curso
- Tono formal frente a informal
- Especificar la audiencia
- Estilos de escritura profesional
- Ajustar el nivel de vocabulario