Tipos de solicitudes que puede gestionar la IA
Taxonomía de tareas de IA: escribir, resumir, responder, programar y generar ideas.
Tipos de solicitudes que puede gestionar la IA es una lección gratuita de AI Prompt Engineering en CoddyKit. Esta es la lección 2 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.
La taxonomía de tareas de IA
Los modelos de lenguaje de IA son extraordinariamente versátiles. Pueden realizar una amplia variedad de tipos de tareas, y saber en qué categoría encaja su tarea le ayuda a escribir mejores prompts.
Podemos agrupar las tareas en: escritura, resumen, preguntas y respuestas, programación, lluvia de ideas, traducción, clasificación y extracción de datos.
Tareas de escritura
La escritura es una de las tareas de IA más comunes. Algunos ejemplos son:
- Redactar correos electrónicos, cartas de presentación y publicaciones de blog
- Escribir relatos cortos, guiones o contenido creativo
- Crear textos para publicaciones en redes sociales
- Editar y reescribir borradores existentes
La clave es especificar el formato, el tono, la extensión y el público en su prompt.
import anthropic
client = anthropic.Anthropic(api_key='sk-ant-your-key-here')
response = client.messages.create(
model='claude-opus-4-5',
max_tokens=256,
messages=[{
'role': 'user',
'content': (
'Write a 150-word professional email declining a meeting invitation. '
'Tone: polite and regretful. Suggest rescheduling next week.'
)
}]
)
print(response.content[0].text)Tareas de resumen
El resumen condensa contenido extenso en una forma más breve y fácil de asimilar. Algunos usos habituales son:
- Un TL;DR de artículos o informes extensos
- Notas de una reunión a partir de una transcripción
- Resúmenes ejecutivos de artículos de investigación
- Puntos clave extraídos de un capítulo de un libro
Especifique la extensión y el nivel de detalle que necesita.
import openai
client = openai.OpenAI(api_key='sk-your-key-here')
long_text = (
'Artificial intelligence has transformed industries from healthcare '
'to finance over the past decade. Machine learning models now diagnose '
'diseases, detect fraud, and power recommendation engines. However, '
'concerns about bias, privacy, and job displacement remain significant...'
)
response = client.chat.completions.create(
model='gpt-4o',
messages=[{
'role': 'user',
'content': f'Summarize the following in exactly 2 sentences:\n\n{long_text}'
}]
)
print(response.choices[0].message.content)Tareas de preguntas y respuestas
Las tareas de preguntas y respuestas aprovechan la amplia base de conocimientos del modelo. Entre sus tipos se incluyen:
- Preguntas fácticas («¿Qué es el ciclo de Krebs?»)
- Preguntas explicativas («¿Cómo funciona HTTPS?»)
- Preguntas comparativas («¿Cuál es la diferencia entre la RAM y el almacenamiento?»)
- Preguntas sobre documentos: hacer preguntas acerca de un documento pegado
Para las preguntas sobre documentos, incluya siempre el material de origen en su prompt.
import anthropic
client = anthropic.Anthropic(api_key='sk-ant-your-key-here')
document = 'Our refund policy allows returns within 30 days with receipt...'
response = client.messages.create(
model='claude-opus-4-5',
max_tokens=256,
system='Answer only based on the document provided. If unsure, say so.',
messages=[{
'role': 'user',
'content': f'Document:\n{document}\n\nQuestion: How many days do I have to return an item?'
}]
)
print(response.content[0].text)Tareas de programación
Las tareas de programación son el ámbito en el que los asistentes de IA realmente destacan. Algunas solicitudes habituales son:
- Generar código a partir de una descripción («Escriba una función de Python que...»)
- Explicar qué hace un código existente
- Depurar o corregir código defectuoso
- Convertir código de un lenguaje a otro
- Escribir pruebas unitarias para una función determinada
import openai
client = openai.OpenAI(api_key='sk-your-key-here')
response = client.chat.completions.create(
model='gpt-4o',
messages=[
{
'role': 'system',
'content': 'You are a Python expert. Include type hints and a brief docstring.'
},
{
'role': 'user',
'content': (
'Write a function that takes a list of integers and returns '
'the second largest unique value, or None if it does not exist.'
)
}
]
)
print(response.choices[0].message.content)Tareas de lluvia de ideas
La lluvia de ideas utiliza la IA para generar rápidamente una gran cantidad de ideas. Puede usarla para:
- Generar nombres de productos
- Crear listas de temas para publicaciones de blog
- Proponer funcionalidades para una aplicación
- Definir enfoques para campañas de marketing
- Encontrar alternativas para resolver problemas
Solicite un número específico de ideas e indique al modelo que priorice la variedad sobre la repetición.
import anthropic
client = anthropic.Anthropic(api_key='sk-ant-your-key-here')
response = client.messages.create(
model='claude-opus-4-5',
max_tokens=512,
messages=[{
'role': 'user',
'content': (
'Generate 10 unique app name ideas for a habit-tracking app targeting busy professionals. '
'Each name should be one or two words. Prioritize variety — avoid similar-sounding names. '
'After each name, add a 5-word tagline.'
)
}]
)
print(response.content[0].text)Tareas de traducción
La traducción va más allá de convertir las palabras una por una. Los modelos de IA pueden realizar:
- Traducción entre idiomas (inglés → español, francés → japonés)
- Traducción de registro (jerga técnica → lenguaje sencillo)
- Traducción de tono (formal → informal)
- Traducción de formato (párrafo → lista con viñetas)
Especifique si desea una traducción literal o una natural e idiomática.
import openai
client = openai.OpenAI(api_key='sk-your-key-here')
text_en = 'Please ensure the deliverables are submitted prior to the agreed deadline.'
response = client.chat.completions.create(
model='gpt-4o',
messages=[{
'role': 'user',
'content': (
f'Translate the following into natural, idiomatic Spanish '
f'suitable for a casual work chat message:\n\n{text_en}'
)
}]
)
print(response.choices[0].message.content)Tareas de clasificación
La clasificación asigna una entrada a categorías predefinidas. Algunos ejemplos son:
- Análisis de sentimientos (positivo / negativo / neutro)
- Categorización por temas (deportes / política / tecnología)
- Detección de intenciones (queja / consulta / felicitación)
- Spam o no spam
Proporcione siempre en su prompt la lista de categorías válidas para que el modelo sepa entre cuáles elegir.
import anthropic
client = anthropic.Anthropic(api_key='sk-ant-your-key-here')
reviews = [
'The product broke after one day. Terrible quality!',
'Shipping was fast and the item is exactly as described.',
'It is okay, nothing special but does the job.'
]
for review in reviews:
response = client.messages.create(
model='claude-opus-4-5',
max_tokens=16,
messages=[{
'role': 'user',
'content': (
f'Classify this review as exactly one of: POSITIVE, NEGATIVE, NEUTRAL.\n'
f'Reply with only the label.\n\nReview: {review}'
)
}]
)
label = response.content[0].text.strip()
print(f'{label}: {review[:40]}...')Tareas de extracción de datos
La extracción de datos obtiene información estructurada a partir de texto no estructurado. Algunos usos habituales son:
- Extraer nombres, fechas e importes de facturas
- Obtener datos clave de artículos de noticias
- Analizar la información de contacto de correos electrónicos
- Extraer las especificaciones de productos a partir de descripciones
Solicite una salida en JSON para poder utilizar fácilmente los datos extraídos mediante programación.
import openai
import json
client = openai.OpenAI(api_key='sk-your-key-here')
email_text = (
'Hi, I am Sarah Johnson from Acme Corp. '
'Please send the invoice for $4,250 to billing@acmecorp.com by June 15th.'
)
response = client.chat.completions.create(
model='gpt-4o',
messages=[{
'role': 'user',
'content': (
'Extract the following fields from the email below and output valid JSON:\n'
'name, company, email, amount, deadline\n\nEmail:\n' + email_text
)
}]
)
raw = response.choices[0].message.content
data = json.loads(raw)
print(data)Combinar tipos de tareas
En las solicitudes del mundo real se suelen combinar varios tipos de tareas. Por ejemplo:
- Extraer las afirmaciones clave de un artículo y después clasificar cada una como hecho u opinión
- Resumir un documento y después traducir el resumen al francés
- Proponer ideas y después escribir una presentación breve para la mejor
Encadenar tipos de tareas en un solo prompt es muy potente; solo debe especificar claramente cada paso.
import anthropic
client = anthropic.Anthropic(api_key='sk-ant-your-key-here')
response = client.messages.create(
model='claude-opus-4-5',
max_tokens=512,
messages=[{
'role': 'user',
'content': (
'Do the following in order:\n'
'1. Brainstorm 5 blog post titles about remote work productivity.\n'
'2. Pick the most compelling title.\n'
'3. Write a 3-sentence intro paragraph for that post.\n'
'Format your output with clear numbered sections.'
)
}]
)
print(response.content[0].text)Cómo elegir el enfoque adecuado para la tarea
Una misma solicitud subyacente puede plantearse con distintos tipos de tareas, y el planteamiento cambia significativamente el resultado.
Objetivo de ejemplo: comprender la página de precios de una empresa.
- Enfoque de preguntas y respuestas: «¿Cuáles son los niveles de precios?»
- Enfoque de resumen: «Resuma la página de precios en 3 puntos.»
- Enfoque de extracción: «Extraiga los nombres y precios de los planes como JSON.»
- Enfoque de comparación: «Cree una tabla que compare todos los planes.»
Elija el enfoque que corresponda al uso que dará al resultado.
import openai
client = openai.OpenAI(api_key='sk-your-key-here')
pricing_text = (
'Starter: $9/month - 1 user, 5GB storage. '
'Pro: $29/month - 10 users, 50GB storage. '
'Enterprise: custom pricing - unlimited users.'
)
# Extraction frame
response = client.chat.completions.create(
model='gpt-4o',
messages=[{
'role': 'user',
'content': (
'Extract plan names and monthly prices as a JSON array. '
'Use null for custom pricing.\n\n' + pricing_text
)
}]
)
print(response.choices[0].message.content)Comprobación de conocimientos
Ha aprendido las principales categorías de tipos de tareas de IA. Veamos si puede identificar la adecuada.
Un desarrollador pega en un prompt un correo electrónico de atención al cliente de 500 palabras y le pide a la IA: «Extraiga el nombre del cliente, el número de pedido y el tipo de problema; proporcione el resultado como JSON.»
¿De qué tipo de tarea se trata?
Repaso de la taxonomía de tareas
Ahora puede identificar y plantear cualquier solicitud de IA como uno de los tipos de tareas principales:
- Escritura — generar contenido textual original
- Resumen — condensar contenido extenso
- Preguntas y respuestas — responder preguntas a partir de conocimientos o documentos
- Programación — generar, explicar o depurar código
- Lluvia de ideas — generar muchas ideas variadas
- Traducción — convertir entre idiomas o registros
- Clasificación — asignar entradas a categorías predefinidas
- Extracción de datos — obtener datos estructurados a partir de texto no estructurado
Nombre primero el tipo de tarea y después redacte el prompt en torno a él.
Preguntas frecuentes
¿La lección «Tipos de solicitudes que puede gestionar la IA» es gratis?
Sí — el texto completo de «Tipos de solicitudes que puede gestionar la IA» 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 «Tipos de solicitudes que puede gestionar la IA»?
Taxonomía de tareas de IA: escribir, resumir, responder, programar y generar ideas. 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 2 de 4.
¿Cuánto tiempo toma la lección «Tipos de solicitudes que puede gestionar la IA»?
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
- Comprender la interfaz de chat
- Tipos de solicitudes que puede gestionar la IA
- Cómo genera respuestas la IA
- Qué no puede hacer la IA