En cuatro semanas, tu equipo pasa de respuestas genéricas de un chatbot a un asistente por rol que usa en su trabajo real. El método se queda en la empresa cuando nos vamos.
Si falta cualquiera de estos cuatro, no terminamos.
Prompts que se sostienen en cualquier modelo. Misma estructura, resultados consistentes, no un chat de suerte.
Un asistente por rol que usan a diario. Proyectos en Claude y ChatGPT, Gems en Gemini. Las reglas viven en la configuración, no en la cabeza de otra persona.
Criterio para saber cuándo confiar en la IA. Qué compartir, cómo verificar la respuesta, cuándo una persona todavía tiene que dar el visto bueno.
Reportes, presentaciones y paquetes semanales producidos con IA, sobre sus archivos reales. No un sandbox.
Tres ejemplos de una sola cohorte. Un equipo de operaciones que ya usaba chat de IA, sin método compartido. El mismo enfoque que tu gente usaría en su propio trabajo.
Un cliente · tres asistentes · procesos reales
Crédito pasaba la semana persiguiendo las mismas cuentas vencidas a mano. Construyeron un asistente que redacta correos por nivel de firmeza, mensajes de WhatsApp y guiones de llamada según sus propias reglas. El chat arranca desde el playbook, no de una página en blanco.
De gestión ad-hoc → paquete escalonado
Servicio rastreaba pedidos cliente por cliente y se enteraba de los retrasos solo cuando alguien llamaba. Su asistente marca entregas tarde o en riesgo a partir de la lista de la semana. Una persona sigue decidiendo; el retraso deja de ser una sorpresa.
De bandeja reactiva → riesgo señalado
Las visitas y los archivos de venta se rearmaban en slides cada semana. Pusieron las reglas en un asistente y adjuntaron el archivo de la semana. Dirección recibe un board corto por vendedor sin que nadie empiece desde un deck en blanco.
De board manual → resumen semanal
Slides con la teoría necesaria, luego demo sobre trabajo real. Ven el loop. Practican en su propio trabajo entre sesiones. Los últimos 10–15 minutos son preguntas.
Lectura y ejercicios, más la construcción de su asistente y alimentarlo con un documento seguro. El trabajo práctico es el peso que crece con el tiempo. Trabajo productivo, no busywork.
Todo el equipo. Principiantes, operadores, coordinadores, analistas, gerentes de oficina y cualquiera nuevo en IA. Sin conocimientos previos. Sin código. Personas que van a abrir las herramientas y practicar en el trabajo que ya hacen.
Personas que ya tocaron el techo del chat y necesitan Builder. Cualquiera que solo quiera un briefing sin trabajo práctico. Ingenieros de software que ya entregan con agentes.
Aprender lo suficiente para actuar y luego actuar. Un briefing breve sobre la idea y luego tiempo de estudio donde el agente hace trabajo real sobre su stack.
Antes del kickoff, una evaluación pre-programa para cada participante. Medimos conocimiento, actitud (quién está listo y quién va a resistir y por qué), mapeamos lo que hacen día a día y mapeamos dónde están las oportunidades. Así personalizamos la sala antes de que nadie entre a una sesión en vivo.
Las sesiones en vivo mezclan slides de teoría con demos sobre trabajo real. Ven el loop, luego practican en su propio trabajo con nosotros en la sala. Duración y cantidad siguen el formato de arriba.
Async entre sesiones: lectura y ejercicios, más setup y trabajo práctico sobre su trabajo real. Vamos cargando más peso al build práctico.
Cuatro semanas. Cuatro cosas que tu gente puede mostrarte. Abre una semana para ver qué pasa en la sala y qué se llevan.
El modelo es el mismo para todos. El prompt cambia el resultado.
Lectura breve. Cuatro palabras que usarán todo el mes: probabilístico, contexto, prompt, iterar.
Por qué varían las respuestas. En qué es buena y mala la IA, con honestidad de ambos lados. Luego las 5 piezas sobre una tarea en vivo. Ven una respuesta débil iterarse frente a ellos. Los últimos 10–15 minutos son preguntas.
Escriben un prompt de 5 partes para una tarea de su propia función y lo corren. La semana siguiente dejan de reescribir las reglas cada vez.
Qué hacer y quién se supone que es el modelo mientras lo hace.
Qué necesita saber y qué no debe inventar ni saltarse.
Cómo debe verse la respuesta, para que entre directo al trabajo real.
Entregable Un prompt de 5 partes para una tarea real de su trabajo.
El chat olvida. La configuración recuerda.
Lectura sobre el prompt que no escribes cada vez. Traen una tarea repetitiva de su propio trabajo.
Qué es un system prompt. Qué niveles controlan. Construimos en vivo un Proyecto reutilizable en dos herramientas a partir del mismo briefing. El chat es la tarea del día. La configuración guarda rol, contexto, límites, formato.
Construyen su propio Proyecto o Gem para esa tarea repetitiva. Si su plan no tiene acceso a Proyectos, instrucciones personales como respaldo.
Enseñamos Proyectos (Claude y ChatGPT) y Gems (Gemini). No enseñamos Custom GPTs. Esos requieren un plan de ChatGPT pago. El principio es el mismo. Cambia el botón.
Entregable Un asistente por rol para una tarea repetitiva que ya hacen.
Tu asistente ya sabe trabajar. Hoy aprende qué leer.
Terminan sus instrucciones personales y su primer asistente. Lectura breve sobre documentos versus instrucciones.
Adjuntar un archivo versus poner un documento en la base de conocimiento. Un chat nuevo sigue sabiendo la política. Luego los mismos datos se convierten en un reporte HTML y slides. Luego privacidad: público, interno, confidencial, personal. Si hay duda, no subir. Preguntar primero.
Alimentan su asistente con un documento seguro. Desactivan el entrenamiento del modelo en cuentas personales.
Política y reglas que no cambian esta semana. Se suben una vez. El asistente las conserva.
La hoja de cálculo de esta semana, el archivo de este cliente. Se adjunta al chat. No se deja ahí para siempre.
No subir. Preguntar primero. La privacidad es parte del trabajo, no un slide al final.
La IA reduce el esfuerzo, no la verificación. El reporte es un borrador hasta que una persona lo revisa.
Entregable Un asistente que consulta un documento real (seguro), más un primer reporte hecho con IA que pueden mostrar.
La última semana no es más teoría. Es su trabajo, nombrado y una forma de verificar.
Suben un primer documento. Recorren cómo desactivar el entrenamiento. Leen los tres roles. Envían tres tareas reales de su trabajo.
Repaso con ejemplos. Investigación profunda dentro del rol de estratega, por una vía de plan gratuito. Capstone: clasifican su propia tarea y llenan una plantilla de prompt. Verificación: pedir la fuente, revisar lo que se pueda revisar, dárselo a otra IA para que lo ataque.
Una acción concreta esa semana sobre la tarea que eligieron. El siguiente trabajo arranca desde el asistente y el playbook, no de un chat en blanco.
Redacta el correo, llena la plantilla, hace el paquete recurrente. El envío sigue siendo tuyo.
Arranca el deck, el catálogo, la primera página. Tú sigues editando antes de que salga.
Investiga, compara, recomienda. Tú sigues decidiendo. Revisa las fuentes antes de actuar.
Aquí no enseñamos Claude Code, Cowork ni conectores. Ese es el siguiente track. Esta semana se van sabiendo usar la IA en su trabajo con criterio.
Entregable Su propia tarea clasificada (asistente / creador / estratega), más un prompt que pueden correr el lunes.
Un certificado compartible cuando completan las cuatro lecciones y entregan la tarea capstone.
Un reporte que te enviamos: casos de uso que surgieron durante el programa, calificados por esfuerzo e impacto. Qué hacer después, no una encuesta.
Ejercicios, materiales y sus asistentes se quedan en la plataforma AdapttoAI después del programa. La configuración no muere en un historial de chat.