Imagen de fondo: Aplicaciones de IA. Solen Feyissa, Unsplash, 2025. Licencia: Se puede utilizar libremente bajo la licencia de Unsplash
Pero, mientras muchos de nosotr@s nos hemos centrado en esas cuestiones importantes, el panorama de la financiación ha cambiado sin que nos diéramos cuenta. Dado el contexto político mundial actual y el cada vez menor margen de maniobra de la sociedad civil, necesitamos nuevas formas de generar apoyo y seguir generando impacto.
Tenemos que replantearnos cómo funciona la sociedad civil y la IA puede ser una herramienta útil en ese proceso.
Demasiado largo: ¿no lo has leído? Esto es lo que necesitas:
La estructura es lo más importante. Asegúrate de que tu indicación incluya el contexto, las instrucciones, los datos de entrada y el formato de salida
O bien, en el caso de los modelos de razonamiento, utiliza estos siete componentes: función, objetivo, metodología, formato de salida, limitaciones, incertidumbres y validación
Empieza ya: Accede a plantillas para copiar y pegar y a ejemplos reales en la biblioteca de sugerencias para la recaudación de fondos
El problema de «basta con preguntarle a la IA»
Internet está lleno de «basura de IA».
Imagen 2. Descripción de la basura de IA por parte de ChatGPT: «En el panorama digital actual, en rápida evolución, la “basura de IA” se ha convertido en un fenómeno que está cambiando las reglas del juego y revolucionando la creación de contenidos. Este innovador paradigma aprovecha la inteligencia artificial de última generación para generar soluciones escalables y sinérgicas que aportan un valor sin precedentes. Al utilizar las capacidades de aprendizaje automático de última generación, permite a las partes interesadas descubrir nuevas oportunidades y revolucionar las metodologías tradicionales en esta apasionante era de la transformación digital».
Todo ese párrafo lo generó íntegramente la IA y con todas esas palabras grandilocuentes (que está cambiando las reglas del juego, revolucionando, aprovecha) y sin ningún sentido, constituye un magnífico ejemplo de «basura de la IA».
Merriam-Webster lo define como «contenido digital de baja calidad que se produce, por lo general, en grandes cantidades mediante inteligencia artificial». Es el equivalente digital del correo basura: bien presentado, enviado con seguridad y totalmente inútil.
Esto es lo que ocurre cuando las indicaciones son poco claras y vagas. La IA rellena los huecos con expresiones genéricas, lo que da lugar a un contenido que suena convincente pero que no aporta ningún valor real.
Fundamentos de la IA
Para establecer expectativas realistas, resulta útil comprender qué hace realmente la IA.
Llevamos años utilizándola, ya que cada búsqueda en Google, cada recomendación de Netflix y cada respuesta de Siri se basa en ella. Lo que ha cambiado recientemente es la aparición de herramientas capaces de generar contenido nuevo, y no solo de clasificar la información ya existente.
En esencia, la IA identifica patrones en los datos y utiliza la estadística para predecir lo que va a suceder a continuación. No «entiende» como lo hacemos los humanos.
Cuando haces una pregunta, el sistema calcula cuál es la palabra más probable que venga a continuación, luego la siguiente, y así sucesivamente. Está generando resultados basándose en los patrones que ha aprendido durante el entrenamiento.
Términos clave que debes conocer:
Los sistemas deIinteligencia Artificial (IA) realizan tareas que suelen requerir inteligencia humana, como el reconocimiento del habla o la traducción de idiomas.
La IA generativa crea nuevos contenidos (texto, imágenes, vídeo) basándose en los patrones de sus datos de entrenamiento.
Los chatbots que ves actualmente (como ChatGPT, Gemini o Claude) son modelos de lenguaje a gran escala (LLM): sistemas entrenados con enormes conjuntos de datos de texto que generan respuestas similares a las de los humanos mediante la predicción de secuencias de palabras.
Esto nos lleva a la forma más sencilla en que la gente utiliza la IA: introducimos datos a través de una interfaz de chat (una indicación) y obtenemos un resultado. Parece sencillo.
Pero, como muestra el ejemplo de la «basura de la IA», las entradas sencillas producen resultados inútiles.
Por qué fracasan las indicaciones poco precisas
Por eso es importante la calidad de las indicaciones. Cuando trabajas con chatbots de IA, tus principales herramientas son la precisión y la estructura.
Seguramente habrás visto (o utilizado) indicaciones sencillas que solo contienen una instrucción, con algunos conceptos muy vagos, como:
«Redacta un texto para una campaña de recaudación de fondos destinada a apoyar a los adolescentes que corren el riesgo de acabar en la calle».
Imagen: Captura de pantalla de ChatGPT: puedes encontrar la transcripción original en inglés aquí.
El resultado suele sonar seguro, pero genérico. Aparentan ser perfectos, pero no hacen el trabajo de verdad.
Principales retos en materia de indicaciones
Imagen 3. ¿Por qué ha hecho eso mi IA? 4 retos habituales a la hora de dar indicaciones: 1. La brecha de intención, 2. El impuesto de precisión, 3. La ilusión de la memoria, 4. La paradoja de la experiencia. Generado por NotebookLM de Google. Esos retos se describen en el texto que figura a continuación.
Por eso la inteligencia artificial parece más «artificial» que «inteligente».
Brecha de intención: es la diferencia entre tu instrucción (lo que has escrito) y tu intención (lo que realmente quieres conseguir). Dado que el lenguaje sigue siendo la interfaz principal, el chatbot no puede saber cuál es tu verdadero objetivo a menos que lo expreses de forma explícita. Cuando el objetivo no está claro, rellena los huecos con contenido genérico.
Impuesto de precisión: a menudo queremos que la IA «simplemente haga la tarea», así que le damos una instrucción imprecisa y esperamos que se las apañe por sí sola. A continuación, el modelo intenta adivinar qué significa realmente «ser detallado pero conciso», o qué significa «contenido atractivo» y para quién. Al intentar resolver la ambigüedad, puede desviarse y generar contenido de relleno impreciso.
La ilusión de la memoria: los principiantes suelen dar por sentado que el chat «lo recuerda todo», sobre todo en un mismo hilo en el que han compartido muchos archivos PDF, detalles del proyecto e instrucciones. En realidad, cuando se trabaja con grandes cantidades de datos de entrada, los modelos pueden perder de vista las restricciones anteriores y empezar a «alucinar» (generar datos plausibles pero incorrectos). Un truco práctico consiste en incluir una señal sencilla en tu primer mensaje, como por ejemplo:
«Si has leído estas instrucciones y sigues cumpliéndolas, escribe la palabra [HIVEMIND] al final de cada respuesta». Cuando el modelo «olvida» la instrucción, la ausencia de [HIVEMIND] es tu señal de alerta temprana.La paradoja de la experiencia: para juzgar si un resultado es bueno, es necesario tener al menos una idea básica de cómo es algo «bueno». Un error habitual es pedirle a la IA que realice tareas especializadas en un ámbito que el usuario no comprende (por ejemplo, que el personal de programación utilice la IA para redactar contenidos de marketing sin tener conocimientos de marketing).
Estos retos parecen agotadores, y lo son. Pero aquí está la buena noticia: la solución es algo que los profesionales de las OSC ya saben cómo hacer.
Las indicaciones son la gestión de proyectos en miniatura
Una indicación es, básicamente, un resumen del proyecto.
Si las instrucciones son imprecisas, se produce una desviación del alcance, confusión entre las partes interesadas y frustración ante un producto que, aunque existe técnicamente, no se puede utilizar en la vida real.
Una buena indicación es aquella que se da cuando dejas de «pedir que te lean la mente» y empiezas a redactar unas instrucciones que un compañero inteligente pueda llevar a cabo de verdad.
Los elementos principales de una buena indicación
Imagen 4. Componentes básicos de la indicación: 1) CONTEXTO: Define la función y la situación. Proporciona información de referencia para ayudar al modelo a comprender el contexto. 2) INSTRUCCIONES: Se trata de órdenes claras y contundentes que indican a la IA exactamente qué tarea debe realizar para obtener resultados. 3) DETALLES: Los datos brutos, el texto o la información específica que se necesite. Esto proporciona los elementos necesarios para llevar a cabo la tarea. 4) DATOS DE ENTRADA: Especifica el aspecto del resultado, incluyendo el tono, el estilo y las restricciones de longitud.
Hay cuatro elementos comunes que mejoran una respuesta:
1.Contexto: Explica la situación y el papel que debe desempeñar el modelo. Ejemplo: «Eres un responsable de recaudación de fondos digitales con 10 años de experiencia dirigiendo campañas en organizaciones juveniles».
2.Instrucciones: Definen la tarea con exactitud. Ejemplo: «Tu tarea consiste en redactar textos para la campaña, diseñar un modelo de recaudación de fondos y analizar los perfiles de los simpatizantes».
3.Datos de entrada: Facilitan detalles precisos sobre la tarea (a menudo en forma de archivos adjuntos, incluyendo descripciones del programa, actividades, restricciones y ejemplos anteriores). No compartas hojas de cálculo que contengan datos personales, a menos que utilices un modelo instalado localmente y sepas lo que estás haciendo.
4.Formato de salida: Especifica cómo debe presentarse la respuesta: formato, estructura y (a ser posible) algunos ejemplos. Si quieres textos publicitarios, comparte ejemplos de campañas anteriores que hayan tenido éxito o que, en tu opinión, sean especialmente eficaces.
A esto lo llamamos CIIO (Contexto, Instrucción, Introducción de Datos, Output/Resultado), aunque es posible que lo veas en Internet como CIDI (Contexto, Instrucción, Detalles, Introducción de Datos), ya que se trata del mismo concepto con denominaciones ligeramente diferentes.
No siempre son necesarios los cuatro elementos, pero en la recaudación de fondos suelen resultar útiles, sobre todo cuando se buscan resultados que sean éticos, concretos y aplicables.
¿Cómo se puede utilizar este marco para esa campaña de recaudación de fondos destinada a adolescentes en riesgo de acabar en la calle?
Captura de pantalla de ChatGPT: puedes encontrar la transcripción en inglés aquí.
Esto da lugar a resultados más sólidos: la historia resulta ahora mucho más concreta y tiene un buen ritmo desde el gancho hasta la llamada a la acción.
Los 7 elementos de una buena indicación (prompt)
La llegada de nuevos modelos centrados en el razonamiento ofrece opciones adicionales. El CIIO sigue siendo útil, pero la precisión puede ir más allá.
Las recientes mejoras en los modelos han sido significativas. Siguen las instrucciones mejor que antes, ya que la competencia entre OpenAI y Google parece aportar mejoras casi a diario. De hecho, incluso entre el primer borrador y el borrador final de este artículo, se produjo un cambio notable con el lanzamiento de ChatGPT 5.2.
Imagen 5. Componentes avanzados de indicaciones para modelos de razonamiento.
FUNCIÓN o ROL: Define la personalidad o perspectiva concreta que adopta la IA para la tarea.
OBJETIVO: Especifica el objetivo o la tarea clara y concreta que debe llevar a cabo la IA.
METODOLOGÍA: Describe los pasos concretos o la línea de razonamiento que debe seguir la IA.
FORMATO DE SALIDA: Determina la presentación, el estilo, el tono o la estructura de la respuesta.
LIMITACIONES: Establecen límites y restricciones sobre lo que la IA debe evitar hacer.
INCERTIDUMBRE: Resuelve los conflictos entre instrucciones dando prioridad a los principios.
VALIDACIÓN: Implica repetir el proceso, perfeccionarlo o pedir a la IA que evalúe sus resultados.
A continuación se enumeran siete elementos que mejoran de forma fiable los resultados con estos nuevos modelos:
1.Define su función o rol: trata a la IA como si fuera un especialista. En lugar de «escribe un correo electrónico», utiliza: «Desempeña el cargo de responsable de colaboraciones corporativas con experiencia en el sector tecnológico de la región EMEA». Esto indica vocabulario y estrategias relevantes.
2.Establece un objetivo claro: «Ayúdanos a conseguir donaciones» es un consejo demasiado genérico. Fija el objetivo: «Redacta el texto de una campaña de financiación colectiva dirigida a donantes particulares de Nigeria para que apoyen nuestro curso intensivo de competencias digitales para jóvenes desempleados, con el objetivo de recaudar 20.000 dólares en dos meses».
3.Capacidad de análisis y razonamiento: tu conocimiento del sector es una ventaja competitiva. Puede que la IA conozca los marcos de trabajo, pero debes solicitárselos. Especifica cómo debe pensar: «Analiza paso a paso, utilizando el Value Proposition Canvas, cómo alinear nuestro impacto con los objetivos de RSC de una empresa tecnológica». En el caso de los correos electrónicos, puedes utilizar un método como el AIDA (Atención, Interés, Deseo, Acción).
4.Formato y nivel de detalle: el modelo no sabe si necesitas una publicación en LinkedIn o una propuesta. Especifica la estructura y la longitud, por ejemplo: «Presenta una tabla con el calendario de contenidos que incluya la fecha, la plataforma, la idea visual y el pie de foto», y «El resumen ejecutivo no debe superar una página».
5.Límites y condiciones de parada: añade barreras de seguridad. Ejemplo: «No utilices un lenguaje que victimice; céntrate en el empoderamiento». Añade una condición de parada para evitar tener que adivinar: «Si no dispones de datos concretos sobre el impacto en esta región, detente y pídemelos, en lugar de hacer suposiciones».
6.Define la incertidumbre y las prioridades: la recaudación de fondos implica hacer concesiones. Deja claras las prioridades: «Si maximizar los ingresos entra en conflicto con nuestras directrices éticas sobre la narración de historias, hay que dar prioridad a la narración ética».
7.Verificación: no des por definitivo el primer resultado. Pide al modelo que se evalúe y compruebe su propio trabajo: «Antes de darlo por definitivo, comprueba este borrador a la luz de los factores PESTLE para asegurarte de que no se nos haya pasado por alto ningún riesgo político o económico», o «Valora este correo electrónico del 1 al 5 en cuanto a su orientación hacia los donantes y propón una mejora».
¿Cómo se aplicaría esto en un ejemplo de recaudación de fondos? A continuación se presenta una guía estructurada para desarrollar un nuevo modelo de recaudación de fondos para una organización que presta apoyo a niños en riesgo de vivir y trabajar en la calle, tras la salida de un donante tradicional.
Captura de pantalla de ChatGPT: puedes encontrar la transcripción original en inglés aquí.
Cuando utilizas esa indicación, el resultado es el siguiente:
Captura de pantalla de ChatGPT: puedes encontrar la transcripción original en inglés aquí.
En esta versión, también contamos con un nivel adicional de narración (el ejemplo de David) que despertará emociones en los posibles simpatizantes, pero de una forma totalmente digna, sin ningún tipo de explotación. Historias como esta, junto con los datos sobre el impacto, ofrecen a los posibles donantes un argumento de peso para que decidan hacer una donación.
Consejos adicionales para la formulación de indicaciones
Ética
Antes de dar por definitivo cualquier contenido para la recaudación de fondos generado por IA, pregúntate:
¿Respeta esto la dignidad de las personas a las que atendemos?
¿Se sentirían las personas beneficiarias de nuestra acción social representadas de forma precisa y justa?
¿Hemos evitado compartir información sensible o que permita identificar a alguien?
¿Este contenido refuerza o cuestiona los desequilibrios de poder existentes?
¿Estamos siendo transparentes sobre el papel de la IA en la creación de esto?
¿Hemos comprobado las afirmaciones y evitado las estadísticas inventadas?
El uso ético de la IA no tiene que ver con la perfección, sino con la intencionalidad. Las indicaciones que redactamos reflejan nuestros valores, así que haz que esos valores queden claros.
Utilizar marcas de formato
Separa claramente las secciones de tu solicitud utilizando encabezados como este:
# Rol
# Objetivo
# Metodología
# Formato de salida
# Limitaciones
# Prioridades
# Criterios de evaluación
Indícale que utilice herramientas
Si quieres que el chatbot utilice una herramienta concreta a la que tenga acceso (por ejemplo, generación de imágenes, investigación en profundidad o búsqueda en Internet), indícalo explícitamente. Algunos chatbots pueden decidir cuándo utilizar las herramientas, pero es más seguro especificar lo que quieres.
Localización (idioma)
Una pregunta habitual es la del idioma: «Necesito contenido en mi lengua materna (no el inglés).» «¿Debería escribir la instrucción (prompt) en mi lengua materna o redactarla primero en inglés y luego solicitar su traducción?»
La respuesta práctica está en algún punto intermedio. Por lo general, los modelos se entrenan más intensamente en inglés y, a menudo, «piensan» mejor en este idioma.
Una buena estrategia consiste en redactar la indicación en inglés para garantizar la claridad y la calidad, pero especificando que el resultado final debe estar en tu idioma de destino.
Herramientas de optimización de indicaciones
Una vez que hayamos visto los elementos que debe tener una indicación eficaz, aquí tienes dos herramientas que pueden resultarte útiles:
El Optimizador de indicaciones de OpenAI para ChatGPT 5 puede convertir una indicación desordenada en una estructurada. Aun así, resulta útil comprender cada componente, ya que el optimizador puede mezclar instrucciones y datos de entrada. Tómatelo como un punto de partida, no como una respuesta definitiva.
Claude también ofrece una herramienta similar para mejorar las indicaciones (prompts), pero aplicable a cualquiera de los chatbots. En primer lugar, te guía a través de una serie de preguntas antes de ofrecerte una indicación final
Estas herramientas pueden procesar lo que introduzcas y generar una indicación estructurada como la que hemos descrito. Pero, por lo general, no será la versión definitiva.
Pueden confundir secciones, pasar por alto restricciones clave u omitir algo importante que les hayas pedido.
Por eso es importante comprender la estructura de una buena indicación, para que puedas mejorar los resultados que te ofrezcan estas herramientas.
Indicaciones en varios pasos
Para tareas más complejas, piensa en varios pasos en lugar de intentar meterlo todo en una sola indicación.
Dos enfoques especialmente útiles:
Encadenamiento de indicaciones: divide el objetivo final en subtareas más pequeñas que se relacionen entre sí de forma lógica. En una conversación, vas guiando a la IA a través de cada subtarea, paso a paso, ampliando el contexto a medida que avanzas, hasta llegar al resultado final.
Meta-indicación: pide al chatbot que te ayude a diseñar la «indicación final» interpretando lo que necesitas, como la especialización (rol), el formato de salida, las restricciones, etc. En la práctica, esto convierte a la IA en un trabajador que ejecuta una solicitud imprecisa en un gestor que diseña un conjunto de instrucciones precisas para ese trabajador.
Recurso gratuito (En inglés): Biblioteca de indicaciones para recaudar fondos
BIBLIOTECA DE SUGERENCIAS PARA LA RECAUDACIÓN DE FONDOS DESTINADAS A LAS OSC
Trata las indicaciones como si fueran unos términos de referencia
Estos son solo algunos enfoques y marcos básicos para dar indicaciones de forma eficaz, suficientes para empezar a obtener mejores resultados rápidamente.
Las tres cosas más importantes que hay que recordar:
No existe una indicación (prompt) perfecta, solo la iteración. Cómo dar buenas indicaciones (prompts) es una habilidad que se puede aprender y mejorar con el tiempo. Crea tu propia biblioteca de indicaciones sobre la marcha.
La estructura aporta claridad y la claridad genera resultados. Con una estructura bien definida, la IA se vuelve más «inteligente» y menos «artificial». Por ejemplo, cuando se publica un pliego de condiciones para la contratación de un consultor.
Deja de tratar a la IA como si fuera un chat. En los últimos años, el chat se ha convertido en la forma en que utilizamos esta tecnología y, aunque es útil, también tiene sus limitaciones. El valor no reside en las respuestas del chatbot, sino en nuestra capacidad para gestionar el sistema con precisión.
Y, mientras tanto, utiliza esta recopilación de ideas para la recaudación de fondos para ponerte en marcha.
Biblioteca de indicaciones para recaudar fondos (en inglés)
Autor
Miloš Janković es un consultor especializado en recaudación de fondos digitales que trabaja en el ámbito de las organizaciones sin ánimo de lucro y la tecnología en Serbia y los Balcanes Occidentales. Ayuda a las organizaciones de la sociedad civil a pasar de un modelo de financiación impulsado por los donantes a modelos impulsados por la comunidad, mediante el uso de marcos prácticos, así como de IA ética y automatización. Antiguo directivo de una organización sin ánimo de lucro, dirigió Donacije.rs, la principal plataforma de donaciones en línea de la región, ayudando a las organizaciones a crear comunidades de simpatizantes más sólidas y a recaudar fondos de forma más eficaz. Actualmente, también trabaja en una empresa de tecnologías de la información como responsable de crecimiento.
Tu opinión nos importa
¿Qué te ha parecido este texto? ¡Dedica 30 segundos a compartir tus comentarios y ayúdanos a crear contenidos significativos para la sociedad civil!
Exención de responsabilidad
Este recurso se ha elaborado como parte del proyecto IA para el cambio social, dentro de Digital Activism Program de TechSoup, con el apoyo de Google.org.
El autor ha utilizado la IA para crear este contenido. No obstante, todo el artículo ha sido redactado, revisado y corregido por el autor y el equipo de TechSoup.
Las herramientas de IA están evolucionando rápidamente y, aunque hacemos todo lo posible por garantizar la validez del contenido que ofrecemos, es posible que, en ocasiones, algunos elementos ya no estén actualizados. Si detectas que algún dato está desactualizado, por favor, avísanos en contact@hive-mind.community