Guarda las condiciones que permitieron llegar al resultado
Registra el objetivo concreto, la versión de las instrucciones y los materiales disponibles durante la ejecución. Incluye las decisiones que cambiaron la petición durante la conversación, diferenciando los requisitos iniciales de los ajustes posteriores. Quien repita la tarea debe poder reconstruir las condiciones relevantes sin buscar pistas en mensajes dispersos ni depender de la memoria de quien supervisó el trabajo.
Es fácil guardar la última respuesta y olvidar todo lo que la hizo posible. Quizá proporcionaste una tabla corregida, explicaste una excepción comercial o retiraste una fuente desactualizada. Sin esa información, una petición aparentemente idéntica puede producir una respuesta diferente, porque el contexto utilizado en realidad ya no es el mismo.
Imagina una empresa ficticia que utiliza IA para preparar un resumen semanal de solicitudes de clientes. El resultado aprobado partió de un archivo con categorías revisadas y de una instrucción para separar solicitudes confirmadas de dudas pendientes de aclaración. Guardar solamente “resume las solicitudes” pierde precisamente las decisiones que hicieron útil el trabajo.
Conserva una referencia a los materiales utilizados e identifica su versión. Si contienen información que requiere acceso restringido, el registro debe apuntar al lugar autorizado, sin copiarlo todo a una biblioteca abierta. Reproducir el proceso no exige distribuir indiscriminadamente los datos que permitieron obtener el resultado aceptado por el equipo.
La selección forma parte de dar contexto a la IA con criterio. Guarda lo que explica el resultado y permite ejecutar la siguiente petición. Las conversaciones laterales, los archivos abandonados y los intentos sin relación con la decisión final pueden quedarse en el historial, sin ocupar las instrucciones que el equipo utiliza cada día.
Anota también las dependencias prácticas. El proceso puede dar por supuesto el acceso a una carpeta, una estructura de columnas o una lista actual de productos. Esas condiciones deben quedar visibles para reconocer una ejecución bloqueada, en lugar de permitir que el asistente la complete mediante suposiciones sobre información que nunca recibió.
Para preparar el siguiente paso, consulta Asistentes de IA para conocimiento interno.
Explica por qué se aceptó el resultado
Vincula el resultado aprobado con criterios observables, como la fidelidad a los datos, la cobertura de la petición y la utilidad para la siguiente decisión. Conserva la versión realmente aceptada e identifica quién la validó. Un ejemplo sin explicación puede enseñar a copiar la apariencia del trabajo, pero no muestra qué condiciones lo hicieron adecuado en aquel contexto.
En el resumen de la empresa ficticia, un texto breve y bien escrito todavía puede omitir solicitudes importantes. El registro debe explicar que se consideraron todas las solicitudes pertinentes, que las categorías corresponden al archivo y que las dudas siguen señaladas. La aprobación adquiere sentido cuando está vinculada a comprobaciones que otra persona puede repetir.
Distingue el resultado de la IA de la versión final trabajada por el equipo. Si alguien corrigió clasificaciones o añadió una condición necesaria, guarda esa intervención. De lo contrario, la documentación atribuye al proceso automático una calidad que solo se alcanzó tras una revisión humana, creando una expectativa equivocada para la siguiente ejecución.
No necesitas conservar cada cambio de puntuación como un descubrimiento importante. Prioriza los cambios que afectan al sentido, la exactitud, el formato exigido o la decisión. Una nota como “separamos las solicitudes repetidas antes de contar” explica una operación relevante; decir únicamente “mejoramos el texto” no ayuda a comprender qué faltaba en el primer resultado.
Guarda también lo que quedó fuera de la aprobación. El equipo puede haber validado la organización del resumen sin confirmar todos los hechos de una fuente externa. Puede haber aprobado un borrador para uso interno sin autorizar su envío a clientes. Estos límites evitan que una aceptación concreta se convierta en autorización general.
Un buen ejemplo permite reconocer calidad en trabajos diferentes. Por eso, describe el criterio con palabras sencillas y relaciónalo con la parte del resultado que lo demuestra. La siguiente persona debe comprender el motivo de la decisión y poder aplicarlo a otros datos, aunque cambie la forma final de la respuesta.
Comprueba que el proceso funciona fuera del primer ejemplo
Repite la tarea con otro conjunto de datos y verifica los mismos criterios de aceptación antes de tratarla como un procedimiento estable. Incluye una situación incompleta o ambigua para observar la reacción del asistente. Un éxito aislado demuestra que fue posible obtener un buen resultado; repetirlo ayuda a entender de qué condiciones depende y dónde sigue siendo necesaria una intervención.
No busques una copia palabra por palabra cuando la tarea admite varias respuestas válidas. Un resumen puede cambiar de redacción y seguir siendo correcto. La prueba debe centrarse en las propiedades importantes: cobertura de las solicitudes, ausencia de invenciones, tratamiento de las dudas y posibilidad de que el equipo actúe con la información presentada.
En el segundo caso de la empresa ficticia, puede existir una solicitud sin categoría. El procedimiento debe indicar si la IA la separa para revisión, pide una aclaración o utiliza una regla previamente definida. Si el asistente inventa la categoría para completar la tabla, el primer éxito todavía no justifica un uso habitual.
Este paso se relaciona con probar una automatización antes de entregarla al equipo. Comprueba el recorrido completo, incluida la preparación de los datos y la revisión final. Un texto correcto no demuestra que se utilizara el archivo adecuado ni que el resultado quedara guardado en el destino previsto con la versión correspondiente.
Registra las diferencias relevantes entre ejecuciones. Si una instrucción funciona únicamente con una estructura determinada, esa dependencia debe ser explícita. Si la revisión humana sigue exigiendo cambios importantes, conserva esa etapa en el procedimiento e investiga las causas antes de considerar que el trabajo puede realizarse sin seguimiento de una persona.
Cuando falle una prueba, conserva el caso y la explicación del fallo. La biblioteca mostrará tanto el comportamiento esperado como el límite conocido. Esa información evita repetir el mismo intento sin cambios y ayuda a elegir entre mejorar las instrucciones, corregir los datos o reducir el alcance de la tarea que se pretende realizar.
Deja un procedimiento que otra persona pueda continuar
Organiza el registro en una secuencia breve: objetivo, materiales, instrucciones, pasos, criterios de aceptación y situaciones que exigen intervención. Indica la versión actual y quién mantiene el proceso. La documentación debe permitir continuar el trabajo con comprensión, sin convertir a la siguiente persona en alguien que sigue pasos sin saber qué está comprobando o cuándo debe detenerse.
Pide a alguien del equipo que ejecute el procedimiento utilizando solo ese registro y los accesos necesarios. Las dudas que aparezcan mostrarán carencias reales de la documentación. Si necesitas explicar verbalmente una decisión esencial, incorpora esa explicación en el lugar adecuado, en vez de concluir que la otra persona debería haberla adivinado.
Mantén separados el procedimiento actual y el historial de aprendizaje. El primero orienta la ejecución; el segundo explica decisiones, alternativas y cambios. Igual que al registrar lo aprendido en una campaña, el objetivo es tomar la siguiente decisión con más información, preservando el contexto que da sentido a la conclusión y permite entender sus límites.
Actualiza el registro cuando cambien los materiales, las reglas o los criterios de calidad. Una versión antigua puede seguir siendo útil como referencia histórica, pero no debe aparecer como instrucción vigente. Identificar el cambio ayuda a explicar por qué un proceso antes aceptado necesita ahora otros datos o una revisión diferente.
Guardar este conjunto no equivale a entrenar de nuevo un modelo ni garantiza que cualquier herramienta lo recuerde. Hay que proporcionar las instrucciones pertinentes en la siguiente tarea y confirmar que siguen siendo adecuadas. La organización solo aporta valor cuando el equipo encuentra y utiliza lo aprendido durante la ejecución anterior.
Quiero que un acierto deje algo más que un archivo terminado. Debe dejar un proceso comprensible, criterios verificables y límites conocidos. Así, el equipo puede aprovechar el trabajo anterior, adaptarlo a nuevas peticiones y reconocer cuándo necesita una intervención, sin depender de repetir por suerte la conversación que salió bien.