Asistentes IA Personalizados

Los asistentes personalizados te permiten guardar prompts específicos para tareas repetibles (por ejemplo, generar bancos de preguntas, rúbricas o fichas de actividad). El usuario ve un chat normal, pero las instrucciones base se aplican en cada conversación.

Qué es un asistente personalizado (idea general)

Un asistente es básicamente un prompt fijo + contexto opcional que se reutiliza en múltiples conversaciones.

La mayoría de plataformas principales (ChatGPT, Gemini, Claude) ofrecen formas de crear asistentes o "proyectos" con nombres diferentes:

• GPTs (ChatGPT): asistentes compartibles con instrucciones, documentos y capacidades opcionales.
• Gems (Gemini): instrucciones guardadas que puedes activar en cada chat. Especialmente útiles para crear tutores socráticos o guiados.
• Spaces (Perplexity): espacios con instrucciones base y archivos, que destacan porque al compartirlos con alumnos no requieren que se registren o inicien sesión, cumpliendo de forma robusta con la normativa de privacidad.
• Projects (Claude): contexto compartido entre conversaciones con instrucciones base y documentos adjuntos.

Cambios frecuentes

Los nombres, interfaces y requisitos de plan cambian con frecuencia. Lo importante es el concepto: guardar un prompt reutilizable para no tener que reescribirlo cada vez.

Cómo crear un asistente (flujo general)

Aunque cada plataforma tiene su interfaz, el flujo básico es:

1. Define instrucciones base (el prompt que siempre se aplicará)
2. Opcional: Añade documentos de contexto (p. ej., un currículo, una rúbrica, un glosario)
3. Opcional: Activa capacidades extra (búsqueda web, generación de imágenes, análisis de código)
4. Guarda y reutiliza

Error común al escribir instrucciones

NO escribas "Crea un asistente que genere preguntas...".

Escribe directamente el prompt que la IA verá en cada conversación:

❌ Incorrecto: "Crea un generador de preguntas de test que..." ✅ Correcto: "Eres un experto en evaluación educativa. Cuando el usuario proporcione un tema, genera 10 preguntas tipo test en formato GIFT..."

Estructura típica de un asistente docente

Rol y objetivo:
Eres un asistente de diseño didáctico para secundaria y FP.
Tu objetivo es [tarea concreta].

Contexto fijo:
- Nivel: [especificar si aplica]
- Restricciones: no uses datos personales; no inventes normativa.

Formato de salida:
- [Encabezados fijos / tabla / JSON / GIFT]

Flujo:
1. Haz preguntas de aclaración (solo las necesarias).
2. Genera la propuesta.
3. Incluye criterios de éxito observables.

Conceptos clave (agnósticos de plataforma)

Concepto	Qué significa en docencia
Instrucciones base	El prompt que se aplicará siempre (tu "plantilla")
Contexto / Documentos	Archivos que el asistente puede consultar (p. ej., currículo, ejemplos de actividades, rúbricas)
Compartir	Poder dar acceso al asistente a otros docentes del centro
Proyecto / Sesión	Mantener contexto entre varias conversaciones sobre el mismo tema

Casos de uso educativo

Escenarios donde un asistente tiene sentido

• Generador de bancos de preguntas: instrucciones fijas para formato GIFT + rúbrica de calidad
• Adaptador de materiales: convierte un texto a distintos niveles (apoyo/ampliación) manteniendo objetivos
• Revisor de actividades: valida que una propuesta incluya objetivos observables, evaluación y atención a la diversidad
• Tutor de asignatura: prompt con temario, estilo y restricciones (p. ej., "usa analogías cotidianas")
• Traductor especializado: traduce con terminología específica del área y formato consistente

Cuándo NO usar un asistente

• Para tareas únicas o exploratorias (usa un chat normal).
• Cuando necesitas cambiar las instrucciones constantemente (no tiene sentido "fijarlo").

Ejemplo: asistente para tests Moodle

chatGPT | GPT's

👤

Crea preguntas de test en formato GIFT importable a Moodle, siguiendo las siguientes reglas.

• Siempre serán preguntas de respuesta múltiple con 4 respuestas y una única correcta.
• Las respuestas incorrectas restarán media pregunta a no ser que se indique lo contrario.
• Todas las respuestas deben tener una longitud similar.
• Se debe priorizar el rigor. La respuesta correcta debe ser la única que lo es. Las otras deben ser manifiestamente incorrectas.
• Deben evitarse preguntas respuestas incorrectas por no ser "la mejor definición" de las que se dan, "la principal desventaja" u otras formas de graduación. Las respuestas incorrectas deben ser manifiestamente incorrectas para evitar ambigüedades y las preguntas deben ser claras.
• Ninguna de las respuestas debe ser trivialmente descartable. Evita el habitual sesgo de que la pregunta correcta siempre sea una de 3 similares y haya otra más absurda.
• El nivel de dificultad esperado es para alumnos de master universitario salvo que se indique lo contrario.
• No incluyas un número antes de las preguntas, serán barajadas.
• Normalmente se pasará material con el que generar las preguntas, evita hacer referencias directas como "según los apuntes". Las preguntas deben contener por si solas toda la información necesaria para responderlas. Los alumnos no podrán consultar los apuntes durante la prueba.
• Se cuidadoso evitando sesgos como que la respuesta correcta sea la más detallada o la que tiene más longitud.

Un ejemplo del formato deseado de pregunta sería el siguiente:

---

// question: 91483439 name: ¿Qué es el muestreo estratificado? ::¿Qué es el muestreo estratificado?::[html]¿Qué es el muestreo estratificado?{ ~%-50%Dividir el dataset en grupos y garantizar que todas las muestras de un grupo lo están en el mismo conjunto (test, validación o entrenamiento). =Dividir el dataset en grupos y tomar un porcentaje de cada estrato manteniendo la proporción original de las clases ~%-50%Dividir el dataset en grupos y aumentar la presencia de las clases minoritarias mediante la duplicación o generación de nuevas muestras, lo que puede llevar a una representación más equilibrada de las clases en el conjunto de prueba. ~%-50%Dividir el dataset en grupos y aumentar la complejidad del modelo, lo que puede resultar en un modelo más robusto pero también más difícil de interpretar y ajustar. }

🤖

// question: 67895124 name: ¿Qué es un modelo generativo en inteligencia artificial? ::¿Qué es un modelo generativo en inteligencia artificial?::[html]¿Qué es un modelo generativo en inteligencia artificial?{ ~%-50%Un algoritmo que clasifica datos existentes en categorías predefinidas basándose en características aprendidas durante el entrenamiento. ~%-50%Un sistema que optimiza decisiones secuenciales mediante la interacción con un entorno para maximizar una recompensa acumulativa. =Un tipo de modelo que aprende la distribución de los datos de entrenamiento y puede generar nuevas muestras similares a estos. ~%-50%Un enfoque que reduce dimensionalidad de datos complejos transformándolos en representaciones más simples mientras preserva información esencial. }

// question: 38215907 name: ¿Cuál es la principal diferencia entre aprendizaje supervisado y no supervisado? ::¿Cuál es la principal diferencia entre aprendizaje supervisado y no supervisado?::[html]¿Cuál es la principal diferencia entre aprendizaje supervisado y no supervisado?{ ~%-50%El aprendizaje supervisado utiliza redes neuronales mientras que el no supervisado emplea algoritmos estadísticos tradicionales. =El aprendizaje supervisado utiliza datos etiquetados como ejemplos correctos mientras que el no supervisado trabaja con datos sin etiquetar. ~%-50%El aprendizaje supervisado requiere menos poder computacional mientras que el no supervisado necesita ordenadores más potentes. ~%-50%El aprendizaje supervisado fue desarrollado en la década de 2010 mientras que el no supervisado existe desde los años 1980. }

// question: 29463187 name: ¿Qué es la validación cruzada (cross-validation)? ::¿Qué es la validación cruzada (cross-validation)?::[html]¿Qué es la validación cruzada (cross-validation)?{ ~%-50%Una técnica para reducir la complejidad del modelo eliminando características redundantes del conjunto de datos. ~%-50%Un método para evaluar el rendimiento de varios modelos simultáneamente en un único conjunto de entrenamiento. ~%-50%Un procedimiento que combina las predicciones de varios modelos para mejorar la precisión general del sistema. =Una técnica que divide los datos en múltiples subconjuntos para entrenar y validar el modelo, usando cada subconjunto como datos de prueba una vez. }

Este ejemplo muestra cómo un prompt bien diseñado puede convertirse en un asistente reutilizable para generar tests. Más detalles en Tests para Moodle.

Checklist para crear un buen asistente

Antes de "guardar" un asistente, revisa:

• Objetivo claro: ¿qué producto final debe generar?
• Formato definido: ¿tabla / lista / JSON / GIFT / Markdown con encabezados?
• Restricciones de calidad: ¿criterios de éxito? ¿verificabilidad?
• Privacidad: ¿evita pedir datos personales del alumnado?
• Preguntas de aclaración: ¿pide lo que necesita antes de responder?
• Reutilizable: ¿sirve para múltiples temas/situaciones similares?