🔬 Una docente de Vanderbilt University diseñó un módulo de IA para doctorandos biomédicos. En una encuesta, el 81 % ya usaba estas herramientas para ciencia, pero solo el 5 % alcanzaba un nivel básico al redactar prompts; tras el módulo, la cifra fue del 48 %. Su propuesta: tratar cada prompt como un experimento.
La autora aconseja diseñar ese experimento antes de escribir. Conectar búsqueda web y literatura da al modelo información a la que acceder. También propone ordenar las instrucciones con Markdown, XML o JSON, según la complejidad, y pedir al propio modelo que redacte un prompt para una tarea concreta antes de usarlo en una conversación nueva.
El texto recomienda partir de prompts ya validados, mantener los chats cortos y volver a una versión anterior si el modelo empieza a ignorar instrucciones. Como las respuestas cambian entre ejecuciones, sugiere repetir el mismo prompt en conversaciones separadas: así se distingue lo que se repite de lo que surge por azar. No conviene asumir que una respuesta está completa mientras nuevas ejecuciones sigan aportando resultados.
✅ Esta forma de trabajar traslada hábitos científicos —protocolos, controles y réplicas— al uso cotidiano de IA. El resultado del curso no prueba por sí solo que el módulo causara la mejora: el texto no indica el tamaño de la encuesta, cómo definió el nivel básico ni si hubo un grupo de comparación.
