En GooApps®, el uso de la IA generativa ha evolucionado de la experimentación a la metodología estricta. Tras más de 1.000 horas de investigación interna, hemos definido un estándar basado en tres pilares: prompt engineering estructurado (usar la IA para crear sus propios briefs), selección agnóstica de modelos (Claude para código, GPT para estructura) y la adopción del Model Context Protocol (MCP) para conectar los LLMs con nuestras herramientas reales (Jira, Figma, GitHub) de forma segura.
La IA generativa acelera el trabajo, pero también acelera los errores si no se gestiona con criterio. En nuestra experiencia, los fallos no suelen ser culpa del modelo, sino de un contexto deficiente y de decisiones tomadas sin conciencia del impacto real.
Por eso, en GooApps® aplicamos una regla inquebrantable: si no podemos explicar, probar y responsabilizarnos del resultado, no lo usamos. Este enfoque conecta directamente con nuestra forma de entender la tecnología desde una IA centrada en las personas, el criterio ético y la responsabilidad humana, especialmente en entornos sensibles como salud y bienestar.
En lugar de escribir prompts manualmente, utilizamos la propia IA para generar «briefs» técnicos robustos.
La estructura de un prompt de ingeniería GooApps®:Rol: Actúa como un experto en [Materia].
Esta simple validación previa reduce las alucinaciones en un 40% y obliga al modelo a razonar antes de escribir.
+34 656 828 020
Agenda tu llamada virtual Actúa como un experto en prompt engineering.
Quiero que me diseñes un PROMPT robusto para la siguiente tarea:
[TAREA]
Antes de escribir el prompt final:
1) Hazme todas las preguntas necesarias para eliminar ambigüedades (mínimo 8).
2) Propón 2 variantes del prompt: (A) breve y (B) exhaustiva.
3) Incluye una sección de “restricciones” y otra de “criterios de calidad”.
4) Incluye un ejemplo de input y ejemplo de output.
Cuando termines, entrégame solo el prompt final (versión B) listo para copiar y pegar.
Antes de ejecutar la tarea:
- Hazme todas las preguntas que necesites para hacerlo bien.
- Si te falta información, no inventes: explícame qué falta y por qué.
- Cuando tengas suficiente contexto, ejecuta el trabajo paso a paso.
CONTEXTO
- Quién soy / qué necesito / para qué se usará el resultado.
- Audiencia y tono.
OBJETIVO
- Qué quieres conseguir (en una frase medible).
ALCANCE
- Qué SÍ y qué NO (límites claros).
DATOS / INPUT
- Pega aquí la información relevante.
- Si hay fuentes, enlázalas o resúmelas.
RESTRICCIONES
- Formato de salida (tabla, bullets, email, JSON…)
- Longitud aproximada
- Idioma
- Reglas (no inventes, cita, etc.)
EJEMPLOS
- Ejemplo de buen output (aunque sea inventado).
- Ejemplo de mal output (qué evitar).
CRITERIOS DE CALIDAD
- 3–7 checks para validar el resultado.
PREGUNTAS
- “Antes de empezar, pregúntame lo necesario”.
No existe «el mejor modelo», existe el adecuado para el problema. En 2026, nuestra matriz de decisión técnica es la siguiente:
| Tarea | Modelo recomendado | Por qué lo elegimos |
|---|---|---|
| Refactorización y Código Complejo | Claude 3.7 (Anthropic) | Su capacidad de «extended thinking» y manejo de contexto largo es superior para entender arquitecturas legadas sin romperlas. |
| Ideación y Documentación | GPT-4.1 (OpenAI) | Excelente seguimiento de instrucciones (instruction following) y consistencia en formatos estructurados. |
| Razonamiento Multimodal | Gemini 2.5 Pro (Google) | Ideal cuando necesitamos analizar vídeo o grandes volúmenes de datos multimodales en una sola ventana de contexto. |
Esta diversificación evita el «vendor lock-in» y asegura que usamos la herramienta más afilada para cada corte.
El mayor salto cualitativo en GooApps® ha sido la implementación del Model Context Protocol (MCP). Los chatbots tradicionales están aislados; no saben qué pasa en tu empresa. Los MCPs actúan como un estándar abierto que permite a la IA «leer» nuestras herramientas internas de forma segura.
1. MCP de Atlassian (Jira + Confluence)
En lugar de copiar y pegar tickets, nuestro asistente de IA tiene permiso de lectura sobre el backlog.
2. MCP de Figma para desarrollo
Conectamos el contexto de diseño directamente al IDE.
3. Context7 y documentación viva
Utilizamos MCPs para inyectar documentación técnica actualizada de librerías que cambian rápido, evitando que la IA sugiera métodos depreciados o APIs que ya no existen.
Conectar la IA a datos internos exige responsabilidad. Este es nuestro checklist de seguridad obligatorio:
En GooApps®, no usamos la IA para «producir más texto o código sin pensar». La usamos para ganar foco, haciéndola que trabaje como un buen senior: que pregunte, que explicite supuestos, que proponga opciones, y que entregue resultados verificables.
Al delegar la estructura, el boilerplate y la búsqueda de información a agentes conectados (MCPs), nuestros ingenieros y consultores recuperan tiempo para lo que realmente importa: la arquitectura, la estrategia de producto y la calidad final entregada al cliente.
Completa el formulario y GooApps® te ayudará a encontrar la mejor solución para tu organización. ¡Contactaremos contigo muy pronto!
