Playgrounds y agentes: lleva tus prompts más allá del chat
Dominar las técnicas de prompting es solo el primer paso. Recorre los playgrounds de Copilot Studio, Google AI Studio, OpenAI y Claude Workbench y los cuatro controles que debes saber encontrar.
Dominar las técnicas de prompting es solo el primer paso. El salto real llega cuando llevas tus prompts al playground de cada plataforma: ahí puedes ajustar parámetros del modelo, comparar respuestas y convertir un simple chat en un proceso repetible y automatizable para un equipo. Repasamos Microsoft Copilot / Copilot Studio, Google AI Studio, OpenAI Playground y Claude Workbench.
Microsoft Copilot y Copilot Studio
Copilot no tiene modelo propio: corre sobre modelos de OpenAI (GPT-4, GPT-5). Sus "agentes" básicos, a pesar del nombre, no son agentes en el sentido formal de la IA: siguen siendo un chat que no puede ejecutar acciones en herramientas externas. El mismo concepto existe en otras plataformas como un Custom GPT (OpenAI) o un Project (Claude).
Al crear uno hay tres elementos clave:
- Instrucciones: tu prompt base. Ejemplo: "Actúa como analista de datos y cuestiona cualquier insight que yo te dé".
- Conocimiento: conecta OneDrive o sube archivos como fuente de referencia, sin ampliar la ventana de contexto.
- Herramientas y sugerencias: activa capacidades (escribir código, generar imágenes) y define iniciadores de conversación para hacer el chat más amable.
| Archivos en el chat | Archivos en Conocimiento | |
|---|---|---|
| Dónde viven | Dentro de la ventana de contexto | En una base de referencia externa |
| Cómo funciona | El modelo procesa todo a la vez | El modelo primero busca pasajes relevantes, los extrae y luego los usa en la respuesta |
| Límite | Acotado por la ventana de contexto | Prácticamente ilimitado en cantidad de archivos |
Copilot Studio es la herramienta más potente de Microsoft para esto. Sus flujos de agente (agent flows) convierten un chat en un agente de IA real, porque puede ejecutar acciones concretas sin intervención manual. Ejemplo: cuando termina una reunión de Teams, toma la transcripción, genera un resumen y lo envía por correo a todos los asistentes.
Google AI Studio (el playground de Gemini)
A diferencia de la interfaz estándar de Gemini, te permite:
- Nombrar y guardar cada experimento para recordar qué estabas probando.
- Editar la respuesta del modelo, ya que forma parte de la ventana de contexto.
- Construir árboles de variaciones: parte de un prompt, ramifica con instrucciones distintas y compara resultados sin perder el historial.
- Usar chats temporales: ignoran toda la información previa de tu cuenta y se eliminan al cerrar la sesión, dando un entorno aislado.
- Comparar dos modelos lado a lado, por ejemplo Gemini 2.5 Pro (piensa más) vs. Gemini 2.5 Flash (casi instantáneo). En el ejemplo, Flash tardó 8 s y Pro 13,5 s.
- Ver el conteo de tokens, la unidad que mide la ventana de contexto.
- Ajustar el presupuesto de pensamiento (thinking budget): cuántos tokens puede usar el modelo para razonar antes de responder. Más tokens, razonamiento más profundo pero más lento; menos tokens, más rápido pero más superficial.
OpenAI Playground
Funciona de forma parecida, pero la facturación es por token consumido, independiente de cualquier suscripción a ChatGPT. En la clase se mencionó un costo aproximado de $1 por millón de tokens (varía según el modelo, así que revisa los precios actuales). Ofrece los mismos ajustes:
- Temperature.
- Top P.
- Herramientas disponibles.
- Esfuerzo de razonamiento: mínimo, bajo, medio o alto.
Claude Workbench (Anthropic)
Se accede desde la plataforma para desarrolladores de Anthropic. Incluye un generador de prompts: describes la tarea y la herramienta escribe el prompt por ti. Es equivalente a pedirle a cualquier LLM que "actúe como ingeniero de prompts", un truco muy útil para mejorar tus instrucciones.
- Modelos: Opus (razonamiento profundo) y Sonnet (respuestas más rápidas).
- Ajustes: temperature, tokens máximos y presupuesto de pensamiento.
Mini glosario
| Término | Qué es |
|---|---|
| Playground | Entorno para experimentar con un modelo y ajustar sus parámetros |
| Ventana de contexto | Cuánta información maneja el modelo a la vez; todo lo del chat cuenta |
| Conocimiento (retrieval) | Documentos externos consultados bajo demanda, no cargados enteros en el contexto |
| Token | Unidad de medida del contexto y de la facturación |
| Temperature | Controla la aleatoriedad y creatividad de las respuestas |
| Top P | Limita el conjunto de palabras candidatas por probabilidad acumulada |
| Presupuesto de pensamiento / esfuerzo de razonamiento | Cuánto razona el modelo antes de responder |
| Agente de IA | Sistema que ejecuta acciones en herramientas externas sin intervención manual |
Ideas clave
- Las interfaces seguirán cambiando; lo importante es saber dónde encontrar cuatro controles: temperature, Top P, herramientas del modelo y esfuerzo de razonamiento.
- Juntos te dan control real sobre cómo responde la IA.
- Los archivos en Conocimiento no ocupan la ventana de contexto; los del chat sí.
- Un chat que solo responde no es un agente: un agente ejecuta acciones.