Los modelos de lenguaje más recientes —de OpenAI, Anthropic, Google y otros— pueden transformar un video en conocimiento accionable, pero solo si el prompt está optimizado. Aquí se muestra cómo estructurarlo para extraer el máximo valor: resúmenes claros, análisis por fases, ejemplos prácticos y validación de datos, adaptado a cualquier perfil de audiencia.

¿Qué es un prompt y por qué se necesita uno para analizar video?

Un prompt es el conjunto de instrucciones que se le da a un modelo de lenguaje (como ChatGPT, Claude o Gemini) para que realice una tarea específica. Se piensa en él como un briefing para un asistente humano: cuanto más claro y detallado sea, mejor será el resultado.

Cuando se sube un video a una plataforma de IA o se le proporciona su transcripción, el modelo necesita instrucciones para saber qué hacer con ese contenido. Sin un prompt estructurado, el modelo decide por su cuenta qué es importante y probablemente entrega un resumen superficial que no aprovecha todo el potencial del análisis.

Un prompt bien diseñado, en cambio, le indica al modelo:

• Qué rol debe asumir (analista, profesor, consultor).
• Qué buscar (ideas clave, datos, ejemplos).
• Cómo entregarlo (estructura, tono, nivel de detalle).
• Qué evitar (opiniones, información inventada, relleno).

¿Qué se necesita antes de empezar?

1. Una cuenta en una plataforma de IA que soporte video

No todos los modelos de lenguaje aceptan video directamente. A continuación, se presentan las opciones más comunes con su nivel de acceso:

• ChatGPT (OpenAI): los usuarios con suscripción Plus o superior pueden subir archivos de video. El modelo extrae fotogramas y transcribe el audio automáticamente.
• Claude (Anthropic): acepta archivos subidos, incluyendo video en formatos comunes (.mp4, .mov, .webm). Disponible en el plan Pro.
• Gemini (Google): soporta video directamente, incluyendo videos de YouTube mediante enlace. Algunas funciones están disponibles en el plan gratuito.
• LlamaVision y modelos de código abierto: requieren configuración técnica local. No se recomiendan para principiantes.

2. El video o su transcripción

Si la plataforma no acepta video directamente, se necesita la transcripción. Se puede obtener de tres formas:

• Transcripción automática de YouTube: en cualquier video de YouTube, se hace clic en los tres puntos (…) debajo del video → “Mostrar transcripción”. Se copia y pega el texto.
• Herramientas de transcripción: servicios como Whisper (de OpenAI), otter.ai o Tactiq generan transcripciones con marcas temporales a partir del archivo de audio.
• Transcripción manual: para videos cortos (menos de 5 minutos), se puede transcribir manualmente. Esto garantiza máxima precisión.

3. Conocer las limitaciones

Los modelos de lenguaje actuales tienen restricciones que se deben conocer:

• Duración máxima: la mayoría acepta videos de hasta 30-60 minutos. Videos más largos pueden requerir dividirse en partes.
• Contenido visual limitado: los modelos analizan fotogramas seleccionados, no cada segundo del video. Si el video depende mucho de animaciones o demostraciones en pantalla, la transcripción por sí sola no captura esa información.
• Idioma: los modelos funcionan mejor cuando el prompt está en el mismo idioma que el video. Si el video está en inglés, se considera escribir el prompt en inglés y luego pedir la respuesta en español.
• Alucinaciones: los modelos pueden inventar datos, citas o fuentes que no están en el video. Por eso la sección de “Validación de datos” en el prompt es fundamental, no opcional.

Términos que se necesitan conocer

Prompt

Instrucción o conjunto de instrucciones que se escribe para indicarle a un modelo de lenguaje qué tarea debe realizar.

TL;DR

Acrónimo inglés de “Too Long; Didn’t Read” (muy largo, no lo leí). Es un resumen ultra breve al inicio del análisis, pensado para captar lo esencial en segundos.

Timestamp / Marca temporal

Referencia de tiempo dentro del video (ej. 05:30) que indica exactamente dónde ocurre un momento clave. Permite al lector ir directamente a esa parte del video.

Alucinación (de IA)

Errores que cometen los modelos de lenguaje cuando generan información que suena convincente pero es falsa o no está respaldada por la fuente original. Ejemplo: la IA afirma que el ponente mencionó una estadística que nunca dijo.

Transcripción

Texto resultante de convertir el audio de un video a formato escrito. Puede incluir o no marcas temporales.

Fotograma

Cada una de las imágenes individuales que componen un video. Cuando una IA “analiza” un video, selecciona ciertos fotogramas para entender el contenido visual.

Métrica de éxito

Indicador concreto y medible que permite evaluar si una acción produjo el resultado esperado. Ejemplo: “reducir el tiempo de respuesta al cliente de 24h a 4h”.

Prompt estructurado

Prompt organizado en secciones claramente diferenciadas (rol, tarea, formato, restricciones), en contraste con un prompt escrito en forma de párrafo libre.

Capa gratuita / Plan gratuito

Nivel de acceso sin costo a una plataforma de IA. Suele incluir limitaciones en cantidad de consultas, longitud de los archivos subidos o acceso a modelos menos potentes.

¿Por qué se debe optimizar el prompt para análisis de videos?

Un prompt bien diseñado no solo resume el contenido, sino que lo convierte en un recurso útil. Sin una estructura clara, incluso los modelos más avanzados pueden pasar por alto detalles críticos o generar resúmenes genéricos. La clave está en guiar a la IA para que identifique ideas clave, ejemplos reales y pasos accionables, todo mientras valida la información presentada.

Prompt optimizado para analizar videos con IA

Se copia y adapta la siguiente plantilla según la necesidad. Cada sección cumple una función específica dentro del análisis.

Rol y objetivo

Rol: Se es un analista de videos experto y estratega de aprendizaje. La misión es extraer el máximo valor de cualquier video, entregando un análisis claro, estructurado y accionable que ayude a aprender más rápido, recordar mejor y aplicar el conocimiento de manera efectiva.

Objetivo: Se analiza el video en profundidad y se entrega un resumen que incluya un TL;DR, un análisis por fases, ejemplos reales, pasos accionables y validación de datos. Se adapta el contenido al perfil de la audiencia cuando sea posible.

Entrada

Se proporciona el video de una de estas formas:

• Enlace al video: Ver video en YouTube
• Archivo de video subido directamente en el chat.
• Transcripción del video: texto completo pegado aquí.
• Descripción visual: escenas clave, gráficos o diagramas descritos.
• Perfil de la audiencia: emprendedores, estudiantes, profesionales, etc.

Formato de salida

TL;DR

Resumen en un párrafo de 3 a 4 líneas con las ideas más importantes del video.

Visión general

• Tema central: una oración que resuma el objetivo del video.
• Audiencia objetivo: a quién va dirigido el contenido.
• Duración: tiempo total del video.
• Mensaje principal: la idea central que transmite el video.

Preprocesamiento

• Tres momentos clave: marca temporal del video (ej. 05:30) e idea principal de cada uno.
• Elementos visuales: descripción breve de gráficos, diagramas o tablas relevantes que aparezcan en el video.

Ideas clave

• Críticas: ideas imprescindibles para entender el video.
• Importantes: ideas que complementan el mensaje principal.
• Secundarias: ideas útiles pero no esenciales.

Análisis en profundidad

• Concepto: explicación clara y concisa.
• Ejemplo real: cómo se aplica este concepto en la práctica.
• Analogía: comparación sencilla para facilitar la comprensión.

Aplicaciones prácticas

• Para emprendedores: pasos específicos y métricas de éxito.
• Para estudiantes: cómo aplicar el conocimiento en proyectos académicos.
• Para profesionales: acciones concretas y resultados esperados.

Resumen visual

• Marca temporal: descripción del elemento visual encontrado.
• Propósito: por qué es relevante para el mensaje del video.
• Cómo recrearlo: herramienta y pasos breves para reproducir el gráfico o diagrama.

Validación de datos

• Afirmación: cita textual del video.
• Fuente: referencia mencionada en el contenido.
• Estado: verificado, no verificado o requiere contexto adicional.

Citas clave

• Marca temporal: “cita textual” — contexto breve de por qué es relevante.

Temas relacionados

• Tema 1: breve descripción de la conexión con el contenido.
• Tema 2: breve descripción de la conexión con el contenido.

Recursos complementarios

• Libro: título y autor — por qué es relevante.
• Curso: nombre — plataforma donde está disponible.
• Herramienta: nombre — enlace directo y caso de uso.

Índice de relevancia

• Principiantes: ¿Contiene explicaciones básicas y contexto suficiente? (Alta, Media o Baja, con justificación.)
• Profesionales: ¿Ofrece técnicas avanzadas o datos específicos? (Alta, Media o Baja, con justificación.)
• Emprendedores: ¿Incluye pasos concretos y ejemplos de negocio? (Alta, Media o Baja, con justificación.)

Estilo y restricciones

Estilo: Claro, directo y sin relleno. Se usan negritas para ideas clave y cursivas para ejemplos o analogías. Se adapta el tono al perfil de la audiencia: técnico para profesionales, sencillo para principiantes.

Restricciones:

• No se incluyen opiniones personales.
• No se añade información no presente en el video.
• No se inventan ejemplos, datos o fuentes.
• No se repite contenido sin agregar valor.
• No se omiten citas o referencias mencionadas en el video.

¿Deseas empezar con algo más simple? Usar esta versión rápida

Si es la primera vez que se analiza un video con IA, esta versión reducida da buenos resultados con menos esfuerzo. Una vez que se sienta cómodo, se pasa a la plantilla completa.

Prompt rápido para analizar un video:

Se es un analista de contenido experto. Se analiza el siguiente video y se responde con esta estructura:

1. Resumen: párrafo de 3-4 líneas con las ideas más importantes.
2. 5 ideas clave: las cinco ideas más valiosas del video, ordenadas de mayor a menor importancia. Para cada una, se incluye el timestamp aproximado.
3. 3 cosas que se pueden hacer hoy: acciones concretas basadas en el contenido del video.
4. 1 dato a verificar: la afirmación más sorprendente del video, con la evaluación de si es confiable o necesita fuentes adicionales.

Perfil de audiencia: [se escribe aquí el perfil].

Video o transcripción: [se pega aquí o se sube el archivo].

Este prompt es deliberadamente corto. Funciona porque:

• Pide una estructura clara en solo 4 bloques, lo que reduce la probabilidad de que la IA omita algo.
• “3 cosas que se pueden hacer hoy” obliga a la IA a ser práctica, no teórica.
• “1 dato a verificar” introduce el hábito de validación sin sobrecargar al usuario.
• Se puede completar en menos de 2 minutos.

¿Cómo usar este prompt paso a paso?

Supongamos que se tiene un video de YouTube sobre marketing digital que se quiere analizar. A continuación, se presenta el proceso completo:

Paso 1: Obtener la transcripción

Se abre el video en YouTube. Debajo del reproductor, se hace clic en los tres puntos (…) y se selecciona “Mostrar transcripción”. Se abre un panel a la derecha con el texto completo y las marcas temporales. Se selecciona todo (Ctrl + A o Cmd + A), se copia (Ctrl + C) y se pega en un archivo de texto.

Si el video no está en YouTube, se usa una herramienta como Whisper o otter.ai para generar la transcripción a partir del archivo de audio.

Paso 2: Abrir la plataforma de IA

Se inicia sesión en ChatGPT, Claude o Gemini. Se crea una nueva conversación (no se usa una conversación anterior, porque el historial puede influir en las respuestas).

Paso 3: Pegar la plantilla del prompt

Se copia la plantilla completa de la sección anterior y se pega en el chat. No se modifica nada todavía. Solo se asegura de que la estructura completa esté presente.

Paso 4: Proporcionar el video o la transcripción

Inmediatamente después del prompt, se añade una de estas opciones:

• Si la plataforma acepta video: se sube el archivo directamente y se escribe: “Analiza el video adjunto siguiendo la estructura del prompt.”
• Si se usa transcripción: se pega el texto y se escribe: “Analiza la siguiente transcripción de video siguiendo la estructura del prompt. El video dura 18 minutos.”
• Si el video es de YouTube y la plataforma lo soporta: se comparte el enlace y se escribe: “Analiza este video de YouTube siguiendo la estructura del prompt.”

Paso 5: Especificar el perfil de audiencia

Se añade al final: “El contenido está dirigido a [perfil: emprendedores sin experiencia técnica / estudiantes universitarios / profesionales de marketing].” Esto ajusta el tono y la profundidad del análisis.

Paso 6: Revisar el resultado

Una vez que la IA responde, se verifica:

• ¿El TL;DR captura lo esencial del video?
• ¿Las ideas clave están clasificadas correctamente (críticas vs. secundarias)?
• ¿Los timestamps son correctos? (Se va al video y se comprueba que en ese momento se dice lo que la IA afirma.)
• ¿La sección de validación de datos marca correctamente lo verificado y lo que requiere contexto?
• ¿Las aplicaciones prácticas son concretas o genéricas?

Paso 7: Refinar si es necesario

Si alguna sección no convence, no se repite el prompt completo. En su lugar, se piden correcciones específicas:

• “En la sección de aplicaciones prácticas para emprendedores, los pasos son demasiado genéricos. Dame 3 acciones concretas con herramientas específicas.”
• “El análisis en profundidad del segundo concepto se quedó corto. Dame una analogía más clara y un ejemplo de un caso real.”
• “Revisa la sección de validación de datos. ¿La cifra de ‘30% de eficiencia’ realmente aparece en el video o la inventaste?”

Principios que hacen efectivo este prompt

Este prompt no es una lista de instrucciones al azar. Cada sección responde a un principio de diseño pensado para obtener resultados precisos de modelos de lenguaje:

• Estructura por fases: dividir el análisis en bloques temáticos (resumen, ideas clave, profundización, aplicaciones) obliga a la IA a recorrer el contenido de forma metódica, reduciendo omisiones.
• TL;DR al inicio: ofrece un punto de entrada rápido para quien necesita lo esencial en segundos.
• Ejemplos reales y analogías: pedir explícitamente estos elementos evita respuestas abstractas y mejora la comprensión de conceptos complejos.
• Pasos accionables por perfil: al segmentar por tipo de audiencia, el resultado deja de ser genérico y se convierte en algo que el lector puede aplicar de inmediato.
• Validación de datos: incluir un bloque de verificación obliga a la IA a distinguir entre lo que el video dice, lo que puede corroborarse y lo que necesita contexto adicional.
• Restricciones explícitas: decirle a la IA qué no hacer es tan importante como decirle qué hacer. Las restricciones eliminan relleno, invención de datos y opiniones no solicitadas.
• Índice de relevancia cualitativo: en lugar de puntuaciones numéricas ambiguas, se pide una valoración con justificación, lo que genera información más útil para el lector.

Errores comunes al crear prompts para análisis de video

• Pedir solo “un resumen del video”: sin estructura definida, la IA entregará un párrafo genérico que ignora matices y ejemplos prácticos.
• No especificar el perfil de audiencia: el tono, la profundidad y el vocabulario del análisis serán inadecuados para quien lo lee.
• Omitir la validación de datos: los modelos de lenguaje pueden generar afirmaciones que no están en el video. Sin verificación, el lector no sabe qué es fiable.
• No pedir timestamps: sin marcas temporales, el lector no puede ubicar la información dentro del video para revisarla por su cuenta.
• Sobrecargar el prompt con instrucciones contradictorias: pedir “brevedad” y “análisis en profundidad” simultáneamente confunde al modelo. Cada sección del prompt debe tener un propósito claro y sin conflicto.
• Ignorar los elementos visuales: muchos videos transmiten información clave a través de gráficos, diagramas o pantallas que el texto de la transcripción no captura.

El prompt aplicado a diferentes tipos de video

Escenario 1: Tutorial técnico (video de programación)

Entrada: video de YouTube de 40 minutos sobre cómo crear una API REST con Python y FastAPI.

Adaptación del prompt: en “Perfil de la audiencia” se indica “desarrolladores junior con conocimientos básicos de Python”.

Resultado esperado:

• TL;DR: “El tutorial enseña a construir una API REST completa usando FastAPI. Cubre instalación, definición de endpoints, validación de datos con Pydantic y despliegue en producción. Se requiere Python 3.10+ y conocimientos básicos de programación orientada a objetos.”
• Ideas clave críticas: FastAPI usa decoradores para definir rutas (@app.get, @app.post). Pydantic valida los datos de entrada automáticamente.
• Aplicación práctica para profesionales: “Si ya se tiene una aplicación Flask, se pueden migrar los endpoints a FastAPI siguiendo estos 4 pasos: [pasos específicos del video].”
• Validación de datos: el video afirma que “FastAPI es 300% más rápido que Flask”. Estado: Requiere contexto — esta cifra depende del benchmark usado y del tipo de endpoint. La documentación oficial de FastAPI referencia benchmarks de TechEmpower que muestran diferencias variables.

Escenario 2: Conferencia motivacional (charla de liderazgo)

Entrada: charla TED de 18 minutos sobre liderazgo en equipos remotos.

Adaptación del prompt: en “Perfil de la audiencia” se indica “gerentes de equipo que acaban de pasar a trabajo remoto”.

Resultado esperado:

• TL;DR: “La ponente argumenta que el liderazgo remoto requiere tres cambios fundamentales: comunicación asíncrona documentada, reuniones con propósito explícito y confianza basada en resultados en lugar de horas de conexión. Presenta datos de 3 empresas que implementaron estos cambios.”
• Analogía: “Gestionar un equipo remoto sin documentar decisiones es como dirigir una orquesta donde cada músico tiene una partitura diferente. La comunicación asíncrona documentada es la partitura compartida.”
• Aplicación práctica para profesionales: “Se implementa una plantilla de decisión asíncrona en el equipo: [contexto] → [opciones] → [decisión] → [responsable] → [fecha de revisión]. Se usa Notion o Confluence para centralizar las decisiones.”

Escenario 3: Video educativo largo (clase universitaria)

Entrada: clase grabada de 90 minutos sobre estadística inferencial.

Adaptación del prompt:

• “El video es largo. Se divide en bloques temáticos de máximo 15 minutos cada uno.”
• “Perfil de la audiencia: estudiantes de segundo año de psicología sin formación previa en estadística avanzada.”
• “Se incluye una sección adicional de ‘Conceptos previos necesarios’ antes del análisis.”

Resultado esperado:

• Conceptos previos necesarios: distribución normal, media y desviación estándar, diferencia entre población y muestra.
• Bloque 1 (00:00–15:00): introducción a la inferencia. Idea clave: la inferencia permite generalizar de una muestra a una población.
• Bloque 2 (15:00–30:00): pruebas de hipótesis. Idea clave: el valor p indica la probabilidad de obtener el resultado observado si la hipótesis nula es verdadera.
• […se continúa para cada bloque…]

Escenario 4: Video sin audio (demostración de software)

Entrada: video de 10 minutos mostrando una demostración de producto sin narración, solo con texto en pantalla.

Adaptación del prompt:

• “El video no tiene audio. Se analiza únicamente el contenido visual: pantallas, interacciones, texto en pantalla y flujo de navegación.”
• “Se presta especial atención a los elementos de la interfaz de usuario y a la secuencia de acciones mostrada.”
• “Se incluye una sección de ‘Flujo de usuario’ que describa paso a paso la navegación mostrada en el video.”

Ejemplo práctico de aplicación

Si el video es una charla de 25 minutos sobre inteligencia artificial para emprendedores, el análisis resultante tendría esta estructura:

TL;DR

La inteligencia artificial puede automatizar tareas repetitivas en negocios pequeños, aumentando la eficiencia hasta en un 30%. Se recomienda empezar con herramientas accesibles como chatbots o análisis de datos, e identificar primero las áreas del negocio con mayor carga de procesos manuales.

Visión general

• Tema central: cómo implementar inteligencia artificial en pymes sin experiencia técnica.
• Audiencia objetivo: emprendedores y dueños de negocios pequeños.
• Duración: 25 minutos.
• Mensaje principal: la IA es accesible y puede transformar procesos empresariales desde el primer día.

Ideas clave

• Críticas: la IA reduce costos operativos al eliminar tareas manuales repetitivas.
• Importantes: herramientas como chatbots mejoran la atención al cliente sin aumentar la plantilla.
• Secundarias: casos de éxito en sectores como retail y logística muestran retornos de inversión en menos de 6 meses.

Aplicaciones prácticas

• Para emprendedores: se identifican 3 áreas del negocio donde la IA pueda automatizar tareas y se prueban herramientas como Google Vertex AI en su capa gratuita.
• Para estudiantes: se usa el marco del video como base para un proyecto de investigación sobre adopción tecnológica en pymes.
• Para profesionales: se presenta al equipo un plan piloto de 30 días con una herramienta de IA específica y se mide el impacto en productividad.

Índice de relevancia

• Principiantes: Alta — el video explica conceptos desde cero y ofrece ejemplos concretos.
• Profesionales: Media — cubre fundamentos útiles pero no profundiza en implementación técnica.
• Emprendedores: Alta — incluye pasos directos y herramientas específicas con casos de uso reales.

Resolución de problemas: ¿qué hacer cuando el resultado no sirve?

Problema 1: “El resumen es demasiado genérico”

Causa probable: no se especificó el perfil de audiencia o el nivel de detalle deseado.

Solución: se envía un segundo mensaje con instrucciones específicas:

“El resumen es demasiado superficial. Se rehace la sección de ‘Ideas clave’ con más detalle. Para cada idea, se incluye: (1) qué dice exactamente el ponente, (2) por qué es importante, y (3) un ejemplo concreto del propio video.”

Problema 2: “La IA inventó datos que no están en el video”

Causa probable: la IA rellenó vacíos con información de su entrenamiento en lugar de limitarse al contenido del video.

Solución:

• Se envía un mensaje de corrección:
  

  “En la sección de validación de datos, se revisa cada afirmación y se marca como ‘No verificado’ todo lo que no se pueda encontrar textualmente en la transcripción. Se eliminan cualquier dato que no esté en el video.”

• Si el problema persiste, se añade una restricción más fuerte al inicio del siguiente prompt: “Se usa ÚNICAMENTE la información presente en la transcripción. Si algo no aparece en el texto, se indica explícitamente como ‘no mencionado en el video’.”

Problema 3: “El análisis ignora partes importantes del video”

Causa probable: el video es largo y la IA priorizó las primeras secciones, descuidando las finales.

Solución:

• Se divide el video en partes y se analiza cada una por separado.
• O bien, se envía un mensaje adicional:
  

  “El análisis se centra en la primera mitad del video. Se rehace la sección de ‘Ideas clave’ incluyendo específicamente los minutos 20-40, que contienen la demostración práctica y los datos estadísticos.”

Problema 4: “Los timestamps no coinciden con lo que dice el video”

Causa probable: la IA aproximó los tiempos o los generó a partir de la estructura del texto sin mapearlos al video real.

Solución:

• Se usa una transcripción que ya incluya marcas temporales (las de YouTube las incluyen automáticamente).
• Se pide explícitamente: “Se usan los timestamps de la transcripción proporcionada. No se inventan marcas temporales.”

Problema 5: “Las aplicaciones prácticas son vagas”

Causa probable: la IA entregó consejos genéricos en lugar de acciones específicas.

Solución:

“Las aplicaciones prácticas son demasiado generales. Para cada perfil de audiencia, se pide: (1) una acción concreta que se pueda hacer hoy, (2) una herramienta específica con nombre, (3) una métrica para medir si funcionó.”

Problema 6: “La IA no pudo analizar el video”

Causa probable: el formato del archivo no es compatible, el video es demasiado largo, o la plataforma no soporta análisis de video.

Solución:

• Se convierte el video a .mp4 (el formato más universalmente aceptado).
• Si el video supera los 60 minutos, se divide en partes de 20-30 minutos usando herramientas como FFmpeg o HandBrake.
• Si la plataforma no acepta video, se usa la transcripción como entrada alternativa y se añade: “Se analiza esta transcripción de un video de [X] minutos sobre [tema]. Se tiene en cuenta que no se puede ver el contenido visual, así que se indica explícitamente qué información podría estar en gráficos o demostraciones que no captura el texto.”

¿Cómo saber si el prompt funciona bien?

Después de obtener el análisis, se hacen estas 5 preguntas:

Pregunta	Si la respuesta es sí	Si la respuesta es no
¿Se pueden entender las ideas principales del video sin haberlo visto?	El resumen es efectivo.	Se pide a la IA que expanda el TL;DR con más contexto.
¿Se puede tomar al menos una acción concreta basada en el análisis?	Las aplicaciones prácticas funcionan.	Se piden acciones más específicas con herramientas y plazos definidos.
¿Se fue al video a comprobar un timestamp y era correcto?	La IA está mapeando bien el contenido.	Se pide a la IA que use los timestamps de la transcripción original.
¿La sección de validación marca algo como “no verificado” o “requiere contexto”?	La IA está siendo honesta sobre sus limitaciones.	Si todo dice “verificado”, se desconfía: probablemente la IA no está siendo rigurosa.
¿El análisis se siente diferente a un resumen genérico que podría aplicarse a cualquier video del mismo tema?	El prompt está extrayendo contenido específico.	Se incluyen instrucciones como “cita textual del video” o “ejemplo específico mencionado por el ponente”.

Caso real: analizando un video de principio a fin

Para que se vea el proceso completo, aquí va un ejemplo real con el prompt simplificado aplicado a un video existente.

El video

Charla de 22 minutos: “Cómo tomar decisiones bajo incertidumbre” — conferencia impartida por una profesora de economía conductual en un evento de innovación.

Lo que se escribió en el chat

Se es un analista de contenido experto. Se analiza la siguiente transcripción de un video de 22 minutos sobre toma de decisiones bajo incertidumbre. Se responde con esta estructura:

1. Resumen: párrafo de 3-4 líneas con las ideas más importantes.
2. 5 ideas clave: las cinco más valiosas, ordenadas de mayor a menor importancia, con timestamp.
3. 3 cosas que se pueden hacer hoy: acciones concretas.
4. 1 dato a verificar: la afirmación más sorprendente.

Perfil: emprendedor que toma decisiones de negocio con información incompleta.

[Transcripción pegada aquí]

Lo que se obtuvo

Resumen: La ponente presenta un marco de 4 pasos para tomar decisiones cuando no se tiene toda la información: (1) identificar qué se sabe y qué no, (2) asignar probabilidades a los escenarios posibles, (3) definir la tolerancia al peor resultado, (4) tomar la decisión y establecer un punto de revisión. Se argumenta que la parálisis por análisis es más costosa que una decisión imperfecta con plan de contingencia.

5 ideas clave:

1. (02:15) La incertidumbre no es el enemigo; la falta de un proceso para manejarla sí lo es.
2. (07:40) Asignar probabilidades a escenarios, incluso si son aproximadas, es mejor que no asignarlas.
3. (11:00) El “punto de reversa” es un criterio previo que se define antes de decidir: si ocurre X, se cambia de rumbo.
4. (15:30) Las decisiones reversibles se deben tomar rápido; solo las irreversibles merecen análisis profundo.
5. (19:45) Revisar decisiones pasadas con el resultado conocido genera sesgo retrospectivo. Se evalúa la calidad del proceso, no del resultado.

3 cosas que se pueden hacer hoy:

1. Antes de la próxima decisión de negocio, se escribe en una hoja: qué se sabe, qué no se sabe, y cuáles son los 3 escenarios posibles con sus probabilidades estimadas.
2. Se define un “punto de reversa” concreto: “Si en 30 días no se consigue X resultado, se cambia a la alternativa B.”
3. Se clasifica la decisión actual como reversible o irreversible. Si es reversible, se toma en las próximas 24 horas.

1 dato a verificar: La ponente afirma (14:20) que “el 85% de las decisiones empresariales son reversibles”. Estado: no verificado — no cita la fuente en el video. Esta cifra aparece en publicaciones de Jeff Bezos sobre Amazon, pero no se menciona en la charla. Podría tratarse de una referencia implícita o una generalización.

Lo que se corrigió

El resultado fue sólido, pero la idea clave 2 necesitaba más detalle. Se escribió:

“En la idea clave 2, el ponente da un ejemplo específico de cómo asignar probabilidades en un escenario de negocio. Se incluye.”

La IA respondió con el ejemplo del video: la profesora usó el caso de una startup que debía decidir entre dos mercados, asignando 60/40 de probabilidad y definiendo un punto de revisión a los 90 días.

¿Cómo se comporta el mismo prompt en diferentes plataformas?

El prompt es el mismo, pero cada modelo tiene fortalezas distintas. Saber esto ayuda a elegir la herramienta adecuada según la necesidad:

Plataforma	Fortaleza en análisis de video	Limitación conocida	Mejor para
ChatGPT (GPT-4o / GPT-5)	Buen análisis de fotogramas. Genera resúmenes bien estructurados y con tono natural.	Puede inventar timestamps si la transcripción no los incluye.	Resúmenes ejecutivos y aplicaciones prácticas.
Claude	Muy preciso con citas textuales. Respeta bien las restricciones. Ideal para validar datos.	Puede ser más conservador: a veces se niega a hacer inferencias razonables por miedo a “alucinar”.	Validación de datos y análisis que requieren alta fidelidad al contenido original.
Gemini	Soporte nativo de video y YouTube. Puede analizar contenido visual sin necesidad de transcripción.	A veces pierde detalle en videos largos. Puede simplificar en exceso.	Análisis rápido de videos de YouTube y contenido predominantemente visual.

Recomendación para principiantes: se empieza con Gemini si el video está en YouTube (es el más fácil de usar). Se usa ChatGPT si se necesita un análisis estructurado y detallado. Se usa Claude si la precisión de los datos es la prioridad.

Checklist: ¿el prompt está listo si cumple todo esto?

Antes de enviar el prompt, se verifica cada punto. Si alguna casilla no se cumple, se corrige:

• ☐ Se definió el rol: la IA sabe qué perspectiva asumir.
• ☐ Se especificó el formato de salida: la IA sabe exactamente qué secciones incluir.
• ☐ Se indicó el perfil de audiencia: el tono y la profundidad están alineados con quien leerá el análisis.
• ☐ Se pidieron timestamps: el lector puede ir al video y verificar cada idea.
• ☐ Se incluyó validación de datos: la IA debe distinguir entre lo verificado, lo no verificado y lo que requiere contexto.
• ☐ Se añadieron restricciones explícitas: se le dijo a la IA qué NO hacer (no inventar datos, no opinar, no rellenar).
• ☐ Se pidieron ejemplos reales del video: no ejemplos genéricos, sino situaciones concretas mencionadas por el ponente.
• ☐ Se incluyeron aplicaciones prácticas por perfil: cada tipo de lector tiene al menos una acción concreta.
• ☐ Se proporcionó el video o la transcripción: la IA tiene acceso al contenido completo.
• ☐ Se revisó el resultado: se fue al video, se comprobó un timestamp y se verificó una afirmación antes de confiar en el análisis.