1. Describe la tarea
Opus 5.5 mapea lo que ya entiendes antes de intentar explicar nada. Hace preguntas diagnósticas, encuentra el punto específico donde tu razonamiento se rompe, y construye la explicación a partir de esa brecha.
A partir de una sola conversación, produce tres artefactos: una lección interactiva construida alrededor de tu concepto erróneo, un libro de trabajo que aplica el concepto a tus propios datos, y un mapa conceptual que conecta hacia adelante. Describe el concepto con el que estás atascado y lo que sí entiendes. El siguiente prompt hace tres cosas que vale la pena copiar: fija el paso exacto donde se rompe la comprensión, dice qué te permitiría hacer después una buena explicación, y adjunta los datos a partir de los cuales se construirá el libro de trabajo.
Sigo encontrándome con el «razonamiento bayesiano» en cosas que leo: ensayos, podcasts, incluso conversaciones en el trabajo. La gente dice «actualiza tus probabilidades previas» o «estás ignorando la tasa base» y yo asiento, pero no logro seguir la lógica cuando se vuelve específica. Entiendo bien la probabilidad básica. Puedo calcular probabilidades, sé qué es una probabilidad condicional en abstracto. Pero cuando alguien explica por qué una prueba con 99% de precisión no significa un 99% de probabilidad de que estés enfermo, pierdo el hilo a mitad de camino.
Ayúdame a entender esto. Una buena explicación es aquella que podría repetir con números diferentes por mi cuenta, así que revisa mi razonamiento a medida que avanzamos y te diré qué tiene sentido y qué no. Luego créame una lección interactiva, un libro de trabajo que pueda usar para auditar qué señales en mi proceso de contratación realmente predicen el éxito, y un mapa conceptual que lo conecte con lo que encontraré después. He adjuntado la exportación de nuestro proceso de contratación, desde las solicitudes hasta la retención a 12 meses, para que puedas trabajar con nuestros números reales.
2. Dale contexto a Claude
El diagnóstico funciona solo a partir de la conversación. Los archivos entran en juego únicamente cuando quieres que el libro de trabajo se construya a partir de tus propios números.
Contexto requerido
- No se necesitan archivos para el diagnóstico en sí. Si quieres un libro de trabajo personalizado, adjunta una exportación en CSV o XLSX de tus datos, tal como el prompt de ejemplo adjunta una exportación del proceso de contratación que va desde las solicitudes hasta la retención a 12 meses. Opus 5.5 escanea todo el conjunto de datos y construye el análisis alrededor de tus cifras reales.
Contexto opcional
- Tus datos de selección o de proceso: CSV o XLSX con registros de candidatos, puntajes de entrevistas, decisiones de contratación y resultados, o cualquier dato donde estés usando una señal para filtrar o clasificar a una población
- Pensamiento extendido(se abre en una pestaña nueva) le da a Opus 5 espacio para pensar paso a paso antes de responder. Para una tarea como esta, donde Claude necesita razonar cuidadosamente sobre la estructura de tu conocimiento para encontrar un concepto erróneo oculto, esa profundidad adicional de razonamiento hace que el diagnóstico sea más preciso. Puedes ver el proceso de pensamiento de Claude mientras trabaja en el problema.
3. Lo que crea Claude
Claude hace primero preguntas diagnósticas, sondeando lo que sabes hasta identificar el concepto erróneo específico. Luego reconstruye desde la brecha y produce los tres artefactos. Opus 5.5 se mantiene persistente durante toda esta secuencia, y su escritura mantiene el ritmo: la explicación, la lección, el libro de trabajo y el mapa conceptual mantienen todos una voz consistente calibrada a tu nivel real de comprensión.
Déjame averiguar dónde tu comprensión es sólida y dónde se rompe.
Dijiste que entiendes la probabilidad básica y la probabilidad condicional en abstracto. Escenario rápido: una enfermedad afecta a 1 de cada 1000 personas. Una prueba tiene un 99% de precisión. Das positivo. ¿Cuál es la probabilidad de que realmente tengas la enfermedad?
[Después de tu respuesta]
Dijiste que alrededor del 99%. Ese es exactamente el concepto erróneo que estaba buscando.
La respuesta es alrededor del 9%. Imagina que pruebas a 1000 personas. Una tiene la enfermedad, y la prueba la detecta. Pero de las 999 personas sanas, el 1% obtiene falsos positivos. Eso es alrededor de 10 personas. Así que tienes 11 resultados positivos, y solo 1 está realmente enfermo.
La confusión central: la gente trata la precisión de una señal como la probabilidad de la conclusión, sin preguntarse qué tan común es lo que están buscando. Un gerente de contratación ve que el 90% de las contrataciones exitosas tenían cierto rasgo, así que lo usa como criterio de selección. Pero si el 90% de todos los candidatos tienen ese rasgo, no predice nada.
Ahora déjame construirte tres cosas que puedes conservar.
Lección interactiva: Explorador de tasas base
[Ver la lección interactiva]
Un simulador donde ajustas las tasas base, la precisión de la prueba y la especificidad en distintos dominios, y observas cómo cambia en tiempo real la proporción de verdaderos positivos frente a falsos positivos.
Libro de trabajo de auditoría de señales: tu proceso de contratación
Como subiste tu hoja de cálculo, extraje directamente los datos de contratación de tu equipo. Tres pestañas: tu proceso con las tasas base en cada etapa, una auditoría de señales que muestra qué criterios de entrevista realmente predicen el éxito (tu evaluación técnica mueve la aguja del 8% al 34%; tu puntaje de ajuste cultural apenas la mueve), y un marco de decisión para evaluar cualquier criterio de selección.
[Descargar: signal-audit-workbook.xlsx]
Mapa conceptual: cómo el razonamiento bayesiano se conecta hacia adelante
Un visual de una página que conecta el razonamiento de tasas base con la teoría de detección de señales, la falacia del fiscal, la ganancia de información y por qué las pruebas A/B necesitan grupos de control. Cada concepto enlaza con la cadena de razonamiento que lo explica.
[Ver el mapa conceptual]
4. Prompts de seguimiento
Cada seguimiento a continuación se basa en algo que produjo la primera conversación: la auditoría de señales, el libro de trabajo y el mapa conceptual.
Pruébalo con tus propios datos
El libro de trabajo te da la línea base. Presiona sobre la señal que más quieres creer. Opus 5.5 escanea archivos y conjuntos de datos grandes antes de responder, por lo que maneja números desordenados del mundo real sin simplificar en exceso.
Explícame qué criterios de entrevista realmente predicen el éxito una vez que se tienen en cuenta las tasas base. Quiero saber especialmente sobre nuestro nuevo ejercicio de estudio de caso: lo agregamos en el tercer trimestre y la calidad de nuestras contrataciones parece mejor. ¿El estudio de caso es una señal real o estamos viendo lo que queremos ver?
Sigue trabajando en tu hoja de cálculo
Abre el libro de trabajo en Excel y continúa el análisis con Claude en Excel(se abre en una pestaña nueva). Claude trabaja directamente en una barra lateral en Excel, donde puede leer tus datos, modificar fórmulas y ampliar el libro de trabajo sin salir de tu hoja de cálculo.
Descargué el libro de trabajo de auditoría de señales. ¿Puedes agregar una pestaña que verifique si alguna de nuestras señales de entrevista es redundante, es decir, que mida lo mismo que otra señal que ya usamos como criterio? Quiero eliminar las que no están aportando información nueva.
Construye una secuencia de aprendizaje más larga
Trabaja el mapa conceptual una pieza a la vez. Opus 5.5 mantiene las instrucciones a lo largo de conversaciones más largas sin desviarse, por lo que el contexto diagnóstico se mantiene mientras avanzas por temas relacionados.
Ahora que entiendo las tasas base, quiero profundizar mi comprensión de los conceptos relacionados en el mapa: la teoría de detección de señales, la ganancia de información y la falacia del fiscal. ¿Puedes crear una secuencia de aprendizaje que los cubra uno a la vez, con un ejercicio de libro de trabajo para cada uno?
5. Trucos, consejos y solución de problemas
Adelanta lo que sabes
Opus 5.5 invierte en comprender la estructura de tu conocimiento antes de intentar cambiarla. Cuanto más claramente describas dónde tu comprensión es sólida, más rápido podrá Claude localizar dónde se rompe. Lo que obtienes refleja principalmente lo que aportas, así que dedica tu esfuerzo a describir tu punto de partida en lugar de buscar la frase perfecta. «Entiendo la probabilidad básica pero no puedo seguir los argumentos de tasas base» es un punto de partida más preciso que «no entiendo estadística». La brecha entre lo que tiene sentido y lo que no suele ser donde vive el concepto erróneo.
Dilo una sola vez
No necesitas repetir tus requisitos ni agregar recordatorios del tipo «y recuerda...». Opus 5.5 sigue las instrucciones con precisión durante todo el diagnóstico, la construcción de los artefactos y cualquier seguimiento. Indica lo que quieres desde el principio y confía en que se mantendrá a lo largo del proceso.
Verifica el libro de trabajo contra tus propios datos
Antes de cambiar un paso de selección basándote en la auditoría de señales, elige una cifra de ella, como la tasa de éxito detrás de tu señal más fuerte, y vuelve a contarla a partir de las filas sin procesar de tu exportación. Si tu conteo manual coincide, puedes confiar en el resto de la pestaña. Si no coincide, dile a Claude qué número está mal y reconstruirá el cálculo y mostrará su trabajo.
6. ¿Listo para probarlo tú mismo?
Describe un concepto con el que estés atascado y lo que sí entiendes. Claude construye la explicación a partir de ahí.