Si tuvieras que adivinar qué dominio pesa más en el examen Associate, probablemente dirías «prompting». No: es evaluar y validar lo que produce Claude, con un 21 % de las preguntas. El mensaje es claro: lo que distingue a un profesional no es pedir, es saber si lo que te han dado se puede firmar.
Para ordenar ese criterio, Anthropic usa el marco AI Fluency y sus cuatro D. El curso oficial de preparación lo recomienda como paso previo, y es gratis en Claude Academy. En esta lección lo usamos como columna vertebral y profundizamos en la D que más puntúa: Discernment.
Las cuatro D
El marco lo crearon los profesores Rick Dakan y Joseph Feller, y Anthropic lo adoptó para su formación. Define la fluidez con IA como trabajar con ella de forma eficaz, eficiente, ética y segura, y la reparte en cuatro competencias:
D1 · Delegation
Decidir qué trabajo hacer con IA y qué hacer tú. Requiere conocer el problema, conocer la herramienta y repartir tareas con criterio. En el examen: dominio 4.
Las cuatro D se aplican a las tres formas de trabajar con IA: automatización (la IA ejecuta una tarea concreta), aumento (colaboráis como compañeros) y agencia (la IA trabaja por su cuenta dentro de lo que tú configuras).
Description y Discernment funcionan en bucle: describes, evalúas, ajustas la descripción, vuelves a evaluar. Ese bucle es exactamente lo que el examen llama iterar.
Discernment: exactitud y completitud
Evaluar no es leer por encima y decir «suena bien». Es revisar tres cosas:
- Exactitud: ¿los datos, nombres, fechas y cifras son correctos?
- Completitud: ¿responde a todo lo que se pidió, o se ha dejado una parte?
- Coherencia y sesgo: ¿se contradice entre párrafos? ¿Presenta una sola perspectiva como si fuera la única? ¿Generaliza sobre un colectivo?
Las alucinaciones más peligrosas no son las absurdas, sino las plausibles: un número de artículo de una norma, una referencia bibliográfica, una nota SAP con su número, un porcentaje con decimales. Tienen aspecto de dato verificado y no lo son.
Cómo verificar
Un procedimiento que sirve para casi todo:
Un borrador interno de lluvia de ideas no se revisa igual que un informe para cumplimiento normativo o un correo a un cliente. El riesgo decide la profundidad de la revisión.
¿Cuándo es obligatoria la revisión humana? Cuando el error tiene consecuencias serias, cuando no puedes verificar tú el dato, cuando la decisión afecta a personas o cuando una norma o política lo exige. En el mundo SAP, por ejemplo, un resumen de una nota de corrección que vas a aplicar en producción siempre se contrasta con la nota original.
Un comprador pide a Claude que resuma la tarifa de un proveedor (un PDF de 30 páginas). El resumen dice que hay un descuento del 12 % a partir de 10.000 unidades, y el comprador va a usar ese dato en un correo de negociación. ¿Qué es lo más adecuado antes de enviarlo?
Adaptar al público y elegir formato
El dominio 2 también incluye editar, adaptar y comparar resultados para su público, y elegir el formato adecuado. Un mismo análisis no se presenta igual al comité de dirección que al equipo técnico: cambia la extensión, el vocabulario y lo que va primero.
Puedes pedir a Claude dos o tres versiones y compararlas, o pedirle que reescriba para un público concreto («para un director financiero, en cinco líneas, con la recomendación primero»). Y elige dónde vive el resultado:
Respuesta en el chat
Para respuestas cortas, explicaciones y conversación. Rápido de leer, poco reutilizable.
Pieza aparte
Para algo que vas a editar, reutilizar o compartir: un documento, una plantilla, un diagrama, una pequeña app. Se genera y se itera al lado del chat.
Datos con forma
Tabla, CSV o JSON cuando el resultado va a otra herramienta (una hoja de cálculo, una carga de datos) o hay que comparar muchos elementos.
Diligence: tu nombre va debajo
La cuarta D cierra el círculo. Si entregas un trabajo hecho con ayuda de Claude, la responsabilidad es tuya, no del modelo. Eso implica tres hábitos: revisar antes de entregar, ser transparente sobre el uso de IA cuando la política de tu organización o el contexto lo piden, y pensar en el impacto de lo que despliegas. Lo desarrollamos en la lección 7.
Para el examen
Dominio · D2 · Evaluación y validación de resultados (21 %), con el marco 4D de fondo
Lo que tienes que dominar
- Las 4 D: Delegation, Description, Discernment, Diligence.
- Revisa exactitud, completitud, coherencia y sesgo; las alucinaciones peligrosas son las plausibles.
- Validar = contrastar con la fuente original, no preguntar al modelo si está seguro.
- Revisión humana obligatoria cuando hay alto riesgo, normativa, decisiones sobre personas o datos que no puedes comprobar.
- Formato según destino: en línea, Artifact o datos estructurados.
Donde se suele fallar
- Opciones que confían en la seguridad o en la autoevaluación de Claude.
- Opciones que «arreglan» el estilo (más formal, más corto) cuando el problema es de exactitud.
- Opciones extremas: no usar nunca la IA o revisarlo todo con el mismo nivel de detalle.
Checklist para el examen
0 de 5 dominadosMarca lo que ya sabrías responder en el examen.
Ponte a prueba
Tipo test
6 preguntas sobre esta lección. Responde una a una; verás las soluciones al terminar.
Siguiente parada
Próxima lección: Prompting y diagnóstico: cómo estructurar un buen prompt, descomponer tareas complejas y arreglar lo que no funciona.