# Modelos, contexto y respuestas incorrectas

Taiga Learning · Hoja de ejercicios
https://taiga.training/es/lessons/models-context/

Usa información ficticia o aprobada. No incluyas secretos en esta hoja.

## Objetivos de aprendizaje
- Separar la capacidad del modelo del acceso a información actualizada.
- Reconocer cuándo una restricción ausente cambia una respuesta que parecía razonable.
- Pedir pruebas que puedas inspeccionar.

## Ejercicio
Elige una función pequeña que comprendas. Usa código sin información sensible.
1. Pide a una herramienta de IA autorizada que explique la función.
2. Proporciona el código que la llama y una prueba fallida.
3. Pide que revise su explicación.
4. Anota qué afirmación ha cambiado y qué prueba ha motivado el cambio.
5. Anota qué incertidumbre queda.

## Tu respuesta
- Escenario y alcance:
- Suposiciones y preguntas abiertas:
- Respuesta o decisión propuesta, con motivos:

## Verifica tu respuesta
| Afirmación o criterio | Prueba o comprobación | Resultado o carencia | Responsable |
| --- | --- | --- | --- |
| | | | |
| | | | |
| | | | |

## Siguiente acción
- Acción, responsable y fecha:
- ¿Cuándo revisarás esta respuesta?

## Principio que conservar
Para producir un resultado útil, el modelo necesita capacidad e información correcta sobre la tarea. Una explicación clara no demuestra que haya comprobado sus supuestos.

## Fuentes
- [NIST: Generative AI Profile, AI 600-1](https://doi.org/10.6028/NIST.AI.600-1)

Esta hoja apoya el aprendizaje. Completarla no autoriza por sí solo un cambio en producción.