El prompting es el arte de redactar instrucciones en lenguaje natural para obtener el mejor resultado de las herramientas de IA. Un buen prompt reduce errores, ahorra tiempo y optimiza el consumo de recursos (tokens).
Elementos clave de un buen prompt
Para que cualquier agente (Finni Dashboards, Finni Mi Empresa o Finni) responda con precisión, tu instrucción debe incluir al menos:
- Contexto : Brindar contexto a la consulta o petición, por ejemplo explicar desde qué tipo de empresa se hace la consulta (ej: “Somos una empresa de acopio de granos”).
- Objetivo : Definir claramente qué se quiere lograr (ej: “Queremos conocer el circuito de Canjes”).
- Expectativa : Especificar cómo se espera la respuesta o qué formato debe tener.
Instrucciones para Finni Dashboards
Finni Dashboards genera tableros a partir de los datasets en el Data Warehouse. Para optimizar su uso, te recomendamos:
- Usar verbos de acción directa: Escribir “Generar reporte” o “Dame un tablero”. Evitar verbos como “analizar” o “evaluar”, ya que pueden aumentar el costo al no ser la función principal del agente.
- Evitar múltiples interacciones : Redactar un prompt extenso y completo desde el inicio en lugar de hacer muchas correcciones, ya que cada interacción consume saldo de la cuota configurada.
- Ser específico con los datos : Nombrar exactamente los datasets o tablas de donde la IA debe extraer la información para evitar que analice datos incorrectos.
- Definir la estructura : Indicar el orden de las secciones (ej: “primero una cabecera de facturación, luego el top 10 de productos”) y el tipo de gráficos deseados (barras, líneas, etc.).
- Establecer la estética : Se puede solicitar el uso de colores específicos o manuales de marca para el diseño del tablero.
Recomendaciones y aclaraciones relevantes
-
Refinamiento Externo : Se recomienda redactar y pulir el prompt en herramientas externas (como Gemini o ChatGPT) antes de pegarlo en Finni para asegurar que la instrucción sea limpia y no gastar cuota en borradores.
-
Base de Conocimiento Cerrada : Los agentes de Finnegans solo responden en base a la información con la que han sido alimentados; no utilizan información externa.
-
Actualización de Datos : La información de los datasets suele actualizarse por la noche, por lo que los tableros reflejan datos con un día de atraso.
-
Publicación de Tableros: Una vez generado un tablero satisfactorio, se recomienda publicarlo como una “Viewer” en el menú o compartirlo como página estática. Esto permite que otros usuarios lo consulten sin consumir nuevamente saldo de la cuota de Finni.
-
Naturaleza Conversacional : Si el resultado inicial no es perfecto, se puede corregir sobre la marcha (ej: “Agregá tal columna” o “Cambiá este dato”), pero siempre buscando que el primer intento sea lo más robusto posible.
Ejemplo de prompt para Finni Dashboards
Contexto: Somos una empresa comercializadora y queremos analizar el desempeño comercial del año 2025.
Objetivo: Generar un tablero de control de ventas 2025 utilizando el dataset de “Facturación” y “Ventas”.
Estructura y Especificaciones:
- Indicadores clave (KPIs): Mostrar en la parte superior el total facturado anual, el margen de contribución promedio y la cantidad de pedidos cerrados.
- Gráfico de líneas: Evolución mensual de las ventas de enero a diciembre 2025, comparándolo con el mismo periodo del año anterior.
- Top 10: Un gráfico de barras con los 10 productos más vendidos en términos de rentabilidad.
- Análisis por vendedor: Una tabla que detalle: Vendedor, Total Vendido, Objetivo de Venta y Porcentaje de cumplimiento.
- Filtros: Incluir filtros por Unidad de Negocio, Cliente y Zona Geográfica.
Expectativa: El diseño debe ser profesional, utilizando una paleta de colores azules y grises. Los montos deben expresarse en moneda local.
Este es solo un ejemplo para que tengas de referencia, no significa que tengas que usarlo textualmente. Podés adaptar y ampliar según tu necesidad.
Para más información sobre este tema, podés ver la grabación del webinar acá: