El objetivo de esta guía es separar una propuesta generada por IA de un compromiso validado. El caso trabaja con tres unidades: «corrección de título», «corrección de enlace» y «verificación de URL».
Entrada de referencia: hallazgos con URL y evidencia. Resultado esperado: un backlog de correcciones con prueba de cierre. Antes de asignar trabajo, confirma qué versión de la entrada está vigente y quién revisará el resultado.
Prepara un contexto suficiente y autorizado
Antes de pedir ayuda a una IA para la ejecución de hallazgos de una auditoría SEO, identifica qué información puedes usar y qué dato no debe entrar en el prompt. La referencia es hallazgos con URL y evidencia. Conserva decisiones explícitas, restricciones y entregables esperados, pero omite credenciales, datos personales innecesarios y materiales que no tengas autorización para procesar. No presupongas que la herramienta conoce tu capacidad real. Si una fecha o un responsable no están confirmados, conviértelos en preguntas por resolver. La calidad de una propuesta depende del contexto disponible y de la revisión humana de sus supuestos.
Usa un prompt que haga visible la incertidumbre
Prompt adaptable: «Ayúdame a estructurar la ejecución de hallazgos de una auditoría SEO. La entrada autorizada es hallazgos con URL y evidencia. Necesito construir un backlog de correcciones con prueba de cierre. Considera estas unidades: corrección de título, corrección de enlace y verificación de URL. Devuelve una tabla con acción, entrada, salida observable, dependencia, posible responsable y pregunta pendiente. Usa solamente los hechos proporcionados. Marca como supuesto cualquier dato no confirmado. No inventes fechas, permisos, resultados, funciones del producto ni compromisos del equipo. Señala qué debe validar una persona antes de ejecutar». Añade después restricciones reales y material autorizado. La instrucción ofrece un formato de revisión; no demuestra que una salida concreta sea correcta.
Ejemplo aplicado
El backlog ficticio contiene un título que no corresponde al contenido, un enlace interno incorrecto y una URL que requiere comprobación. Cada hallazgo conserva la observación inicial y una prueba posterior. Enviar una petición de cambio no cierra el hallazgo.
En el ejemplo participan Mateo, Leo y Diego. Los nombres, las situaciones y las cifras son ilustrativos; no representan resultados de un cliente. Las tres unidades permiten probar la propuesta antes de extenderla al resto del trabajo.
| Propuesta ilustrativa de IA | Problema | Revisión humana | Estado posterior |
|---|---|---|---|
| corrección de título: asignar una fecha | Fecha no aportada en la entrada | Eliminar fecha y preguntar | Pendiente de confirmación |
| corrección de enlace: asignar responsable | Disponibilidad no verificada | Consultar y validar capacidad | Propuesta, todavía no compromiso |
| verificación de URL: declarar control terminado | No existe evidencia de ejecución | Convertir en tarea verificable | Abierto hasta comprobar |
Evalúa una salida antes de convertirla en tareas
Una salida ilustrativa defectuosa asigna las tres unidades a la misma persona, fija una fecha sin consultar disponibilidad y declara terminado un control que aún no se ejecutó. La corrección humana separa propuesta de compromiso, elimina la fecha inventada y convierte el control en una acción verificable. En este proceso vigila cerrar el hallazgo por haber enviado una solicitud técnica. La prueba propuesta es comprobar el resultado en la URL y guardar evidencia. Pide también que cada acción conserve su relación con la entrada que la respalda. Una lista extensa puede parecer completa y aun así omitir una dependencia o introducir trabajo que nadie solicitó.
Valida la estructura dentro del trabajo real
Antes de ejecutar, el responsable confirma alcance, capacidad, aprobadores y secuencia. Las personas propuestas aceptan sus encargos o explican la restricción que impide asumirlos. Conserva la versión revisada y las diferencias respecto a la sugerencia inicial. Si utilizas una herramienta de IA, aplica el mismo control de evidencia y comprueba sus opciones antes de ejecutar. La IA puede ayudar a elaborar una estructura; la responsabilidad de aceptar compromisos sigue necesitando una decisión humana. El resultado útil es un plan que el equipo puede explicar y ejecutar, con incertidumbres visibles y sin convertir texto plausible en evidencia.
Qué comprobar antes de cerrar
El riesgo que debes controlar en este caso es cerrar el hallazgo por haber enviado una solicitud técnica. Una etiqueta de terminado necesita una observación que la respalde. Conserva estos elementos junto a la decisión para que el receptor pueda comprobar qué se revisó:
- Entrada y versión utilizadas: hallazgos con URL y evidencia.
- Control del caso: comprobar el resultado en la URL y guardar evidencia.
- Resultado que se revisa: un backlog de correcciones con prueba de cierre.
