Una skill genérica optimiza para la media, no para tu negocio en particular.
Esta es la parte que muchas empresas pasan por alto cuando empiezan a usar herramientas como ChatGPT, Claude, Codex o agentes de IA. Descargan una SKILL.md de internet, la instalan y esperan que la IA empiece a trabajar como alguien que entiende su empresa.
Primero, déjame decirte que, si haces esto, es cierto que ya estás bastante por encima de la media. Sin embargo, solo con esto no vas a conseguir explotar todo el potencial de las skills.
Porque esa skill no sabe cómo vendes. No sabe qué tipo de cliente aceptas. No sabe qué tono quieres usar. No sabe qué errores te molestan. No sabe qué herramientas utilizas. No sabe qué decisiones ya tomaste hace meses para no tener que repetirlas cada vez.
La IA sabe muchas cosas sobre empresas, pero no sabe sobre tu empresa.
El problema de las skills genéricas
Las skills genéricas tienen sentido para empezar.
Si necesitas que una IA lea PDFs, cree una presentación o siga una estructura básica de análisis, una skill genérica puede ahorrar tiempo. No hay nada malo en usarlas.
El problema aparece cuando se usan para procesos que forman parte de cómo trabaja tu negocio. Ahí la plantilla genérica se queda corta.
Una empresa puede tener el mismo proceso aparente que otra, pero ejecutarlo de forma muy distinta. Por ejemplo, dos despachos pueden “preparar un borrador de demanda”, pero no tienen el mismo criterio, ni el mismo estilo, ni el mismo tipo de cliente, ni tratan los mismos tipos de caso.
Además, si todo el mundo usa las mismas instrucciones genéricas, todo empieza a sonar igual, y desaparece cualquier ventaja competitiva. Pero el hecho de que muchas empresas caigan en este error te da la oportunidad de destacar y conseguir una nueva ventaja competitiva.
Una skill útil nace de un proceso bien ejecutado
El orden correcto no es este:
- Descargar una skill.
- Instalarla.
- Esperar que la IA adivine cómo trabajas.
El orden correcto es otro:
- Hacer el proceso manualmente.
- Ejecutarlo muy bien.
- Observar qué decisiones tomas.
- Documentar los pasos reales.
- Convertir esa ejecución en una skill.
- Probarla con casos reales.
- Ajustarla hasta que reproduzca tu criterio.
La skill no debería ser el punto de partida.
Debería ser la consecuencia de haber entendido bien el proceso.
Esto exige más trabajo al principio. No hay forma elegante de decirlo. Hay que sentarse, mirar cómo se trabaja de verdad y sacar de la cabeza cosas que normalmente están implícitas.
Qué se revisa primero.
Qué nunca se debe prometer a un cliente.
Qué formato se usa.
Qué tono se usa en la empresa.
Qué herramientas se consultan.
Qué errores se repiten.
Qué ejemplos son buenos.
Qué ejemplos parecen buenos pero no valen.
Ese trabajo es un rollo, pero es donde está la diferencia. Y cuando lo haces, la IA deja de responder como “una IA” y empieza a trabajar con una parte de tu criterio.
La IA necesita contexto, no solo instrucciones
Muchos empresarios prueban la IA y acaban decepcionados por una razón muy simple: le piden trabajo específico con contexto genérico.
Le dicen:
Escríbeme una propuesta para un cliente.
Y la IA responde con una propuesta que podría usar cualquier empresa. Correcta pero genérica.
Una propuesta buena no depende solo de escribir bien. Depende de saber qué vendes, cómo lo explicas, qué objeciones suele tener el cliente, qué alcance quieres evitar, qué precio tiene sentido, qué entregables incluyes y qué tipo de relación quieres construir.
Eso no viene dentro del modelo.
Con un empleado nuevo lo veríamos clarísimo.
Si contratas a una persona para tu empresa, no esperas que el primer día trabaje exactamente como tú quieres solo porque haya estudiado una carrera o venga con experiencia de otro sitio. Puede saber contabilidad, derecho, administración, ventas o marketing. Pero todavía no sabe cómo funcionan las cosas en tu empresa.
Tienes que explicarle cómo habláis con los clientes. Qué cosas se prometen y cuáles no. Qué herramientas se usan. Qué nivel de detalle esperas. Qué errores no quieres volver a ver. Qué decisiones puede tomar solo y cuáles tiene que consultar.
Si no haces ese entrenamiento, esa persona trabajará con lo que trae de fuera: lo que aprendió en la universidad, en otra empresa o en experiencias anteriores. Puede hacerlo razonablemente bien, pero no estará adaptado a tu forma de trabajar.
La IA no es distinta en esto.
Una skill, un agente o un chat bien configurado no sustituye ese entrenamiento. Lo necesita. No tiene ningún sentido esperar que la IA haga exactamente lo que tu empresa quiere si nadie le ha dado esa información específica.
Por eso una buena skill no es un prompt bonito. Es contexto operativo específico de tu empresa, empaquetado de manera que la IA lo pueda usar cuando toca.
Qué debería incluir una skill de empresa
Una skill útil debería responder a preguntas muy concretas.
Cuándo se usa y cuándo no.
Qué objetivo tiene el proceso.
Qué herramientas debe consultar.
Qué pasos debe seguir.
Qué criterios debe aplicar.
Qué formato debe entregar.
Qué ejemplos debe imitar.
Qué errores debe evitar.
Qué cosas debe preguntar antes de continuar.
Qué partes requieren revisión humana.
Esto último es muy importante. Una skill no debería asumir que la IA puede hacerlo todo. Las buenas instrucciones también marcan límites.
Por ejemplo, una skill para preparar propuestas comerciales podría decir:
- No inventes precios.
- No prometas integraciones que no estén validadas.
- Usa lenguaje directo, sin tono corporativo.
- Si falta información sobre el alcance, pregunta antes de redactar.
- Incluye siempre una sección de “qué queda fuera”.
- Adapta el ejemplo al sector del cliente.
- Revisa si el cliente es una gestoría, despacho o empresa de servicios antes de proponer casos de uso.
Eso ya no es una plantilla genérica.
Eso empieza a parecerse a una forma concreta de trabajar.
Adaptar una skill o crearla desde cero
No siempre hace falta crear todo desde cero.
Tiene sentido adaptar una skill existente cuando el proceso base es estándar. Por ejemplo, trabajar con hojas de cálculo, preparar una presentación sencilla o convertir notas en un resumen.
Pero conviene crear una skill propia cuando el proceso afecta a cómo entregas valor al cliente.
Ventas.
Propuestas.
Atención al cliente.
Informes.
Revisión de documentos.
Producción de contenido.
Seguimiento comercial.
Operaciones internas.
Todo lo que tenga criterio de negocio debería tener instrucciones propias.
La ventaja está en convertir criterio en sistema
Hay empresarios que tienen procesos muy buenos, pero los tienen en la cabeza. Eso funciona mientras el volumen es bajo. El problema aparece cuando hay que repetir, delegar o acelerar. Aquí, la IA puede ayudar, pero solo si se le da contexto.
Una skill bien hecha convierte una forma de trabajar en algo repetible. No sustituye al empresario ni al equipo, pero reduce la dependencia de explicarlo todo desde cero cada vez.
También obliga a poner orden, algo que muchas empresas “dejan para luego” pero nunca acaban haciendo. Al fin y al cabo, si no puedes explicar un proceso, difícilmente puedes automatizarlo. Y si una skill no puede reproducirlo, quizá el proceso todavía no está tan claro como parece.
Menos pereza, mejores resultados
Copiar una skill genérica es fácil.
Crear una skill propia da más trabajo.
Eso sí, lo primero te pone al nivel de cualquiera que haya encontrado la misma skill. Lo segundo empieza a construir una forma de operar que otros no tienen.
La IA ya tiene conocimiento general, pero no tiene tu contexto, tus decisiones y tus estándares. Si no se los das, rellenará los huecos con la respuesta más probable.
Descarga la plantilla para crear tu primera skill de empresa
Hemos preparado una plantilla guiada para convertir un proceso real de tu negocio en una SKILL.md usable.
No es una skill genérica para copiar y pegar. Es una estructura para documentar tus pasos, criterios, ejemplos, herramientas y límites.
Déjanos tu email y te mandamos automáticamente el enlace de descarga.
Cómo podemos ayudarte desde Veltas
En Veltas ayudamos a empresas a convertir sus procesos reales en sistemas de trabajo con IA.
Eso puede incluir crear skills propias para herramientas como ChatGPT, Claude o Codex, configurar agentes internos, ordenar instrucciones, conectar herramientas y preparar flujos para que la IA trabaje con más contexto y menos improvisación.
Si ya usas IA pero los resultados te parecen demasiado genéricos, probablemente no necesitas cambiar de modelo. Necesitas darle mejor contexto.