Entiende Claude
desde cero.

La definición simple

La IA es software que aprende patrones a partir de datos para tomar decisiones o generar contenido. No piensa como un humano — reconoce patrones estadísticos en texto, imágenes o números, y los usa para predecir qué viene después.

Tipos de IA que debes conocer

Claude = LLM de Anthropic

Claude es un modelo de lenguaje grande (LLM) creado por Anthropic. A diferencia de otros modelos, Claude fue diseñado con énfasis en ser útil, honesto e inofensivo — una filosofía llamada Constitutional AI. Tiene una context window enorme (hasta 200K tokens), lo que le permite procesar libros enteros en una sola conversación.

Familia de modelos Claude (2025-2026)

¿Qué hace diferente a Claude?

Tokens: la unidad básica

Un LLM no lee palabras — lee tokens. Un token es aproximadamente 4 caracteres o ¾ de una palabra en inglés. Cuando envías un mensaje, se convierte en una secuencia de números (tokens). El modelo predice el siguiente token más probable, y así genera texto.

El ciclo de inferencia

Context window — la memoria de trabajo

El modelo solo "recuerda" lo que está dentro de su context window. Claude soporta hasta 200.000 tokens (~150.000 palabras). Todo lo que está fuera de esa ventana no existe para él.

El examen Claude Certified Architect – Foundations evalúa 5 áreas de conocimiento. Aquí te explico cada una con palabras simples, sin jerga de examen.

Agentes — Claude que actúa

Un agente es Claude configurado para tomar decisiones en bucle: razona → actúa → observa el resultado → vuelve a razonar. Puede usar herramientas, escribir archivos, llamar APIs, o delegar subtareas a otros agentes.

Tool Use — darle manos a Claude

Por defecto, Claude solo puede leer y escribir texto. Con tool use, le das acceso a funciones reales: buscar en Google, consultar tu base de datos, ejecutar código.

// Defines una herramienta
const tools = [{
  name: "buscar_cliente",
  description: "Busca un cliente por email en la DB",
  input_schema: {
    type: "object",
    properties: {
      email: { type: "string" }
    }
  }
}]

// Claude decide cuándo llamarla
// → "Voy a buscar al cliente con ese email..."
// → Tool call: buscar_cliente({ email: "juan@ejemplo.com" })
// → Recibe resultado → responde al usuario

MCP — Model Context Protocol

MCP es el estándar abierto de Anthropic para conectar Claude con cualquier sistema externo. En vez de definir herramientas a mano en cada proyecto, un servidor MCP expone resources, tools y prompts de forma reutilizable. Es como una API pero diseñada específicamente para LLMs.

Prompt Engineering

La forma en que le hablas a Claude determina la calidad de su respuesta. No es magia — hay técnicas concretas que mejoran los outputs significativamente.

// ❌ Prompt vago
"Analiza este código"

// ✅ Prompt estructurado
"Eres un senior engineer. Analiza este código Python
buscando: (1) bugs potenciales, (2) problemas de
rendimiento, (3) violaciones de PEP8.
Formato: lista numerada con severidad [HIGH/MED/LOW].
Código: [...]"

Multi-agent Systems

Para tareas complejas, en vez de un solo Claude haciendo todo, puedes tener múltiples agentes especializados trabajando en paralelo o en secuencia. Un orchestrator coordina, los workers ejecutan tareas específicas.

Orchestrator (Claude Opus):
  → Recibe: "Analiza el mercado de EVs en España"
  → Descompone en 3 subtareas paralelas:

  Worker A: Scraping noticias últimos 30 días
  Worker B: Análisis de datos de ventas
  Worker C: Investigación de competidores

  ← Recibe resultados de A, B, C
  ← Sintetiza informe final

Partiendo de cero conocimiento sobre Claude. Dedicando ~1 hora al día. El examen es realista con 4-6 semanas de práctica consistente.