Grilmi: herramienta para optimizar prompts en IA con entrevistas

Introducción: ¿por qué Grilmi está cambiando el trabajo con inteligencia artificial?

En el entorno actual, sacar el máximo partido a los grandes modelos de lenguaje (LLM) y a la inteligencia artificial en general no es solo cuestión de usar buenos prompts, sino de aportar el contexto correcto y suficiente para que la IA entienda lo que se le pide. Según el vídeo analizado, una ‘skill’ llamada Grilmi está ayudando a transformar este enfoque, obligando al usuario a estructurar y clarificar sus ideas mediante entrevistas detalladas antes de interactuar con la IA. La propuesta llega en un momento en el que tanto desarrolladores como profesionales españoles buscan métodos para obtener mejores resultados de herramientas como Codex o Cloud Code.

¿Qué es Grilmi y cómo funciona?

Grilmi, atribuida a Mat Poco, consiste en una skill que realiza una ‘entrevista de grillar’ al usuario. Este proceso implica que la herramienta formule una batería de preguntas sobre el objetivo del usuario, la naturaleza de la tarea a realizar y las decisiones necesarias, hasta transformar una idea nebulosa en un plan concreto y un contexto rico. El vídeo destaca que, aunque Grilmi es conceptualmente simple, su potencial reside en la profundidad de análisis que propicia y en la claridad resultante para la IA.

En la práctica, el usuario traslada sus ideas a la skill —ya sea para programar, crear un sistema o integrar una funcionalidad— y Grilmi responde con preguntas sustanciales (habitualmente unas veinte) que ayudan a definir con precisión el alcance y detalles del proyecto.

Importancia del contexto: mucho más que escribir un prompt

El análisis subraya una premisa fundamental: los modelos de inteligencia artificial actuales son extremadamente capaces, pero dependen de recibir información detallada y pertinente en cada tarea. La diferencia entre un resultado mediocre y uno satisfactorio suele estar en la etapa de planificación y el contexto que se aporta. Aquí es donde Grilmi resulta especialmente útil, ayudando a superar la brecha entre las intenciones (a menudo mentales e implícitas) y el input que la IA necesita.

El vídeo explica que la información clave para la IA puede provenir de dos vías: los datos estructurados (código, archivos, documentación) y las decisiones o necesidades que solo el humano conoce. Grilmi aborda especialmente este segundo aspecto, permitiendo trasladar a la IA decisiones subjetivas de forma explícita.

Ejemplos de uso en proyectos reales

Para ilustrar su funcionamiento, el vídeo emplea el caso de un proyecto propio llamado Zali, una herramienta de prospección en redes sociales. El autor utiliza Grilmi para modelar cómo incorporar la señal de que una persona ha asistido a un evento. La skill inicia una batería de preguntas: desde qué significa realmente una ‘asistencia’, hasta cómo importar la lista de asistentes, permitiendo resolver cada decisión antes de implementar código. Este método, según el autor, acelera la claridad y minimiza errores en fases posteriores.

Mejorando con Domain Modeling: hablar el mismo idioma

A partir de la experiencia inicial con Grilmi, se incorpora la skill ‘Domain Modeling’. Esta funcionalidad adicional recopila términos, decisiones y convenciones del proyecto en un documento centralizado (‘context.md’), de modo que tanto usuario como IA comparten el mismo lenguaje y comprensión. Según el vídeo, este enfoque evita malentendidos frecuentes cuando el modelo interpreta el proyecto con una lógica diferente a la del humano.

El sistema incluye también la generación automática de ADRs (Architectural Decision Records, o decisiones de difícil reversión), de modo que la IA entiende no solo qué decisiones se han tomado, sino por qué, reforzando la trazabilidad y el aprendizaje continuo.

Limitaciones y aprendizaje: ¿qué implica para usuarios españoles?

El método Grilmi, aunque efectivo, aumenta la carga de trabajo inicial: requiere tiempo, disciplina y reflexión detallada, lo que puede ser una barrera para equipos pequeños o quienes buscan resultados inmediatos. Para empresas y profesionales españoles interesados en la integración avanzada de IA, representa una oportunidad para mejorar la calidad de los resultados, aunque solo si se acompaña de una buena documentación y una comunicación fluida con los modelos.

Por otra parte, la adopción efectiva de estas skills depende de la capacidad del usuario para explicitar decisiones y mantener la información de contexto permanentemente actualizada. Sin ello, incluso las herramientas más avanzadas pueden quedar infrautilizadas.

Valoración editorial y contexto internacional

Mientras el vídeo atribuye a Grilmi y Domain Modeling un salto cualitativo en el trabajo con IA, conviene mantener una visión crítica: la metodología ofrece ventajas reales, pero el éxito varía según la disciplina del usuario y la naturaleza del proyecto. En España, donde la digitalización y la adopción de IA siguen creciendo, el uso de skills que priorizan el contexto y la planificación puede ayudar a reducir la brecha entre expectativas y resultados.

El análisis también revela que el debate sobre el ‘prompt engineering’ evoluciona: hoy, exprimir la IA pasa por diseñar procesos, no solo prompts, y Grilmi representa uno de estos enfoques estructurados en auge.

Fuente

Análisis elaborado a partir del vídeo Grilmi: la skill que ha hecho que la IA me dé POR FIN lo que quiero, publicado en YouTube.