Reto de la semana 2026-41 · Basico · 60 minutos
Interroga un dataset de datos.gov.co: tres hallazgos y una verificación a mano
Hoy bajas un archivo de datos públicos de Colombia, lo interrogas con ayuda de una IA y compruebas a mano uno de los números que te dé. Sales con una ficha de hallazgos que puedes mostrarle a un profe o a un jefe.
En Colombia hay un portal oficial de datos abiertos, datos.gov.co, donde entidades públicas publican tablas sobre matrículas, salud, movilidad, contratación, ambiente y muchos temas más. Casi nadie las usa, no porque sean secretas, sino porque abrir una tabla con miles de filas asusta. Ahí es donde la IA ayuda de verdad: no para que ella "sepa" la respuesta, sino para que te explique qué significan las columnas, te sugiera qué preguntarle a los datos y te escriba la fórmula que tú no te sabes.
Este reto te entrena en la habilidad más valorada hoy en una oficina, una tesis o un proyecto de colegio: pasar de un archivo crudo a tres afirmaciones defendibles. "Dataset" (se pronuncia deitaset) es simplemente un conjunto de datos organizado en filas y columnas, como una tabla de Excel. "CSV" es el formato más común en que se descarga: un archivo de texto donde los valores van separados por comas y que se abre en Google Sheets o Excel sin pagar nada.
Y aquí está la trampa que vas a aprender a evitar. Si le pegas una tabla a un chat de IA y le preguntas "¿cuál es el promedio?", muchas veces te va a dar un número con toda la seguridad del mundo... y ese número puede estar mal, porque el modelo a veces estima en lugar de calcular, o porque leyó solo una parte del archivo. Eso se llama alucinación: la IA produce algo que suena correcto pero no lo es. Por eso el corazón de este reto no es el hallazgo bonito, es la verificación: vas a recalcular un dato por tu cuenta, con una fórmula en la hoja de cálculo, y vas a reportar si coincidió o no. Esa es la diferencia entre alguien que "usa ChatGPT" y alguien en quien se puede confiar.
Qué hay que hacer
Entra a datos.gov.co y busca un tema que de verdad te interese (por ejemplo matrícula escolar, accidentalidad, calidad del aire, contratación de tu municipio). Elige un dataset que tenga al menos 50 filas, que se pueda descargar en CSV o Excel y que diga qué entidad lo publicó y de qué periodo es. Anota el nombre exacto del dataset, la entidad y la fecha en que lo descargaste.
Ábrelo en Google Sheets (gratis con cuenta de Google: Archivo > Importar) o en Excel. Mira cuántas filas y cuántas columnas tiene y cómo se llaman las columnas. Si alguna columna no la entiendes, no adivines: cópiale los nombres de las columnas a la IA (ChatGPT, Gemini o Claude, plan gratis) y pídele que te explique en español sencillo qué puede significar cada una y qué tipo de dato parece ser (texto, número, fecha). Marca cuáles explicaciones te quedaron claras y cuáles siguen siendo suposición.
Pídele a la IA que te proponga seis preguntas que ESTOS datos sí puedan responder, y que te diga también dos preguntas que la gente suele hacer pero que este dataset NO puede responder. Escoge tres preguntas: una de conteo (cuántos), una de comparación (cuál es mayor o menor) y una de tendencia o distribución (cómo se reparte, cómo cambia en el tiempo). Si las columnas no permiten alguna, cámbiala y dilo.
Para cada pregunta, pídele a la IA la fórmula concreta de hoja de cálculo que la responde (por ejemplo con CONTAR.SI, SUMAR.SI, PROMEDIO, MEDIANA o una tabla dinámica), aplícala tú mismo en tu archivo y escribe el resultado. Importante: el número lo produce tu hoja de cálculo, no el chat. Si una fórmula te da error, pégale el mensaje de error a la IA y pídele que lo corrija.
Haz la verificación a mano. Toma uno de tus tres hallazgos y recalcúlalo por un camino distinto: filtra la columna y cuenta, u ordena de mayor a menor y mira el extremo, o revisa una muestra de 10 filas al azar. Luego pregúntale a la IA ese mismo dato directamente ("según la tabla que te pegué, ¿cuántos registros hay de X?") y compara los tres resultados: tu fórmula, tu conteo manual y la respuesta del chat. Reporta si coincidieron o no, sin maquillarlo.
Revisa los límites de tus datos antes de concluir: ¿hay celdas vacías?, ¿hay nombres escritos de dos formas distintas (BOGOTA y Bogotá D.C.)?, ¿el periodo está completo?, ¿faltan municipios? Escribe una frase honesta de qué NO puedes afirmar con este dataset.
Armá tu ficha final con la plantilla del entregable y pégala en el formulario. Antes de enviar, léela imaginando que un profesor te va a preguntar "¿y ese número de dónde salió?": si no puedes responder, te falta método.
Pista de Nacho: Dos trucos que ahorran media hora. Primero: no le pegues 5.000 filas al chat; pégale solo la primera fila con los nombres de columna y unas 10 filas de ejemplo, y pídele la fórmula para aplicarla tú al archivo completo. El trabajo pesado lo hace la hoja de cálculo, que sí calcula bien; la IA solo te dice cómo pedírselo. Segundo: cuando le pidas una fórmula, dile en qué programa estás y en qué idioma está ("estoy en Google Sheets en español, los datos van de A2 a F840"), porque las fórmulas cambian de nombre entre Excel en inglés y Sheets en español, y ahí es donde la mayoría se frustra y abandona. Y si un promedio te parece raro, mira también la mediana: con datos de plata o de población, un solo valor enorme puede torcer el promedio y hacerte decir una bobada con mucha seguridad.
Cómo te califico (10 puntos)
- Dataset real, identificado y descrito (2): Se puede ubicar el dataset con lo que escribió: nombre tal como aparece en el portal, entidad, periodo y fecha de descarga. Reporta filas, columnas y nombres de columna coherentes entre sí. No hay datos genéricos tipo "una tabla del gobierno".
- Preguntas pertinentes y de los tres tipos (2): Las tres preguntas se pueden responder de verdad con las columnas que listó: una de conteo, una de comparación y una de tendencia o distribución. No son preguntas que requieran datos que el archivo no tiene.
- Hallazgos con método reproducible (3): Cada hallazgo trae resultado, la fórmula o el procedimiento exacto y su interpretación en una frase. Otra persona podría abrir el mismo archivo, aplicar lo mismo y llegar al mismo número. Se nota que el número salió de la hoja de cálculo, no de la opinión del chat.
- Verificación por segundo camino, reportada con honestidad (2): Recalculó un hallazgo de una forma distinta a la primera, compara los tres resultados (fórmula, conteo manual y respuesta del chat) y dice si coincidieron o en cuánto difirieron. Si hubo diferencia, la reporta en vez de esconderla.
- Límites, falla de la IA y declaración de uso (1): Señala un error o limitación concreta de la IA en este trabajo, dos problemas reales del dataset, una frase de lo que no se puede afirmar, y declara en una o dos líneas qué hizo la herramienta y qué hizo la persona.
Entrega tu resultado
Pega en el formulario una ficha de texto plano (sin archivos adjuntos) con estas ocho partes, usando los mismos títulos. Máximo 3000 caracteres. 1) DATASET: nombre exacto como aparece en datos.gov.co, entidad que lo publica, periodo que cubre y fecha en que lo descargaste. No inventes el nombre; cópialo tal cual. 2) TAMAÑO Y COLUMNAS: número de filas y de columnas, y la lista de los nombres de columna que usaste (no hace falta todas). 3) MIS TRES PREGUNTAS: la de conteo, la de comparación y la de tendencia o distribución. 4) HALLAZGOS: para cada pregunta, tres líneas: el resultado numérico, la fórmula o el método exacto con que lo obtuviste (por ejemplo =CONTAR.SI(C2:C840;"Antioquia") o "tabla dinámica por año"), y una frase de qué significa en palabras normales. 5) VERIFICACIÓN: cuál hallazgo verificaste, por qué segundo camino lo recalculaste, qué te dio tu fórmula, qué te dio tu conteo manual y qué te dijo el chat cuando le preguntaste directo. Di claramente si coincidieron o si hubo diferencia, y en cuánto. 6) DONDE LA IA FALLÓ O NO PUDO: una cosa concreta en que la IA se equivocó, se contradijo, inventó una columna que no existe o te dio un número distinto al tuyo. Si de verdad no falló en nada, escribe en qué parte te tocó corregirle la fórmula o reformular la pregunta. 7) LÍMITES DE LOS DATOS: dos problemas que le viste al dataset (celdas vacías, nombres escritos distinto, periodo incompleto, municipios faltantes) y una frase de qué NO se puede afirmar con estos datos. 8) DECLARACIÓN DE USO: en una o dos líneas, qué herramienta usaste, para qué exactamente (explicar columnas, proponer preguntas, escribir fórmulas) y qué hiciste tú sin ayuda. Incluye también, al final, el prompt más útil que escribiste, copiado completo. Si tuviste que escribirlo tres veces para que funcionara, pega la última versión.