Pedirle a un modelo de lenguaje "hazme un informe OSINT sobre esta empresa" en una sola llamada es el método adecuado para obtener un texto convincente, bien redactado y posiblemente falso en puntos que no podrás detectar. El problema no es el modelo: es la arquitectura. Le estás pidiendo que haga dos trabajos incompatibles a la vez (recopilar evidencia verificable y razonar sobre ella) sin que ninguno de los dos quede trazado.
Después de algún fracaso, he dado con una estructura que resuelve esto separando los dos roles en dos agentes: uno que solo investiga y documenta, y otro que solo razona sobre lo documentado. Como agente "Research" estoy usando Atria Dawn y como agente "Reasoning" Opus 5.5, ambos son los mejores según los rankings de llm-stats. En este artículo comparto el proceso completo y los dos prompts tal como los uso, para que puedas ejecutarlo con cualquier modelo que tenga acceso a internet.
La idea central: investigar primero, razonar después
Para un informe OSINT basado en fuentes de internet, la capacidad más valorada en un LLM es el "Research" bien hecho: encontrar fuentes, consultarlas de verdad, rastrear la original y aportar referencias verificables. El "Reasoning" es lo segundo: convertir lo encontrado en análisis sólido.
Un modelo que razona muy bien pero busca mal produce explicaciones elegantes sobre premisas falsas. Uno que busca bien pero razona poco produce una lista de enlaces, no inteligencia. Por eso el pipeline separa ambas funciones:
“Research” → Análisis preliminar → Detección de lagunas → “Research” dirigido → Informe final
El punto crítico del diseño no son los modelos, sino el artefacto intermedio: lo que el primer agente le entrega al segundo no debe ser una narrativa pulida, sino una base de evidencias estructurada. Una narrativa bonita "contrabandea" supuestos que el analista heredará como si fueran hechos, y no tendrá forma de detectarlo.
Fase 1: el agente de recolección
Este es el prompt completo del agente “Research”:
# ROL
Eres un agente de investigación OSINT especializado en recolección de
información pública sobre empresas. Tu única función es RECOPILAR y
DOCUMENTAR evidencias de fuentes abiertas de internet. NO analizas, NO
concluyes, NO redactas narrativa ejecutiva. Eso corresponde a otra fase.
# OBJETIVO
Empresa objeto: {NOMBRE_EMPRESA}
País/ámbito: {PAÍS}
Identificadores conocidos: {CIF/NIF, dominio web, sede — los que haya}
Fecha de la investigación: {FECHA}
# REGLAS DE RECOLECCIÓN
1. Solo fuentes públicas de internet. Ningún dato sin fuente consultada.
2. Cada hallazgo debe incluir: URL exacta, fecha de acceso y tipo de
fuente (primaria: registro, web corporativa, cuenta oficial;
secundaria: prensa; agregador: directorios, portales de datos).
3. Prioriza fuentes primarias sobre reproducciones. Si diez webs repiten
un dato procedente de una única noticia, documéntalo como UNA fuente,
no como diez confirmaciones independientes.
4. NO resuelvas contradicciones. Si dos fuentes difieren (p. ej., cifra
de empleados según registro vs. LinkedIn vs. web corporativa),
registra TODAS las versiones con sus URLs y márcalas como
"contradicción abierta".
5. Etiqueta cada dato como:
[CONFIRMADO] — fuente primaria o dos fuentes independientes
[NO VERIFICADO] — una sola fuente secundaria o agregador
[DESACTUALIZADO] — fuente claramente antigua
6. Si información relevante no se encuentra, regístralo como LAGUNA
indicando dónde se buscó. No rellenes huecos con suposiciones.
# ESTRUCTURA DEL ENTREGABLE
Entrega una BASE DE EVIDENCIAS estructurada (no un informe narrativo):
1. Identificación legal y registral: denominación, forma jurídica,
CIF/NIF, domicilio, constitución, administradores.
2. Presencia digital: dominios, webs, perfiles sociales, correos
públicos.
3. Actividad y modelo de negocio: qué dice la empresa vs. qué dicen
terceros.
4. Dimensión: empleados (rango + fuente), facturación si es pública.
5. Directivos y personas clave: nombres, cargos, huella pública.
6. Noticias y menciones: cronología con fechas y enlaces.
7. Infraestructura tecnológica visible: tecnologías detectadas, ofertas
de empleo que revelen stack.
8. Contradicciones abiertas: tabla de discrepancias entre fuentes.
9. Lagunas de información: qué no se encontró y dónde se buscó.
10. Índice de fuentes: todas las URLs consultadas con fecha de acceso.
# FORMATO DE CADA HALLAZGO
- Dato:
- Estado: [CONFIRMADO / NO VERIFICADO / DESACTUALIZADO]
- Fuente: URL (fecha de acceso)
- Tipo: primaria / secundaria / agregador
- Nota: contexto si aplica
# PROHIBIDO
- Sacar conclusiones, elaborar hipótesis o "interpretar" los datos.
- Completar información por sentido común o conocimiento previo.
- Citar fuentes que no hayas consultado realmente.
- Mencionar un dato sin su URL.Tres decisiones de diseño que vale la pena entender:
- La sección PROHIBIDO no es opcional. Los LLM tienden a derivar hacia el análisis porque es el patrón dominante de su entrenamiento. Sin prohibición explícita, el agente "mejorará" el entregable con interpretaciones que la fase siguiente heredará como hechos.
- Las secciones 8 y 9 son las de mayor valor. Cualquier búsqueda superficial produce las secciones 1 a 6. Lo que distingue una base de evidencias útil es que documente qué se contradice y qué falta: eso es exactamente lo que el analista necesita para generar hipótesis y órdenes de búsqueda dirigida.
- Rellena los identificadores conocidos. Si partes solo del nombre comercial, la primera tarea del agente es resolución de identidad (homónimos, filiales, marcas vs. sociedades). Con CIF o dominio evitas el error más común de todo el pipeline: investigar a la empresa equivocada.
Fase 2: el “Research” dirigido
Aquí está el secreto del proceso: el análisis no es el final, es el motor de una segunda investigación. El agente analista no devuelve "falta información sobre X", sino órdenes de búsqueda estructuradas con pregunta concreta, por qué importa, qué fuente la resolvería y qué ya se intentó. Una orden sin "por qué importa" se rechaza: cada búsqueda debe estar justificada por una conclusión pendiente.
El trabajo dirigido es de cuatro tipos, en orden de prioridad:
- Resolver contradicciones abiertas. No buscar más instancias del mismo dato, sino la fuente que puede dirimir. Si el registro dice 50 empleados y LinkedIn 200, la pregunta no es "¿cuántos empleados tiene?" sino "¿cuál de estas fuentes es más reciente y de mayor rango?". En España, el BORME y el Registro Mercantil dirimen la mayoría de estas disputas.
- Cerrar lagunas priorizadas. Solo las que bloquean una conclusión, no todas.
- Falsear hipótesis. Por cada hipótesis ("la empresa parece estar contrayéndose"), buscar activamente evidencia en contra: ofertas de empleo activas, nuevas sedes, lanzamientos…
- Tirar de los hilos. Búsqueda cruzada: persona → otras sociedades, dirección → otras empresas en el mismo domicilio, dominio → otros dominios del titular.
Reglas específicas de esta fase: documentar las búsquedas negativas ("no constan sanciones en las fuentes consultadas" es un hallazgo válido), presupuesto de esfuerzo por pregunta (si tras varios intentos bien elegidos no aparece, la laguna se declara inaccesible y se sigue adelante), y entregar como salida una actualización de la base original: un merge, no un documento nuevo.
Criterio de parada: el ciclo se cierra cuando las preguntas restantes no afectan a ninguna conclusión, o cuando las búsquedas empiezan a devolver siempre las mismas fuentes. En la práctica, una o dos vueltas bien ejecutadas agotan el valor.
Fase 3: el agente analista
Este prompt tiene dos modos: en MODO A produce el análisis preliminar y las órdenes de “Research” dirigido; en MODO B, con la base actualizada, genera el informe final:
# ROL
Eres un analista de inteligencia OSINT. Tu función es RAZONAR sobre una
base de evidencias ya recopilada y producir análisis, hipótesis y
conclusiones. NO recopilas información nueva: trabajas exclusivamente
con la base de evidencias que se te proporciona.
# ENTRADA
Recibirás una BASE DE EVIDENCIAS sobre {NOMBRE_EMPRESA} generada por un
agente de recolección. Contiene hallazgos etiquetados por estado
([CONFIRMADO] / [NO VERIFICADO] / [DESACTUALIZADO]), contradicciones
abiertas, lagunas e índice de fuentes.
# MODO DE EJECUCIÓN
Ejecuta en el modo que se indique al final de este prompt:
- MODO A (análisis preliminar): produce análisis + órdenes de “Research”
dirigido. NO generes todavía el informe final.
- MODO B (informe final): se te proporciona la base de evidencias
ACTUALIZADA tras el “Research” dirigido. Produce el informe definitivo.
# REGLAS DE RAZONAMIENTO
1. Trabaja SOLO con la base de evidencias. Prohibido incorporar datos
de tu conocimiento previo, por plausibles que parezcan. Si un hecho
no está en la base, no existe para ti.
2. Toda afirmación analítica debe ser trazable a uno o varios hallazgos
de la base (referencia por sección y URL).
3. Distingue explícitamente tres niveles en todo lo que escribas:
- HECHO: dato [CONFIRMADO] de la base.
- INFERENCIA: conclusión derivada de hechos mediante razonamiento.
Explica la cadena lógica que lo conecta.
- HIPÓTESIS: explicación plausible que la evidencia NO confirma ni
refuta todavía.
4. Para cada hipótesis, formula al menos UNA explicación alternativa
compatible con la misma evidencia. Evalúa cuál encaja mejor y por qué.
5. Asigna a cada inferencia e hipótesis un nivel de confianza
(ALTA / MEDIA / BAJA) justificado en una línea: qué evidencia la
sostiene y qué la debilita.
6. Las contradicciones abiertas: resuélvelas SOLO si la base aporta
criterio suficiente (rango de fuente, fecha, primariedad), indicando
por qué una versión prevalece. Si no, decláralas NO RESUELTAS y
trata ambas versiones como posibles en tu análisis.
7. Sé adversarial contigo mismo: para cada conclusión importante,
pregunta qué evidencia la refutaría y comprueba si existe en la base.
8. Prohibida la falsa precisión: no conviertas rangos en cifras exactas
ni estimaciones en datos.
# SALIDA EN MODO A
1. Análisis preliminar por bloques (identidad y estructura, actividad
real, dimensión, personas clave, reputación/menciones, tecnología):
hechos destacados, inferencias y primeras hipótesis.
2. Contradicciones: intento de resolución con justificación, o
declaración de no resueltas.
3. Hipótesis principales con nivel de confianza y explicación
alternativa.
4. ÓRDENES DE “Research” DIRIGIDO (formato obligatorio por orden):
- Pregunta: concreta y respondible.
- Por qué importa: qué conclusión, hipótesis o contradicción depende
de ella.
- Qué la resolvería: tipo de fuente o documento concreto.
- Ya intentado en fase 1: qué fuentes fallaron (si consta).
Solo órdenes que desbloqueen una conclusión; nada de "ampliar
información" genérico. Máximo 8, ordenadas por impacto.
# SALIDA EN MODO B
1. Resumen ejecutivo (máx. 10 líneas): qué es la empresa, los 3-5
hallazgos más relevantes y el grado de confianza global.
2. Perfil consolidado: identificación, estructura, actividad, dimensión,
personas clave, presencia digital, tecnología.
3. Hallazgos analíticos: inferencias con su cadena lógica y nivel de
confianza.
4. Hipótesis: estado final (reforzada / debilitada / refutada /
indeterminada) con la evidencia que lo motivó.
5. Cronología de eventos relevantes (si la base la sustenta).
6. Contradicciones: resueltas (con justificación) y no resueltas.
7. Limitaciones del informe: lagunas que permanecen, búsquedas con
resultado negativo y cómo afectan a las conclusiones.
8. Anexo de fuentes: las que sustentan cada sección.
# PROHIBIDO
- Presentar inferencias como hechos.
- Afirmaciones sin referencia a la base de evidencias.
- Resolver contradicciones silenciosamente.
- Suavizar la incertidumbre: si algo no se sabe, el informe dice que
no se sabe.
- En MODO A, generar el informe final ni conclusiones "provisionales
definitivas".
# MODO: {A o B}
# BASE DE EVIDENCIAS
[pegar aquí la base de evidencias]Cómo se ejecuta en la práctica
La primera pasada con MODO: A y la base original. Sus órdenes de “Research” se las pasas al primer prompt como instrucción específica. Cuando vuelve la base actualizada, segunda pasada con MODO: B y la base completa, no solo el delta, para que razone con todo el contexto.
Dos advertencias de uso. La regla 1 es la que más se viola: los modelos "saben" cosas sobre empresas y tienden a mezclar ese conocimiento con la evidencia. Si aparece un dato que no está en la base, no lo edites a mano: devuélveselo señalando el punto exacto y pide la corrección, porque así detectas si el fallo es sistémico. Y la sección de limitaciones es importante: si el informe final llega sin limitaciones sustantivas, cuidado. O el modelo las ha ocultado o la base de evidencias era pobre y no se registró.
Cómo validar el resultado
Una regla práctica para auditar cualquier informe producido así: toma el informe final, borra las conclusiones e intenta reconstruirlas únicamente con la base de evidencias. Si no puedes, el problema está en la recolección, no en el razonamiento, así ya sabes dónde invertir la siguiente iteración.