El desarrollo de software moderno depende de los datos. Sin embargo, usar datos reales de clientes en entornos de desarrollo es un riesgo de seguridad y privacidad (violando normativas como el GDPR). ChatGPT soluciona este problema generando datos sintéticos: información que parece real, tiene coherencia lógica, pero es 100% ficticia.
1. Generación de Estructuras Básicas (JSON y CSV)
La forma más rápida de alimentar un frontend o una API en desarrollo es mediante archivos JSON. ChatGPT puede generar cientos de registros siguiendo una estructura exacta.
- Prompt de configuración:
«Actúa como un Ingeniero de Datos. Necesito un archivo JSON con 10 registros de usuarios para una app de e-commerce. Cada objeto debe tener:
id(UUID),nombre_completo,fecha_registro(últimos 6 meses) y un array decompras_recientescon IDs de productos y montos.»
2. Coherencia Lógica y Datos Relacionales
A diferencia de los generadores de datos aleatorios simples, ChatGPT entiende el contexto. Si pides una lista de ciudades, las asociará correctamente con sus países y prefijos telefónicos.
| Tipo de Dato | Capacidad de la IA | Ejemplo de Valor |
| Ubicaciones | Relación Ciudad/Estado/País. | Madrid, España (CP 28001). |
| Financieros | Generación de números de tarjeta (ficticios) y transacciones. | VISA **** 1234 (Estado: Aprobado). |
| Fechas | Cronología lógica (ej. fecha de entrega posterior a compra). | Compra: 10/03 -> Entrega: 12/03. |
3. El «Prompt Maestro» para Bases de Datos SQL
Si estás configurando una base de datos desde cero, puedes pedirle a la IA que genere los scripts de inserción (INSERT INTO) directamente.
«Actúa como un Administrador de Bases de Datos (DBA).
Tarea: Genera un script de SQL para poblar una tabla llamada
Productos.
- Campos:
id(serial),nombre_producto,categoria(Electrónica, Hogar, Ropa),precio(entre 10.00 y 500.00) ystock.- Volumen: Crea 20 inserciones.
- Realismo: Asegúrate de que los nombres de los productos suenen a marcas reales pero genéricas (ej. ‘Auriculares Pro Wireless’ en lugar de ‘Producto 1’).»
4. Generación de Texto de Relleno (Más allá del Lorem Ipsum)
Para probar interfaces de blogs o redes sociales, el «Lorem Ipsum» no permite ver cómo se comporta el diseño con contenido real. ChatGPT puede generar párrafos con sentido, títulos atractivos y metadatos.
- Prompt de contenido: «Genera 5 artículos de prueba para una web de tecnología. Incluye un título atractivo, un resumen de 2 líneas, el cuerpo del texto de 300 palabras y una lista de tags. El tono debe ser profesional y los temas deben ser actuales (IA, 5G, Sostenibilidad)».
5. Simulación de Errores y Casos de Borde (Edge Cases)
Una aplicación robusta debe probarse con datos «sucios» o extremos. ChatGPT es excelente diseñando estos escenarios de estrés.
- Datos Extremos: Nombres extremadamente largos (para probar el desbordamiento de UI).
- Campos Nulos: Registros donde faltan datos obligatorios para probar las validaciones.
- Caracteres Especiales: Strings con emojis, tildes o scripts (
<script>alert(1)</script>) para probar la sanitización.
6. Integración con Librerías de Mocking (Faker.js)
Si prefieres automatizar la generación dentro de tu código, puedes pedirle a ChatGPT que escriba scripts que utilicen librerías como Faker.js (JavaScript) o Faker (Python).
- Prompt de integración: «Escribe un script en Node.js usando la librería Faker para generar un flujo constante de 100 registros de ‘pedidos’ que se envíen a una consola cada segundo. Necesito campos de timestamp, ID de cliente y total del carrito».
Conclusión
El uso de mock data generado por IA transforma el desarrollo de «estático» a «dinámico» en cuestión de segundos. Al contar con datos que imitan la realidad, los desarrolladores pueden identificar errores de diseño y lógica mucho antes de llegar a producción. Con ChatGPT, el límite no es la cantidad de datos, sino la precisión con la que definas el esquema que tu aplicación necesita.
