Utilidades IACómo escribir buenos prompts: guía práctica
Un prompt es una especificación, no una pregunta
Un modelo de lenguaje no conoce tu situación: solo dispone del texto que le das. Si escribes Hazme un resumen, tendrá que adivinar la extensión, el público y el propósito. Cuanto más debas adivinar, más probable es que el resultado sea genérico o no sirva.
Piensa en el prompt como el encargo que le darías a un compañero competente que acaba de llegar y no sabe nada del proyecto. Le dirías qué necesitas, para qué lo vas a usar y qué aspecto debe tener el resultado. Esa es la mentalidad correcta, y es un hecho general que se aplica a cualquier asistente basado en texto.
Los cinco ingredientes que más importan
Casi todos los buenos prompts combinan estos elementos, no siempre todos a la vez:
- Contexto: quién eres, qué situación hay y qué datos relevantes existen.
- Tarea: un verbo concreto (resumir, comparar, clasificar, reescribir), no una intención vaga.
- Formato: lista, tabla, párrafos, longitud aproximada, idioma y tono.
- Restricciones: lo que debe evitarse o lo que no se debe inventar.
- Ejemplo: una muestra del resultado deseado.
Si solo puedes cuidar dos, cuida la tarea y el formato: son los que más cambian el resultado.
Si dudas por dónde empezar, escribe primero la tarea y el formato, y añade el resto solo cuando el resultado no te convenza.
Mostrar un ejemplo vale más que describirlo
Describir un estilo con adjetivos (cercano, profesional, directo) es ambiguo. Un ejemplo no lo es. Si quieres que el asistente clasifique correos de clientes, incluye dos o tres correos ya clasificados como modelo y después el correo nuevo. Esta técnica se conoce como aprendizaje con ejemplos dentro del prompt.
Elige ejemplos variados, incluyendo algún caso difícil, y comprueba que el resultado no copia literalmente el ejemplo. Con ejemplos demasiado parecidos entre sí, el modelo tiende a repetir su estructura aunque el caso nuevo sea distinto.
Un ejemplo bien elegido ahorra párrafos enteros de explicación y reduce las correcciones posteriores.
Divide las tareas largas y pide el razonamiento
Una petición con ocho objetivos mezclados suele dar un resultado mediocre en todos. Es mejor encadenar pasos: primero extraer los datos, luego ordenarlos, después redactar. Así puedes revisar cada etapa antes de seguir.
En problemas con varios pasos, pedir que muestre el razonamiento o que verifique su propia respuesta puede mejorar la calidad, pero no garantiza que sea correcta: el razonamiento escrito también puede contener errores. Revisa siempre los datos y los cálculos importantes por tu cuenta.
Por ejemplo, para preparar una presentación, primero pide un esquema, apruébalo y solo entonces solicita el desarrollo de cada diapositiva. Si algo falla, sabrás en qué paso ocurrió.
Errores habituales y cómo corregirlos
| Problema | Causa probable | Corrección |
|---|---|---|
| Respuesta genérica | Falta de contexto | Añade público, objetivo y datos reales |
| Demasiado largo | Sin límite de formato | Indica longitud y estructura |
| Inventa datos | Se le pide algo que no tiene | Aporta la fuente y permite decir que no lo sabe |
| Ignora una instrucción | Prompt largo y confuso | Separa en pasos y destaca lo esencial |
Una buena costumbre es anotar qué cambio concreto mejoró cada respuesta. Con el tiempo reconocerás qué falta en tus prompts de forma habitual y podrás corregirlo desde el principio, en lugar de depurar cada resultado a posteriori. Conviene cambiar una sola cosa por intento para saber qué provocó la mejora.
Itera, guarda lo que funciona y conoce los límites
El primer intento rara vez es el mejor. Trata la conversación como un borrador: señala qué falla (es muy largo, falta un matiz, el tono no encaja) y pide el ajuste concreto. Cuando un prompt te funcione bien para una tarea repetida, guárdalo como plantilla con huecos que rellenar.
Ten presente qué es general y qué depende de la herramienta: la importancia del contexto y los ejemplos es general, pero la longitud máxima de texto, la memoria entre conversaciones o la forma de subir archivos varían según el servicio. Y no incluyas datos personales o confidenciales sin comprobar cómo los trata esa herramienta.
Una plantilla reutilizable
Para tareas que repites, conviene tener una plantilla con huecos. Por ejemplo: Actúa como revisor de textos. Contexto: [situación]. Tarea: [qué hacer]. Formato: [lista, tabla, longitud]. Restricciones: [lo que debe evitar]. Texto: [pegar aquí]. Rellenar los huecos te obliga a pensar en lo que importa y reduce el vaivén de correcciones.
Guarda las versiones que mejor funcionen y anota para qué sirven. Cuando una plantilla deje de dar buenos resultados, revísala en lugar de añadir más y más frases; los prompts acumulativos acaban siendo contradictorios y difíciles de mantener.
Comprueba además el resultado con un caso nuevo antes de fiarte de la plantilla en un trabajo importante, y repite esa comprobación cuando cambies de herramienta.
Preguntas frecuentes
¿Es mejor un prompt largo o uno corto?
Depende de la tarea. Un prompt debe ser tan largo como necesite para eliminar ambigüedades, pero no más. Para tareas simples basta una frase clara; para tareas complejas conviene dar contexto, formato y ejemplos, ordenados con claridad.
¿Existen frases mágicas que mejoran siempre los resultados?
No. Lo que funciona de forma consistente es dar contexto, definir la tarea y el formato y mostrar ejemplos. Las fórmulas milagrosas suelen ser tópicos sin efecto fiable; compruébalas con tus propias tareas antes de adoptarlas.
¿Puedo pedirle que me diga qué le falta para responder bien?
Sí, y suele ser útil. Puedes pedirle que te haga las preguntas necesarias antes de empezar. Es un buen recurso en tareas ambiguas, aunque sigues siendo tú quien debe validar que el resultado final es correcto.
Guías relacionadas
- Alucinaciones de la IA: qué son y cómo detectarlas: Las alucinaciones son respuestas falsas con apariencia convincente. Entiende por qué ocurren, qué señales delatan un error y cómo verificar los datos.
- Cómo evaluar una herramienta de IA antes de adoptarla: Checklist práctico para valorar una herramienta de IA: utilidad real, calidad, privacidad, costes, dependencia del proveedor y plan de salida.
- Costes de la IA: tokens, contexto y suscripciones: Entiende cómo se mide y se cobra el uso de la IA: tokens, ventana de contexto, límites, pago por uso y suscripción, para elegir con criterio.