El prompt engineering, o ingeniería de prompts, es el conjunto de técnicas para redactar instrucciones que un asistente de IA entienda y ejecute bien. No es una metodología de gestión de proyectos ni exige saber programar. Es aprender a pedir con claridad.
La idea es simple: la calidad de la respuesta depende mucho de la calidad de la petición. Aquí tienes las técnicas que funcionan, ejemplos de antes y después, errores habituales y plantillas para copiar.
¿Qué es el prompt engineering y para qué sirve?
Un prompt es lo que le escribes a un asistente como ChatGPT, Gemini o Claude. Puede ser una pregunta, una orden, un texto para corregir o una combinación de todo eso.
Estos asistentes se apoyan en un modelo de lenguaje (LLM). El modelo genera texto a partir de lo que recibe. Si le das poco, rellena los huecos con lo más probable. Y lo más probable suele ser genérico.
La ingeniería de prompts consiste en reducir esos huecos. Le dices quién debe ser, qué necesitas, con qué información y en qué formato. Así la respuesta se parece a lo que tenías en la cabeza.
No hay frases mágicas ni «prompts secretos». Hay buenas prácticas, y las dos empresas más conocidas las documentan: la guía de OpenAI y la de Anthropic coinciden en lo esencial: claridad, contexto, ejemplos y prueba y error.
Sirve para tareas de cada día: redactar un correo, resumir un informe, preparar una clase, revisar código o ordenar ideas. Si ya usas un asistente, puedes empezar con nuestra guía de cómo usar ChatGPT.
¿Qué técnicas funcionan de verdad?
Ocho técnicas cubren casi todos los casos. No hace falta usarlas todas a la vez. Elige según la tarea.
1. Asigna un rol
Decirle al asistente desde qué punto de vista responde cambia el tono y el nivel de detalle. «Actúa como editor de una revista de divulgación» da otro resultado que «escribe un texto».
El rol no le da conocimientos nuevos. Le ayuda a elegir vocabulario y enfoque.
2. Da contexto
El asistente no sabe quién eres, a quién escribes ni para qué. Cuéntaselo: público, objetivo, situación y limitaciones.
Si pegas material de trabajo, indica qué es y qué quieres hacer con él. Evita datos personales o confidenciales.
3. Escribe instrucciones claras y concretas
Un verbo preciso vale más que un adjetivo vago. «Resume en cinco puntos» es mejor que «hazlo corto». «Elimina jerga técnica» es mejor que «hazlo más fácil».
Separa las instrucciones del material. Puedes usar comillas, títulos o delimitadores como «Texto:» para que no se mezclen.
4. Define el formato de salida
Pide exactamente lo que vas a usar: tabla, lista numerada, correo con asunto, JSON o párrafos de tres líneas. Si no lo pides, el asistente elige por ti.
Indica también la extensión y el idioma. Ahorras media docena de correcciones.
5. Muestra ejemplos (few-shot)
Dos o tres ejemplos de entrada y salida enseñan el patrón mejor que una explicación larga. Esta técnica se conoce como few-shot prompting y está descrita en el paper «Language Models are Few-Shot Learners».
Funciona bien para clasificar, extraer datos o imitar un estilo. Elige ejemplos variados y correctos, porque el modelo copiará también sus defectos.
6. Pide razonar paso a paso
En problemas de lógica, cálculo o decisiones con varios factores, pedir el razonamiento intermedio suele mejorar el resultado. Se llama chain-of-thought y se estudió en este trabajo de 2022.
Ojo: algunos asistentes ya razonan por su cuenta. En ese caso, basta con pedir que expliquen los criterios y las suposiciones. Y revisa siempre los cálculos importantes.
7. Divide las tareas grandes
Un solo prompt que pide investigar, estructurar, redactar y revisar suele salir mediocre. Mejor encadena pasos: primero el esquema, luego cada sección, luego la revisión.
Así detectas errores pronto y corriges el rumbo antes de gastar tiempo en el resultado final.
8. Itera
El primer resultado es un borrador. Dile qué falla y qué conservar: «Mantén la estructura, pero acorta el segundo párrafo y quita el tono comercial».
Corregir con precisión funciona mejor que repetir «hazlo mejor».
| Técnica | Cuándo usarla | Límite |
|---|---|---|
| Rol | Cuando importa el tono o el enfoque | No añade conocimiento que el modelo no tenga |
| Contexto | Casi siempre | Demasiado contexto irrelevante distrae |
| Formato de salida | Si vas a reutilizar el resultado | Un formato muy rígido puede empobrecer el contenido |
| Ejemplos (few-shot) | Clasificar, extraer, imitar estilo | El modelo copia los errores de los ejemplos |
| Paso a paso | Lógica, cálculo, comparaciones | No garantiza que el razonamiento sea correcto |
| Dividir tareas | Trabajos largos o con varias fases | Requiere más interacciones |
| Iterar | Siempre que el resultado no encaje | Conversaciones muy largas pueden perder el hilo |
¿Cómo se ve un prompt malo frente a uno bueno?
Lo más claro es compararlos. Estos tres ejemplos son tareas reales de oficina, con lo que mejora en cada uno.
Ejemplo 1: un correo difícil
Antes:
Escribe un correo para un cliente que se queja.Resultado probable: un texto genérico, lleno de disculpas vagas y sin ninguna solución concreta.
Después:
Actúa como responsable de atención al cliente de una tienda online de material deportivo.
Escribe un correo de respuesta a un cliente cuyo pedido llegó con una semana de retraso.
Datos: el retraso fue culpa del transportista; ofrecemos un 10 % de descuento en su próxima compra y reembolso de los gastos de envío.
Tono: cercano y profesional, sin frases hechas.
Formato: asunto y cuerpo de máximo 120 palabras.
No prometas fechas de entrega futuras.Qué mejora:
- El rol fija el tono y el punto de vista.
- El contexto aporta los hechos y la solución real.
- El formato y la extensión limitan el resultado.
- La última línea evita una promesa que no puedes cumplir.
Ejemplo 2: un resumen útil
Antes:
Resume este informe.Resultado probable: un resumen correcto pero sin foco. No sabes si sirve para decidir algo.
Después:
Voy a pegar un informe interno. Lo leerá una directora que debe decidir si renovamos un contrato con un proveedor.
Resume el informe en cinco puntos, ordenados por importancia para esa decisión.
Después añade una sección «Dudas» con lo que el informe no aclara.
Si algo no aparece en el texto, indícalo en lugar de suponerlo.
Informe:
[pega aquí el texto]Qué mejora:
- Indica el destinatario y el objetivo, y eso decide qué entra en el resumen.
- Limita la estructura: cinco puntos, con orden.
- Pide señalar lagunas y reduce el riesgo de que el asistente invente datos.
- Separa la instrucción del material con «Informe:».
Ejemplo 3: few-shot para clasificar
Imagina que quieres etiquetar comentarios de clientes. Sin ejemplos, cada respuesta puede salir con etiquetas distintas.
Clasifica cada comentario como POSITIVO, NEGATIVO o MIXTO. Responde solo con la etiqueta.
Comentario: «Llegó rápido y funciona perfecto.»
Etiqueta: POSITIVO
Comentario: «Buen producto, pero el embalaje venía roto.»
Etiqueta: MIXTO
Comentario: «No responde nadie al teléfono desde hace días.»
Etiqueta: NEGATIVO
Comentario: «La batería dura poco, aunque la pantalla es excelente.»
Etiqueta:Resultado esperado: MIXTO, en una sola palabra. Los ejemplos fijan las etiquetas y el formato sin necesidad de explicarlos.
Caso resuelto: iterar en tres vueltas
Pides una descripción de producto y el primer borrador sale demasiado publicitario. No empieces de cero.
- Vuelta 1: «Quita los adjetivos superlativos y las exclamaciones. Mantén la estructura.»
- Vuelta 2: «Añade una frase sobre para quién NO es adecuado este producto.»
- Vuelta 3: «Reduce a 80 palabras y termina con una especificación técnica, no con una invitación a comprar.»
Cada orden cambia una sola cosa. Así sabes qué instrucción produjo cada efecto.
¿Qué errores se cometen más al escribir prompts?
- Pedir sin contexto. «Hazme una presentación» no dice sobre qué, para quién ni de qué duración.
- Mezclar varias tareas. Traducir, resumir y opinar en un solo mensaje diluye cada parte.
- Usar instrucciones ambiguas. «Que suene bien» significa algo distinto para cada persona.
- Dar solo prohibiciones. «No seas formal» es menos útil que «escribe como hablaría un compañero de trabajo».
- Fiarse sin verificar. Los asistentes pueden inventar datos, citas y fuentes con mucha seguridad. Comprueba lo importante.
- Pegar información sensible. Datos personales, contraseñas o documentos confidenciales no deberían ir a un servicio sin revisar sus condiciones de privacidad.
- Abandonar tras el primer intento. Un resultado flojo suele indicar un prompt mejorable, no una herramienta inútil.
- Arrastrar conversaciones eternas. Si el hilo se enreda, abre uno nuevo y resume el contexto en el primer mensaje.
En temas de salud, legales o financieros, trata la respuesta como información general. Consulta a un profesional antes de decidir.
¿Qué plantillas puedo reutilizar?
Una plantilla evita empezar de cero. Cambia los corchetes y borra lo que no necesites.
Plantilla general
Rol: actúa como [perfil].
Objetivo: necesito [qué quieres conseguir].
Contexto: [situación, público, datos relevantes].
Tarea: [verbo concreto + qué hacer].
Formato: [lista, tabla, correo, extensión máxima].
Restricciones: [lo que debe evitar o respetar].
Si falta información, hazme las preguntas necesarias antes de responder.La última línea es útil. Convierte al asistente en entrevistador y mejora el resultado cuando tu petición es incompleta.
Plantilla para analizar un texto
Voy a pegar un texto. Analízalo en este orden:
1. Idea principal en una frase.
2. Tres argumentos que la sostienen.
3. Dos puntos débiles o afirmaciones sin respaldo.
4. Qué datos habría que comprobar.
No añadas información que no esté en el texto.
Texto:
[pega aquí]Plantilla para tareas largas
Vamos a hacer [proyecto] en fases.
Fase 1: propón un esquema y espera mi aprobación.
Fase 2: redacta una sección cada vez, siguiendo el esquema aprobado.
Fase 3: cuando termine, revisa coherencia y repeticiones.
Empieza solo con la fase 1.Si construyes asistentes propios, estas mismas ideas van en las instrucciones de sistema. Lo explicamos en la guía para crear un asistente virtual.
¿Por dónde empiezo?
Si quieres notar mejoras desde hoy, empieza por dos cosas: añade contexto y define el formato de salida. Son las dos que más mejoran el resultado con menos esfuerzo. Cuando eso te salga solo, prueba los ejemplos y la división en pasos.
Guarda los prompts que te funcionen en un documento propio. Con el tiempo tendrás tu biblioteca de plantillas. Para entender mejor los términos que aparecen por el camino, consulta el glosario de inteligencia artificial. Y si quieres seguir con este tema, tienes más guías en la sección Asistentes IA.
Preguntas frecuentes
¿Hace falta saber programar para hacer prompt engineering?
No. Los prompts se escriben en lenguaje natural. Saber programar ayuda si integras modelos en aplicaciones, pero para el uso diario basta con redactar con claridad.
¿El prompt engineering seguirá siendo necesario?
Los asistentes entienden cada vez mejor peticiones imprecisas. Aun así, explicar bien el objetivo, el contexto y el formato seguirá dando mejores resultados. La técnica cambia, pero la necesidad de pedir con claridad se mantiene.
¿Un prompt largo es siempre mejor?
No. Importa que sea completo, no extenso. Cada línea debe aportar algo: contexto, restricción o formato. Si una frase no cambia el resultado, quítala.
¿Sirven los mismos prompts en ChatGPT, Gemini y Claude?
En general sí, porque los principios son parecidos. Cada asistente responde con matices distintos, así que conviene probar y ajustar. Las guías oficiales de cada empresa recogen recomendaciones específicas.
