La diferencia entre un resultado mediocre de ChatGPT y uno que publicarías sin dudarlo se reduce a unas tres frases en tu prompt. La mayoría de las personas escribe solo una. Esa brecha explica la mayor parte de la frustración que la gente tiene con las herramientas de redacción con IA.
Por qué la mayoría de los prompts de ChatGPT no funcionan bien
Cuando la gente dice que ChatGPT «no es tan útil», significa que sus prompts no están funcionando. La calidad del resultado del modelo está estrechamente ligada a la calidad de lo que se le da: más que cualquier herramienta que la mayoría de los trabajadores del conocimiento hayan usado antes. Crear prompts es genuinamente una habilidad, y como toda habilidad mejora con práctica deliberada y los modelos mentales correctos.
Las 15 técnicas a continuación no son teóricas. Provienen de patrones consistentes de los prompts que producen resultados sólidos y utilizables frente a los que producen mediocridad genérica. No todas las técnicas aplican a todas las tareas. La habilidad está en saber cuáles tres combinar para un prompt dado.
Técnicas 1-5: fundamentos estructurales
Técnica 1: Asignación de rol. Empieza tu prompt diciéndole al modelo quién es. «Eres un redactor senior de B2B» produce un resultado diferente al de no asignar ningún rol, porque el modelo ha absorbido enormes cantidades de contenido desde esa perspectiva y lo aplica en consecuencia. Sé específico: «Eres un redactor senior de B2B especializado en SaaS con experiencia comprobada escribiendo para audiencias de Gartner y Forrester».
Técnica 2: Especificación del público. Nombra tu audiencia real, no una descripción vaga. «Para profesionales de marketing» es débil. «Para líderes de marketing a nivel de vicepresidente en empresas tecnológicas de 50 a 250 personas que tienen poca paciencia para el lenguaje técnico y leen en el móvil entre reuniones» es fuerte. El modelo calibrará el nivel de lectura, el vocabulario y el conocimiento asumido en consecuencia.
Técnica 3: Restricción de formato. Dile al modelo exactamente qué estructura quieres en el resultado. Listas con viñetas, pasos numerados, encabezados H2/H3, una tabla comparativa, un diseño de dos columnas con pros y contras: sé explícito. Si quieres un artículo de 600 palabras con tres secciones, dilo. Los modelos tienen por defecto el formato que les parece natural dado el encargo, que rara vez es exactamente lo que necesitas.
Técnica 4: Restricciones primero. Indica lo que no quieres antes de decir lo que sí quieres. «Sin viñetas, sin clichés como “disruptivo” o “potenciar el crecimiento”, sin voz pasiva, no más de dos frases por párrafo» reduce el espacio de resultados antes de que el modelo empiece a generar. Las restricciones primero funcionan porque es más fácil prohibir que especificar exhaustivamente.
Técnica 5: Ejemplos de resultado. Incluye uno o dos ejemplos cortos del estilo, tono o formato que quieres. «Escribe en el estilo de este párrafo: [ejemplo]» supera sistemáticamente las instrucciones abstractas de estilo como «escribe de forma conversacional». El modelo es mejor identificando patrones que interpretando adjetivos subjetivos.
Técnicas 6-10: métodos de razonamiento avanzados
Técnica 6: Prompts de cadena de pensamiento. Añade «Piensa paso a paso antes de responder» o «Trabaja tu razonamiento antes de dar la respuesta final» cuando la tarea implica análisis, cálculos o lógica de múltiples pasos. Esta única instrucción puede mejorar la precisión en tareas de razonamiento complejo entre un 20-40%, porque obliga al modelo a generar una cadena de razonamiento en lugar de saltar directamente a una conclusión.
Técnica 7: Ejemplos few-shot. Proporciona de 2 a 5 pares de entrada/salida que demuestren la transformación que quieres. Para tareas de clasificación, etiquetado o reformateo, el few-shot suele ser la técnica más fiable. «Dados los siguientes tres ejemplos de [entrada → salida], aplica el mismo patrón a [nueva entrada]». Cuanto más consistentes sean tus ejemplos, más preciso será el patrón que aprende el modelo.
Técnica 8: Prompts de cambio de perspectiva. Pide al modelo que evalúe desde un punto de vista específico antes de darte su resultado. «Primero, critica este argumento desde la perspectiva de un CFO escéptico. Luego dame el argumento revisado que aborda esa crítica». Esta estructura detecta objeciones antes de que lleguen a tu audiencia.
Técnica 9: Descomposición paso a paso. Para tareas largas, divide en pasos explícitos en el prompt. «Primero, resume el documento en 3 frases. Luego identifica las tres afirmaciones más fuertes y las tres más débiles. Por último, redacta cinco preguntas que podría hacer un lector». La descomposición evita que el modelo tome atajos en tareas complejas de múltiples partes.
Técnica 10: Prompts de espacio negativo. Pídele al modelo que diga cuál no es la respuesta. «Antes de darme la respuesta, lista cinco enfoques erróneos habituales para este problema y explica brevemente por qué cada uno falla». Esto prepara al modelo para evitar esos caminos equivocados en su respuesta real, especialmente útil para prompts de consejos y estrategia.
Técnicas 11-15: contexto e iteración
Técnica 11: Carga de contexto. Pega el material fuente relevante en el prompt antes de hacer tu pregunta. Un contrato que quieres analizar, una transcripción de entrevista con cliente que quieres sintetizar, la página de precios de un competidor que quieres comparar: el resultado del modelo es tan bueno como el contexto que proporcionas. Pon primero el contexto y luego haz tu pregunta al final.
Técnica 12: Instrucción de temperatura (mediante lenguaje). No puedes ajustar la temperatura directamente en la interfaz de ChatGPT, pero puedes usar el lenguaje para orientar la variabilidad del resultado. «Dame tres enfoques distintos, cada uno basado en un supuesto diferente» fomenta la divergencia creativa. «Dame la respuesta única más fiable y conservadora» fomenta la convergencia. Esto moldea el resultado sin tocar ningún botón de configuración.
Técnica 13: Bucle de autoevaluación. Después de obtener un borrador, pide al modelo que critique su propio resultado. «Ahora revisa lo que acabas de escribir e identifica tres formas en que podría ser más sólido. Luego reescríbelo incorporando esas mejoras». El paso de autoevaluación a menudo detecta problemas que el primer borrador pasó por alto, sin que tú tengas que identificarlos.
Técnica 14: Acotamiento iterativo. Empieza amplio y luego acota. Primer prompt: «¿Cuáles son los principales marcos para pensar en la adopción empresarial de IA?». Segundo prompt: «De esos, ¿cuáles tres son más relevantes para una empresa de servicios profesionales de 200 personas sin equipo de datos dedicado?». Tercer prompt: «Ahora dame un plan práctico de 90 días usando el marco principal». El acotamiento iterativo supera al intento de especificar todo desde el principio.
Técnica 15: Marcado explícito de incertidumbre. Pídele al modelo que señale cuando no esté seguro. «Si no tienes confianza en alguna afirmación específica, dilo explícitamente». Esto no hace al modelo más preciso, pero hace visible su incertidumbre, lo que te permite saber dónde verificar de forma independiente. Sin esta instrucción, ChatGPT a menudo presenta información incierta con el mismo nivel de confianza que hechos bien establecidos.
Construir plantillas y un ejemplo listo para copiar y pegar
El hábito con mayor apalancamiento en la creación de prompts es una biblioteca personal de plantillas para las tareas que repites con más frecuencia. Una plantilla es un prompt con marcadores de posición para las partes que cambian: audiencia, tema, formato, restricciones. Una vez que hayas obtenido un resultado sólido para un tipo de tarea dado, reconstruye el prompt y guárdalo.
Aquí hay un prompt que combina siete de las técnicas anteriores. Cópialo, reemplaza las secciones entre corchetes y úsalo como punto de partida:
Eres un estratega de contenido B2B con experiencia escribiendo para un director de marketing en una empresa SaaS de 100-200 personas. Hojean en el móvil y confían más en la especificidad que en la generalidad.
Escribe una sección de artículo de 500 palabras titulada «[TEMA]». Requisitos:
- Lista numerada de exactamente [N] puntos, cada uno de menos de 60 palabras
- Cada punto comienza con un verbo de acción en negrita
- Sin viñetas, sin tecnicismos, sin signos de exclamación
- Cita al menos un nombre real de producto o herramienta por sección
- Termina con un próximo paso concreto que el lector pueda tomar hoy
Antes de escribir, identifica los tres supuestos erróneos más comunes que los lectores tienen sobre este tema y asegúrate de que tu sección los aborde.
Ese prompt combina asignación de rol, especificación del público, restricción de formato, restricciones primero, descomposición de pasos, encuadre de ejemplos y cambio de perspectiva. Produce resultados a nivel de publicación o muy cercanos de forma consistente.
Obtén un prompt estructurado para tu tarea exacta
Conocer las técnicas y aplicarlas bajo presión de tiempo son dos cosas distintas. Cuando necesitas un prompt listo para producción de forma rápida, usa nuestro generador gratuito de prompts de IA: describe tu tarea, elige tu formato y obtén un prompt completamente estructurado en segundos que puedes copiar y afinar.
Preguntas frecuentes
¿Qué extensión debe tener un prompt bien estructurado? Para la mayoría de las taras, entre 100 y 300 palabras es el rango óptimo. Menos de 50 palabras tiende a subespecificar la tarea. Más de 500 palabras puede diluir el enfoque si las instrucciones son repetitivas. El objetivo es incluir cada restricción que importa sin sobrecargar al modelo con instrucciones redundantes.
¿La calidad del prompt importa tanto para GPT-4o como para modelos anteriores? Sí, pero de forma diferente. Los modelos más nuevos manejan mejor la ambigüedad, por lo que un prompt débil tiene menos probabilidades de producir un resultado completamente equivocado. Pero también son más capaces cuando el prompt está bien estructurado: el techo es más alto, por lo que hay más que ganar con un buen prompt, no menos.
¿Debo usar prompts de sistema o prompts de usuario para la asignación de rol? Si usas la API, pon las instrucciones persistentes de rol y persona en el prompt de sistema y las instrucciones específicas de la tarea en el prompt de usuario. En la interfaz estándar de ChatGPT, puedes usar las Instrucciones personalizadas para el contexto persistente. De cualquier manera, la asignación de rol funciona: es solo cuestión de dónde ponerla en tu flujo de trabajo.
¿Cuál es la mejora más importante que puedo hacer a mis prompts ahora mismo? Añade una restricción de formato. La mayoría de las personas describe la tarea pero nunca especifica la estructura del resultado. Indicar explícitamente «dame una lista numerada de 5 elementos, cada uno de menos de 50 palabras» elimina la fuente más común de resultados utilizables pero con el formato incorrecto.
¿Funciona el prompting de cadena de pensamiento para tareas de escritura creativa? Menos que para tareas analíticas. La cadena de pensamiento es más potente cuando existe una respuesta correcta o una ruta de razonamiento lógico. Para tareas creativas, usa ejemplos few-shot e instrucciones de estilo en su lugar. La técnica de restricciones primero también se aplica bien al trabajo creativo: especificar lo que quieres evitar suele ser más efectivo que especificar lo que quieres incluir.