No necesitas entender cómo funcionan los transformers para escribir prompts que produzcan resultados útiles de forma consistente. Lo que necesitas son cinco patrones: cada uno lo suficientemente simple para aprenderlo en diez minutos y lo suficientemente útil como para usarlo todos los días.
Qué es realmente la ingeniería de prompts
La ingeniería de prompts es la práctica de escribir instrucciones para los modelos de IA de forma que produzcan resultados útiles de manera confiable. Se parece menos a la programación y más a hacer un briefing a un contratista muy capaz pero muy literal que necesita instrucciones completas porque no tiene contexto sobre tu situación, tus estándares ni tu audiencia.
Esa analogía del contratista es más útil que el enfoque técnico. Un buen contratista puede hacer un trabajo extraordinario si le das un brief claro: el entregable, las restricciones, el contexto, el estándar de calidad. Un brief pobre produce trabajo pobre independientemente de lo talentoso que sea. El prompting es hacer un briefing.
La mayoría de las personas escribe prompts como si enviara un mensaje de texto: cortos, implícitos, asumiendo un contexto compartido. Los modelos de lenguaje no tienen tu contexto compartido. Tienen el texto que les das y harán su mejor esfuerzo para inferir todo lo que omitiste. Los cinco patrones a continuación son formas sistemáticas de dejar de omitir cosas.
Patrón 1: Rol + Tarea
Este es el único patrón que produce la mayor mejora inmediata en la calidad del resultado. Antes de describir lo que quieres, dile al modelo quién es.
El formato es simple: «Eres un [rol específico con experiencia]. [Descripción de la tarea].»
Sin el patrón: «Escribe un correo de actualización semanal de estado.»
Con el patrón: «Eres un gerente de producto en una empresa de software B2B escribiendo una actualización semanal de estado para tu equipo de ingeniería. Escribe la actualización de esta semana con las siguientes notas: [notas].»
El rol cambia el vocabulario del modelo, el conocimiento asumido y el encuadre por defecto. «Redactor senior» produce un resultado diferente a «escritor técnico». «Analista financiero» produce un resultado diferente a «asesor de negocios general». Cuanto más específico es el rol, más preciso es el resultado.
Para tu primera semana de práctica: añade un rol a cada prompt que escribas. Notarás de inmediato resultados más consistentes con la perspectiva que realmente quieres.
Patrón 2: Especificación de formato
La frustración más habitual con las herramientas de redacción con IA es recibir el resultado en la estructura incorrecta. Querías una lista con viñetas y te dio párrafos. Querías un artículo de tres secciones y te dio doce puntos. Querías un correo y te dio un ensayo.
La Especificación de Formato resuelve esto indicando explícitamente la estructura del resultado antes de que el modelo comience a generarlo. Ponla al final de tu prompt, después de la descripción de la tarea.
Ejemplos de especificaciones de formato efectivas:
- «Formato: lista numerada de exactamente 5 elementos, cada uno de menos de 30 palabras»
- «Formato: correo de tres párrafos con línea de asunto. Primer párrafo: la solicitud. Segundo: el contexto. Tercero: próximos pasos.»
- «Formato: tabla de comparación con dos columnas —Opción A y Opción B— y cinco filas que cubran costo, tiempo, complejidad, riesgo y recomendación»
- «Formato: publicación de LinkedIn de menos de 150 palabras. Abre con una pregunta de una sola frase. Termina con una conclusión clara. Sin hashtags.»
Empieza a incluir especificaciones de formato en cada prompt que tenga una estructura de resultado específica en mente. Pasarás menos tiempo reformateando el resultado de la IA y más tiempo usándolo.
Patrón 3: Restricciones primero
La mayoría de las personas escribe prompts describiendo lo que quiere. Un enfoque más potente es comenzar con lo que no quieres. Listar las prohibiciones antes de la descripción de la tarea estrecha el espacio de resultados antes de que el modelo comience a generar.
Enfoque estándar: «Escribe una descripción de producto para este teclado inalámbrico.»
Enfoque de restricciones primero: «Escribe una descripción de producto para este teclado inalámbrico. Evita: clichés como “elegante”, “fluido”, “potente” e “intuitivo”; listas con viñetas; voz pasiva; signos de exclamación. Mantenla en menos de 100 palabras. Luego describe el producto.»
La lista de restricciones en el segundo prompt elimina las formas más habituales en que las descripciones de productos con IA salen mal. El modelo evita esos patrones desde el principio en lugar de producir un resultado que tengas que editar.
Las restricciones primero son especialmente efectivas para el tono y el estilo. Si conoces los patrones de escritura que quieres evitar —tecnicismos, voz pasiva, frases de relleno, un tono particular— listarlos explícitamente antes de la tarea.
Patrones 4 y 5: contexto e iteración
Patrón 4: Carga de contexto. Los modelos de lenguaje no saben nada de tu situación específica a menos que se lo digas. La Carga de Contexto significa pegar material fuente relevante en tu prompt antes de hacer tu pregunta. Puedes pegar: un correo de cliente al que quieres responder, un documento para resumir, tus pautas de voz de marca, una transcripción de entrevista de la que quieres extraer conclusiones, o una tabla de datos para interpretar. El modelo trata todo lo que está en tu prompt como memoria de trabajo. «Aquí está la transcripción de una entrevista con un cliente [pega transcripción]. ¿Cuáles son los tres problemas más grandes y qué mejoras de producto los abordaría?» Ese prompt produce conclusiones ancladas y específicas. La misma pregunta sin la transcripción produce consejos genéricos.
Patrón 5: Acotamiento iterativo. El prompting de un solo intento funciona para tareas simples. Para tareas complejas, rara vez produce el mejor resultado porque no puedes especificar todo desde el principio. El Acotamiento Iterativo usa una secuencia de prompts, cada uno acercándose más a tu resultado final:
- Primer prompt: exploración amplia («¿Cuáles son los principales enfoques para X?»)
- Segundo prompt: restricción basada en el primer resultado («De esos, ¿cuáles tres son más prácticos para [mi situación]?»)
- Tercer prompt: entregable final («Usando el enfoque principal, escribe un [formato específico] para [propósito específico]»)
Cada paso te da información que hace más específico el siguiente prompt. Si el primer prompt produce algo inesperado, corriges el rumbo en el segundo en lugar de empezar de cero. Cada intercambio construye hacia lo que realmente necesitas.
Lo que separa los buenos prompts de los excelentes
Los cinco patrones anteriores cubren el 80% de las necesidades cotidianas de prompting. El 20% restante se reduce a dos cosas: especificidad y material fuente.
La especificidad significa elegir palabras exactas para roles, tareas y restricciones. «Redactor senior de respuesta directa con experiencia en SaaS B2B» es más específico que «experto en marketing». «Guía práctica de 500 palabras con pasos numerados y un resumen» es más específico que «un artículo útil».
El material fuente significa darle al modelo algo concreto con lo que trabajar. Pega un documento real, un conjunto de datos real, una transcripción real. Cuanto más anclado esté el contexto, más orientado será el resultado. Juntos, estos dos ajustes cierran la mayor parte de la brecha entre el resultado que necesita mucha edición y el que es realmente utilizable.
Una vez que te sientas cómodo con estos patrones, el siguiente paso natural es combinarlos en una estructura consistente. El marco Rol/Tarea/Contexto/Formato organiza todo en un sistema repetible que puedes aplicar a cualquier tarea. Nuestro generador gratuito de prompts de IA te guía a través de cada capa: describe tu tarea y audiencia, y genera un prompt estructurado completo que puedes pegar directamente en ChatGPT o Claude.
Preguntas frecuentes
¿Estos patrones funcionan para todos los modelos de IA, no solo ChatGPT? Sí. La asignación de rol, la especificación de formato, las restricciones primero, la carga de contexto y el acotamiento iterativo funcionan con Claude, Gemini, Mistral y cualquier otro modelo de lenguaje grande porque todos se benefician de la misma claridad estructural. Algunos modelos responden de forma ligeramente diferente al mismo prompt, pero los patrones funcionan en todos los modelos principales.
¿Cómo sé si mi prompt es lo suficientemente específico? Una prueba simple: ¿dos personas diferentes podrían leer tu prompt y producir resultados similares? Si la respuesta es no —si alguien más interpretaría la tarea de forma diferente— necesitas más especificidad. Los vacíos más comunes están en el formato (no dijiste qué estructura quieres) y la audiencia (no dijiste para quién es).
¿Qué debo hacer cuando la IA malinterpreta completamente mi prompt? No vuelvas a ejecutar el mismo prompt. Identifica qué parte fue malinterpretada —tarea, formato o rol— y añade una frase aclaratoria a esa capa específica. Si el formato del resultado era incorrecto, añade una especificación de formato explícita. Si el tono era incorrecto, añade una restricción o un ejemplo de estilo. La iteración orientada supera comenzar desde cero.
¿Existe un recuento de palabras o extensión que hace los prompts más efectivos? Para la mayoría de las tareas, entre 80 y 250 palabras es el rango efectivo. Por debajo de 50 palabras, casi con certeza estás subespecificando. Por encima de 400 palabras, corres el riesgo de diluir el enfoque a menos que la extensión adicional sea todo contexto significativo o material fuente. El objetivo es la precisión, no la extensión: un prompt apretado de 100 palabras supera a uno vago de 300 palabras.
¿Cuánto tiempo lleva volverse consistentemente bueno en la creación de prompts? Con práctica deliberada —aplicando estos cinco patrones a tareas reales y revisando los resultados de forma crítica— la mayoría de las personas obtiene resultados fiables en dos o tres semanas de uso diario. El cambio está en notar cuándo los resultados son débiles y diagnosticar qué elemento del prompt lo causó, luego corregirlo. Ese circuito de retroalimentación, repetido las veces suficientes, construye la habilidad.