Cómo escribir buenos prompts: guía práctica con ejemplos

Un prompt no es un conjuro

Circula la idea de que existen palabras mágicas que desbloquean respuestas mucho mejores. No es así. Los modelos actuales entienden el lenguaje natural perfectamente y no necesitan que les digas “actúa como un experto de nivel mundial” para esforzarse. Ese tipo de fórmulas eran útiles con modelos antiguos y hoy son, casi siempre, ruido.

Lo que sí cambia radicalmente el resultado es la información. Un prompt bueno no es el que está escrito con la sintaxis correcta, sino el que contiene lo que el modelo necesita saber para acertar. Y lo que necesita saber es lo mismo que necesitaría un becario competente al que le encargases la tarea sin conocer nada de tu contexto.

De ahí sale la única regla que de verdad importa: si un humano inteligente no podría hacer bien la tarea con lo que le has dicho, la IA tampoco. La mayoría de respuestas decepcionantes no son fallos del modelo, son encargos mal hechos.

La anatomía de un prompt que funciona

No hay una plantilla obligatoria, pero los prompts que rinden bien suelen contener cinco cosas. No hace falta que estén en este orden ni que aparezcan todas, pero cuando una respuesta sale mal, casi siempre falta alguna.

• Tarea: qué quieres exactamente. Un verbo claro. No “háblame de X”, sino “resume X en cinco puntos para alguien que no sabe nada del tema”.
• Contexto: quién eres, para qué es, quién lo va a leer, qué ha pasado antes. Es lo que más se olvida y lo que más impacto tiene.
• Formato: cómo quieres la salida. Lista, tabla, correo, código, número de palabras. Si no lo dices, el modelo elegirá por ti, y elegirá lo más genérico.
• Restricciones: qué no quieres. Sin tecnicismos, sin adjetivos grandilocuentes, sin inventarse datos, máximo 200 palabras.
• Criterio de éxito: cómo sabrás que está bien. “Tiene que poder leerlo mi jefe en un minuto y entender la decisión que le pido.”

Antes y después: la diferencia se ve enseguida

Prompt flojo: “Escríbeme un email para pedir un aumento de sueldo.” El resultado será correcto, genérico y probablemente inservible: no sabe cuánto llevas en la empresa, qué has conseguido, cómo es tu jefe ni qué cifra pides.

Prompt bueno: “Soy analista de datos en una consultora de 40 personas, llevo dos años y medio y en el último he liderado la migración del sistema de informes, que ha reducido en un 30% el tiempo de cierre mensual. Mi jefe es directo, no le gustan los rodeos y decide rápido. Escribe un correo de 150 palabras pidiendo una revisión salarial. Tono profesional pero cercano, sin adular, con un dato concreto de impacto y una propuesta clara de reunión. No menciones ofertas de otras empresas.”

La segunda versión no usa ningún truco. Solo dice lo que el modelo no podía saber. Y esa es toda la diferencia entre un texto que tiras y uno que envías después de retocar dos frases.

El mismo principio se aplica a cualquier ámbito. “Analiza estos datos” es un mal encargo. “Estos son los datos de ventas de los últimos seis meses, busco entender por qué cayó marzo, tengo la hipótesis de que fue por la campaña que paramos; contrasta esa hipótesis y dime si los datos la apoyan o la contradicen” es un buen encargo.

Enseñar con ejemplos: el atajo más infravalorado

Describir un estilo con palabras es difícil. Mostrarlo es trivial. Si quieres que la IA escriba como tú, pégale dos o tres textos tuyos y pídele que imite el tono, la longitud de frase y el vocabulario. Aprenderá más de esos ejemplos que de cualquier adjetivo que uses para describirte.

Esto vale para casi todo: si necesitas que te clasifique tickets de soporte, dale cinco ejemplos ya clasificados. Si necesitas un formato concreto de resumen, enséñale uno bien hecho. Un ejemplo real equivale a media página de instrucciones, y funciona mejor.

Cuando el resultado se desvía, la corrección más eficaz también es un ejemplo: “No, así no; así sí”, con las dos versiones delante. Es exactamente igual que enseñar a una persona.

Dale espacio para pensar

Para tareas que requieren razonamiento (análisis, decisiones, problemas con varios pasos), pedir directamente la conclusión suele dar peores resultados que pedir el proceso. Una instrucción tan simple como “razona paso a paso antes de dar la respuesta final” mejora de forma consistente la calidad en problemas complejos, porque obliga al modelo a construir el razonamiento en lugar de saltar a la primera respuesta plausible.

Otra técnica útil: pedir varias opciones antes de la recomendación. “Dame tres enfoques posibles con sus ventajas e inconvenientes, y luego recomienda uno justificando por qué.” Esto evita el problema clásico de que la IA se enamore de su primera idea, y de paso te da a ti material para decidir.

Y una tercera, especialmente valiosa cuando hay algo en juego: pedirle que critique su propia respuesta. “Ahora revisa lo que has escrito y señala sus tres puntos más débiles.” Suele encontrarlos, y suele tener razón.

El prompt es una conversación, no un formulario

La obsesión por escribir el prompt perfecto a la primera es contraproducente. Es mucho más eficiente empezar con algo razonable, ver qué falla y corregir. La segunda respuesta casi siempre es mejor que la primera, y la tercera mejor que la segunda, siempre que las correcciones sean concretas.

Corregir bien significa señalar el problema, no repetir el encargo. “Está demasiado genérico” es una mala corrección. “El segundo párrafo no dice nada que no supiera ya; sustitúyelo por un ejemplo concreto de una empresa pequeña” sí lo es.

Un hábito que ahorra mucho tiempo: pídele a la IA que te pregunte. “Antes de escribir nada, hazme las tres preguntas cuya respuesta más mejoraría el resultado.” Suele señalar exactamente los huecos de contexto que no habías visto.

Los prompts de imagen juegan con otras reglas

Todo lo anterior aplica a texto. Con generadores de imágenes como Midjourney, DALL·E, Stable Diffusion o Ideogram, la lógica cambia: no conversas, describes. Y lo que hay que describir no es solo el objeto, sino cómo está mirado.

Un prompt de imagen completo suele incluir sujeto, acción, entorno, encuadre, iluminación, estilo y paleta. “Un perro” da una foto de archivo. “Un perro viejo dormido en el suelo de una cocina, luz cálida de tarde entrando por una ventana lateral, plano cenital, fotografía documental, grano suave” da algo que se parece a lo que tenías en la cabeza.

Aquí sí hay diferencias entre herramientas: DALL·E interpreta mejor descripciones largas en lenguaje natural, mientras que Midjourney y Stable Diffusion responden bien a listas de atributos separados por comas. Escribir para cada una como si fuera la otra es una fuente habitual de decepciones.

Errores frecuentes

• Pedir varias cosas a la vez. Un prompt, una tarea. Si necesitas cinco cosas, haz cinco peticiones.
• Dar por supuesto el contexto. El modelo no sabe a qué te dedicas, quién es tu público ni qué decidiste la semana pasada.
• No decir el formato ni la longitud. Después te quejas de que se enrolla.
• Aceptar la primera respuesta. Casi siempre es la más genérica de las que podría haber dado.
• Fiarte de los datos, fechas y citas sin comprobarlos. Un prompt bien escrito reduce los errores, pero no los elimina.
• Pegar información confidencial en herramientas gratuitas cuyas conversaciones pueden usarse para entrenar.

Una plantilla que puedes reutilizar

Si quieres algo concreto para empezar hoy, copia esta estructura y rellena los huecos. Funciona en cualquier chatbot generalista y sirve para el noventa por ciento de las tareas de trabajo.

“Contexto: [quién eres, para qué es esto, quién lo va a leer]. Tarea: [qué quieres exactamente]. Formato: [tipo de salida y longitud]. Restricciones: [qué evitar]. Criterio: [cómo sabremos que está bien]. Si te falta información para hacerlo bien, pregúntamela antes de empezar.”

Con el tiempo dejarás de necesitar la plantilla, porque el hábito se interioriza. Escribir buenos prompts no es aprender una técnica exótica: es aprender a explicar lo que quieres con precisión, que resulta ser una habilidad bastante útil también fuera de la IA.