¿Qué es un prompt? — Tu forma de comunicarte con la IA cambia el resultado
Cuando le pides un favor a un amigo, no es lo mismo decir «hazlo bien» que «necesito un documento de 2 páginas A4 para el viernes, con un presupuesto máximo de 5.000€». El resultado será completamente diferente, ¿verdad?
Con la IA pasa lo mismo. Prompt es la instrucción que le envías a la IA. Y según cómo escribas tu prompt, la respuesta cambia drásticamente.
No es una opinión subjetiva. Un metaanálisis de más de 1.500 papers sobre prompts demostró que añadir condiciones específicas mejora la precisión en un 30% y reduce la información irrelevante en un 42%[1].
Quizás hayas oído el término «prompt engineering». En 2025, el 68% de las empresas ya incluyen habilidades de prompt en la formación estándar para todos los empleados[2]. Ya no es una habilidad solo para ingenieros, sino una competencia básica para cualquiera que use IA.
En este capítulo te enseñamos a escribir prompts eficaces, con ejemplos concretos que puedes aplicar hoy mismo.
Los 5 elementos de un buen prompt
Un prompt eficaz tiene 5 elementos. Si lo comparamos con una receta de cocina: «quién cocina (rol)», «qué plato hacer (tarea)», «para quién (contexto)», «cómo presentarlo (formato)» y «restricciones alimentarias (restricciones)».
1. Rol (Role) — ¿Cómo quieres que responda?
Solo con decir «Eres un experto en...», el tono y nivel de conocimiento de la IA cambian.
Ejemplo: «Eres un especialista en marketing digital con 10 años de experiencia. ¿Cómo puedo aumentar el tráfico de mi blog personal?»
2. Tarea (Task) — ¿Qué quieres que haga?
No te quedes en «dime» o «ayúdame». Usa verbos específicos: «resume», «compara», «propón 5 ideas». Cuanto más claro sea lo que pides, más precisa será la respuesta.
3. Contexto (Context) — ¿Por qué lo preguntas?
Si le das contexto sobre tu situación, la respuesta mejora enormemente. Solo con escribir «soy un estudiante universitario sin experiencia en programación», la IA ajusta automáticamente la dificultad.
4. Formato (Format) — ¿Cómo quieres la respuesta?
«En viñetas», «en forma de tabla», «en menos de 300 palabras», «con títulos»... Si no especificas el formato, la IA tiende a dar respuestas largas en prosa. Adáptalo a tu necesidad.
5. Restricciones (Constraints) — ¿Qué no debe hacer o qué reglas debe seguir?
«Sin tecnicismos», «solo para el mercado español», «incluye siempre las desventajas»... Establecer reglas y limitaciones reduce la necesidad de volver a pedir.
No necesitas incluir los 5 elementos cada vez. Al principio, con solo tarea + contexto ya notarás una gran diferencia. Ve añadiendo los demás a medida que ganes confianza.
7 técnicas prácticas que puedes usar hoy
Un gran estudio de 2024, «The Prompt Report», catalogó 58 técnicas de prompts[3]. Pero no necesitas aprender las 58. Las que realmente marcan la diferencia en el día a día son unas 7. Aquí las organizamos por nivel de dificultad.
【Básica】1. Sé específico
La técnica más simple y con mayor impacto. Solo tienes que añadir números, público y condiciones a una pregunta vaga.
Vago: «¿Cómo aumento las ventas?»
Específico: «Propón 5 ideas para aumentar un 20% las ventas mensuales de un restaurante con 10 empleados, ordenadas de menor a mayor coste. El ticket medio actual es de 12€ y recibe unos 3.000 clientes al mes»
【Básica】2. Especifica el formato de salida
Según estudios, especificar o no el formato puede cambiar la precisión hasta en 76 puntos[1]. Solo añadir «en viñetas», «en tabla comparativa» o «en menos de X palabras» ya mejora mucho la utilidad de la respuesta.
【Básica】3. Asigna un rol (roleplay)
Solo con decir «eres un...» la respuesta se especializa automáticamente.
«Eres un director comercial con 10 años de experiencia. ¿Qué habilidades debería desarrollar un vendedor junior en sus primeros 3 meses, por orden de prioridad?»
La clave es incluir años de experiencia o posición concreta. «Eres un experto» es menos efectivo que «eres un X con Y años de experiencia».
【Intermedia】4. Da ejemplos (Few-shot)
Muestra 2-3 ejemplos de entrada/salida antes de hacer tu petición real. Muy eficaz para clasificación, transformación y tareas repetitivas.
Clasifica el sentimiento de estas reseñas según el formato:
Reseña: «Este producto es genial» → Sentimiento: Positivo
Reseña: «Me decepcionó bastante» → Sentimiento: Negativo
Reseña: «Funciona normal» → Sentimiento: NeutroReseña: «El envío fue rápido pero venía con un rasguño» → Sentimiento:
Un dato interesante: la eficacia del few-shot depende más de la «diversidad» de los ejemplos que de su «perfección». Es decir, mostrar variedad de patrones importa más que dar ejemplos perfectos[4].
【Intermedia】5. Haz que piense paso a paso (Chain-of-Thought)
Añadir «piensa paso a paso» mejora la precisión en tareas de razonamiento en un 35%[1]. Muy eficaz para cálculos, lógica y análisis complejos.
«Una manzana cuesta 1,50€ y una naranja 0,80€. Si compro 3 manzanas y 5 naranjas y pago con un billete de 10€, ¿cuánto me devuelven? Muestra el cálculo paso a paso.»
Nota importante para 2025: Con los «modelos de razonamiento» más recientes, como la serie o de ChatGPT o Claude Extended Thinking, no debes pedir «piensa paso a paso». Estos modelos ya lo hacen internamente, y la instrucción explícita puede empeorar el rendimiento[5]. Úsala con modelos estándar como ChatGPT 4o o Claude Sonnet.
【Avanzada】6. Haz que se autoevalúe
Pide a la IA que revise críticamente su propia respuesta. Útil cuando necesitas precisión.
(Después de recibir una respuesta:)
«Revisa críticamente esta respuesta. ¿Hay errores, omisiones o inconsistencias? Si encuentras algo, corrígelo.»
Eso sí, la IA no detecta el 100% de sus errores. Los investigadores advierten sobre la «trampa de la plausibilidad» (plausibility trap): cuanto más convincente parece una respuesta, más difícil es verificarla[5]. Para decisiones importantes, siempre añade revisión humana.
【Avanzada】7. Metaprompt — Haz que la IA escriba el prompt por ti
Cuando ya domines los prompts, puedes pedirle a la IA que los cree por ti.
«Soy diseñador web freelance y quiero crear propuestas para clientes de forma más eficiente. Crea el prompt óptimo para lograr este objetivo.»
El truco es no usar el prompt generado tal cual, sino ajustarlo a tu situación específica.
Before / After — La misma pregunta, resultados muy diferentes
Las técnicas se entienden mejor con ejemplos concretos de antes y después.
Ejemplo 1: Correo profesional
| Before | After |
|---|---|
| «Escribe un correo de disculpa» → Genera un correo genérico e inútil |
«Escribe un correo de disculpa para el director García porque la entrega se retrasó 3 días. La causa fue un problema logístico y llegará el lunes.» → Obtienes un correo listo para enviar |
Ejemplo 2: Lluvia de ideas
| Before | After |
|---|---|
| «Dame ideas para un producto nuevo» → Sin saber el sector ni el tipo de producto, las propuestas son vagas |
«Propón 5 productos de alimentación saludable por suscripción para mujeres de 20-30 años, por menos de 30€/mes. Incluye puntos de diferenciación respecto a los competidores A y B» → Ideas directamente utilizables en una propuesta |
Ejemplo 3: Aprendizaje
| Before | After |
|---|---|
| «Enséñame machine learning» → Explicación técnica y difícil de entender |
«Explica cómo funciona el machine learning de forma que lo entienda un adolescente, usando una analogía con recetas de cocina. Sin tecnicismos, con 2 ejemplos concretos» → Explicación accesible y comprensible al instante |
El patrón común es dejar claro «para quién, qué, cómo y en qué formato». Cuantas más condiciones añadas, más precisa será la respuesta de la IA.
Errores comunes y cómo evitarlos
Estos son los 5 errores típicos que cometen quienes empiezan a usar IA, y cómo solucionarlos.
Error 1: Instrucciones demasiado vagas
«Hazlo bien» o «mejóralo» son instrucciones que también confunden a la IA. Especifica qué significa «bien»: «con un tono informal», «incluye 3 datos numéricos», «en menos de 300 palabras».
Error 2: Preguntar todo a la vez
«Dime la estrategia de marketing, las herramientas recomendadas y cómo organizar el presupuesto» — la IA intentará cubrir todo superficialmente. Haz una pregunta por tema. Basándote en la respuesta anterior, haz la siguiente.
Error 3: Creer todo lo que dice la IA
La IA puede equivocarse con total confianza (alucinaciones). Ten especial cuidado con:
- Cifras y estadísticas — Pide la fuente y verifica
- Nombres propios — Personas, empresas, leyes... siempre confirma
- Información reciente — Los modelos tienen un límite temporal de conocimiento
- Legislación y fiscalidad — Siempre consulta fuentes oficiales
Solución: acostúmbrate a preguntar «¿Cuál es la fuente de esta información?». Si la IA no puede dar una fuente, es señal de que debes verificar.
Error 4: Quedarse con la primera respuesta
«Le pregunté a la IA pero la respuesta fue mediocre» → «La IA no sirve». Esto es un desperdicio. Como veremos en la siguiente sección, la conversación con la IA funciona mejor en 2-3 intercambios.
Error 5: Dejarlo todo en manos de la IA
La IA es fuerte en borradores, organización y generación de ideas. Los humanos somos fuertes en juicio final, lectura del contexto y consideraciones éticas. Combinar ambos es lo más eficaz. «Que la IA haga el borrador y el humano lo termine» — esta división del trabajo es la que mejor funciona.
El arte de conversar con la IA — No te quedes en un solo mensaje
Más importante que las técnicas individuales de prompts es la mentalidad de «mantener el diálogo».
La investigación muestra que el feedback iterativo mejora la calidad del resultado en un 35%[1]. No busques la perfección en el primer intento: lee la respuesta, corrige el rumbo y vuelve a preguntar. Ese ciclo es el que eleva la calidad.
6 tipos de feedback
| Tipo | Ejemplo de uso |
|---|---|
| Cambio de dirección | «Hazlo más informal» / «Demasiado técnico, simplifícalo» |
| Profundizar | «Desarrolla más la tercera idea» / «Añade pasos concretos» |
| Condiciones adicionales | «Limítalo a un presupuesto de 10.000€» / «Solo para el mercado español» |
| Cambio de perspectiva | «Piénsalo desde el punto de vista del cliente» / «Dame también argumentos en contra» |
| Control de calidad | «Revisa si hay errores o contradicciones en esta respuesta» |
| Cambio de formato | «Conviértelo en un correo electrónico» / «Reorganízalo en tabla» |
Con 2-3 rondas de feedback, la calidad de las respuestas mejora enormemente. El truco es no esperar la perfección desde el primer mensaje.
Del prompt engineering al «context engineering»
Para terminar, una nota sobre la última tendencia en técnicas de prompts.
El investigador de IA Andrej Karpathy declaró en junio de 2025 que «los prompts cortos del día a día son solo una pequeña parte del uso industrial de la IA», y propuso el concepto de context engineering[6].
Se trata de diseñar no solo el prompt (la instrucción), sino toda la información que se le da a la IA: documentos de referencia, conversaciones previas, resultados de herramientas, etc. Por ejemplo, cargar documentos internos antes de hacer una pregunta, o adjuntar notas de reuniones pasadas antes de pedir un resumen.
De todos modos, la base no cambia. Empieza por practicar los 5 elementos y las 7 técnicas de este capítulo. Solo con eso, la calidad de las respuestas será notablemente diferente.
Referencias
- Gupta, Aakash. «I Spent a Month Reading 1,500+ Research Papers on Prompt Engineering.» Medium, 2025.
- «Is Prompt Engineering Dead?» Fast Company, mayo 2025.
- Schulhoff, Sander et al. «The Prompt Report: A Systematic Survey of Prompting Techniques.» arXiv:2406.06608, 2024.
- Min, Sewon et al. «Rethinking the Role of Demonstrations: What Makes In-Context Learning Work?» arXiv:2202.12837, 2022.
- Lakera. «Prompt Engineering Guide 2026.» lakera.ai, 2026.
- Karpathy, Andrej. «Context Engineering.» X (Twitter), junio 2025.
Enlaces relacionados:
- Prompt Engineering Guide — Guía completa de técnicas de prompts (en inglés)
- Anthropic Prompt Engineering Docs — Guía de diseño de prompts para Claude
En el siguiente capítulo veremos cómo aplicar estas técnicas en la práctica: casos concretos de uso en el trabajo, el estudio y la creatividad.