Cómo escribir prompts que funcionan
Un prompt útil no es necesariamente largo. Lo importante es que reduzca la ambigüedad suficiente para que la IA sepa qué debe producir, para quién, con qué límites y en qué formato. La forma más sencilla de mejorar resultados consiste en separar cinco piezas: objetivo, contexto, restricciones, formato y criterio de revisión.
1. Empieza por el resultado, no por la herramienta
Antes de escribir una instrucción, define qué quieres tener al final. “Ayúdame con marketing” es demasiado abierto. “Propón cinco asuntos de email para recuperar clientes inactivos de una tienda online, con tono directo y sin descuentos inventados” describe una salida comprobable.
Una buena pregunta previa es: ¿cómo sabré si la respuesta me sirve? Si no puedes responderla, el modelo tampoco tendrá un criterio claro.
2. Añade solo el contexto que cambia la respuesta
El contexto debe afectar a la solución. Puede incluir el tipo de negocio, audiencia, etapa del proyecto, materiales disponibles o limitaciones. No hace falta contar toda la historia de una empresa si solo necesitas corregir un texto de 100 palabras.
Ejemplo: “Somos una clínica local que recibe consultas por WhatsApp. La mayoría pregunta precio, horarios y disponibilidad. Necesito una plantilla de respuesta inicial que no confirme citas automáticamente.” Esa información cambia de forma directa la salida.
3. Expresa las restricciones de forma concreta
Las restricciones evitan que el modelo complete huecos de forma inadecuada. Resultan especialmente útiles para prohibir datos inventados, limitar extensión, excluir afirmaciones no verificadas o exigir que se señalen dudas.
- No inventes precios ni testimonios.
- Máximo 120 palabras.
- Si falta un dato, marca [DATO PENDIENTE].
- No des asesoramiento médico; limita la respuesta a información administrativa.
4. Define el formato de salida
Si necesitas una tabla, checklist, mensaje listo para copiar o una lista priorizada, indícalo. El formato no es decoración: reduce tiempo posterior de edición.
Por ejemplo: “Devuelve una tabla con columnas: problema, causa probable, acción, prioridad y responsable.” Esto suele producir una respuesta más operativa que “analiza estos problemas”.
5. Añade un criterio de revisión
Pedir una segunda comprobación ayuda a detectar incoherencias. Puedes solicitar que el modelo revise su propuesta contra reglas concretas: “Antes de terminar, comprueba que no has inventado cifras y que cada recomendación puede ejecutarse con la información disponible”.
Fórmula reutilizable
Objetivo: qué resultado necesitas. Contexto: información que cambia la solución. Restricciones: qué no debe hacer y qué límites debe respetar. Formato: cómo debe presentar la salida. Revisión: qué debe comprobar antes de finalizar.
Ejemplo completo
Objetivo: redactar una respuesta a un cliente que pregunta por un retraso. Contexto: el pedido debía llegar ayer, todavía no tenemos nueva fecha confirmada y soporte está revisándolo. Restricciones: no inventes fecha, no prometas compensación, máximo 90 palabras. Formato: mensaje de WhatsApp listo para copiar. Revisión: confirma que el texto reconoce la incidencia y deja claro qué información falta.
Este esquema funciona mejor que pedir simplemente “escribe una respuesta profesional”, porque obliga a trabajar con hechos y límites reales.
Cuándo conviene dividir un prompt en varios pasos
Si una tarea requiere analizar mucho material, tomar decisiones y después redactar, suele ser más fiable separar fases. Primero pide extracción de hechos. Después clasificación o diagnóstico. Finalmente redacción. Así puedes comprobar cada etapa antes de arrastrar un error a la siguiente.
Errores frecuentes
- Pedir demasiado a la vez: mezcla análisis, estrategia, copy y ejecución sin revisar fases.
- No aportar material: pedir un resumen sin incluir el texto o los datos.
- Confundir tono con objetivo: “hazlo profesional” no sustituye explicar qué debe conseguir el mensaje.
- No indicar qué hacer cuando falta información: el modelo puede rellenar huecos. Mejor pedir que señale datos ausentes.
- Usar una respuesta como hecho: una salida convincente puede ser incorrecta; valida cifras, normas, fechas y nombres.
Checklist antes de usar la respuesta
- ¿Responde exactamente al objetivo?
- ¿Ha añadido hechos que no estaban en el contexto?
- ¿Respeta las restricciones?
- ¿El formato permite utilizarla sin reconstruirla?
- ¿Hay datos que deban verificarse externamente?
La mejora de prompts no consiste en encontrar una frase mágica. Consiste en convertir una tarea difusa en una especificación suficientemente clara para poder revisar el resultado.