El tema de hoy
Escritura de Prompts Descodificada
El Superpoder Secreto que Pocos Dominan en la Era de la IA
El prompt engineering es la práctica de diseñar y mejorar las instrucciones que damos a una IA. Aquí tienes un método de cinco capas: rol, contexto, ejemplos, estilo y formato, para pasar de una petición vaga a una respuesta que puedas evaluar.
Imagina que tienes un genio de la lámpara capaz de ayudarte con muchas tareas, pero necesita que le expliques qué buscas. La metáfora tiene un límite: un modelo no lo sabe todo ni garantiza que su respuesta sea correcta. Por eso, además de pedir con claridad, hay que revisar lo que devuelve.
"Escribí exactamente lo mismo que mi colega en ChatGPT, pero ella obtuvo un plan de marketing brillante y yo apenas recibí generalidades", se quejaba recientemente un cliente. Para entender esa diferencia, conviene comparar también el contexto de la conversación, la versión del modelo y los criterios usados para evaluar la respuesta.
¿Qué es el prompt engineering y para qué sirve?
Una referencia concreta para situarnos en 2024 es la encuesta de McKinsey publicada el 30 de mayo: el 65% de los encuestados señaló que su organización utilizaba IA generativa regularmente en al menos una función. Participaron 1.363 personas entre el 22 de febrero y el 5 de marzo de 2024. Es un resultado de esa encuesta, no un censo de todas las empresas.
En ese contexto, saber explicar qué necesitas de estas herramientas puede convertirse en una ventaja práctica. El prompt engineering va más allá de escribir una pregunta: ayuda a hacer explícitos el objetivo, el contexto y la forma de la respuesta.
La Revolución Silenciosa
Mientras todos hablan de qué IA usar, también vale la pena aprender cómo usarla. Prueba la misma tarea con una petición breve y con instrucciones que aclaren objetivo, audiencia y formato. Compara después la precisión, la relevancia y el trabajo de revisión que exige cada respuesta. Esa prueba te dirá más sobre tu caso que una promesa de mejora universal.
Entendiendo los LLMs: Los Gigantes Detrás de la Cortina
Antes de dominar la comunicación con IA, necesitamos entender con qué estamos trabajando. Los modelos de lenguaje de gran escala (LLM) generan texto a partir de patrones aprendidos y del contexto que reciben. Pueden producir respuestas muy fluidas sin que esa fluidez asegure exactitud.
Tres modelos citados en 2024
GPT-4 de OpenAI
- En el informe técnico de GPT-4 (2023), OpenAI no publicó el tamaño del modelo. La cifra de 1,76 billones de parámetros no debe presentarse como un dato oficial.
- Capacidades descritas: procesamiento de texto e imágenes y generación de texto.
- Casos de uso: desde programación hasta análisis de textos, con revisión del resultado.
Claude 2 de Anthropic
- En su presentación de Claude 2 (11 de julio de 2023), Anthropic destacó mejoras en programación, matemáticas y razonamiento.
- Uso posible: trabajar con documentos extensos y preparar borradores.
- Una explicación convincente no sustituye la comprobación de las fuentes.
Gemini Ultra de Google
- En la presentación de Gemini (6 de diciembre de 2023), Google describió una familia multimodal que incluía Ultra.
- Tipos de información: texto, código, audio, imágenes y vídeo.
- El acceso a información reciente depende de las herramientas conectadas; no se deduce de que un modelo sea multimodal.
El método de las 5 capas: cómo estructurar tu prompt
1. Rol o Corona del Prompt
El rol orienta la perspectiva y el vocabulario de la respuesta. Pedir que simule a un experto no le da credenciales ni experiencia profesional reales.
Ejemplos de Roles Efectivos:
- "Actúa como un CMO con 20 años de experiencia en marketing B2B"
- "Asume el papel de un profesor de Harvard especializado en psicología cognitiva"
- "Toma la perspectiva de un desarrollador senior de Python con experiencia en machine learning"
2. Contexto o Marco Mental
El contexto proporciona el ecosistema completo donde se desarrollará la respuesta.
Elementos Clave del Contexto:
- Objetivo específico del proyecto
- Audiencia objetivo
- Restricciones y limitaciones
- Información de trasfondo relevante
3. Ejemplos o Mapa del Tesoro
Los ejemplos son tu GPS para guiar al LLM hacia el resultado deseado.
Tipos de Ejemplos Efectivos:
- Muestras de trabajos anteriores exitosos
- Referencias cuyo contenido hayas proporcionado o que la herramienta pueda abrir; un enlace por sí solo no permite verificar lo que dice la fuente
- Formatos preferidos con estructura clara
4. Estilo o la Voz y el Tono
El estilo determina cómo se comunica el mensaje.
Elementos de Estilo:
- Tono de voz (formal, conversacional, técnico)
- Nivel de detalle
- Uso de jerga o terminología específica
- Enfoque emocional vs. racional
5. Formato o Cimientos
El formato es la estructura que hace que el contenido sea útil y accionable.
Especificaciones de Formato:
- Longitud exacta (palabras o caracteres)
- Estructura de secciones
- Elementos visuales requeridos
- Formato de entrega
Ejemplos de prompts: antes y después
Ejemplo didáctico.
> Caso 1: Generación de Contenido
Prompt Básico: "Escribe un artículo sobre marketing digital"
Prompt Optimizado:
Rol: Eres un estratega senior de marketing digital con experiencia en SaaS
Contexto: Necesito un artículo para un blog corporativo dirigido a gerentes de marketing de medianas empresas
Ejemplos: Similar en estilo a los artículos de HubSpot y Neil Patel
Estilo: Profesional pero conversacional, con datos de 2024 cuya fuente y fecha se hayan verificado
Formato: 1500 palabras, estructura H2/H3, incluye solo estadísticas con fuente y fecha verificables; distingue los casos documentados de los hipotéticos
Ejemplo didáctico.
> Caso 2: Análisis de Datos
Prompt Básico: "Analiza estos datos de ventas"
Prompt Optimizado:
Rol: Actúa como un analista de datos senior con experiencia en retail
Contexto: Necesito identificar patrones de comportamiento del consumidor para optimizar el inventario
Ejemplos: Utiliza formatos de análisis similares a los informes de McKinsey
Estilo: Técnico pero accesible para gerentes no técnicos
Formato: Análisis de 5 puntos clave, con recomendaciones accionables y visualizaciones sugeridas
Errores Comunes y Cómo Evitarlos
- El Error de la Vaguedad
- Malo: "Dame ideas de marketing"
- Bueno: "Genera 5 estrategias de marketing digital B2B para una startup de software, enfocadas en LinkedIn y con presupuesto limitado"
- La Trampa de la Sobrecarga
- Malo: "Quiero todo sobre ventas, marketing, finanzas y operaciones en un solo análisis"
- Bueno: "Enfócate en la optimización del embudo de ventas B2B, específicamente en la fase de cualificación de leads"
- El Fallo del Contexto Ausente
- Malo: "Escribe un email"
- Bueno: "Redacta un email para recuperar clientes inactivos de una tienda online de productos orgánicos"
El Futuro Pertenece a los Maestros del Prompt
En un mundo donde la IA se está convirtiendo rápidamente en una herramienta indispensable, la habilidad para comunicarse efectivamente con ella será tan importante como lo fue aprender a usar una computadora en los años 90.
El prompt engineering no es solo una habilidad técnica; es el arte de la comunicación llevado al siguiente nivel. Dominar esta habilidad puede ayudarte a trabajar mejor en tareas que involucren IA.
Esta práctica también toca la familia Cognición y criterio del marco propio de riesgos humanos de la IA de karine.ai: define qué haría útil una respuesta y comprueba si lo cumple antes de usarla. La redacción del prompt y la evaluación del resultado van juntas.
¿Quieres practicar el método de las cinco capas? Elige una tarea real y contrasta tu prompt con la guía de buenas prácticas de prompts para ChatGPT de OpenAI. Repite la prueba cambiando una instrucción cada vez y anota qué mejora. Recurso revisado el 12 de noviembre de 2026.