Qué es un prompt: el resultado cambia según «cómo se lo dices» a la IA
Cuando le pides algo a un amigo, no es lo mismo decir «hazlo así, en plan bien» que «necesito que me prepares una propuesta de 2 páginas en A4 para el viernes que viene, con un presupuesto por debajo de 5.000 euros». La respuesta que recibes es completamente distinta, ¿verdad?
Con las instrucciones a la IA pasa lo mismo. Un prompt es el texto de instrucciones que le envías a la IA. Y con solo la forma de escribirlo, la respuesta de la IA cambia radicalmente.
Esto no es una impresión subjetiva. Según un metaanálisis de más de 1.500 artículos de investigación sobre prompts, con solo añadir condiciones concretas al prompt la precisión de la respuesta mejora en torno a un 30 % y la información irrelevante se reduce un 42 %[1].
Quizá hayas oído la expresión «ingeniería de prompts». Hay datos de que en 2025 el 68 % de las empresas ya había incorporado las habilidades con prompts a su formación estándar para toda la plantilla[2]. Ya no es una destreza especializada solo de ingenieros, sino una habilidad básica que necesita cualquiera que use IA.
En este capítulo explicamos, con ejemplos concretos, cómo escribir prompts que cualquiera puede poner en práctica hoy mismo. Para un recopilatorio de plantillas aún más práctico, consulta también la Guía práctica de ingeniería de prompts.
Según el prompt, la respuesta de la IA cambia por completo
Los 5 elementos de un buen prompt
Un prompt eficaz tiene cinco elementos. Si lo comparamos con una receta de cocina, serían algo así como «quién lo cocina (rol)», «qué se cocina (tarea)», «para quién se cocina (contexto)», «cómo se emplata (formato)» y «adaptación a alergias (restricciones)».
Con solo anteponer «eres un experto en tal cosa», cambian el tono y el nivel de conocimiento de la respuesta.
Ejemplo: «eres un especialista en marketing web con 10 años de experiencia; dime cómo aumentar las visitas de un blog personal».
No solo «dime» o «piensa», sino verbos concretos. Cuanto más clara sea la acción —«resume», «compara», «propón 5»—, con más precisión actúa la IA.
Si le cuentas a la IA tu situación, la orientación de la respuesta mejora mucho. Con solo escribir «soy un estudiante universitario sin experiencia en programación», el nivel se ajusta solo.
«En viñetas», «en una tabla», «en menos de 300 caracteres», «con encabezados». Si no indicas el formato, la IA tiende a responder con párrafos largos. Especifícalo según el uso.
Si transmites de golpe las reglas y condiciones —«no uses tecnicismos», «limítate al mercado español», «incluye siempre también los inconvenientes»—, reduces las repeticiones.
💡 No hace falta meter los 5 elementos cada vez. Mientras te acostumbras, con solo tener presentes ② tarea + ③ contexto ya cambia mucho la calidad de la respuesta. Cuando cojas soltura, ve añadiendo los demás.
Recopilatorio de técnicas prácticas: 7 patrones para usar hoy
En «The Prompt Report», un gran estudio publicado en 2024, se clasifican de forma sistemática hasta 58 técnicas de prompt[3]. Pero no hace falta memorizar 58. Las que de verdad sirven en el uso cotidiano son unas 7. Aquí las ordenamos por dificultad.
Añade cifras, sujeto y condiciones. El más sencillo y el de mayor efecto.
Viñetas, tabla, número de caracteres. Recíbelo en la forma más cómoda.
Con «eres un tal con X años de experiencia», cambia la profundidad de la respuesta.
Con 2-3 ejemplos de entrada y salida, funciona en clasificación, conversión y tareas rutinarias.
Mejora la precisión del razonamiento en cálculo, lógica y análisis complejos.
Que vuelva a revisar su respuesta con espíritu crítico y eleve la precisión.
Hacer que la IA cree el propio prompt y ajustarlo a tu medida.
[Básico] ① Dar instrucciones concretas
La técnica más sencilla y de mayor efecto. Solo consiste en añadir cifras, sujeto y condiciones a una pregunta vaga.
❌ Vago: «dime cómo aumentar las ventas».
✅ Concreto: «propón 5 medidas para subir un 20 % las ventas mensuales de un restaurante de ramen con 10 empleados, ordenadas de menor a mayor coste. El ticket medio actual es de 900 yenes y hay unos 3.000 clientes al mes».
[Básico] ② Especificar el formato de salida
Según los estudios, hay casos en los que la precisión cambia hasta 76 puntos según se especifique o no el formato[1]. Con solo añadir «en viñetas», «en una tabla comparativa» o «en menos de X caracteres», obtienes una respuesta más fácil de usar.
[Básico] ③ Asignar un rol (juego de rol)
Con solo decir «eres tal cosa», recibes una respuesta especializada en ese ámbito.
«Eres un gerente de ventas con 10 años de experiencia. Dime, por orden de prioridad, las habilidades que un comercial novato debería adquirir en sus primeros 3 meses».
La clave es incluir los años de experiencia o un puesto concreto. Con «eres un tal con X años de experiencia» cambia la profundidad de la respuesta mucho más que con un simple «eres un experto».
[Intermedio] ④ Mostrar ejemplos (Few-shot)
Consiste en mostrarle a la IA 2 o 3 ejemplos de entrada y salida antes de pedirle lo que quieres. Es especialmente potente en clasificación, conversión y tareas rutinarias.
Clasifica el sentimiento de las reseñas de productos con el siguiente formato.
Reseña: «¡Este producto es lo mejor!» → Sentimiento: positivo
Reseña: «Fue decepcionante» → Sentimiento: negativo
Reseña: «Se usa sin más» → Sentimiento: neutroReseña: «El envío es rápido, pero venía con un arañazo» → Sentimiento:
Hay un resultado de investigación interesante: el efecto del few-shot depende más de la «variedad» de los ejemplos que de su «corrección». Es decir, más que preparar ejemplos perfectos, lo importante es mostrar la amplitud de patrones[4].
[Intermedio] ⑤ Hacer que razone por pasos (Chain-of-Thought)
Hay estudios según los cuales, con solo añadir «piensa paso a paso», la precisión en tareas de razonamiento mejora en torno a un 35 %[1]. Es especialmente eficaz en problemas de cálculo, de lógica y análisis complejos.
«Una manzana cuesta 150 yenes y una mandarina 80 yenes. Compro 3 manzanas y 5 mandarinas y pago con un billete de 1.000 yenes: ¿cuánto me devuelven? Responde mostrando el cálculo paso a paso».
⚠️ Advertencia para 2025: a los «modelos de razonamiento» más recientes, como los ChatGPT de la serie o o el Extended Thinking de Claude, no les indiques «paso a paso». Estos modelos hacen internamente el razonamiento por pasos de forma automática, así que darle la instrucción explícita puede, al contrario, empeorar el rendimiento[5]. Usa «paso a paso» con los modelos estándar conversacionales que no tienen modo de razonamiento.
[Avanzado] ⑥ Hacer que se autorrevise
Es la técnica de hacer que la IA revise su propia respuesta con espíritu crítico. Es eficaz cuando se exige exactitud.
(después de recibir la respuesta de la IA)
«Revisa con espíritu crítico si esta respuesta tiene problemas u omisiones. Si hay errores, corrígelos».
Ahora bien, la IA no encuentra el 100 % de sus propios errores. Los investigadores señalan la «trampa de la verosimilitud» (plausibility trap): cuanto más verosímil parece la salida de la IA, más difícil es verificarla[5]. En las decisiones importantes, incluye siempre también una revisión humana.
[Avanzado] ⑦ Metaprompt: hacer que la IA cree el prompt
Cuando cojas soltura escribiendo prompts, también existe el método de hacer que la propia IA cree el prompt.
«Soy diseñador web autónomo y quiero preparar de forma eficiente propuestas para clientes. Crea el prompt óptimo para lograr este objetivo».
El truco no está en usar tal cual el prompt que crea la IA, sino en ajustarlo a tu situación.
Antes / Después: cuánto cambia con la misma pregunta
Como con solo explicar las técnicas cuesta hacerse una idea, veamos ejemplos concretos de Antes/Después. A la izquierda, una instrucción vaga; a la derecha, una instrucción con condiciones añadidas.
Ejemplo 1: redactar un correo profesional
| Antes | Después |
|---|---|
| «Escribe un correo de disculpa» → se genera un correo genérico e inservible |
«Escribe un correo de disculpa al Sr. Tanaka, jefe de departamento del cliente, por un retraso de 3 días en la entrega. La causa fue un problema logístico y se prevé que llegue el lunes que viene» → un correo listo para enviar al instante |
Ejemplo 2: lluvia de ideas para un proyecto
| Antes | Después |
|---|---|
| «Dame ideas de nuevos productos» → propuestas vagas, sin saber el sector ni el tipo de producto |
«Propón 5 productos de alimentación saludable para mujeres de entre 20 y 30 años, con suscripción por menos de 3.000 yenes al mes. Añade también los puntos que lo diferencian de los competidores A y B» → ideas listas para usar tal cual en la propuesta |
Ejemplo 3: aprender e investigar
| Antes | Después |
|---|---|
| «Explícame el aprendizaje automático» → recibes una explicación rígida y difícil |
«Explica el funcionamiento del aprendizaje automático como si fuera una receta de cocina, de forma que lo entienda un alumno de secundaria. Sin tecnicismos y con 2 ejemplos concretos» → recibes una explicación cercana y fácil de entender al momento |
El punto en común es tener claro «a quién, qué, cómo y en qué forma». Cuantas más condiciones añades, más certera es la respuesta de la IA.
Errores frecuentes y cómo resolverlos
Presentamos las 5 trampas en las que suele caer quien empieza a usar la IA y cómo salir de ellas.
❌ Error 1: instrucciones demasiado ambiguas
«Escríbelo bien» o «mejóralo» son instrucciones que también dejan a la IA en apuros. Transmite en concreto qué es «bueno» y de qué manera. El truco es explicitar el criterio: «en un tono desenfadado», «mete 3 cifras», «en menos de 300 caracteres».
❌ Error 2: preguntarlo todo de golpe
«Dime cómo montar una estrategia de marketing, qué herramientas recomiendas y cómo organizar el presupuesto». Así, la IA intenta cubrirlo todo por encima y todo queda a medias. En una pregunta, pregunta un solo tema. Preguntar lo siguiente partiendo de la respuesta anterior da respuestas más profundas.
❌ Error 3: creerte la salida de la IA tal cual
La IA se equivoca con total aplomo (alucinaciones). Hay que tener especial cuidado con:
- Cifras y estadísticas concretas: pregunta por la fuente y confírmala
- Nombres propios: nombres de personas, empresas o leyes hay que verificarlos siempre
- Información reciente: el conocimiento del modelo tiene fecha de caducidad
- Derecho y fiscalidad: confírmalo siempre con información oficial
La solución es simple. Coge la costumbre de preguntar «dime la fuente de esta información». La información para la que la IA no sabe indicar una fuente es señal de que hay que verificarla.
❌ Error 4: quedarte en un solo intercambio
«Le pregunté a la IA pero la respuesta fue regular» → «al final la IA no sirve». Es un patrón que desaprovecha muchísimo. Lo explicamos en detalle en la siguiente sección, pero dialogar con la IA parte de la base de 2 o 3 idas y vueltas.
❌ Error 5: delegarlo todo en la IA
A la IA se le da bien crear borradores, ordenar información y generar ideas. A la persona se le da bien la decisión final, leer el contexto y la consideración ética. Combinar ambas es el uso más eficaz. «Que la IA haga el borrador y la persona lo remate»: este reparto es el que mejor funciona.
El arte de dialogar con la IA: no lo dejes en un solo intento
Más importante aún que las técnicas de prompt es la idea de «acumular diálogo».
En la investigación sobre prompts se afirma que la retroalimentación iterativa mejora la calidad de la salida un 35 %[1]. En lugar de buscar la perfección al primer intento, mira la respuesta de la IA, corrige el rumbo y vuelve a preguntar. Este ciclo eleva la calidad.
Envía el primer prompt teniendo presentes los 5 elementos.
Juzga con ojo humano lo bueno y lo que falta.
Indica correcciones de rumbo o que profundice, y hazla rectificar.
En 2 o 3 idas y vueltas llegas a la calidad buscada.
Los 6 patrones de retroalimentación
Para quien no sepa «qué comentar», presentamos 6 patrones fáciles de usar.
| Patrón | Ejemplo de uso |
|---|---|
| Corregir el rumbo | «Haz el estilo más desenfadado», «es demasiado técnico, oriéntalo a principiantes» |
| Profundizar | «Explica con más detalle la tercera propuesta», «añade los pasos concretos» |
| Añadir condiciones | «Céntrate en propuestas por debajo de 1 millón de yenes», «limítate al mercado español» |
| Cambiar de perspectiva | «Replantéalo desde el punto de vista del cliente», «da también la opinión contraria» |
| Control de calidad | «Comprueba si este contenido tiene errores o contradicciones» |
| Cambiar de formato | «Convierte esto en el texto de un correo», «reorganízalo en una tabla» |
Con 2 o 3 rondas de retroalimentación, la calidad de la respuesta mejora enormemente. El truco es no buscar la perfección desde el principio.
Del prompt a la «ingeniería del contexto»
Por último, hablemos también de la tendencia más reciente en la técnica de los prompts.
El investigador de IA Andrej Karpathy afirmó en junio de 2025 que «los prompts cortos del día a día son solo una parte ínfima del uso de la IA a escala industrial», y propuso el concepto de ingeniería del contexto[6].
Es la idea de diseñar adecuadamente no solo el prompt (el texto de instrucciones), sino toda la información que se le entrega a la IA: materiales de referencia, intercambios anteriores, resultados de herramientas, etc. Por ejemplo, hacer que la IA lea documentos internos antes de preguntarle, o adjuntar las actas de reuniones anteriores antes de pedirle un resumen, entra dentro de esto. Lo explicamos en detalle en Qué es la ingeniería del contexto. Esta idea cobra importancia también en el vibe coding, en el que se delega la implementación en la IA, y en el desarrollo dirigido por especificaciones.
Aun así, lo básico no cambia. Empieza por poner en práctica los 5 elementos y las 7 técnicas que has aprendido en este capítulo. Solo con eso, la calidad de las respuestas de la IA cambiará hasta el punto de que no la reconocerás.
- Con solo la forma de escribir el prompt, la respuesta cambia por completo. Añadir condiciones ya sube la precisión.
- Un buen prompt tiene 5 elementos: rol, tarea, contexto, formato y restricciones. Empieza por ② tarea + ③ contexto.
- Las técnicas prácticas son 7, por dificultad. De concretar, indicar formato y asignar rol, a few-shot, razonamiento por pasos y autorrevisión.
- Con los modelos de razonamiento más recientes, «paso a paso» sobra. Úsalo con los modelos estándar.
- No lo dejes en un intento: púlelo con 2 o 3 rondas de retroalimentación. Más allá está la ingeniería del contexto.
Referencias
- Gupta, Aakash. "I Spent a Month Reading 1,500+ Research Papers on Prompt Engineering." Medium, 2025.
- "Is Prompt Engineering Dead?" Fast Company, mayo de 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 de 2025.
Enlaces relacionados:
- Prompt Engineering Guide — guía completa de técnicas de prompt (en inglés)
- Anthropic Prompt Engineering Docs — guía de diseño de prompts para Claude
En el siguiente capítulo veremos cómo aprovechar en escenarios reales la técnica de prompts que has aprendido aquí: presentamos usos concretos en el trabajo, el aprendizaje y la creación.