Cómo escribir mejores prompts de IA: guía práctica

Un prompt suele ser más útil cuando aclara cinco cosas: objetivo, contexto, condiciones, formato de salida y, cuando aporta valor, ejemplos. La claridad reduce decisiones implícitas, pero no garantiza una respuesta correcta.

Compara "Resume este artículo" con "Resume el artículo en tres puntos para una responsable de producto que no lo ha leído. Señala la conclusión principal y una duda pendiente. Máximo 25 palabras por punto". La segunda petición define audiencia, prioridades y formato. Si solo necesitas una idea rápida, la primera puede bastar.

La calidad también depende del modelo, sus herramientas, los datos disponibles y la tarea. Para entender estos fundamentos con más detalle, consulta qué es prompt engineering y cuáles son sus límites.

Usa esta plantilla como checklist, no como fórmula obligatoria:

Objetivo: [qué resultado necesitas y para qué]
Contexto: [audiencia, datos o antecedentes relevantes]
Condiciones: [límites, criterios y cosas que debe evitar]
Salida: [estructura, longitud, idioma o tono]
Ejemplos: [uno o dos patrones, si aclaran el encargo]
Verificación: [qué debe comprobar o marcar como incierto]

Omite los campos que no ayuden. Un rol como "actúa como editora técnica" puede orientar el vocabulario, pero suele ser más importante describir la tarea y los criterios reales. Las instrucciones específicas superan a una etiqueta de rol vacía.

Empieza con un verbo y un resultado observable: resumir, comparar, clasificar, depurar, proponer o transformar. Añade para quién sirve y qué decisión ayudará a tomar.

Vago: "Háblame de la competencia".

Más útil: "Compara estas tres herramientas para un equipo de cinco diseñadores. Evalúa precio publicado, colaboración y exportación. Termina con dos opciones y explica qué dato falta para decidir".

Si el trabajo incluye investigar, decidir y redactar, puede convenirte dividirlo en etapas. Así puedes revisar los datos antes de usarlos en el siguiente paso.

Incluye la información que cambiaría la respuesta: audiencia, propósito, datos de entrada, definiciones internas y decisiones ya tomadas. Separa las instrucciones del material de referencia con encabezados, etiquetas o bloques claros.

No pegues contexto por si acaso. Los documentos largos pueden introducir ruido o superar los límites de la herramienta. Si trabajas con varias fuentes, indica cuáles debe usar, cómo tratar contradicciones y qué hacer cuando falte información.

Usa solo las notas entre <fuentes>.
Si una afirmación no aparece allí, escribe "no consta".
Separa hechos de inferencias.

Especifica solo las restricciones que importan: longitud, tono, fuentes permitidas, criterios de inclusión, idioma, fecha de corte o elementos que deben quedar fuera. Explica qué prioridad gana si dos reglas chocan.

Formula las condiciones de forma accionable. "Sé profesional" es abierto; "usa frases directas, evita jerga y explica cada sigla la primera vez" da criterios revisables. No pidas al modelo que suprima advertencias necesarias en temas legales, médicos, financieros o de seguridad.

Pide una estructura que encaje con el uso posterior: lista, tabla, esquema, correo, JSON válido o fragmento de código. Nombra los campos obligatorios y cómo representar información ausente.

Para automatización, incluye un esquema y valida la salida en tu aplicación. Para lectura humana, una tabla no siempre es mejor que unos párrafos breves. Si el proveedor ofrece salidas estructuradas o herramientas específicas, usa esos controles en lugar de confiar solo en una instrucción escrita.

Uno o dos ejemplos pueden mostrar tono, clasificación o estructura mejor que una explicación larga. Incluye casos representativos y, si importa, un caso límite. Asegúrate de que los ejemplos no contradigan las instrucciones.

Entrada: "Entrega prevista: quizá el viernes"
Salida: {"fecha":"viernes","certeza":"baja"}

No necesitas ejemplos para una petición sencilla que el modelo ya entiende. También pueden sesgar el contenido hacia el patrón mostrado, así que prueba con entradas distintas.

Trata la primera respuesta como un borrador. Compárala con criterios concretos, identifica el fallo principal y cambia una variable cada vez: contexto, condición, ejemplo, formato o modelo.

1. Prueba el prompt con varios casos, incluidos casos difíciles.
2. Anota qué requisito se incumple y con qué frecuencia.
3. Ajusta la instrucción relacionada, no todo el prompt a la vez.
4. Vuelve a probar y guarda el modelo, proveedor y configuración utilizados.

Para tareas repetidas, una pequeña batería de casos de prueba ofrece más información que juzgar una sola respuesta.

Escritura: "Reescribe este anuncio para personas que trabajan por cuenta propia. Mantén los datos y el CTA. Usa tono directo, máximo 120 palabras y dos subtítulos. Señala cualquier afirmación que necesite prueba".

Investigación: "Compara las fuentes adjuntas sobre [tema]. Para cada conclusión, cita la fuente y la fecha. Distingue consenso, desacuerdo y datos ausentes. No inventes referencias. Termina con tres preguntas pendientes". Si la herramienta puede navegar, pide enlaces verificables y comprueba que respaldan la afirmación.

Código: "En TypeScript estricto, escribe una función que [comportamiento]. Entrada: [tipo]. Salida: [tipo]. Debe manejar [casos límite]. No añadas dependencias. Incluye pruebas para [casos] y explica cualquier supuesto". Ejecuta las pruebas y revisa seguridad, rendimiento y compatibilidad antes de integrar el resultado.

Imagen: "Fotografía editorial de una bicicleta urbana azul apoyada en una pared de ladrillo claro, luz suave de mañana desde la izquierda, encuadre horizontal con espacio negativo a la derecha, paleta neutra, sin texto ni logotipos". La composición, la iluminación y las exclusiones suelen aportar más control que una lista de adjetivos. Consulta la guía de prompts de imagen IA para trabajar sujeto, escena, estilo y referencias.

Vídeo: "Plano medio de una ceramista levantando una taza de la mesa. La cámara avanza lentamente mientras entra vapor en el encuadre. Luz cálida de mañana, movimiento natural, clip breve, sin cortes". En imagen a vídeo, describe sobre todo el movimiento y evita repetir detalles ya fijados por la imagen. La guía de prompts de vídeo IA explica sujeto, cámara, acción, atmósfera y duración.

La relación de aspecto, duración, referencias y otros controles pueden vivir en la interfaz o la API, no en el texto. Revisa qué admite tu herramienta.

• Acumular objetivos: divide una cadena compleja cuando necesites revisar cada etapa.
• Añadir contexto irrelevante: conserva solo lo que puede cambiar la respuesta.
• Usar reglas vagas o contradictorias: define criterios y prioridades observables.
• Confiar en el formato solicitado: valida JSON, código, citas y cálculos fuera del modelo.
• Corregirlo todo a la vez: cambia una variable para saber qué mejora el resultado.

Los prompts cortos suelen ser mejores para lluvia de ideas, transformaciones simples, conversación exploratoria o tareas donde quieres variedad. Empieza con la instrucción mínima que exprese el objetivo y añade detalle solo cuando resuelva un fallo real. Un prompt largo puede limitar opciones útiles o esconder la prioridad principal.

El mismo prompt puede comportarse de forma distinta según el modelo, la versión, el proveedor, la temperatura, las herramientas conectadas y el contexto disponible. Un modelo de razonamiento, uno multimodal y uno pequeño no tienen las mismas fortalezas ni los mismos límites.

Consulta la documentación vigente de la superficie que usas. ChatGPT, una API de OpenAI, Claude, Gemini Apps, Google AI Studio y Vertex AI pueden ofrecer controles diferentes aunque compartan una familia de modelos. Las instrucciones del sistema, la búsqueda, la ejecución de código y las salidas estructuradas también cambian lo que conviene escribir en el prompt.

Cuando una tarea importa, prueba el prompt en el modelo y entorno reales. Registra la versión y vuelve a evaluarlo después de cambios del proveedor.

Un prompt mejor puede reducir ambigüedad, pero no convierte al modelo en una fuente infalible. Puede inventar hechos o citas, omitir excepciones, usar información desactualizada, producir código inseguro o presentar una inferencia como certeza.

Para información factual, pide fuentes, fechas y una separación clara entre hechos e inferencias, y después abre las fuentes. Para contenido legal, médico o financiero, usa fuentes primarias actuales y revisión de una persona cualificada.

Para código o decisiones críticas de seguridad, ejecuta pruebas, análisis estático y revisión experta en un entorno controlado. No uses una respuesta generada como única base para una decisión de alto impacto.

Si faltan datos, pide que el modelo lo indique en lugar de completar huecos. Aun así, verifica de forma independiente las afirmaciones y acciones importantes.

¿Cuánto debe medir un prompt? Lo suficiente para expresar el objetivo y los criterios relevantes. No hay una longitud ideal común a todas las tareas.

¿Debo asignar siempre un rol? No. Úsalo si aclara audiencia, perspectiva o nivel técnico. Una tarea concreta suele importar más.

¿Cuántos ejemplos necesito? Empieza sin ejemplos o con uno. Añade casos cuando el formato o la clasificación sigan siendo ambiguos.

¿Por qué cambia la respuesta si uso el mismo prompt? Los modelos generativos pueden variar entre ejecuciones, y la versión, configuración o herramienta también influye. Evalúa varios casos.

¿Cuál es el siguiente paso? Elige una tarea real, redacta la versión mínima con objetivo, contexto y salida, y pruébala. Puedes empezar en la herramienta gratuita de prompts de texto y comparar el resultado con tus criterios.