Guía de prompt engineering: escribe instrucciones de IA eficaces

El prompt engineering consiste en convertir un resultado deseado en instrucciones que un modelo pueda ejecutar y que una persona pueda revisar. No consiste en encontrar una frase mágica, sino en aclarar el contexto, las restricciones, los ejemplos y los criterios de finalización.

Investigación y transparencia: Las recomendaciones se basan en la documentación oficial de OpenAI, Anthropic, Google Geminiconsultada el 2 de septiembre de 2026. El comportamiento de los modelos cambia; prueba cada instrucción con el modelo y la tarea reales.

Las cinco partes de un prompt

1. Tarea: indica qué debe hacerse y qué problema debe resolver el resultado.
2. Contexto: proporciona el material de origen, el público y los antecedentes necesarios.
3. Restricciones: define extensión, tono, exclusiones, límites de privacidad y fuentes permitidas.
4. Contrato de salida: especifica títulos, campos, ejemplos o un esquema de datos.
5. Comprobaciones: pide al modelo que señale incertidumbres y verifique las condiciones obligatorias.

Tarea: convierte estas notas de entrevistas en un informe de producto de una página.
Público: responsables de producto e ingeniería.
Usa solo las notas proporcionadas; marca las pruebas ausentes como “pregunta abierta”.
Salida: Markdown con problema, usuarios, restricciones, propuesta, riesgos y próximos pasos.
Comprobaciones: separa hechos de suposiciones y enumera cinco preguntas para revisar.

Mejora los prompts con pruebas

Prepara entradas reales, incluida información incompleta, contradictoria y casos límite. No juzgues un prompt por una única respuesta llamativa: compara varios resultados con los criterios definidos. Guarda la versión del prompt, el modelo, la entrada y las observaciones del revisor para que las mejoras sean reproducibles.

Para una biblioteca reutilizable, conserva la tarea, un ejemplo aprobado, un fallo conocido y las suposiciones del modelo junto a cada prompt. La guía de la biblioteca de prompts de Ottermind trata el mantenimiento; este artículo se centra en escribir y probar la instrucción.

De una petición vaga a un prompt de producción

“Resume estas entrevistas de clientes” no es una especificación completa. Un equipo de producto puede necesitar problemas recurrentes y citas representativas; la dirección puede necesitar tres decisiones y sus riesgos; soporte puede necesitar respuestas reutilizables. El mismo material requiere contratos de salida distintos según el público.

Divide el trabajo en etapas:

1. Extrae las afirmaciones y conserva el identificador de la entrevista.
2. Agrupa afirmaciones similares sin borrar las discrepancias.
3. Cuenta o matiza los grupos usando solo la muestra proporcionada.
4. Redacta las implicaciones y márcalas como interpretación.
5. Pide aprobación antes de publicar.

Este método suele ser más fiable que pedir una conclusión terminada en un solo paso y facilita localizar el error.

Elige buenos ejemplos

Unos pocos ejemplos ayudan cuando el formato es difícil de describir, por ejemplo al clasificar tickets o extraer campos de facturas. Incluye casos límite, no solo entradas fáciles. Explica por qué un ejemplo es correcto cuando la diferencia sea sutil. Para trabajos sensibles, usa valores ficticios realistas y no envíes datos confidenciales a un servicio no aprobado.

Cuando el prompt usa herramientas

Si la tarea requiere búsqueda, archivos o cálculos, describe el papel de la herramienta y qué ocurre si falla. Indica las fuentes permitidas, qué hacer cuando no hay resultados y qué acciones externas puede ejecutar el modelo. La aplicación debe verificar los permisos; “ten cuidado” no es un control de seguridad.

Una rúbrica de revisión práctica

Haz cuatro preguntas: ¿usó solo las pruebas permitidas?, ¿siguió el formato?, ¿hizo visible la incertidumbre?, ¿sirve al público previsto? Si la puntuación no está clara, reescribe el criterio de aceptación en lugar de añadir adjetivos.

Lo que el prompt engineering no resuelve

Un prompt no actualiza fuentes antiguas, no sustituye un objetivo claro ni garantiza exactitud. Para resultados que afectan a clientes, dinero o sistemas de producción, combina recuperación de datos, permisos, revisión humana y pruebas.

Técnicas que funcionan en varios modelos

• Usa delimitadores para separar instrucciones y contenido no fiable.
• Pide una salida estructurada cuando otro sistema vaya a procesarla.
• Da uno o dos ejemplos cuando la forma sea difícil de describir.
• Separa investigación, redacción y crítica en distintas pasadas.
• Indica qué debe hacer el modelo cuando falte información.

Preguntas frecuentes

¿Sigue siendo útil el prompt engineering con modelos mejores?

Sí. Los modelos mejores siguen los objetivos claros con más facilidad, pero necesitan contexto exacto, límites y criterios verificables.

¿Los prompts largos son mejores?

No. Añade los detalles necesarios y elimina instrucciones repetidas que no cambien la decisión ni la salida.

¿Cómo reutilizo un prompt?

Guarda la tarea, las entradas, el contrato de salida, los ejemplos, las suposiciones del modelo y casos de prueba aprobados. Vuelve a evaluarlo cuando cambie el modelo o el flujo.

¿Cuál es la forma más rápida de aprender?

Empieza con una tarea recurrente, escribe las cinco partes, prueba los fallos y revisa según los errores observados.