El 90 % de la gente usa ChatGPT como un buscador glorificado. Escribe una frase, espera una respuesta brillante y se decepciona cuando recibe generalidades.
No suele fallar el modelo. Falla el encargo.
Si le digo a una persona nueva en mi equipo «dame ideas para el negocio», tampoco puede adivinar qué vendo, a quién, con qué presupuesto ni para qué fecha necesito resultados. La IA parte con la misma desventaja, pero rellena los huecos con una seguridad que hace parecer útil una respuesta mediocre.
La buena noticia es que corregirlo no exige programar. Exige aprender a dar un buen brief.
El antes y el después
Este es el tipo de prompt que veo cada día:
Dame ideas para mi negocio.
La respuesta será una lista intercambiable: publicar en redes, crear una newsletter, colaborar con influencers. Podría servir para una cafetería, una consultora o una tienda de zapatos.
Ahora prueba esto:
Eres un consultor senior de estrategia con 15 años de
experiencia en SaaS B2B.
Contexto: vendemos software de control horario a empresas
españolas de 20 a 100 empleados. Facturamos 18.000 EUR al mes,
el 70 % de los leads llega por Google Ads y el churn mensual es
el 4 %. Tenemos dos desarrolladores y una persona de marketing.
Tarea: propón tres iniciativas para crecer durante los próximos
90 días sin aumentar el gasto publicitario.
Para cada iniciativa incluye impacto esperado, esfuerzo,
principal riesgo y primera acción esta semana.
Formato: tabla. Máximo 500 palabras. No propongas abrir nuevos
países ni contratar personal.
No hay magia. He añadido rol, contexto, tarea, formato y restricciones. La IA ya no necesita inventar el escenario y puede dedicar su capacidad a resolverlo.
Los siete componentes de un prompt profesional
Yo uso una lista de siete componentes. No incluyo siempre los siete, pero los reviso antes de enviar una petición importante.
- Rol. Desde qué especialidad debe abordar el problema.
- Contexto. Qué necesita saber sobre la empresa, audiencia o situación.
- Tarea. Una acción concreta expresada con un verbo.
- Formato. Tabla, lista, email, JSON o cualquier salida que pueda usar directamente.
- Restricciones. Límites de longitud, alcance, presupuesto o temas prohibidos.
- Ejemplos. Muestras de lo que consideras correcto.
- Tono. El registro que necesita la audiencia.
Una plantilla reutilizable evita empezar desde cero:
Rol: actúa como [perfil y experiencia relevante].
Contexto:
- Empresa/proyecto: [datos]
- Audiencia: [quién recibirá el resultado]
- Objetivo: [qué decisión o acción debe facilitar]
Tarea: [un verbo + un entregable concreto].
Formato: [estructura exacta].
Restricciones: [límites y exclusiones].
Tono: [registro].
Antes de responder, indica qué dato crítico falta. Si no falta
ninguno, entrega directamente el resultado.
La última frase es útil porque evita que el modelo finja precisión cuando el encargo está incompleto.
Los ejemplos enseñan mejor que los adjetivos
Pedir «un texto profesional y cercano» deja mucho margen. Dos ejemplos reales definen mejor el patrón que diez adjetivos. Esta técnica se llama few-shot prompting.
Imagina que quiero clasificar tickets de soporte. En vez de describir durante un párrafo cada categoría, muestro decisiones anteriores:
Clasifica cada ticket como FACTURACIÓN, SOPORTE o VENTA.
Ejemplos:
"Necesito cambiar el CIF de la factura" -> FACTURACIÓN
"La exportación CSV se queda al 80 %" -> SOPORTE
"¿Tenéis precio para 40 usuarios?" -> VENTA
Ticket nuevo:
"Nos han cobrado dos veces la renovación"
Responde solo con la categoría y una frase de justificación.
El modelo ve el formato, las etiquetas válidas y el criterio. Esto mejora especialmente tareas repetitivas: clasificar solicitudes, adaptar titulares, extraer campos o mantener una voz editorial.
Una tarea por prompt
Otro error habitual es pedir investigar, decidir, redactar y maquetar en una sola instrucción. Cuantas más operaciones mezclo, menos control tengo sobre cada una.
Para una propuesta comercial prefiero tres pasos:
PASO 1
Analiza este briefing y extrae en una tabla: problema,
resultado deseado, requisitos, restricciones, dudas abiertas y
criterios de compra. No redactes aún la propuesta.
BRIEFING:
[pegar texto]
Reviso la tabla y corrijo cualquier interpretación equivocada. Después pido el esquema de la propuesta. Solo cuando ese esquema es correcto solicito la redacción final. Este encadenamiento tarda unos minutos más que el mega-prompt, pero ahorra rehacer un documento entero.
Cómo mejoro un prompt que ya existe
No intento escribir el prompt perfecto a la primera. Uso la propia IA como revisora, sin delegarle la decisión final:
Evalúa el prompt siguiente antes de ejecutarlo.
PROMPT:
[pegar prompt]
Detecta:
1. Ambigüedades que obliguen a hacer suposiciones.
2. Contexto que falte.
3. Conflictos entre instrucciones.
4. Un formato de salida más útil.
Después escribe una versión mejorada. No inventes datos: marca
cada dato necesario como [POR COMPLETAR].
La clave está en revisar las marcas [POR COMPLETAR]. Si permito que el modelo complete esos datos, vuelvo al punto de partida: una respuesta elegante construida sobre suposiciones.
Mi regla práctica
Antes de pulsar Enter me hago una pregunta: ¿una persona competente que acaba de llegar al equipo podría ejecutar este encargo sin preguntarme nada esencial?
Si la respuesta es no, añado contexto. Si no sabría cuándo ha terminado, aclaro la tarea. Si podría entregar algo que no puedo usar, especifico el formato. Si existen límites reales, los escribo.
Eso es prompting profesional. No consiste en memorizar palabras secretas ni en escribir instrucciones kilométricas. Consiste en reducir ambigüedad y convertir una intención difusa en un encargo verificable.
En IAcademy hemos organizado esta habilidad dentro de 290 módulos y 23 especializaciones. Los Founding Members pueden entrar desde 19 EUR —Itinerario 19, Pro 99 y Pro+Mentoría 249— con el precio bloqueado hasta el 15 de octubre de 2026. La garantía es de 30 días o de 5 horas ahorradas.
Si quieres ir más allá
Puedes empezar con los recursos gratuitos y ver los planes Founding. Elige un proceso real de esta semana y mejora ese prompt antes de aprender otra técnica.
Top comments (0)