Cómo escribir un prompt que funcione a la primera: una estructura en cinco partes

Si alguna vez has pensado «la IA no sirve para esto», es probable que el problema no fuera el modelo sino la petición. Un modelo de lenguaje escribe la continuación más probable de lo que le das (lo explicamos en Qué es un modelo de lenguaje). Si le das poco, lo más probable es lo genérico. Si le das lo que necesita, la respuesta cambia por completo.

Las guías oficiales de OpenAI, Anthropic y Google coinciden en lo esencial: instrucciones claras, contexto suficiente, ejemplos y un formato definido. Esta guía lo convierte en una estructura de cinco partes que puedes usar como lista de comprobación.

La estructura en cinco partes

1. La tarea: qué quieres exactamente

Empieza con un verbo y un resultado concreto. «Ayúdame con un correo» no es una tarea; «escribe un correo para pedir a un proveedor que adelante una entrega una semana» sí lo es.

Si la tarea tiene varias partes, enuméralas. Los modelos siguen mejor una lista numerada de pasos que un párrafo con cinco peticiones mezcladas.

2. El contexto: lo que solo tú sabes

Esta es la parte que más mejora el resultado y la que más se olvida. Piensa en lo que le contarías a una persona competente que acaba de llegar a tu equipo:

• Para quién es. ¿Un cliente enfadado, tu jefa, un público de 15 años, un comité técnico?
• Por qué lo necesitas. ¿Para convencer, informar, disculparte, decidir?
• Qué ya sabes o ya intentaste. Así no te propone lo que ya descartaste.
• Datos concretos. Nombres, cifras, fechas, el texto original. Si no se los das, los inventará (ver Por qué la IA inventa datos).

3. Los ejemplos: cómo se ve un buen resultado

Mostrar es más eficaz que describir. Si quieres un tono concreto, pega un correo tuyo que te guste. Si quieres clasificar mensajes, pega tres ya clasificados. A esto se le llama few-shot prompting: el modelo infiere el patrón a partir de unos pocos ejemplos.

Dos precauciones: usa ejemplos variados (si todos se parecen, copiará sus detalles superficiales) y deja claro que son ejemplos de estilo, no contenido que deba repetir.

4. El formato: cómo quieres recibirlo

Dilo de forma explícita: longitud, estructura y presentación. «Máximo 150 palabras», «tabla con tres columnas: opción, ventaja, riesgo», «tres versiones numeradas», «sin introducción ni conclusión». Pedir el formato evita la mitad de las idas y vueltas.

5. Los límites: qué no debe hacer

Las restricciones también son información. «No uses jerga técnica», «no prometas plazos», «si te falta un dato, déjalo entre corchetes en lugar de inventarlo», «no cambies las cifras del texto original». Formúlalas en positivo cuando puedas («usa frases cortas» funciona mejor que «no uses frases largas»), y explica el motivo si no es evidente: el modelo aplica mejor una regla cuando entiende para qué sirve.

Un ejemplo completo, antes y después

Antes:

Escribe un post para LinkedIn sobre nuestro nuevo servicio.

Después:

Tarea: escribe un post de LinkedIn para anunciar un servicio nuevo.

Contexto: somos una agencia de 6 personas en Bogotá que hace
contabilidad para tiendas online. El servicio nuevo es un cierre
mensual en 5 días hábiles en lugar de 15. Lo lanzamos porque nuestros
clientes se quejaban de recibir los números demasiado tarde para
decidir compras. Público: dueños de tiendas online, no contadores.

Ejemplo del tono que nos gusta (no copies el contenido):
"Llevamos tres años escuchando la misma frase: 'me entero de cómo me
fue en el mes cuando ya va por la mitad el siguiente'. Así que lo
cambiamos."

Formato: entre 120 y 180 palabras, párrafos de una o dos frases,
una pregunta al final para invitar a comentar. Sin emojis ni hashtags.

Límites: no prometas resultados económicos. No uses "revolucionario"
ni "innovador". Si necesitas un dato que no te di, déjalo entre [ ].

El segundo prompt no es «mejor escrito»: simplemente contiene la información que el modelo necesitaba y que antes tenía que inventar.

Cómo corregir el primer resultado

Incluso con un buen prompt, la primera respuesta es un borrador. La forma de corregir importa:

• Sé específico. «Hazlo más corto» funciona peor que «quita el segundo párrafo y deja el total en 100 palabras».
• Señala lo que sí funciona. «Mantén la primera frase y el cierre; cambia el tono del medio, que suena a anuncio».
• No repitas la misma petición esperando otro resultado. Si no salió, falta información o sobra ambigüedad: añade lo que falta.
• Cuando una conversación se enrede, empieza de nuevo con un prompt que ya incorpore lo aprendido. Las conversaciones largas acumulan instrucciones contradictorias (lo explicamos en Tokens y ventana de contexto).

Cuándo guardar un prompt

Si usas el mismo tipo de petición cada semana, conviértelo en una plantilla con huecos para lo que cambia. En nuestra biblioteca tienes plantillas listas para casos frecuentes, como Correos difíciles, Decidir con criterios o Especificación para vibe coding. Y si trabajas con Claude, puedes ir un paso más allá y guardar tus instrucciones permanentes como skills para no repetirlas: lo contamos en El fin de la «amnesia» en Claude.

Plantilla para copiar

Tarea: [qué quieres, empezando por un verbo]

Contexto:
- Para quién es: [público o destinatario]
- Para qué: [objetivo]
- Lo que ya sé o probé: [información previa]
- Datos que debes usar: [cifras, nombres, texto original]

Ejemplo de lo que busco (solo como referencia de estilo):
[pega un ejemplo]

Formato: [longitud, estructura, presentación]

Límites: [qué evitar y por qué]
Si te falta información, pregúntame antes de suponer.

Sigue leyendo

• Qué es un modelo de lenguaje (LLM): por qué el contexto cambia tanto la respuesta.
• Por qué la IA inventa datos: cómo pedir para que invente menos.
• Cómo verificar una respuesta de IA antes de usarla: qué revisar antes de publicar o decidir.
• El fin de la «amnesia» en Claude: instrucciones permanentes con skills, conectores y plugins.
• En el glosario: prompt, few-shot e ingeniería de prompts.

Fuentes

• OpenAI. Prompt engineering. Documentación de la API de OpenAI.
• Anthropic. Prompt engineering overview. Documentación de Claude.
• Google. Prompt design strategies. Documentación de la API de Gemini.