Escribes la misma pregunta de dos maneras diferentes y recibes dos respuestas de calidad completamente distinta. No es suerte ni el humor de la máquina. La forma en que pides algo cambia lo que recibes, y aprender a pedir bien incluso tiene un nombre: ingeniería de prompts.
Qué es la ingeniería de prompts (y por qué se convirtió en una habilidad)
La ingeniería de prompts es la práctica de escribir instrucciones para un modelo de lenguaje de modo que entregue lo que necesitas. Eso es todo. Nada de magia ni de «palabras secretas».
Se convirtió en una habilidad valorada por un motivo sencillo: el modelo no lee tu mente. Responde al texto que le das, y la distancia entre una petición vaga y una petición bien planteada suele ser la distancia entre una respuesta inútil y una que puedes aprovechar directamente en el trabajo.
El modelo mental que lo cambia todo: el LLM predice texto
Si entiendes una sola cosa de este artículo, que sea esta: un LLM es un predictor de texto guiado por el contexto. Observa todo lo que vino antes —tu pregunta, tus instrucciones y los ejemplos— y calcula cuál es la continuación más probable, fragmento por fragmento.
No «sabe» la respuesta como la sabe una base de datos. Genera la continuación más plausible a partir de lo que escribiste. Por eso el contexto pesa tanto: cambia el contexto y cambias la probabilidad de lo que viene después. Un buen prompt es, básicamente, un contexto que empuja al modelo en la dirección de la respuesta correcta.
Los cuatro bloques de un buen prompt
La mayoría de los prompts que funcionan tienen cuatro piezas. No necesitas las cuatro siempre, pero conviene conocerlas:
- Tarea — lo que quieres, expresado directamente. «Resume», «reescribe», «genera», «clasifica». Empieza por el verbo.
- Contexto — lo que el modelo necesita saber para acertar. ¿Para quién es? ¿Cuál es el tono? ¿Qué restricciones existen? Aquí es donde eliminas la ambigüedad.
- Ejemplos — uno o dos casos de entrada y salida. Nada enseña el formato deseado tan rápido como mostrar un ejemplo del resultado.
- Formato — cómo quieres la respuesta. ¿Una lista? ¿Una tabla? ¿JSON? ¿Tres frases? Si no lo pides, el modelo decide por ti, y no siempre lo hace bien.
Un ejemplo rápido, de malo a bueno. Malo: «habla sobre la caché». Bueno: «Explica qué es la caché para una persona junior (contexto), en un máximo de 4 frases (formato), con una analogía de la vida cotidiana (tarea)». La segunda versión no es más inteligente: solo es más específica.
Qué puedes esperar — y qué no
Puedes esperar borradores, resúmenes, reescrituras, explicaciones, generación de código boilerplate y transformaciones de formato. Son tareas en las que «la continuación más probable del texto» es precisamente lo que quieres.
Lo que no puedes esperar es una verdad garantizada. El modelo predice texto plausible, y el texto plausible a veces es incorrecto con toda la confianza del mundo: es la famosa «alucinación». Tampoco tiene acceso a lo que no está en el contexto —tus archivos o lo que ocurrió después de su entrenamiento— a menos que se lo proporciones. Y ningún prompt arregla una petición que ni tú sabes explicar. Si el objetivo está confuso en tu cabeza, la respuesta también saldrá confusa.
La regla práctica: trata el resultado como el borrador de una persona en prácticas rápida y bienintencionada, no como un oráculo. Revísalo siempre.
Cómo empezar hoy sin darle más vueltas
Elige una tarea real y pequeña: resumir un texto, generar un fragmento de código o reescribir un correo electrónico. Escribe primero el prompt de la manera más perezosa. Observa el resultado. Después añade un bloque cada vez: un poco de contexto, un ejemplo y el formato deseado. Observa qué cambia.
Cuando te equivoques, no añadas más adjetivos al prompt («sé detallado, completo y profesional»). Pregúntate qué bloque faltó: ¿el modelo no conocía al público? Faltaba contexto. ¿El resultado salió en el formato equivocado? Faltaba pedir el formato. Depurar un prompt es diagnóstico, no hechicería.
La ingeniería de prompts no consiste en memorizar trucos, sino en aprender a comunicar una intención con suficiente claridad a una máquina que solo predice texto. La buena noticia es que ya utilizas esta habilidad con otras personas. Aquí solo tienes que ser más explícito. Empieza hoy con una tarea pequeña y deja que lo demás llegue con la práctica.
