Mejora tus interacciones con IA: claves para escribir prompts efectivos

OpenAI, Anthropic y Google compiten por casi todo, pero coinciden en un diagnóstico: la mayoría de la gente le habla mal a sus chatbots. Las tres empresas mantienen guías públicas sobre cómo escribir prompts y, leídas en paralelo, repiten la misma receta: claridad, contexto y ejemplos (WAU, 2026). No hay truco secreto. Hay hábitos que se aprenden en una tarde.

Un prompt efectivo dice qué quieres, para quién, con qué información y en qué formato. Las guías de OpenAI, Anthropic y Google coinciden en tres pilares: instrucciones claras, contexto suficiente y uno o dos ejemplos del resultado que buscas (WAU, 2026). No necesitas fórmulas mágicas ni escribir en inglés. Basta con explicarle a la máquina lo que le explicarías a un compañero nuevo en su primer día.

• Las tres grandes desarrolladoras de modelos publican guías de prompting y comparten los mismos fundamentos: claridad, contexto y ejemplos (WAU, 2026).

• Ninguna guía ofrece una cifra universal de mejora, y no hay datos públicos sobre qué técnica rinde más en cada sector. Sin embargo, se reconoce que un enfoque estructurado puede mejorar la calidad de las respuestas generadas por los modelos (Instituto de Investigación en Inteligencia Artificial de la UE, 2025).

• Un buen prompt reduce la ambigüedad, pero no elimina los errores: la comprobación final sigue siendo tu responsabilidad.

• Todo lo que escribes en un chatbot sale de tu ordenador o tu móvil, así que redactar un prompt también implica decidir qué datos compartes.

"Escríbeme un correo solicitando un aumento." Pruébalo y obtendrás un texto correcto, educado y perfectamente inútil. Suena a plantilla de recursos humanos porque, en cierto modo, lo es: el modelo no sabe cuánto llevas en la empresa, si tu jefa prefiere la franqueza o los rodeos, ni si el aumento se justifica por nuevas funciones o por la inflación.

Cuando falta información, el sistema no se queda en blanco: rellena los huecos con lo más probable, con la media de miles de correos parecidos. Ese es el origen de buena parte de las respuestas genéricas que mucha gente atribuye a que "la IA no sirve para esto". A menudo el problema no está en el modelo, sino en la petición.

Compara con esta versión: "Llevo tres años como técnica de soporte en una pyme de Zaragoza. Desde enero coordino a dos compañeros nuevos sin cambio de categoría. Quiero pedir una revisión salarial a mi responsable, con quien tengo buena relación. Tono cordial pero directo, menos de 200 palabras, sin sonar a ultimátum." Son cinco frases más, y el resultado cambia por completo.

El contexto es la parte que más se olvida, porque a nosotros nos parece obvio. Tú sabes que el documento es para tu comunidad de vecinos y no para un juzgado. El modelo no lo sabe hasta que se lo dices.

Google organiza esta idea en cuatro piezas dentro de su guía de prompts para Gemini en Workspace: persona (quién eres o qué papel debe adoptar el asistente), tarea, contexto y formato (Google, guía de prompting para Gemini). No hace falta seguirla al pie de la letra, pero funciona como lista de comprobación mental antes de pulsar Intro.

Un caso doméstico: "Resume este contrato de alquiler" devuelve un resumen. "Soy el inquilino, firmo la semana que viene y me preocupa la fianza, quién paga las reparaciones y qué pasa si me voy antes del primer año. Resume el contrato centrándote en eso y marca cualquier cláusula que te parezca poco habitual" devuelve algo que puedes usar. Ojo, eso sí: un chatbot no sustituye a un abogado ni conoce necesariamente la última versión de la Ley de Arrendamientos Urbanos. Te ayuda a saber qué preguntar.

El formato merece una mención aparte. Pedir "una tabla con tres columnas", "una lista de cinco puntos" o "un párrafo que pueda pegar en WhatsApp" ahorra reformulaciones. Y si te molesta que te devuelva "computadora" o "celular", pide de forma explícita español de España.

Describir un estilo con adjetivos es sorprendentemente difícil. "Informal pero profesional" significa cosas distintas para cada persona. Un ejemplo, en cambio, no deja margen: si pegas dos publicaciones de LinkedIn que te gustan y pides una tercera en esa línea, el modelo imita longitud, registro y estructura con bastante más fidelidad.

Anthropic insiste en este punto en su documentación para Claude, donde recomienda incluir ejemplos del resultado deseado y separar las distintas partes del prompt (instrucciones, documento, ejemplos) con etiquetas para que el modelo no las mezcle (Anthropic, documentación de prompt engineering). Para un usuario corriente basta con algo más sencillo: escribir "EJEMPLO:" y "TEXTO A REVISAR:" en mayúsculas cumple una función parecida.

La técnica tiene una pega. El modelo puede copiar el ejemplo con demasiada literalidad, incluidas frases enteras o errores. Por eso conviene dar dos ejemplos distintos en lugar de uno, o aclarar qué rasgo quieres replicar: "fíjate en el tono, no en el contenido".

Aquí conviene separar hechos de entusiasmo. Una nota publicada en la sala de prensa del Parlamento Europeo recoge que las instrucciones claras y específicas generan respuestas más precisas y relevantes (Instituto de Investigación en Inteligencia Artificial de la UE, 2025). Es razonable y coincide con lo que dicen las empresas. Lo que no aparece es cuánto mejoran exactamente, ni si el efecto es igual de fuerte al redactar un informe médico que al planificar un viaje a Asturias.

Tampoco hay una técnica infalible. OpenAI advierte en su guía sobre modelos de razonamiento que con estos sistemas conviene dar instrucciones sencillas y directas, y que pedirles que "piensen paso a paso" puede ser innecesario porque ya razonan internamente (OpenAI, guía de modelos de razonamiento). Un consejo que valía para un modelo de hace dos años puede sobrar hoy. Desconfía de cualquier curso que venda "el prompt definitivo".

Y el punto más incómodo: un prompt impecable no impide que el modelo se invente una cita, una sentencia o un dato. Reduce la ambigüedad, no la posibilidad de error. Si la respuesta va a acabar en un documento oficial, en una reclamación o en un trabajo de clase, verifícala en una fuente primaria.

Queda la privacidad. Dar contexto no significa pegar nóminas, DNI o la base de datos de clientes de tu empresa. El RGPD sigue aplicándose aunque la herramienta sea cómoda, y en el trabajo lo prudente es preguntar qué política tiene tu organización antes de subir documentos internos. Puedes anonimizar sin perder utilidad: "un cliente de 45 años" sirve igual que su nombre y apellidos.

Antes de escribir, piensa durante diez segundos qué harías con la respuesta. Si no lo sabes, el modelo tampoco lo sabrá.

Después, prueba esta secuencia con la próxima tarea real que tengas, no con un ejercicio:

• Di quién eres y para quién es el resultado.

• Explica el objetivo y las restricciones (extensión, tono, lo que no debe aparecer).

• Añade un ejemplo si el estilo importa.

• Pide un formato concreto y, al final, revisa los datos antes de usarlos.

Si la primera respuesta no convence, no empieces de cero: di qué falla ("demasiado formal", "te has saltado la cláusula de la fianza"). Corregir en la misma conversación suele ser más rápido que reescribir el prompt entero, y es justo lo que harías con una persona.

¿Tengo que escribir los prompts en inglés para obtener mejores resultados?

No es imprescindible. Las guías oficiales están redactadas sobre todo en inglés, pero los asistentes actuales trabajan en español con soltura. No hay datos públicos que cuantifiquen una diferencia de calidad entre idiomas para el usuario medio. Lo práctico es escribir en el idioma en el que piensas, porque así darás más y mejor contexto.

¿Sirven las plantillas de prompts que circulan por redes sociales?

Como punto de partida, sí. Como solución, rara vez. Una plantilla aporta estructura, pero le falta lo más valioso: tu situación concreta. Úsala como esqueleto y rellénala con los detalles que solo tú conoces.