¿Te has fijado en que dos personas que usan el mismo modelo de IA obtienen resultados completamente distintos? Una recibe respuestas genéricas y superficiales; la otra consigue análisis profundos, textos de calidad profesional y código que funciona. La diferencia no está en el modelo, sino en el prompt. El prompt engineering es la habilidad que separa a quien usa la IA de forma trivial de quien la usa de forma transformadora.
No es una habilidad misteriosa. Es un conjunto de técnicas concretas que se aprenden en pocos días y se aplican de inmediato. En esta guía las encontrarás todas, de las más sencillas a las más avanzadas, con ejemplos reales y plantillas listas para usar.
Fuentes: Noy y Zhang, "Experimental evidence on the productivity effects of generative AI", Science (2023)
Qué es el prompt engineering y por qué importa
El prompt engineering es la práctica de diseñar entradas de texto (prompts) para los modelos de lenguaje de forma que se obtengan resultados precisos, pertinentes y de alta calidad. No es hacking ni magia: es comunicación precisa con un sistema que tiene capacidades extraordinarias pero necesita instrucciones claras para expresarlas.
Los grandes modelos de lenguaje como ChatGPT (OpenAI) y Claude (Anthropic) se entrenan con enormes cantidades de texto humano. Son capaces de razonar, escribir, analizar y crear a un nivel muy alto, pero también son extremadamente sensibles a cómo se formula la petición. Un prompt vago produce un resultado vago. Un prompt preciso, estructurado y contextualizado produce resultados precisos, estructurados y contextualizados. La misma petición formulada de dos maneras distintas puede dar resultados que parecen de modelos completamente diferentes.
Prompt básico: "Escribe un email de ventas."
Resultado: email genérico, tono plano, sin personalizar.
Prompt avanzado: "Eres un redactor con 10 años de experiencia en email marketing B2B. Escribe un email de ventas para un servicio de consultoría SEO dirigido a un e-commerce de moda italiano con 50-200 empleados. El objetivo es conseguir una reunión de presentación. Tono: profesional pero directo, sin exceso de jerga. Longitud: máx. 150 palabras. Incluye un asunto que se pueda probar en A/B."
Resultado: email dirigido, tono ajustado, CTA claro y asunto profesional.
Los 5 elementos de un prompt eficaz
Todo prompt de calidad profesional incluye cinco componentes. No siempre hacen falta todos —depende de la tarea—, pero conocerlos te permite elegir cuáles activar según la complejidad de la petición.
Asigna a la IA un rol o una identidad concreta. "Eres un abogado experto en derecho laboral italiano", "Actúa como un product manager sénior de una startup SaaS", "Eres un redactor especializado en email marketing para e-commerce". El rol activa el marco mental adecuado y ajusta el tono, el vocabulario y el nivel de profundidad del resultado. Es uno de los elementos con más impacto en la calidad.
Aporta la información de fondo que la IA no puede saber por sí sola: quién eres, para quién trabajas, cuál es la situación actual, qué problema hay que resolver y qué limitaciones existen. Cuanto más contexto relevante incluyas, más pertinente será el resultado para tu situación concreta en lugar de ser genérico. El contexto es especialmente importante en tareas complejas o muy específicas.
Describe lo que quieres conseguir de forma precisa e inequívoca. Usa verbos de acción claros: "escribe", "analiza", "enumera", "resume", "compara", "traduce", "reescribe". Evita formulaciones ambiguas como "dime algo sobre X" o "ayúdame con Y": la IA ejecuta lo que dices literalmente, no lo que quieres decir. Si la tarea tiene varios pasos, divídela en pasos numerados.
Indica la estructura que quieres para el resultado: lista con viñetas, tabla, párrafos, JSON, markdown, código, guion. Indica también la longitud deseada ("en 200 palabras", "máx. 500 palabras", "3 párrafos") y las posibles restricciones de estilo ("sin emojis", "tono formal", "sin introducción"). Si necesitas un formato muy concreto, proporciona una plantilla o un ejemplo de estructura.
Aporta 1-3 ejemplos de entrada y salida que muestren exactamente el resultado deseado. Esto se llama "few-shot prompting" y es una de las técnicas más potentes que existen. Si quieres un email escrito con tu tono de voz, pega como ejemplo un email que ya hayas escrito. Si quieres análisis con un formato concreto, muestra cómo es ese análisis. Los ejemplos valen más que mil instrucciones verbales.
Técnicas avanzadas de prompt engineering
Chain of Thought (CoT)
El Chain of Thought prompting pide explícitamente al modelo que "razone paso a paso" antes de dar la respuesta final. En lugar de pedir directamente el resultado, pides al modelo que muestre su proceso de razonamiento. Esta técnica mejora notablemente el rendimiento en tareas que requieren razonamiento lógico, matemáticas, análisis complejos y decisiones de varios pasos.
Ejemplo: en lugar de "¿Cuál es la mejor estrategia para lanzar este producto?", pide: "Analiza este lanzamiento de producto paso a paso: primero identifica los segmentos de mercado relevantes, después valora a los competidores de cada segmento, luego propón una estrategia de diferenciación y, por último, recomienda los canales de distribución más eficaces. Muestra el razonamiento de cada paso."
Rol + adversarial prompting
Una técnica potente para tareas críticas: pide a la IA que adopte primero un rol y después el contrario. "Primero argumenta por qué esta estrategia funcionará. Después argumenta por qué fracasará. Después da una valoración equilibrada." Este enfoque produce análisis mucho más completos y equilibrados que una simple petición de valoración, porque obliga al modelo a explorar activamente ambos lados.
Refinamiento iterativo
El prompting no es una operación puntual: es un diálogo iterativo. El primer resultado rara vez es el mejor. Usa la respuesta del modelo como punto de partida y afínala con instrucciones sucesivas: "Muy bien, ahora reescribe el tercer párrafo con un tono más directo", "Añade un ejemplo concreto en la sección X", "Acorta la parte Y en 50 palabras". Cada iteración mejora el resultado. Los mejores resultados llegan tras 3-5 rondas de refinamiento.
System prompts e instrucciones personalizadas
Tanto ChatGPT (con las instrucciones personalizadas) como Claude (con los system prompts de la API o las instrucciones al inicio de la conversación) permiten definir un contexto permanente que se aplica a todas las interacciones. Dedica 30 minutos a construir tu system prompt base: quién eres, en qué sector trabajas, cuál es tu tono de voz preferido, qué resultados te gustan y cuáles evitas, en qué idioma prefieres las respuestas y qué palabras clave usar o evitar. Este system prompt transforma cada conversación sin tener que repetir el contexto cada vez.
Plantillas de prompts listas para usar
Estas plantillas cubren los casos de uso más habituales. Cópialas, personalízalas con tus datos y guárdalas en un documento compartido para reutilizarlas.
"Eres un redactor especializado en [sector]. Escribe [tipo de contenido: publicación de LinkedIn / email / landing page / artículo] para [empresa/marca] que vende [producto/servicio] a [público objetivo concreto]. El objetivo es [objetivo: generar contactos / aumentar la notoriedad / convencer de la compra]. Tono: [formal / informal / técnico / cercano]. Longitud: [X palabras]. Incluye: [elementos concretos: CTA, estadísticas, preguntas retóricas]. NO incluyas: [elementos que evitar: emojis, jerga, tópicos]. Aquí tienes un ejemplo del tono que quiero: [ejemplo]."
"Analiza [tema/situación/documento] desde el punto de vista de [un experto en la materia]. Estructura el análisis en: 1) Situación actual, 2) Puntos fuertes, 3) Puntos críticos y riesgos, 4) Oportunidades, 5) Recomendaciones concretas. Para cada punto aporta al menos un ejemplo concreto. Longitud: [X palabras]. Si tienes dudas sobre datos o hechos, indícalo explícitamente en lugar de inventarlos."
"Eres un editor experto en [tipo de contenido]. Lee el siguiente texto y proporciona: 1) Una nota del 1 al 10 con su justificación, 2) Los 3 puntos fuertes principales, 3) Los 3 problemas principales con una sugerencia concreta para resolver cada uno, 4) Una versión reescrita del primer párrafo como ejemplo de aplicación de los comentarios. Texto: [pega el texto]."
Errores habituales en el prompting
Prompts para casos de uso concretos: ejemplos listos
Las técnicas teóricas solo son útiles cuando las aplicas a tareas reales. Estos son prompts optimizados para los casos de uso más habituales del trabajo diario.
Prompts para copywriting
El copywriting es el caso de uso de IA más extendido, y aquel en el que más se nota la diferencia entre un prompt básico y uno avanzado. Un prompt eficaz para textos de marketing debe incluir el posicionamiento de la marca, el público objetivo concreto, el objetivo de la comunicación y el canal de publicación (porque una publicación de LinkedIn y un email tienen registros muy distintos).
"Eres un redactor especializado en [sector]. La marca es [nombre], posicionada como [posicionamiento: p. ej. premium, accesible, técnica, cercana]. El público objetivo es [perfil concreto: p. ej. empresario de 35-50 años, pyme manufacturera, diseñador autónomo]. Escribe [formato: publicación de LinkedIn / email / titular de landing page] con el objetivo de [objetivo: generar contactos / aumentar seguidores / vender]. Tono: [formal / conversacional / técnico / empático]. Longitud: [X palabras]. Incluye un CTA con un verbo de acción concreto. NO uses: frases hechas como 'nos complace', 'soluciones de vanguardia' ni demasiados emojis. Ejemplo del tono que me gusta: [pega un ejemplo real]."
Prompts para el análisis de datos
Los modelos de IA capaces de analizar documentos (Claude con carga de archivos, ChatGPT con Code Interpreter) pueden convertir horas de análisis manual en minutos. La clave es aportar contexto sobre el tipo de decisión que tienes que tomar, no solo pedir "analiza esto".
"Analiza los datos del archivo adjunto. El contexto es: [empresa/sector, periodo de referencia, qué miden los datos]. Quiero entender: 1) ¿Cuáles son las 3 tendencias principales? 2) ¿Hay anomalías o valores atípicos? 3) ¿Qué correlación hay entre [variable A] y [variable B]? 4) ¿Qué acciones concretas sugerirías a partir de estos datos? Presenta los resultados con un resumen ejecutivo de 3 líneas y después el detalle de cada punto. Si faltan datos para responder con certeza a alguna pregunta, dímelo explícitamente en lugar de especular."
Prompts para programar
Los modelos de IA son excelentes programando, pero solo si el prompt incluye el contexto técnico necesario. Si no indicas lenguaje, framework, versión y restricciones, obtienes código genérico que a menudo no funciona en tu entorno concreto.
"Eres un desarrollador sénior especializado en [lenguaje/framework, p. ej. PHP 8.3 / Laravel 11 / React 18]. Escribe [qué: función, clase, componente, consulta] que haga exactamente esto: [descripción funcional precisa]. Restricciones: [p. ej. debe ser compatible con X, no uses librerías externas, debe gestionar el caso límite Y]. Incluye: comentarios en línea solo para la lógica no evidente, gestión de errores y un ejemplo de uso. NO incluyas: código repetitivo no solicitado ni dependencias innecesarias. Si hay varios enfoques válidos, muestra el que consideres mejor y explica brevemente por qué."
Prompts para investigar y sintetizar
Usar la IA para acelerar la investigación es uno de los casos de uso con mayor retorno, pero requiere que el prompt indique exactamente el nivel de profundidad, las fuentes preferidas y el formato del resultado. Perplexity AI con la búsqueda web activada suele ser superior a ChatGPT y Claude para investigar datos recientes, porque cita las fuentes y las actualiza en tiempo real.
"Analiza [empresa/producto/sector] como si fueras un analista de mercado sénior. Estructura el análisis en: 1) Panorama del sector y tamaño del mercado, 2) Principales actores y su posicionamiento, 3) Tendencias emergentes en los próximos 12-24 meses, 4) Oportunidades sin aprovechar, 5) Amenazas principales. Cita las fuentes en cada sección cuando sea posible. Nivel de profundidad: [superficial para una visión general / detallado para decisiones estratégicas]. Formato del resultado: [viñetas para una síntesis rápida / párrafos para un informe]. Si algunos datos no están disponibles o no estás seguro de su exactitud, indícalo con claridad."
Diferencias entre ChatGPT y Claude en el prompting
ChatGPT y Claude son modelos excelentes, pero responden mejor a estilos de prompt ligeramente distintos.
Responde bien a prompts estructurados y directos. Destaca en tareas creativas, de programación y multimodales (análisis de imágenes). Tiende a ser más "colaborativo" y menos crítico: si el prompt es ambiguo, a menudo rellena los huecos en lugar de pedir aclaraciones. Para resultados más precisos, sé muy concreto sobre lo que NO quieres. El ecosistema de GPT personalizados y plugins amplía mucho sus capacidades para casos de uso concretos. Para profundizar en el uso de ChatGPT en los negocios, lee la guía sobre cómo usar la IA en tu negocio.
Destaca en el análisis de documentos largos y en el razonamiento complejo. Responde muy bien a prompts con un contexto rico e instrucciones elaboradas: cuanto más le das, mejor funciona. Tiende a ser más prudente con las afirmaciones inciertas (dice "no estoy seguro" más a menudo que GPT) y más propenso a pedir aclaraciones si el prompt es ambiguo. Excelente para textos largos, análisis jurídico o contractual, revisión de documentos y razonamiento de varios pasos. Consulta la documentación oficial de Anthropic sobre prompt engineering para las técnicas más avanzadas.
Construir tu biblioteca de prompts
La verdadera ventaja competitiva del prompt engineering no es conocer las técnicas, sino tener una biblioteca de prompts probados y optimizados para tus casos de uso concretos. Cada prompt que funciona bien debería guardarse, clasificarse y compartirse con el equipo.
Organiza la biblioteca en carpetas por función: marketing, análisis de datos, atención al cliente, desarrollo de producto, RR. HH. Para cada prompt guarda: el prompt completo, el modelo para el que está optimizado, un ejemplo de resultado y las variantes probadas. Herramientas como Notion u Obsidian son ideales para esto, o simplemente crea un documento compartido en Google Docs. La biblioteca se convierte en un activo de la empresa que crece con el tiempo y reduce el esfuerzo de cada nuevo uso de la IA.
Conclusión: el prompting es una habilidad, no un truco
El prompt engineering no es una serie de trucos mágicos: es una competencia comunicativa que se desarrolla con la práctica. Como aprender a escribir bien o a hacer presentaciones eficaces, mejora con el uso consciente y la reflexión sobre lo que funciona y lo que no.
Empieza con la estructura de 5 elementos (rol, contexto, tarea, formato, ejemplos). Añade el Chain of Thought para las tareas complejas. Itera siempre en lugar de aceptar el primer resultado. Construye tu biblioteca de prompts con el tiempo. Tras 30 días de práctica diaria, tu uso de la IA habrá mejorado hasta resultar irreconocible.
Puedo ayudarte a construir los prompts adecuados para tu negocio concreto y a integrar la IA en tus procesos de forma concreta y medible. Hablemos de tu proyecto.
Si quieres aplicarlo a tu proyecto, echa un vistazo a mi servicio de consultoría digital y CTO externo: precios claros desde 90 €/hora, presupuesto gratuito y respuesta en 24 horas.
