Prompts de IA: el método para escribir prompts que den respuestas útiles

Escribir un prompt de IA se parece a redactar un buen brief para un compañero. Los proveedores de modelos publican sus propios consejos, como la guía de prompt engineering de OpenAI, y los principios siguientes son comunes a la mayoría. Nuestra ficha sobre prompt engineering explica el vocabulario.

¿Qué es un prompt de IA?

Un prompt es todo lo que el modelo lee antes de responder: su pregunta, las instrucciones, los documentos pegados y los mensajes anteriores de la conversación. El modelo no tiene ninguna otra información sobre su objetivo, su público o su nivel de exigencia. Un prompt vago obtiene una respuesta media, porque el modelo rellena los huecos con las opciones genéricas más probables.

¿Cuáles son las partes de un buen prompt?

1. Rol

Diga a la IA quién debe ser: «Eres un redactor B2B que escribe para directores financieros». El rol fija el vocabulario, el tono y el nivel de especialización.

2. Contexto

Explique la situación: la empresa, el producto, el público, el objetivo del texto, lo que ya se ha hecho. Es la parte que la mayoría omite y la que más cambia los resultados.

3. Tarea

Formule una sola tarea clara con un verbo de acción: redactar, resumir, comparar, reescribir, enumerar. Divida los trabajos grandes en varios prompts.

4. Restricciones

Longitud, tono, palabras que evitar, datos que incluir, nivel de lectura, idioma. Las restricciones convierten una respuesta genérica en una que encaja con su marca.

5. Formato

Diga qué forma debe tener la respuesta: una tabla con columnas concretas, una lista numerada, tres versiones, un objeto JSON, subtítulos y párrafos cortos.

6. Ejemplos

Muestre uno o dos ejemplos de lo que espera. Esta técnica se llama few-shot prompting, por el artículo de investigación Language Models are Few-Shot Learners, que mostró que los grandes modelos pueden aprender una tarea a partir de unos pocos ejemplos incluidos en el prompt. Vea nuestra ficha sobre el aprendizaje few-shot.

¿Qué técnicas de prompt funcionan mejor?

• Pedir pasos: en tareas de razonamiento, pedir al modelo que resuelva el problema paso a paso mejora la precisión. La idea se formalizó en la investigación sobre el chain-of-thought prompting.
• Dar material de referencia: pegue el texto fuente, los datos o la guía de estilo y pida al modelo que use solo eso. Reduce los datos inventados.
• Pedir una autorrevisión: «Revisa tu respuesta frente a las restricciones y corrige lo que no encaje».
• Hacer que pregunte primero: «Antes de escribir, hazme las preguntas que necesites». Útil cuando no sabe qué contexto dar.
• Iterar: trate la primera respuesta como un borrador y afínela con comentarios precisos («más corto», «más concreto», «sin jerga»).
• Separar instrucciones y contenido: ponga el texto pegado entre marcas claras para que el modelo no lo confunda con sus instrucciones.

Prompt flojo frente a buen prompt: ejemplos de marketing

¿Qué errores conviene evitar?

• Poco contexto: el modelo adivina su público y su objetivo.
• Varias tareas a la vez: la calidad baja en cada una.
• Instrucciones contradictorias: «corto pero detallado», «formal pero desenfadado».
• Pedir datos sin fuentes: el modelo puede producir cifras plausibles pero falsas. Aporte los datos o verifíquelo todo.
• Aceptar la primera respuesta: dos o tres rondas de comentarios suelen marcar la diferencia.
• Pegar datos confidenciales en herramientas cuya política de datos no ha revisado.

Para prompts SEO y GEO listos para usar basados en este método, consulte nuestra biblioteca de prompts SEO y GEO. Para mejorar sus prompts con el tiempo, nuestra ficha sobre optimización de prompts explica cómo comparar versiones entre sí.

¿Y los prompts que escriben sus clientes?

Los prompts también importan en sentido inverso. Cuando un comprador pregunta a ChatGPT «¿qué software de contabilidad para una agencia pequeña?» o a Perplexity «mejor CRM para inmobiliarias», la respuesta nombra unas pocas marcas. Esos prompts funcionan como búsquedas: más largos, más conversacionales y más concretos, y deciden cada vez más quién entra en la lista.

Seguir una lista de esos prompts y comprobar qué marcas aparecen se llama seguimiento de prompts. Indica en qué preguntas se le recomienda, en cuáles no aparece y qué fuentes citan las IA en su lugar. Esos datos orientan después sus contenidos: las páginas que responden con claridad a esas preguntas, con datos con fuente, son las que citan los asistentes.

Un buen prompt de IA da al modelo lo que necesitaría un buen compañero: un rol, el contexto, una tarea, restricciones claras, un formato y un ejemplo; y los prompts que escriben sus clientes merecen la misma atención, porque deciden si las IA le recomiendan. Para seguir esos prompts de clientes en ChatGPT, Claude y Gemini, Sorank sigue de 25 a 150 prompts según el plan, muestra quién aparece citado en su lugar y publica artículos optimizados en autopilot, con 3 días de prueba gratis.