Hay una habilidad nueva que apareció casi de la noche a la mañana y que hoy separa a quien saca poco de un modelo de lenguaje de quien le saca provecho de verdad: saber pedirle las cosas bien. Se le llama ingeniería de prompts, y aunque el nombre suena grandilocuente, en el fondo es algo muy humano —comunicar con claridad qué quieres— aplicado a una máquina que interpreta cada palabra al pie de la letra.
No es magia ni son "hechizos secretos". Es, sobre todo, ser explícito.
Por qué el prompt importa tanto
Un LLM no lee tu mente; lee tu texto. Y ante una instrucción vaga, no se detiene a preguntar: rellena los huecos con supuestos, y muchas veces no con los tuyos. La diferencia entre una respuesta mediocre y una excelente no suele estar en el modelo, sino en cuánta información útil le diste para acertar.
Compara:
- "Escribe sobre perros." → un texto genérico, sin rumbo.
- "Escribe un párrafo de 4 líneas, en tono cercano, explicándole a un niño de 8 años por qué los perros mueven la cola." → algo concreto y utilizable.
Mismo modelo. La única diferencia es cuánto le dijiste.
Los cuatro ingredientes de un buen prompt
Casi cualquier prompt sólido combina, en algún grado, estas cuatro cosas:
- Rol — quién debe "ser" el modelo. "Eres un profesor de estadística paciente." Esto fija el tono, el nivel y el vocabulario de un plumazo.
- Tarea — qué quieres, sin rodeos y con verbos claros: resume, clasifica, traduce, corrige, compara.
- Contexto — la materia prima: el texto a resumir, los datos, las reglas del negocio. Sin esto, el modelo trabaja de memoria (y aquí es donde entra RAG).
- Formato — cómo quieres la salida: "en viñetas", "como JSON", "máximo 50 palabras", "solo el código, sin explicación".
No hace falta que estén los cuatro siempre, pero cada uno que agregas quita una decisión que el modelo tomaría por su cuenta —y no siempre a tu favor.
Técnicas que valen la pena
Dar ejemplos (few-shot)
En vez de explicar la tarea, muéstrala. Si quieres clasificar el sentimiento de frases, dale primero dos o tres ejemplos resueltos:
Clasifica el sentimiento como positivo, negativo o neutro.
"El servicio fue pésimo" → negativo
"Llegó a tiempo, todo bien" → positivo
"El paquete es azul" → neutro
"No volvería a comprar aquí" →
El modelo capta el patrón del ejemplo mucho mejor que de una descripción abstracta. Es la diferencia entre zero-shot (sin ejemplos) y few-shot (con ellos).
Pedir que "piense en voz alta" (chain of thought)
Para problemas con varios pasos —cálculos, razonamiento lógico—, pedirle que muestre su razonamiento antes de responder mejora notablemente los resultados. Un simple "razona paso a paso antes de dar la respuesta final" hace que el modelo no se lance a adivinar, sino que despliegue el problema. Piensa mejor cuando escribe mientras piensa, igual que nosotros con un papel al lado.
Darle una salida cuando no sabe
Una línea pequeña con un efecto enorme: "Si no tienes información suficiente, responde 'No lo sé' en vez de inventar." Le das permiso para reconocer sus límites, y reduces las alucinaciones sin tocar nada más.
Iterar es parte del trabajo
Nadie escribe el prompt perfecto de una. Lo normal es probar, mirar dónde falla la respuesta y ajustar: si divaga, acotas el formato; si se pone genérico, agregas contexto; si malinterpreta, das un ejemplo. La ingeniería de prompts se parece más a afinar una receta que a resolver una ecuación.
Y ojo con un detalle técnico: la temperatura también manda. Un prompt impecable con temperatura alta puede seguir dándote respuestas erráticas. Para tareas donde quieres precisión —extraer datos, clasificar—, baja la temperatura; para las creativas, súbela.
Para llevar
La ingeniería de prompts es el arte de pedirle a un LLM las cosas con claridad: rol, tarea, contexto y formato, más técnicas como dar ejemplos (few-shot), pedir razonamiento paso a paso o darle permiso para decir "no lo sé". No son trucos, es comunicación explícita con una máquina literal. La mejor forma de mejorar una respuesta casi nunca es cambiar de modelo: es afinar lo que le pediste. Combínalo con la temperatura adecuada y verás la diferencia.