Intermedio

Ingeniería de prompts: instrucciones que realmente funcionan

La ingeniería de prompts es la práctica de redactar, probar y ajustar las instrucciones que se dan a un modelo de IA para que sus respuestas sean más fiables. Interesa tanto a quien usa ChatGPT a diario como a quien construye un agente de IA.

Datos a 22 de octubre de 2026

Lo esencial en cifras

NivelIntermedio

Qué es, en pocas palabras

Un prompt es la instrucción que usted da a una IA. La ingeniería de prompts es el trabajo metódico de mejorar esa instrucción: aclarar el objetivo, aportar el contexto necesario, fijar un formato de respuesta y comprobar si el resultado mejora de verdad. La palabra «ingeniería» subraya la idea de prueba: no basta con la intuición, se comparan versiones.

Un ejemplo concreto

Pensemos en una petición habitual: «Resume esta acta de reunión». El modelo dará un resumen, pero con una extensión y un tono imprevisibles. Versión trabajada: «Usted es el asistente de un equipo comercial. Resuma esta acta en un máximo de cinco viñetas, empezando por las decisiones tomadas y siguiendo con las tareas y su responsable. Si falta un dato, escriba “no indicado” en lugar de suponerlo».

La segunda versión aporta un rol, un público, una estructura, un límite y una regla contra la invención. En una herramienta profesional, esas instrucciones fijas irían en el prompt de sistema y solo cambiaría el acta de una llamada a otra.

Por qué importa

Un mismo modelo puede dar una respuesta mediocre o excelente según cómo se le pregunte. En una conversación puntual basta con reformular. En un agente o una automatización no hay nadie que reformule: la calidad de la instrucción determina directamente la fiabilidad del sistema. La documentación oficial, como la guía de Anthropic, recomienda definir primero criterios de éxito y una forma de medirlos, antes incluso de retocar el prompt.

Entre las técnicas más conocidas están el prompt con ejemplos, que muestra al modelo lo que se espera, y la cadena de pensamiento, que le pide detallar su razonamiento.

Ideas equivocadas frecuentes

  • «Existen prompts secretos que siempre funcionan». Las listas de fórmulas milagrosas envejecen rápido: lo que servía en un modelo puede no aportar nada en la siguiente versión.
  • «Cuanto más largo, mejor». Un prompt largo pero confuso entierra la información útil. Cuenta más la precisión que la extensión.
  • «Un buen prompt elimina los errores». Los reduce, no los elimina. Las alucinaciones siguen siendo posibles y los temas delicados requieren revisión humana.
  • «Es cosa de programadores». Los mismos principios mejoran cualquier conversación con un asistente.

Términos relacionados y siguientes pasos

La ingeniería del contexto amplía la idea al conjunto de lo que recibe el modelo (documentos, historial, resultados de herramientas), no solo a la instrucción. En cambio, la inyección de prompts es un ataque en el que un texto malicioso desvía las instrucciones del modelo. Para practicar, el generador de prompts del sitio le ayuda a estructurar una instrucción paso a paso.

Términos relacionados

Para probar

Todo el glosario

Preguntas frecuentes

¿Hay que aprenderse fórmulas mágicas para escribir un buen prompt?

No. Las guías oficiales de los fabricantes insisten principalmente en la claridad, el contexto y los ejemplos. Una petición precisa en lenguaje corriente funciona mejor que una lista de palabras clave supuestamente «mágicas».

¿Sigue siendo útil con los modelos más recientes?

Sí, aunque cambia de enfoque. Los modelos actuales entienden mejor las peticiones vagas, así que la mejora viene menos de los trucos de redacción y más del contexto que se aporta, del formato pedido y de cómo se comprueba el resultado.

¿Un prompt que funciona en un modelo funciona igual en cualquier otro?

No necesariamente. Cada modelo reacciona de forma algo distinta y una nueva versión puede cambiar su comportamiento. Si el prompt se usa dentro de una herramienta, conviene volver a probarlo con el modelo que se usa de verdad.

¿En qué se diferencia del ajuste fino (fine-tuning)?

La ingeniería de prompts no modifica el modelo: solo actúa sobre el texto que se envía. El ajuste fino vuelve a entrenar el modelo con sus propios datos, cuesta más y se reserva para cuando las instrucciones ya no bastan.

Fuentes de los datos

Datos a 22 de octubre de 2026

Señalar un error

¿Una cifra, una fecha o un dato le parece incorrecto? Díganoslo: verificamos cada aviso.