Prompt engineering: una guía práctica para resultados profesionales

Llevo más de dos años trabajando con modelos de lenguaje a diario. Al principio, como todos, escribía prompts tipo "escribime un post para Instagram" y me frustraba cuando el resultado sonaba genérico, robótico o directamente inútil. Con el tiempo entendí algo que cambió todo: la IA no es perezosa, es literal. Si le das una instrucción vaga, te da una respuesta vaga. Si le das una especificación clara, te da algo que podés usar.

La diferencia entre un prompt mediocre y uno profesional no está en las palabras mágicas ni en trucos ocultos. Está en cuatro componentes que cualquiera puede aprender en una tarde.

Componente 1: Rol y contexto. Antes de pedirle nada a la IA, decile quién es y para quién trabaja. No es lo mismo "escribí un correo de ventas" que "sos el responsable de comunicación de una empresa de logística que vende a PyMEs; tu lector es un dueño de empresa de 10 empleados que no tiene tiempo y recibe 200 emails por día". El contexto cambia todo: el tono, la longitud, las palabras que elige, los argumentos que usa. Sin contexto, la IA inventa uno genérico que no sirve para nadie.

Componente 2: La tarea, acotada. Un prompt, una tarea. Si le pedís tres cosas en el mismo prompt, vas a obtener tres respuestas mediocres en vez de una buena. Y siempre, siempre especificá el formato de salida: cuántas palabras, qué estructura, qué tono, cuántas opciones querés que te dé. "Escribí 3 versiones de un asunto de email, máximo 8 palabras cada una, tono cercano pero profesional, sin emojis" es infinitamente mejor que "dame ideas de asuntos".

Componente 3: Ejemplos, no descripciones. Esta es la que más cambia la calidad de los resultados. En vez de describir el estilo que querés ("tono joven, cercano, con humor sutil"), mostrale un ejemplo. "Este es un post que funcionó bien: [ejemplo]. Escribí uno nuevo sobre [tema] siguiendo el mismo estilo". Un par de ejemplos de entrada/salida vale más que diez párrafos de instrucciones. La IA entiende patrones mucho mejor que descripciones abstractas.

Componente 4: Criterio de calidad negativo. Decile qué arruinaría el resultado. "No uses emojis. No prometas resultados específicos. No uses jerga técnica. No empieces con 'En el mundo digital de hoy'". Los criterios negativos son más efectivos que los positivos porque acotan el espacio de posibilidades. Es como decirle al modelo: "tenés todo el universo de respuestas, pero sacá estas zonas".

Un buen prompt es una especificación de producto. Si le darías esa instrucción a un freelancer y esperaría un resultado usable a la primera, entonces está bien escrita. Si necesitaría tres rondas de aclaraciones, el problema no es la IA.

El paso siguiente: plantillas. Cuando encontrás un prompt que funciona bien, no lo uses una vez y lo olviden. Guárdenlo. Organicenlo por tipo de tarea. Con el tiempo van a tener una biblioteca de prompts probados que producen resultados consistentes. Eso es lo que separa a quien "juega con ChatGPT" de quien "trabja con IA como herramienta profesional".

Un último consejo que me costó años aprender: iterar no es fracasar. El primer prompt casi nunca es perfecto. Lo que hago es escribir un borrador, ver qué sale, ajustar una variable (el tono, el formato, el contexto), y volver a intentar. Tres iteraciones me dan un resultado que antes me llevaba treinta minutos de edición manual. La IA no reemplaza tu criterio: te da un borrador bueno sobre el cual trabajar. Y eso, en volumen, cambia completamente tu productividad.