Cómo mejorar tus prompts de IA: 12 arreglos que funcionan
Rara vez necesitas un prompt más largo: necesitas uno más afilado. Doce arreglos concretos, cada uno con un antes y un después que puedes copiar.
La mayoría de los prompts flojos no fallan por ser cortos. Fallan porque dejan al modelo adivinando decisiones que tú ya tomaste en tu cabeza: quién va a leer esto, cuánto tiene que durar, qué significa «bueno» en este trabajo concreto. Cada hueco que dejas se rellena con el promedio estadístico de todo lo que se ha escrito sobre el tema. Y el promedio estadístico es beige.
Abajo tienes doce arreglos. Ninguno exige un framework, una biblioteca de plantillas ni un fin de semana entero. Cada uno es una frase o dos que puedes enchufar a un prompt que ya tengas. Abre en otra pestaña el último prompt que escribiste y ve parcheándolo mientras lees.
Decide primero la forma de la respuesta
Arreglo 1: di cuál es el formato de salida. No «hazme un resumen», sino «una tabla en Markdown con estas tres columnas, seis filas como máximo». Cuando le pides algo estructurado, el modelo razona con más cuidado sobre qué cabe dentro de esa estructura. Si necesitas una salida legible por máquina, escribe el esquema completo: un generador de prompts JSON te ahorra teclear los nombres de las claves dos veces.
Arreglo 2: pon un límite de longitud en unidades que el modelo pueda contar. «Breve» es un estado de ánimo. «Menos de 120 palabras» es una regla. Sirven las palabras, las viñetas, las frases y las filas; «corto» y «con gancho» no.
Arreglo 3: enseña un ejemplo del resultado que quieres. Con uno suele bastar. Una sola muestra concreta transmite tono, ritmo, manías de puntuación y nivel de detalle mucho más rápido que tres párrafos de descripción.
Nombra a quien lee y después a quien escribe
Arreglo 4: nombra a la audiencia. «Explica qué son los webhooks» produce un esbozo de Wikipedia. «Explica qué son los webhooks a un responsable de marketing que ha montado una automatización en Zapier pero nunca ha escrito código» produce algo que una persona reenviaría de verdad a un compañero. La audiencia controla el vocabulario, los conocimientos que se dan por sentados y qué objeciones se responden.
Arreglo 5: da un rol que cambie el criterio, no solo la voz. «Eres un asistente útil» no cambia nada. «Eres un revisor de código cuya única misión es encontrar problemas de seguridad; ignora el estilo» cambia qué se señala. La prueba de un buen rol: ¿hace que el modelo *excluya* algo que de otro modo habría incluido? Si no, es decoración. Los prompts de rol los tratamos con más profundidad en nuestro artículo de fundamentos de ingeniería de prompts, y se vuelven de verdad potentes cuando los trasladas a un prompt de sistema reutilizable.
Cambia las palabras de ambiente por medidas
Arreglo 6: cada palabra vaga de calidad que dejas en el prompt es un sitio donde el modelo y tú vais a discrepar en silencio. Cámbialas por algo comprobable:
- «atractivo» pasa a ser «arranca con una pregunta que el lector ha tecleado de verdad en un buscador»
- «profesional» pasa a ser «sin contracciones, sin signos de exclamación, sin preguntas retóricas»
- «completo» pasa a ser «cubre estos cinco subtemas, un párrafo cada uno»
- «conciso» pasa a ser «menos de 150 palabras»
- «creativo» pasa a ser «sin metáforas de viajes, recetas ni piezas de construcción»
El patrón es este: si dos personas razonables pueden puntuar el resultado de forma distinta, esa palabra no está haciendo su trabajo. Es el fallo que hay detrás de la mitad de nuestra lista de errores comunes al escribir prompts.
Entrega lo que el modelo no puede saber
Arreglo 7: el modelo ha leído muchísimo, pero no ha leído tu bandeja de entrada. Detrás de casi toda respuesta decepcionante hay un dato que nunca aportaste. Antes de quejarte del resultado, comprueba si le diste:
- la restricción dentro de la que trabajas (presupuesto, plazo, herramientas, extensión de la pieza final)
- la decisión que ya está tomada y no quieres reabrir
- qué intentaste antes y por qué no funcionó
- la objeción que va a tener quien lo lea
- qué significa «éxito» para este mensaje concreto
Pon vallas alrededor de la respuesta
Arreglo 8: di qué evitar. Las restricciones negativas son baratas y funcionan de forma casi desproporcionada: prohibir tres clichés, un enfoque y una estructura que detestas elimina de golpe casi todo lo que ibas a editar después. Con imágenes pesa todavía más, y ahí un prompt negativo bien puesto suele ser la diferencia entre usable e inquietante.
Arreglo 9: dile qué hacer cuando no lo sepa. Si no lo especificas, el modelo resuelve la incertidumbre produciendo algo verosímil. Si le das una salida explícita, la usa. Esa única instrucción se lleva por delante casi todas las estadísticas inventadas, las citas falsas y las fechas erróneas dichas con total aplomo.
Un prompt, una tarea
Arreglo 10: parte las peticiones múltiples. Un prompt que pide investigación, esquema, borrador y titular hará las cuatro cosas con calidad mediocre, porque el modelo reparte su atención entre toda la petición. Ejecútalas en cuatro turnos y cada una recibe el esfuerzo completo, además de darte un punto de control entre pasos donde corregir el rumbo antes de que el error se acumule. La misma lógica vale cuando encadenas prompts en un flujo de trabajo, que es donde un generador de prompts de IA se gana el sueldo: obtienes un prompt de partida limpio para cada etapa en vez de un único monstruo sobrecargado.
Arreglo 11: pide razonamiento solo cuando la tarea lo necesite. Pensar paso a paso ayuda en matemáticas, en planificaciones con muchas restricciones, en acertijos lógicos, en depuración y en todo aquello donde un error temprano contamina lo que viene después. En una reescritura de tono o en un asunto de correo, solo añade relleno narrativo que vas a saltarte. Cuando sí lo quieras, concreta los pasos: un constructor de prompts de razonamiento lo estructura mejor que añadir «piensa paso a paso» al final, y la guía a fondo explica cuándo se vuelve en tu contra.
Repara la respuesta en vez de empezar de cero
Arreglo 12: cuando el resultado está un 80 % bien, la tentación es reescribir el prompt entero y perder ese 80 %. Apunta al defecto concreto:
- «Deja todo igual. Sustituye el párrafo 3: repite lo que ya dice el párrafo 1.»
- «Misma estructura, pero todos los ejemplos deben venir de sanidad, no de retail.»
- «Quita 40 palabras. Sácalas de la introducción, no de los pasos.»
- «El tono está dos puntos por encima de entusiasta. Ajústalo al de esta línea: [pegar].»
Y luego, esta es la parte que casi todo el mundo se salta, incorpora la corrección al prompt para no tener que dar la misma nota dos veces. Así es como un prompt decente se convierte en uno reutilizable. Si prefieres no hacer esa costura a mano, pasa el original por un optimizador de prompts o entrégale la versión desordenada a un generador de prompts de reescritura y compara.
¿No sabes cuál de los doce le falta a tu prompt? Pégalo en el analizador de prompts y te dirá qué casillas están vacías. Y si estás construyendo prompts desde cero en lugar de parchear los viejos, empieza por cómo escribir prompts de IA y vuelve aquí para afinar el resultado.
