Cómo ser prompt engineer: habilidades, portafolio y salidas laborales reales
Prompt engineer se convirtió en un puesto de trabajo casi de la noche a la mañana. Qué implica de verdad, qué habilidades te abren puertas y dónde están hoy las oportunidades.
En 2023, "prompt engineer" pasó de ser una expresión rara a un puesto de titular casi de la noche a la mañana, con reportajes exaltados sobre gente a la que pagaban por hablar con chatbots. Hoy los puestos con ese nombre exacto escasean más, porque las empresas metieron ese trabajo dentro de roles que ya existían. La habilidad, en cambio, no ha desaparecido. Si acaso, se ha extendido: equipos de producto, desarrolladores, responsables de contenido y jefes de soporte necesitan a alguien capaz de conseguir que un modelo de lenguaje se comporte de forma fiable. Así que, si quieres saber cómo ser prompt engineer, la respuesta honesta es que estás aprendiendo un conjunto de habilidades que te hace valioso en muchos puestos, y que a veces tiene título propio.
Qué hace de verdad un prompt engineer en su día a día
El trabajo diario se parece más a probar un producto que a pulir frases.
- Diseñar prompts y prompts de sistema. Escribir las instrucciones fijas que definen cómo se comporta un modelo dentro de una aplicación: rol, tono, límites y formato de salida.
- Montar conjuntos de evaluación. Reunir entradas realistas, incluidas las más feas, y definir qué aspecto tiene una buena respuesta para cada una.
- Probar casos límite. Entradas vacías, usuarios hostiles, peticiones ambiguas, documentos larguísimos, otros idiomas.
- Iterar con datos. Cambiar una sola cosa, volver a pasar el conjunto de pruebas y comparar resultados en lugar de fiarte de una corazonada.
- Trabajar con producto e ingeniería. Convertir "que suene más cercano" en instrucciones concretas y explicar a los desarrolladores por qué un prompt falla con ciertas entradas.
Un buen prompt engineer dedica más tiempo a leer lo que devuelve el modelo que a escribir prompts. Lo difícil es saber si ha funcionado.
La situación real del mercado laboral
Si buscas el título exacto en los portales de empleo, encontrarás muchas menos ofertas de las que prometía el bombo. Si buscas la habilidad, el panorama cambia. El prompting y la evaluación de LLM aparecen como requisito en puestos como estos:
- AI product manager o especialista de producto, que decide cómo se comporta un modelo dentro de una funcionalidad.
- Desarrollador de aplicaciones con LLM, que construye chats, sistemas de recuperación y agentes sobre las API de los modelos.
- Operaciones de contenido, que gestiona flujos de trabajo asistidos por IA para marketing, documentación o localización.
- Entrenador de IA o anotador de datos, que escribe y califica respuestas que se usan para entrenar y evaluar modelos.
- Solutions engineer o consultor de IA, que ayuda a los clientes a poner los modelos a trabajar en sus propios problemas.
El sueldo varía muchísimo según el puesto, la empresa y la región, y quien te dé una cifra única está adivinando. Mira ofertas reales y actuales en tu zona y en el mercado remoto para ver qué pagan de verdad los empleadores por los puestos que te interesan.
Las habilidades clave que necesitas
- Escribir con claridad. Si no sabes explicarle una tarea con precisión a una persona, tampoco se la sabrás explicar a un modelo. Lo concreto gana siempre a lo ingenioso.
- Pensamiento estructurado. Desmontar un objetivo confuso en pasos, restricciones y un formato de salida.
- Mentalidad de evaluación. Preguntarte "¿cómo sabría que esto está mal?" antes de preguntarte "¿esto pinta bien?".
- Nociones básicas de LLM. Tokens, ventana de contexto, temperatura y por qué los modelos sufren alucinaciones. Un contador de tokens hace que los límites de contexto se vuelvan tangibles enseguida.
- Algo de programación. Suficiente Python o JavaScript para llamar a la API de un modelo, recorrer casos de prueba y guardar los resultados.
- Salida estructurada. Conseguir que un modelo devuelva JSON válido que otro sistema pueda procesar. Un generador de prompts JSON te enseña los patrones que aguantan.
Tu ventaja secreta es el conocimiento de un campo concreto. Una enfermera, un abogado, una contable o un profesor que aprende prompting juzga la calidad de las respuestas en su área mucho mejor que un generalista. Esa combinación es bastante más difícil de sustituir que el prompting a secas.
Una ruta de aprendizaje paso a paso
Así es cómo ser prompt engineer sin perder meses saltando de tutorial en tutorial:
- Fundamentos. Aprende rol, contexto, tarea, restricciones y formato. Empieza por los fundamentos de la ingeniería de prompts.
- Técnicas. Ejemplos few-shot, prompting de cadena de pensamiento, descomposición y autocrítica. Después pasa a la ingeniería de prompts avanzada para el encadenamiento de prompts y los trucos de fiabilidad.
- Prompts de sistema. Estudia cómo unas instrucciones fijas moldean un producto entero. La guía de prompts de sistema explica su anatomía, y un generador de prompts de sistema te da borradores para destripar.
- Evaluaciones. Crea un pequeño conjunto de pruebas y una rúbrica, y puntúa las respuestas siempre con el mismo criterio. Es el paso que más se salta la gente autodidacta y el que más les importa a los empleadores.
- API. Llama a un modelo desde código, controla la temperatura y ejecuta un conjunto de pruebas de forma automática.
- Un proyecto real. Construye algo de principio a fin: un bot de soporte, un extractor de documentos o un flujo de trabajo sencillo. Leer sobre agentes de IA es un buen siguiente paso cuando los prompts sueltos ya te resulten fáciles.
Aquí tienes un borrador de prompt de sistema que puedes adaptar para un proyecto de práctica:
Evaluaciones que demuestran tu trabajo
Las evaluaciones son lo que separa una carrera en prompt engineering de andar trasteando por diversión. Necesitas dos cosas: entradas de prueba que cubran casos realistas y casos incómodos, y una forma coherente de calificar los resultados. Un modelo puede ayudarte a generar ambas.
Un generador de casos de prueba:
Un prompt con rúbrica para calificar respuestas:
Revisa tú mismo al evaluador en un puñado de casos. Un modelo que califica a otro modelo puede compartir sus mismos puntos ciegos, así que tu criterio sigue siendo necesario. Pasar los borradores por un analizador de prompts es una forma rápida de detectar instrucciones vagas antes de invertir tiempo en una evaluación completa.
Un portafolio que llame la atención
Un portafolio vale más que un certificado porque aporta pruebas. Apunta a tres o cuatro casos documentados, y que cada uno responda a las mismas preguntas:
- El problema. Qué tenía que hacer el modelo y para quién.
- Antes y después. El primer prompt, el prompt final y respuestas de ejemplo de cada uno.
- Resultados de las pruebas. Cuántos casos ejecutaste, las puntuaciones antes y después, y qué fallos siguen ahí.
- Qué aprendiste. Los cambios que marcaron la diferencia y los que no sirvieron para nada.
Sube los prompts, los conjuntos de pruebas y los scripts a GitHub con un README claro para cada proyecto. Elige problemas variados: una tarea de extracción con salida en JSON, un asistente conversacional con prompt de sistema, un flujo de contenido y, a ser posible, uno de tu propio campo. Reconocer que "esto todavía falla con entradas sarcásticas" resulta más creíble que presumir de perfección.
Dónde encontrar trabajo y cómo venderte
Como el título específico escasea, amplía la búsqueda: "LLM", "IA generativa", "contenido con IA", "evaluación de IA", "entrenador de IA" e "IA aplicada" sacan a la luz puestos relevantes. Hay otras vías que funcionan bien:
- Dentro de tu trabajo actual. Ofrécete a mejorar un proceso del equipo con IA, mide el tiempo ahorrado y conviértelo en tu primer caso de estudio.
- Proyectos freelance. Las pequeñas empresas necesitan ayuda para montar asistentes, flujos de contenido y herramientas internas. Acota bien el encargo y entrega resultados de pruebas junto con los prompts.
- Plataformas de anotación y evaluación. No tienen nada de glamuroso, pero te dan experiencia real en evaluación.
- Comunidades y código abierto. Aportar conjuntos de prompts o herramientas de evaluación a proyectos públicos hace que tu trabajo se vea.
Cuando te presentes, empieza por los resultados, no por las técnicas. "Reduje las respuestas incorrectas de nuestro bot de soporte en un conjunto de 50 casos de prueba" convence más que "experto en few-shot y cadena de pensamiento".
Unas cuantas advertencias sinceras si todavía estás decidiendo cómo ser prompt engineer. Los certificados importan mucho menos que las pruebas que puedas enseñar. Desconfía de cualquier curso que prometa un empleo garantizado o un sueldo concreto, porque ningún curso puede cumplir eso. Y cuenta con que las herramientas seguirán cambiando: las habilidades que perduran son pensar con claridad, probar con cuidado y conocer tu campo, y precisamente por eso merece la pena desarrollarlas. Cualquier prompt engineer que las mantenga afiladas seguirá siendo útil mucho después de que los trucos de hoy pasen de moda.
