Analizador de Prompts para IA

Cómo leer la puntuación con honestidad

El número de 0 a 100 es un diagnóstico, no una nota. Mide cuánta adivinanza deja tu prompt sobre la mesa, no si la salida va a gustarte. Un prompt puede sacar 92 y producir algo que detestes, porque el analizador no conoce tu criterio ni tu marca.

Lo que sí te dice es dónde está el modelo rellenando huecos por ti. Franjas orientativas:

• Menos de 40. El modelo se está inventando la forma de la respuesta. Espera salida genérica y varias rondas de "no, más bien así".
• 40-65. La petición está clara, las restricciones no. Tema correcto, extensión o formato equivocados.
• 65-85. Prompt sólido y funcional. Los puntos que faltan están en precisión de formato y ejemplos.
• Más de 85. Rendimientos decrecientes. Deja de optimizar y empieza a probar salidas reales.

Perseguir el 100 es una trampa. Pasado el 85 añades instrucciones que cuestan tokens y encierran al modelo en una prosa rígida y sobreespecificada. Un 78 que has ejecutado tres veces vale más que un 96 que nunca enviaste.

Las siete comprobaciones y por qué importa cada una

Cada una de las siete dimensiones corresponde a una forma concreta en que fallan los prompts.

• Claridad. ¿Una sola acción inequívoca? Los prompts con dos verbos unidos por "y" reciben media respuesta a cada uno.
• Rol. Una perspectiva que cambia vocabulario y profundidad. Sin rol, salida plana de enciclopedia.
• Contexto. Público, producto, intentos previos. Aquí es donde más cae la puntuación y donde más rinde arreglarlo.
• Restricciones. Extensión, exclusiones, reglas duras. Sin ellas el modelo usa su propia extensión media, que nunca es la tuya.
• Formato de salida. Tabla, JSON, viñetas. No especificarlo significa prosa, siempre.
• Especificidad. Sustantivos y cifras concretos frente a adjetivos de relleno. "Mejorar el engagement" puntúa mal; "subir la tasa de respuesta en correos en frío" puntúa bien.
• Ejemplos. Una muestra de la salida vale más que tres párrafos describiéndola. Few-shot frente a zero-shot explica cuándo compensa.

Dos dimensiones bajas suelen explicar por completo una mala puntuación. Arregla esas primero.

Lo que cuesta de verdad la redacción vaga

Palabras como "atractivo", "profesional", "completo" o "moderno" parecen instrucciones pero apenas llevan información. El modelo las resuelve hacia el centro estadístico de sus datos de entrenamiento. Por eso tanto texto generado con IA suena idéntico: todo el mundo pide el mismo promedio.

El coste aparece por tres vías. Reescribes la salida y quemas una ida y vuelta. Recibes una extensión que no pediste, porque "completo" se lee como "largo". Y no puedes iterar, porque cuando la respuesta falla no sabes señalar qué instrucción falló. Cambia cada palabra vaga por algo verificable:

• "atractivo" → "empieza con una cifra concreta o una pregunta"
• "profesional" → "sin contracciones, sin signos de exclamación"
• "completo" → "cubre estos cuatro puntos, 150 palabras cada uno"
• "moderno" → "frases cortas, sin jerga"

La prueba: ¿podrían dos personas leer tu instrucción y discrepar sobre si la salida la cumple? Si es así, no es una restricción.

Arreglar una puntuación baja y volver a empezar

Por orden: los dos primeros recuperan casi todos los puntos.

1. Añade contexto. Dos o tres frases que el modelo no podía adivinar: quién lo lee, para qué sirve, qué ya falló.
2. Nombra el formato. "Salida: tabla markdown de tres columnas" vale más que un párrafo descriptivo.
3. Añade un rol que cambie algo. Si cambiarlo no cambia nada, sáltatelo.
4. Convierte los adjetivos blandos en reglas. Como arriba.
5. Añade un ejemplo solo si el formato importa más que el contenido.

Si el prompt es un desastre y no simplemente escueto, no lo parchees: pásalo por el optimizador de prompts para rehacer la estructura, o por el reescritor para apretar la redacción sin tocar la intención. Para salida estructurada, el constructor de prompts JSON maneja las restricciones de esquema mejor que la prosa.

Luego repite el ciclo. Analiza, aplica solo los dos arreglos principales, vuelve a analizar. De dos en dos aprendes qué cambio movió el número; cambia cinco y no aprendes nada.

Fíjate en el desglose por dimensión más que en el total. Pasar de 51 a 74 dice menos que ver el contexto ir de 2/10 a 8/10, porque lo segundo revela un hábito. Casi todo el mundo tiene una debilidad crónica que aparece en cada prompt que escribe. Encuentra la tuya y dejarás de necesitar la herramienta para eso. Errores comunes al escribir prompts recopila los sospechosos habituales.

Para cuando la puntuación se estanque o supere 80. Entonces prueba salidas reales y guarda la ganadora en la biblioteca de prompts para no reescribirla el mes que viene.

Un ejemplo trabajado

Un prompt que saca poco más de 30:

La claridad está bien: es un correo. Todo lo demás falta: sin rol, sin contexto, sin extensión, sin formato, y dos adjetivos que no significan nada. Recibes un anuncio educado que podría ser de cualquier empresa del planeta. La reescritura ronda el 85:

Cada línea añadida cerró un hueco que el modelo estaba rellenando por su cuenta. Para las manías de un modelo concreto, el generador de prompts para ChatGPT y el generador de prompts para Claude te dan la forma correcta desde el principio, y cómo escribir prompts de IA explica cada bloque.