¿Por qué importa cómo le preguntas a la IA?
La misma pregunta, formulada de maneras diferentes, puede producir respuestas radicalmente distintas en calidad, precisión y utilidad. El prompt engineering es la disciplina de diseñar instrucciones que obtengan los mejores resultados posibles de los modelos de IA.
No requiere saber programar. Requiere claridad de pensamiento.
Los principios fundamentales
Principio 1: Sé específico y concreto
Mal prompt: "Escribe algo sobre marketing"
Buen prompt: "Escribe una publicación de LinkedIn de 150 palabras para una empresa B2B de software de gestión de inventarios, dirigida a gerentes de operaciones de pymes. Tono profesional pero cercano. Incluye una pregunta al final para generar comentarios."
Principio 2: Asigna un rol
Los LLMs responden mejor cuando les dices quiénes son: "Actúa como un consultor senior de estrategia con 20 años de experiencia en retail latinoamericano..."
Principio 3: Proporciona contexto
Entre más contexto relevante entregues, mejor será el output. Comparte datos del negocio, restricciones, audiencia objetivo, formato deseado.
Principio 4: Divide tareas complejas
En lugar de pedir todo de una vez, descompone la tarea: primero pide un esquema, luego desarrolla cada sección.
Técnicas avanzadas para profesionales
Chain of Thought (CoT)
Pide al modelo que "piense paso a paso" antes de responder. Mejora significativamente la calidad en problemas analíticos y matemáticos.
Few-shot prompting
Proporciona 2-3 ejemplos del tipo de output que esperas antes de hacer tu pregunta. El modelo aprende el patrón y lo replica.
Persona + tarea + formato + restricciones
Una fórmula que casi siempre funciona: define quién eres, qué necesitas, en qué formato y qué no debe incluir el output.