Cómo lee realmente un LLM tu prompt
Cuando le escribes a una IA, esta no lee tu texto como lo haría un ser humano. No "entiende" verdaderamente lo que quieres decir. En su lugar, compara tus palabras con enormes cantidades de texto que ha visto antes y predice qué respuesta es más probable que venga a continuación.
Es por eso que la IA a veces puede dar respuestas increíbles y otras veces errar el tiro por completo.
Esto es lo que necesitas saber:
- La IA solo funciona con lo que realmente escribes. Si tu pregunta es vaga o poco clara, la respuesta generalmente también lo será.
- Cada palabra afecta al resultado. Una redacción informal conduce a respuestas más informales. Las instrucciones claras y específicas conducen a resultados más precisos.
- Si omites detalles importantes, la IA llenará los vacíos por su cuenta. Por lo general, con la suposición más promedio o estadísticamente probable, que a menudo no es lo que querías.
- La IA está diseñada para sonar convincente, no para estar siempre en lo cierto. Eso significa que a veces puede dar una respuesta errónea que suena segura y profesional.
Los cinco ejesQué medimos y por qué
Cada prompt mantiene la misma escala de cinco partes y 0–100 puntos. La claridad del objetivo siempre se puntúa; el contexto, el formato, las restricciones y los ejemplos pueden marcarse como «No es necesario».
Eje 1 — Claridad del objetivo – Di exactamente lo que quieres
Un LLM no puede leer tu mente. El objetivo ancla todo lo demás; si fallas aquí, ni el mejor de los formatos te salvará.
La IA funciona reconociendo patrones en el texto. Cuando un prompt es ambiguo, el modelo intenta adivinar el significado más común o "promedio" detrás de él, lo que a menudo difiere de lo que el usuario realmente buscaba. Un objetivo claro ayuda a enfocar a la IA, y cuanto más específica sea la tarea, menos tendrá que adivinar el modelo, lo que conduce a resultados más precisos y consistentes.
Cuándo es más importante
- Los prompts claros son especialmente importantes cuando necesitas que la IA cree algo concreto, como textos, código, análisis o resúmenes. También son esenciales cuando un término tiene múltiples significados (por ejemplo, "Python" podría referirse al lenguaje de programación o a la serpiente). Además, importan cuando planeas evaluar el resultado frente a expectativas específicas, ya que los prompts vagos impiden determinar si la respuesta es realmente buena.
Cuándo puedes relajarte
- La lluvia de ideas (brainstorming) es una situación en la que no siempre necesitas prompts muy estrictos, ya que el objetivo suele ser explorar múltiples direcciones e ideas diferentes. Lo mismo ocurre con las conversaciones casuales con la IA, donde puedes refinar el resultado de forma natural paso a paso.
Contraejemplo
Cuéntame sobre marketing.
- "Cuéntame sobre marketing" es un prompt extremadamente vago. No explica con claridad qué tipo de respuesta necesitas, ya que el "marketing" es un área inmensa. Ahora la IA tiene que adivinar lo que realmente quieres: una explicación para principiantes, estrategias, historia, consejos para redes sociales o algo totalmente distinto.
Mejor versión
Escribe una guía de 1 página para un fundador principiante que explique la diferencia entre el marketing de marca (brand marketing) y el marketing de resultados (performance marketing), y cuándo utilizar cada uno.
- Verbo ("Escribe") + producto concreto ("guía de 1 página").
- El tema es sumamente preciso: marketing de marca vs. de resultados, con un enfoque de toma de decisiones.
- Criterios implícitos de éxito que el lector puede juzgar directamente.
Error común: Agrupar tres objetivos diferentes en un solo prompt (como "resume, traduce y escríbelo en forma de poema"). Divide las tareas o el modelo hará las tres a medias.
Eje 2 — Contexto – Explica quién, por qué y dónde
El contexto es la diferencia entre una respuesta estándar y genérica, y una que realmente se adapta a tu situación real.
La IA asume por defecto que escribe para el usuario medio de internet. Si no explicas para quién es la respuesta o por qué la necesitas, el resultado a menudo sonará impersonal. Añadir contexto ayuda a la IA a ajustar su tono, vocabulario y nivel de detalle para adaptarse mejor a tu verdadero propósito.
Cuándo es más importante
- El contexto es vital cuando la respuesta debe adaptarse a un público específico —como ejecutivos, ingenieros, niños o expertos—. También importa en campos altamente especializados donde los términos técnicos o los estándares del sector son críticos, o cuando el output debe encajar en un flujo de trabajo más amplio con requisitos o límites específicos.
Cuándo puedes relajarte
- Las consultas de hechos simples, las definiciones o las transformaciones mecánicas de texto apenas requieren contexto, ya que la tarea en sí es unívoca por definición.
Contraejemplo
Explica las bases de datos.
- "Explica las bases de datos" es un prompt débil porque la IA no sabe quién va a leer la explicación ni con qué fin. El público podría ser un niño, un programador principiante o un administrador de sistemas experimentado, y cada uno requiere un enfoque completamente distinto. Al no conocer ni el nivel de partida ni el propósito, el resultado será un texto enciclopédico y genérico poco útil en la práctica.
Mejor versión
Explica la diferencia entre bases de datos relacionales y de documentos a un ingeniero backend junior que acaba de desarrollar su primera aplicación CRUD sencilla y está a punto de elegir el almacenamiento para un producto SaaS multi-tenant. Concéntrate en las ventajas y desventajas que realmente experimentará en los próximos 6 meses.
- Público objetivo claro con su nivel de habilidad actual.
- El propósito declarado define la profundidad y el enfoque.
- El horizonte temporal ("próximos 6 meses") indica al modelo qué priorizar.
Error común: Sobrecargar el prompt con detalles biográficos irrelevantes. El contexto debe refinar la respuesta, no engrosar el tamaño del prompt de forma artificial. Si una frase no influye en el resultado, elimínala.
Eje 3 — Formato de salida – Define la estructura de la respuesta de forma deliberada
Si no le indicas a la IA qué estructura deseas, elegirá una por su cuenta. La mayoría de las veces, esto da lugar a largos bloques de texto, incluso cuando una tabla, lista o un resumen breve habrían sido mucho más prácticos.
Las instrucciones de formato son una de las herramientas más sencillas y eficaces para mejorar las respuestas de la IA. Una simple petición como "responde en una tabla de 5 filas" puede transformar un texto desordenado y difícil de leer en un documento estructurado y listo para usar. Un buen formato hace que las respuestas se lean y procesen mucho más rápido.
Cuándo es más importante
- El formato es sumamente importante cuando las respuestas deben leerse rápidamente, ya que las listas, tablas y subtítulos son mucho más fáciles de escanear que los párrafos largos. También es crítico cuando otra herramienta debe procesar el output automáticamente (p. ej., JSON, CSV o bloques de código) o cuando deseas respuestas breves y enfocadas.
Cuándo puedes relajarte
- En textos creativos, donde una estructura rígida bloquearía el flujo natural de la escritura, o en conversaciones informales en modo chat.
Contraejemplo
Compara React, Vue y Svelte.
- "Compara React, Vue y Svelte" es un prompt flojo porque no especifica cómo debe estructurarse la comparación. Probablemente la IA generará varios párrafos largos difíciles de contrastar directamente entre sí. Además, al no haber límites de extensión, el resultado puede ser o muy escueto o innecesariamente largo.
Mejor versión
Compara React, Vue y Svelte en una tabla con las siguientes columnas: curva de aprendizaje, rendimiento, madurez del ecosistema y mercado laboral. Añade al final una recomendación breve de 2 frases para una startup que deba tomar la decisión hoy mismo.
- Estructura explícita (tabla Markdown) y criterios claros de comparación.
- Un límite preciso ("2 frases") evita explicaciones redundantes.
- Las columnas fijadas garantizan una comparabilidad real entre las celdas.
Error común: Intentar forzar una salida JSON sin definir la estructura exacta del objeto. Si faltan los nombres de clave y formatos exactos, el modelo se inventará sus propias claves. Muestra siempre al modelo la estructura JSON exacta que esperas.
Eje 4 — Restricciones – Ponle límites a la respuesta
Las restricciones le dicen al modelo qué NO hacer, lo cual suele ser más eficaz que limitarse a decirle qué hacer.
Sin límites claros, las IA tienden a dar respuestas largas, genéricas y llenas de frases vacías o explicaciones innecesarias. Las restricciones como límites de palabras o caracteres, la exclusión de ciertos temas o las directrices de estilo aseguran un resultado enfocado que apenas requiere edición posterior.
Cuándo es más importante
- Las restricciones son indispensables cuando debes cumplir límites estrictos, como longitudes máximas de caracteres, límites de palabras o el uso de bibliotecas de programación específicas. También ayudan a erradicar patrones típicos de la IA (como el constante "Como modelo de IA..." o disculpas excesivas) y elementos no deseados como emojis o formateos Markdown innecesarios.
Cuándo puedes relajarte
- En la fase inicial de generación de ideas, donde las restricciones podrían bloquear el flujo creativo y se busca explorar caminos no convencionales de forma abierta.
Contraejemplo
Escribe un buen título para la página de inicio de nuestra app.
- "Buen" no es una restricción; es un deseo.
- Faltan límites de longitud, público objetivo y palabras prohibidas.
- Obtendrás frases vacías como "Revoluciona tu flujo de trabajo con nuestra IA..." y acabarás frustrado.
Mejor versión
Escribe 5 opciones de títulos para la página de inicio de una herramienta de observabilidad para desarrolladores. Reglas estrictas: máximo 8 palabras, sin jerga de marketing (como "sinergia", "revolucionar", "desatar"), sin preguntas, debe incluir un beneficio concreto (ahorra tiempo, detecta errores, reduce falsas alarmas) y debe funcionar sin signo de exclamación al final.
- Instrucciones precisas sobre cantidad (5), longitud (8 palabras) y términos prohibidos.
- Combinación equilibrada de restricciones positivas ("incluir beneficio") y negativas.
- Excluye de antemano los errores más comunes de la IA.
Error común: Saturar al modelo con demasiadas restricciones que terminen contradiciéndose. Si la IA no puede cumplir todas las reglas a la vez, decidirá por su cuenta cuál ignorar, y esa elección rara vez coincidirá con tus prioridades. Mantén las restricciones realistas y priorízalas claramente.
Eje 5 — Ejemplos – Muestra en lugar de solo describir
Un solo ejemplo claro suele ser más valioso que una larga explicación llena de adjetivos como "profesional", "creativo" o "natural". Los modelos captan los patrones a través de ejemplos con mucha rapidez y los siguen con mayor fiabilidad.
Esta técnica suele llamarse «few-shot prompting». Los ejemplos pueden ayudar con un estilo, una transformación, un esquema o casos límite difíciles, pero deben ser representativos y no son necesarios cuando la instrucción ya define claramente el resultado.
Cuándo es más importante
- Los ejemplos son de un valor incalculable cuando el tono o estilo deseado es difícil de expresar con palabras pero inmediatamente reconocible al verlo. También son indispensables en transformaciones de datos o formatos complejos, o para enseñar al modelo cómo reaccionar ante fuentes de error conocidas y casos límite.
Cuándo puedes relajarte
- En tareas sencillas y estándar donde crear ejemplos requeriría más esfuerzo que corregir el resultado final de forma manual.
Contraejemplo
Reescribe las descripciones de mis productos para que suenen más exclusivas.
- "Exclusivo" significa algo muy diferente para Apple que para una marca de relojes de lujo o un restaurante de carnes.
- Falta una referencia antes/después que aclare la transformación deseada.
- El modelo especulará sobre lo que entiendes por "exclusivo" y probablemente no acertará.
Mejor versión
Reescribe las descripciones de los productos al estilo de una marca de diseño de interiores minimalista de lujo (quiet luxury). Sigue este patrón:
Antes: "¡Camiseta de algodón 100% supersuave, genial para todos los días!"
Después: "Una camiseta ligera de algodón, diseñada para tardes largas y relajadas."
Ahora reescribe las siguientes descripciones siguiendo exactamente el mismo estilo: [Lista]
- Un par concreto antes/después demuestra la transformación perfectamente.
- El tono se vuelve tangible a través del ejemplo, en lugar de describirlo con adjetivos.
- El modelo puede aplicar el patrón aprendido de forma fluida a tu lista real.
Error común: Ejemplos que contradicen tus instrucciones. El modelo puede seguir el patrón mostrado en lugar de la regla, así que comprueba que cada ejemplo representa el comportamiento que realmente quieres.