Introducción

Cuando trabajás con inteligencia artificial, el lenguaje que le proveés al modelo es tan importante como la tarea que querés que realice. Un prompt efectivo puede marcar la diferencia entre una respuesta imprecisa y una que se ajusta exactamente a lo que necesitás. En este artículo, vas a aprender a descomponer un buen prompt en sus componentes esenciales: contexto, rol, tarea, formato, ejemplos y restricciones. También vas a ver ejemplos comparativos que muestran cómo un pequeño ajuste en la estructura puede cambiar drásticamente el resultado.

Este artículo está pensado para desarrolladores, escritores, analistas de datos y cualquier persona que quiera sacar el máximo provecho de las herramientas basadas en IA. Al finalizar, vas a poder armar prompts claros, consistentes y orientados a resultados, que funcionen tanto para modelos de lenguaje grandes como para soluciones personalizadas.

Qué vas a aprender

1. Por qué el contexto es crucial – cómo proporcionar la información previa necesaria sin sobrecargar el prompt.
2. Cómo definir un rol adecuado – dar a la IA una identidad y nivel de experiencia específicos.
3. Cómo expresar una tarea de forma inequívoca – el lenguaje preciso que obliga al modelo a cumplir una acción concreta.
4. Cómo especificar el formato – estructuras JSON, markdown, tablas, flujos de trabajo, lo que sea que necesités.
5. El poder de los ejemplos – cómo los casos de muestra reducen la ambigüedad y guían el estilo.
6. Cómo aplicar restricciones – límites, preferencias de estilo y reglas de seguridad.
7. Cómo integrar todo – combinar las piezas en un prompt completo y efectivo.
8. Comparaciones prácticas – dos prompts, uno fallido y otro exitoso, con resultados esperados.

Con estos conocimientos, vas a poder escribir prompts que generen respuestas repetibles, precisas y fáciles de procesar, mejorando enormemente tu productividad con IA.

---

1. Entendiendo el contexto

¿Qué es el contexto?

El contexto le da al modelo la información de fondo necesaria para entender el propósito y las sutilezas del escenario. Piensa en él como los "antecedentes" que le permites que consulte antes de tomar una decisión.

Por qué es importante

Un modelo sin contexto puede generar resultados genéricos o incluso irrelevantes. Proporcionar contexto ayuda a:

• Reducir la ambigüedad – aclarar de qué estamos hablando.
• Mantener la relevancia – asegurar que las respuestas estén alineadas con el dominio.
• ** Mejorar la precisión** – ofrecer datos específicos (fechas, nombres, reglas de negocio) que el modelo puede referenciar.

Cómo escribir contexto efectivo

• Sé específico, no general – en lugar de "un sistema de reserva", usa "el sistema de reservas de airline XYZ que solo permite hasta 4 pasajeros por reserva".
• Incluye datos clave – números de versión, IDs de clientes, zonas horarias.
• Limita el alcance – no sobrecargues con historias largas; un párrafo conciso suele ser suficiente.

Ejemplo de prompt con contexto

Contexto: Eres un analista financiero que trabaja para TechFin SA, un banco que reporta utilidades en USD. La compañía utiliza el método de depreciación straight‑line de 5 años para activos fijos y aplica una tasa de impuesto corporativo del 30 % sobre las utilidades antes de impuestos.

Resultado: El modelo ahora entiende el sector, la moneda, la metodología contable y la carga impositiva, lo que reduce las respuestas incorrectas.

Consejos de buenas prácticas

• Ubica el contexto al inicio – la IA lo lee primero, lo que le da un marco sólido.
• Usa viñetas para listas – si hay múltiples datos, un formato de viñetas es más fácil de escanear.
• Evita jerga innecesaria – solo incluye términos relevantes para el dominio.

---

2. Definiendo el rol

Qué es el rol

El rol le indica al modelo quién está hablando. Le das una identidad, un conjunto de conocimientos y, a veces, una actitud específica. Pensalo como darle un «puesto» al que se le encomienda la tarea.

Por qué el rol importa

Asignar un rol:

• Establece un tono – formal, amable, técnico, creativo.
• Limita la perspectiva – un médico responderá de forma diferente a un abogado.
• Aumenta la relevancia – el modelo puede recuperar mejores patrones internos.

Cómo elegir el rol adecuado

• Coincide con la tarea – si querés un código limpio, usá un «desarrollador de software senior».
• Considera el público objetivo – un rol «orientado al usuario» produce documentación para no técnicos.
• Sé lo suficientemente específico – «asistente de base de datos SQL» es mejor que solo «base de datos».

Ejemplo de prompt con rol

Rol: Consultor de negocios experto en optimización de procesos para una cadena minorista con 200 tiendas.

Resultado: El modelo adopta una mentalidad consultiva, concentra sus conocimientos en retail y evita respuestas genéricas.

Ejemplos comunes de roles

| Rol | Caso de uso típico |
|------|----------------| |
| Ingeniero de datos | Generar pipelines ETL |
| Editor de contenido | Escribir publicaciones de blog con títulos atractivos |
| Analista de seguridad | Detectar posibles vulnerabilidades en código |
| Estudiante de programación | Explicar conceptos con analogías para principiantes |

Consejos de buenas prácticas

• Sé claro y específico – «asistente de IA para desarrolladores de Python» es mejor que «asistente de IA».
• Incluye el ámbito si es necesario – agrega «para una startup de salud digital» si el ámbito es importante.
• Usa lenguaje consistente – el formato del rol debe ser similar en todos los prompts para mantener el tono.

---

3. Especificando la tarea

Qué es la tarea

La tarea es el objetivo final: qué debe hacer el modelo. Debe ser una acción concreta y medible, no una solicitud vaga.

Cómo redactar tareas efectivas

• Empieza con verbos de acción – «resumir», «generar», «calcular», «validar».
• Sé específico sobre el resultado – «resumir el contrato de 10 páginas en 3 viñetas clave».
• Agrega medidores de éxito – «asegurarte de que el resumen tenga menos de 150 caracteres».

Ejemplo de prompt con tarea

Tarea: Generar un script de Python que lea un archivo CSV con columnas «fecha","cantidad" y calcule el total mensual de ventas, luego exporte los resultados a un archivo JSON con el formato {"mes": "2023-01", "total": 12345}.

Resultado: El modelo produce un script completo, claro y con manejo de errores.

Errores comunes al definir tareas

• Demasiado amplios: «escribir un informe sobre el mercado» → «escribir un informe de 5 páginas sobre el mercado de smartphones en 2024, incluyendo CAGR, segmentos y 3 conclusiones clave».
• Sujetos vagos: «haz una presentación» → «crea una presentación de PowerPoint de 10 diapositivas que compare las 5 principales empresas de comercio electrónico por ingresos, incluyendo una diapositiva de conclusión».

Consejos de buenas prácticas

• Usa viñetas para tareas compuestas.
• Verifica la legibilidad – la tarea debe entenderse sin depender del contexto circundante.
• Agrega pasos previos si es necesario – «primero, limpia los datos, luego calcula X».

---

4. Estableciendo el formato

Qué es el formato

El formato indica al modelo cómo debe presentar el resultado. Define esquemas, marcado y cualquier estándar de salida que necesites.

Formatos comunes

| Formato | Caso de uso típico |
|--------|----------------| |
| JSON | API, intercambio de datos, almacenamiento |
| Markdown | Documentación, informes, boletines |
| Tabla markdown | Comparaciones fáciles de leer |
| Pseudocódigo | Esquemas de algoritmos |
| Lista con viñetas | Resúmenes, viñetas clave |

Cómo especificar el formato

• Proporciona un esquema – {"id": int, "nombre": string, "activo": bool}.
• Usa bloques de código – rodea el esquema con triple backticks y la etiqueta del lenguaje.
• Agrega validaciones – «asegúrate de que el campo email tenga un '@' válido».

Ejemplo de prompt con formato

Formato: Una lista JSON con objetos que contengan las claves `producto`, `precio` (en USD) y `cantidad_en_stock`. Ejemplo: `[{"producto": "Laptop", "precio": 1200, "cantidad_en_stock": 50}]`.

Resultado: El modelo devuelve una salida estrictamente JSON, compatible con una importación directa.

Consejos de buenas prácticas

• Sé explícito sobre los nombres de las claves – evita ambigüedades.
• Incluye un ejemplo – el ejemplo reduce las fallas de formato.
• Verifica el orden si es importante – a veces querés una clave id al principio para el mantenimiento.

---

5. Incluyendo ejemplos

Qué hacen los ejemplos

Los ejemplos son inputs de muestra y sus salidas esperadas. Funcionan como pruebas de «este es el estilo que quiero». Ayudan al modelo a aprender la entonación exacta, el tono y los límites.

Cómo agregar ejemplos

• Incluye al menos un caso – uno o dos ejemplos suelen ser suficientes.
• Usa un formato claro – viñetas, bloques de código o tablas.
• Explícita el resultado esperada – «output: una lista de 3 elementos, cada uno con una descripción en una frase».

Ejemplo de prompt con ejemplos

Ejemplos:
- Input: «¿Cuáles son los 3 países más grandes por área?»
  Salida: «Rusia, Canadá, Estados Unidos»
- Input: «Enumera 5 métodos de pago para una tienda en línea.»
  Salida: «Tarjeta de crédito, PayPal, Transferencia bancaria, Mercado Pago, Efectivo en tiendas.»

Resultado: El modelo sigue un patrón reconocido, lo que reduce la ambigüedad.

Consejos de buenas prácticas

• Mantiene la consistencia – los ejemplos deben seguir el mismo formato que el output deseado.
• Evita sobrecargar con datos irrelevantes – los ejemplos deben ser representativos, no exhaustivos.
• Separa los ejemplos del resto del prompt – un bloque de viñetas dedicado mantiene la limpieza.

---

6. Aplicando restricciones

Qué son las restricciones

Las restricciones son límites o reglas que guían el output. Pueden ser límites numéricos, regulaciones de estilo, exclusiones de seguridad o validaciones de contenido.

Restricciones típicas

• Límites de longitud – «máximo 150 palabras».
• Reglas de estilo – «usa un tono conversacional, evita el jerga técnica».
• Contenido excluido – «no menciones competidores».
• Validaciones de formato – «asegúrate de que el campo fecha sea ISO 8601».
• Seguridad – «filtrar contenido inadecuado».

Ejemplo de prompt con restricciones

Restricciones:
- Longitud máxima de respuesta: 200 caracteres.
- No incluir marcas comerciales sin atribución.
- El output debe estar en español.
- Asegúrate de que la `id` sea un entero positivo.

Resultado: El modelo se adhiere al espacio de caracteres, al idioma y a las validaciones de datos.

Consejos de buenas prácticas

• Hierarquiza las restricciones – las más críticas primero (p. ej., seguridad, legal).
• Sé específico – «no incluyas la palabra 'muy'» es más claro que «evita los adverbios».
• Verifica dos veces – las restricciones pueden ser un punto débil para el modelo; un control adicional ayuda.

---

7. Armado de un prompt completo

Ahora juntamos todas las piezas. Un buen prompt sigue un orden lógico:

1. Contexto – da información previa.
2. Rol – asigna una identidad.
3. Tarea – declara el objetivo.
4. Formato – especifica la estructura.
5. Ejemplos – da casos de muestra.
6. Restricciones – aplica límites.

Prompt completo de ejemplo

Contexto: Eres un analista de datos en una startup de comercio electrónico que registra cada compra en una base de datos MySQL con tablas `usuarios`, `productos` y `pedidos`. La compañía usa la versión 2.3 de su API para retrieval de datos.

Rol: Analista de datos experto en construir informes con KPI basados en SQL.

Tarea: Generar un informe SQL que muestre los ingresos totales por mes para el año 2023, junto con el crecimiento porcentual mes a mes. El reporte debe incluir dos columnas: `mes` (formato YYYY-MM) y `ingresos` (decimal con dos cifras).

Formato: Escribe una consulta SQL pura; no incluyas markdown ni texto adicional. Ejemplo de salida esperada:

```sql
SELECT DATE_FORMAT(fecha, '%Y-%m') AS mes,
       SUM(monto) AS ingresos
FROM pedidos
WHERE YEAR(fecha) = 2023
GROUP BY mes
ORDER BY mes;

Ejemplos:

• Input: Consulta similar para el año 2022.
  Output: SELECT DATE_FORMAT(fecha, '%Y-%m') AS mes, SUM(monto) AS ingresos FROM pedidos WHERE YEAR(fecha) = 2022 GROUP BY mes ORDER BY mes;

Restricciones:

• La consulta debe ser compatible con MySQL 5.7.
• No uses subconsultas; solo agrega cláusulas GROUP BY y ORDER BY simples.
• Longitud máxima de la respuesta: 500 caracteres.

> **Resultado esperado:** Una sola sentencia SQL que cumple con todas las restricciones, utilizando solo funciones compatibles con MySQL 5.7, longitud ≤ 500 caracteres.

### Estructuras de prompt populares

- **Plantilla de conversación:** `Contexto + Rol + Tarea + Ejemplos + Restricciones` (ideal para chatbots).
- **Plantilla de codificación:** `Rol + Tarea + Formato + Restricciones` (más breve, altamente específico).

### Consejos de buenas prácticas

- **Usa saltos de línea para separar secciones** – mejora la legibilidad para el modelo.
- **Número las secciones** – ayuda a referenciarlas si necesitas modificarlas.
- **Evita el relleno innecesario** – cada sección debe aportar valor.

---

## 8. Ejemplos comparativos

### Prompt A: Ineficaz

```text
Escribe un informe sobre ventas.

¿Qué salió mal?

• No hay contexto → el modelo no sabe de qué ventas estamos hablando.
• No hay rol → sin tono ni perspectiva.
• No hay tarea específica → «escribir un informe» es ambigua.
• No hay formato → la salida podría ser cualquier cosa.
• No hay ejemplos → el modelo podría elegir cualquier estilo.
• No hay restricciones → posible contenido irrelevante o excesivo.

Resultado esperada (aproximado): Un párrafo genérico de ~200 palabras sin secciones claras, posible falta de datos, sin límite de longitud.

Prompt B: Eficaz

Contexto: Eres un analista de datos en una cadena minorista con 150 tiendas; los datos de ventas se almacenan en una base de datos PostgreSQL en la tabla `ventas` con columnas `tienda_id`, `fecha` y `total_venta`.

Rol: Analista de negocio orientado a los datos especializado en tendencias de rendimiento de tiendas.

Tarea: Genera un SQL breve que calcule las ventas totales por tienda para el mes pasado, ordenado de mayor a menor.

Formato: Solo la sentencia SQL, sin comentarios ni markdown.

Ejemplos:
- Input: «Ventas del mes pasado por tienda»
  Output: `SELECT tienda_id, SUM(total_venta) AS total_mes FROM ventas WHERE fecha >= '2023-09-01' AND fecha <= '2023-09-30' GROUP BY tienda_id ORDER BY total_mes DESC;`

Restricciones:
- Debe ser compatible con PostgreSQL 12.
- Longitud máxima de respuesta: 300 caracteres.

Resultado esperada: Una sola línea de SQL que calcula las ventas por tienda para septiembre de 2023, compatible con PostgreSQL 12, longitud ≤ 300 caracteres.

Por qué el prompt B funciona

• Contexto da la fuente de datos y el ámbito de negocio.
• Rol establece una perspectiva analítica.
• Tarea es clara y orientada a resultados.
• Formato elimina el ruido (sin markdown).
• Ejemplos muestran el estilo exacto y el patrón de consulta.
• Restricciones limitan la complejidad de la base de datos y la longitud.

Resultado: El modelo produce la salida deseada de forma confiable, sin ambigüedad.

---

9. Buenas prácticas y errores comunes

1. Mantené cada sección concisa

• Más no es mejor. Un párrafo de contexto a menudo es suficiente.

2. Usá viñetas para elementos múltiples

• Hace que sea más fácil escanear y ayuda al modelo a identificar elementos de lista.

3. Aplicá restricciones desde el principio

• Las limitaciones de seguridad o estilo tempranas evitan contenido no deseado.

4. Verificá el orden de las secciones

• El contexto y el rol primero, luego la tarea, luego el formato.

5. Proporcioná al menos un ejemplo

• Los ejemplos actúan como «ejemplo de salida».

Errores comunes

| Error | Síntoma |
|---------|---------| |
| Omitir el rol | Respuestas genéricas sin perspectiva. |
| Redactar tareas con verbos vagos | El modelo interpreta «escribir» de muchas maneras. |
| Formato poco claro | El modelo produce texto sin formato cuando necesitas JSON. |
| No incluir ejemplos | El modelo elige un estilo inesperado. |
| Olvidar restricciones | El modelo excede el límite de palabras o incluye marcas comerciales. |

Checklist rápido antes de enviar un prompt

• El contexto resume los datos necesarios.
• El rol refleja la experiencia adecuada.
• La tarea es una sola acción clara.
• El formato coincide con lo que necesitas.
• Los ejemplos muestran el estilo exacto.
• Las restricciones cubren límites y seguridad.

---

10. Conclusión

Construir prompts efectivos es un arte basado en la claridad. Al dividir un prompt en contexto, rol, tarea, formato, ejemplos y restricciones, le das al modelo una hoja de ruta precisa. Esta estructura no solo reduce la ambigüedad, sino que también asegura que cada interacción genere resultados consistentes y de alta calidad.

Implementar estos componentes te ayuda a:

• Ahorrar tiempo – menos iteraciones, más velocidad.
• Mejorar la precisión – respuestas más cercanas a lo que realmente necesitas.
• Facilitar el mantenimiento – prompts reutilizables y bien documentados.
• Asegurar la seguridad – las restricciones evitan contenido no deseado.

Empieza a aplicar estos principios hoy mismo. Escribe un buen prompt, ejecútalo, observa el resultado y refina según sea necesario. Con la práctica, crear prompts efectivos se volverá una segunda naturaleza, desbloqueando todo el potencial de la IA para tus proyectos.

---

Ahora tenés un marco probado que puedes adaptar a cualquier caso de uso: desde la generación de código hasta informes de negocios, desde contenido creativo hasta análisis de datos. ¡Feliz programación!