El prompt engineering es la disciplina que te permite estructurar instrucciones claras para obtener respuestas precisas de la inteligencia artificial. Si trabajas con Copilot Studio o construyes agentes en Power Platform, dominar esta práctica define la diferencia entre una respuesta genérica y una que realmente resuelve tu caso de uso.

Microsoft propone una fórmula sencilla para escribir prompts efectivos dentro de su ecosistema: objetivo, contexto, fuente y expectativas. Cada componente cumple una función específica y, cuando los combinas, le das al modelo una guía completa para responder como tú necesitas.

¿Qué es el prompt engineering y por qué importa en Copilot?

Es la forma de comunicarte con un modelo de IA para que entienda qué quieres, de dónde sacar la información y cómo devolvértela. En el contexto de Copilot Studio, además te sirve para orquestar agentes que ejecutan tareas en cadena.

Un prompt mal escrito te devuelve un resultado plano. Uno bien estructurado te entrega un blog, un análisis o una acción ejecutable lista para integrarse a tu flujo de trabajo.

¿Qué es un prompt en inteligencia artificial? Es la instrucción que le das al modelo para que ejecute una acción. Puede ser una sola línea o un bloque estructurado con objetivo, contexto, fuente y expectativas.

¿Cómo se estructura un prompt efectivo en Copilot Studio?

La receta de Microsoft tiene cuatro piezas. La primera es obligatoria, la segunda muy recomendable y las dos últimas opcionales pero potentes [02:30].

• Objetivo: la acción concreta que pides. Siempre empieza con un verbo: genera, escribe, resume, analiza, crea una tabla.
• Contexto: el porqué de la petición. Por ejemplo, prepararte para una reunión con un cliente sobre la campaña Fase tres plus.
• Fuente: de dónde quieres que salga la información. Pueden ser correos, chats de Teams, un PDF, un Excel o un estudio externo.
• Expectativas: el formato y tono de la respuesta. Lenguaje sencillo, tono empático, longitud específica, qué incluir y qué excluir.

¿Cómo se ve un prompt simple frente a uno completo?

Un prompt básico sería: escribe una entrada de blog sobre prácticas sostenibles en la agricultura. Funciona, pero el resultado es genérico, con viñetas y emojis decididos por Copilot.

Un prompt completo añade capas: crea una entrada de blog de 1500 palabras para un público general interesado en sostenibilidad, incluye ejemplos reales y tecnologías innovadoras desde fuentes de confianza, y concluye con una reflexión. Aquí ya tienes objetivo, contexto, fuente y expectativas en una sola instrucción [05:40].

El segundo prompt te entrega una estructura lista para convertir en Word, PDF o presentación.

¿Cómo aprovechar objetivo, contexto, fuente y expectativas?

Cada elemento tiene su lógica y sus técnicas asociadas. Vamos parte por parte.

¿Qué estrategias existen para definir el objetivo?

Hay dos enfoques principales que conviene conocer cuando construyes agentes [07:50].

• Zero-shot: una sola petición directa al modelo. Resume todo el contenido en un documento general.
• Few-shot: encadenas acciones en orden. Primero analiza, después resume y finalmente categoriza.

Esto importa muchísimo para la orquestación de agentes en Copilot Studio. Tu agente puede recibir un correo, analizarlo, extraer datos, llenar un formulario, guardarlo en una base de datos y notificar por Teams. Todo se construye con objetivos encadenados.

¿Cuál es la diferencia entre zero-shot y few-shot prompting? Zero-shot es una instrucción única sin ejemplos. Few-shot encadena varias acciones o entrega ejemplos previos para guiar al modelo paso a paso.

¿Por qué el contexto limita y mejora la respuesta?

La IA fue entrenada con un cuerpo de datos enorme. El contexto le dice hacia dónde dirigirse y qué palabras priorizar.

Un ejemplo claro: como gerente de un equipo de ventas con experiencia en el sector tecnológico, qué estrategias implementaría para aumentar las ventas en un mercado competitivo [09:15]. Ese encuadre cambia por completo la calidad del análisis.

¿Cómo se conectan las fuentes con RAG y Microsoft Graph?

Las fuentes son los documentos o sistemas de donde sacas la información. Aquí entra RAG (Retrieval Augmented Generation), la técnica que va a buscar datos a una fuente específica antes de generar la respuesta.

Microsoft apalanca esto a través de Microsoft Graph, que conecta correos, archivos de SharePoint, OneDrive, Teams y más. También puedes apuntar a un PDF, un Word, un PowerPoint o un Excel concreto, o pedir que se base en un estudio como el de Harvard Business Review.

¿Qué expectativas vale la pena definir en tus prompts?

Las expectativas marcan tono, rol y restricciones. Le puedes decir al modelo que actúe como un coach de ventas, que sea empático y alentador, que redacte un plan detallado o que evite mencionar a la competencia.

Este último componente es lo que convierte una respuesta correcta en una respuesta útil para tu caso. No es obligatorio, pero marca la diferencia cuando produces contenido para clientes o equipos internos.

Volviendo al resumen general: el objetivo es esencial, el contexto es altamente deseable, y la fuente junto con las expectativas son opcionales pero recomendadas para dirigir bien al agente final.

¿Cómo aplicar esto a tu agente en Power Platform?

Ya tienes los casos de uso definidos desde la primera clase y conoces las herramientas de Power Platform. El siguiente paso es redactar los prompts que orientarán a tu agente: qué instrucciones recibirá, qué debe hacer en cada paso y cómo responder.

Empieza detallando cada prompt con la fórmula de cuatro piezas. Después los incorporarás al cuerpo del agente dentro de Copilot Studio.

¿Qué caso de uso vas a estructurar primero con esta fórmula? Cuéntalo en los comentarios.