Cómo crear el prompt del operador con IA

Monetiza tu talento: Haz dinero con AI gratuita

Contenido del curso

No sé dónde empezar

Panorama de AI y herramientas gratuitas

Tomar examen

Cursos Empresas Blog Live Conf Eventos Precios

0:005:51

Cómo crear el prompt del operador con IA

Monetiza tu talento: Haz dinero con AI gratuita

Clase 4 de 5

Clase 4 / 5

Recursos

Cuando un cliente llena el formulario en tu landing, necesitas una forma de convertir esa información en un servicio real. Aquí es donde entra el prompt del operador, una instrucción que le das a la IA para generar el resultado que le prometiste a tu cliente. Es el puente entre lo que la persona pide y lo que tú entregas.

Esta guía es para cualquiera que esté armando un producto o servicio con ayuda de un LLM y quiera automatizar la parte operativa sin perder el control del resultado final.

Qué es el prompt del operador y para qué sirve

Después de publicar y verificar tu landing en el paso tres, sigue el paso cuatro: crear el prompt que hará el trabajo pesado. La idea es simple: cada vez que recibas un caso, copias y pegas este prompt en un chat nuevo con la IA, o lo fijas como system prompt personalizado.

¿Qué es un prompt del operador? Es una instrucción que le das a la IA para que genere el servicio prometido a partir de los datos del formulario. Recibe la información del cliente y devuelve un plan personalizado listo para revisar.

En el ejemplo de la clase, el prompt dice: "Eres un ingeniero de afinación de baterías experto. Recibirás un mensaje de WhatsApp de un cliente con su nombre, estilo musical, marca, modelo de batería y un link a un audio o video" [00:41]. A partir de ahí, la IA genera un plan de afinación en texto plano con saludo, diagnóstico inicial, plan y tips de ajuste.

Esto no reemplaza tu experiencia. Te da un punto de partida sólido que luego revisas a detalle, pero ahorra el trabajo inicial.

Cómo ajustar el prompt cuando cambias tu formulario

Aquí viene lo interesante: tú tienes el control total del resultado. Si cambiaste algo en tu formulario, solo tienes que decírselo al LLM.

En la clase, el campo de audio se reemplazó por una descripción de lo que el cliente quiere lograr con su sonido. La instrucción fue directa: "Al final decidí no solicitar un audio, sino más bien preguntar qué es lo que quieren lograr con su batería y su sonido. Ajustemos el prompt del operador para que en vez de recibir un audio, reciba eso" [01:38].

El resultado se adaptó perfecto. Un ejemplo real de lo que un cliente podría pedir: "Quiero un golpe grueso y pesado, que mi redoblante suene como un cañón y no a caja de cartón" [02:14].

¿Cómo modifico un prompt de IA si cambio mi servicio? Solo describe el cambio en lenguaje natural. Dile al LLM qué campo cambiaste y qué quieres recibir ahora, y él ajusta la instrucción sin que tengas que reescribirla desde cero.

Cómo probar el system prompt antes de lanzarlo

Antes de usar el prompt con clientes reales, conviene validarlo con casos de prueba. La IA genera tres casos de prueba para que revises que el system prompt funciona correctamente.

El proceso es sencillo:

Copia el system prompt y llévalo a una conversación nueva.
Copia uno de los casos de prueba.
Pega el caso y presiona Enter para ver el resultado.

En el ejemplo, la IA entregó un diagnóstico coherente para una batería Pearl Export: tensiones medias bajas en los toms y bombo para aprovechar el grosor de la madera, y una tensión media alta en el redoblante para darle proyección [03:00]. Incluso especificó tensión del batiente baja "hasta que desaparezcan las arrugas del parche" y el resonante más suelto que el batiente.

Ese nivel de detalle confirma que el system prompt funciona. Después puedes pedir grabaciones y más detalles al cliente, pero ya tienes un plan de trabajo real para empezar.

Qué revisar en la prueba de punta a punta

El paso cinco es la prueba de punta a punta, y arranca con un recordatorio importante: actualiza el formulario en Lovable si cambiaste algún campo, como el de audio por objetivo de sonido [04:00]. Es fácil que se te pase.

Luego viene una checklist para verificar que todo funcione de principio a fin:

El sitio se publica y abre en una URL pública.
El sitio se entiende en cinco segundos.
El formulario tiene los cuatro campos.
Al enviar, se abre WhatsApp dirigido a tu número.
El mensaje de WhatsApp llega con los cuatro campos completos.
Copias el mensaje, lo pegas junto al system prompt del operador y la respuesta es un plan claro y útil.
El PDF y el sitio usan la misma identidad visual.

Esta checklist cambia según tu producto o servicio, así que adáptala a tu caso. Revisa cada paso con un double check para asegurarte de que la experiencia completa funcione tal como la imaginaste.

Con esto validas que tu flujo está listo para el siguiente paso: monetizar y lanzar. Déjame en los comentarios un screenshot con tu primera simulación del system prompt de operador.

Daniel Alfredo García Serna

Hace 2 meses

📚 CLASE: Cómo crear el prompt del operador con IA

━━━━━━━━━━━━━━━━━━

🎯 IDEA PRINCIPAL

Tener una landing publicada no sirve si no hay forma de convertir los datos del cliente en un servicio real. Esta clase resuelve eso con el "prompt del operador": una instrucción fija que conviertes en el motor operativo de tu negocio, capaz de tomar los datos del formulario y devolver un entregable personalizado listo para revisar. Es el puente entre la promesa de la landing y la entrega real.

━━━━━━━━━━━━━━━━━━

⚡ RESUMEN ULTRA RÁPIDO

El prompt del operador convierte los datos del cliente (vía WhatsApp) en un plan/servicio personalizado
Se define el rol del experto y qué datos va a recibir, en lenguaje natural
Si cambias un campo del formulario, solo le describes el cambio al LLM en lenguaje natural y ajusta el prompt
Antes de usarlo con clientes reales, la IA genera 3 casos de prueba para validarlo
Cierra con una prueba de punta a punta usando checklist: landing, formulario, WhatsApp, operador, identidad visual

━━━━━━━━━━━━━━━━━━

🔑 LO VERDADERAMENTE IMPORTANTE

El prompt del operador NO reemplaza tu experiencia: da un punto de partida sólido que tú revisas y ajustas
Mantén el prompt del operador sincronizado con tu formulario real: si cambias un campo en Lovable, actualiza también el prompt (y viceversa) — es fácil que se te olvide
Validar con 3 casos de prueba antes de usarlo con clientes reales es un paso de control de calidad, no opcional
La prueba de punta a punta es un checklist reutilizable: publicación, claridad en 5 segundos, campos correctos, WhatsApp con datos completos, respuesta del operador coherente, consistencia visual
Cambiar el prompt no requiere reescribir desde cero: describir el cambio en lenguaje natural es suficiente para que el LLM lo adapte

━━━━━━━━━━━━━━━━━━

🧠 CONCEPTOS QUE DEBO ENTENDER

Prompt del operador → instrucción/system prompt que la IA usa para generar el servicio prometido a partir de los datos del cliente System prompt → instrucción fija que define el rol y comportamiento de la IA en cada conversación nueva Casos de prueba → ejemplos simulados de clientes para validar que el operador funciona antes de lanzar Prueba de punta a punta (end-to-end) → verificación de todo el flujo, desde que el cliente llega a la landing hasta que recibe su entregable

━━━━━━━━━━━━━━━━━━

🧩 MODELO MENTAL

Cliente llena formulario → mensaje llega por WhatsApp → pegas el mensaje junto al prompt del operador → IA genera plan/diagnóstico personalizado → revisas y ajustas → entregas al cliente

━━━━━━━━━━━━━━━━━━

🚀 ACCIONES INMEDIATAS

Pide al LLM el prompt del operador con el rol de experto en tu nicho y los campos exactos que recibe
Si tu formulario cambió, dile en una frase al LLM qué campo cambió y qué quieres que reciba ahora
Genera 3 casos de prueba, pégalos en una conversación nueva junto al prompt, y revisa si las respuestas son coherentes y útiles
Corre el checklist completo: URL pública, claridad en 5 segundos, campos correctos, WhatsApp con datos, respuesta del operador, identidad visual consistente
Guarda el prompt del operador como system prompt fijo para no tener que copiarlo cada vez

━━━━━━━━━━━━━━━━━━

💼 APLICACIÓN PROFESIONAL

Este patrón de "prompt operador + casos de prueba + checklist end-to-end" es el corazón de cualquier microservicio basado en IA: consultoría express, diagnósticos, generación de reportes personalizados. En un contexto profesional, es la diferencia entre un prototipo que "se ve bien" y un sistema que realmente puedes operar con clientes reales sin sorpresas, porque ya validaste los casos límite antes de exponerlo.

━━━━━━━━━━━━━━━━━━

🔥 HACKS Y RECOMENDACIONES REALES

Nunca lances un prompt del operador sin probarlo con casos simulados primero: es la diferencia entre un error público y uno privado
Si cambias un campo del formulario, cambia el prompt EL MISMO DÍA — dejarlo desincronizado rompe la experiencia del cliente
Usa la respuesta de la IA como borrador, no como entrega final: siempre pasa tu criterio experto encima
Adapta el checklist a tu propio servicio; la lista de la clase es un punto de partida, no una receta fija

━━━━━━━━━━━━━━━━━━

🧠 INSIGHT ESTRATÉGICO

Lo que separa un negocio de IA amateur de uno profesional es el control de calidad invisible: casos de prueba, checklist end-to-end, sincronización entre formulario y prompt. Cualquiera puede generar una respuesta de IA; pocos construyen el sistema alrededor de esa respuesta para que sea confiable cada vez. Esa disciplina operativa es la ventaja competitiva real, no el prompt en sí.

━━━━━━━━━━━━━━━━━━

📝 REFLEXIÓN FINAL

Ya tienes el motor que convierte datos de cliente en entregables reales. Antes de cobrar el primer peso, corre el checklist completo de punta a punta. Un sistema probado vale más que un sistema bonito: valida hoy, lanza con confianza mañana.

Panorama de AI y herramientas gratuitas

Convierte tu pasión en un producto

Crea tu producto y dale identidad visual

Diseña y publica tu landing con Lovable

Cómo crear el prompt del operador con IA

Monetización y lanzamiento: fin del curso, arranque de tu proyecto

Cómo crear el prompt del operador con IA

Progreso del curso

Panorama de AI y herramientas gratuitas

Recursos

Recursos