Prueba tu prompt de operador con casos reales

Automatizar un servicio con IA empieza por diseñar un prompt del operador claro, capaz de convertir los datos del formulario en una entrega útil para tu cliente. Aquí verás cómo construirlo, ajustarlo y probarlo de punta a punta usando tu landing page y un LLM, para que cualquier caso que llegue por WhatsApp se resuelva con calidad y rapidez.

¿Qué es el prompt del operador y para qué sirve?

El operator prompt es la instrucción base que copias en una nueva conversación con tu LLM cada vez que recibes un caso. Funciona como el manual interno que traduce la información del formulario en el servicio prometido.

En el ejemplo de la clase [00:35], el prompt define un rol muy específico: "You're an expert drum tuning engineer". A partir de ahí, la IA recibe el nombre del cliente, estilo musical, marca, modelo de batería y una descripción de lo que quiere lograr con su sonido. Con eso arma un plan de afinación personalizado en texto plano.

¿Cómo se usa el prompt del operador? Lo copias y pegas en un nuevo chat con tu IA cada vez que llega un caso, o lo dejas fijo como custom system prompt para no repetir el paso.

El entregable incluye cuatro bloques: saludo, evaluación inicial, plan y consejos de afinación. Es un punto de partida sólido, no la entrega final, porque tú sigues revisando el resultado antes de mandárselo al cliente.

¿Cómo ajusto el prompt si cambio un campo del formulario?

Tú mantienes el control total sobre lo que hace la IA. Si modificas el formulario, basta con pedirle al LLM que actualice el prompt en consecuencia.

En la clase [01:30], se cambió el campo de audio por una descripción del sonido deseado. La instrucción fue directa: "Al final decidí no pedir un clip de audio, sino preguntar qué quieren lograr con su batería y su sonido. Ajustemos el prompt del operador para que reciba eso". El LLM adaptó todo en segundos.

Este es el tipo de input realista que llega después del ajuste:

• Nombre y estilo musical del cliente.
• Marca y modelo de la batería, por ejemplo Pearl Export.
• Objetivo de sonido, como "quiero un golpe grueso y pesado, y que mi caja suene como un cañón, no como una caja de cartón".

¿Puedo modificar el prompt cuando quiera? Sí. Le dices al LLM qué necesitas cambiar y él reescribe el prompt. No necesitas empezar desde cero ni tocar código.

Este principio aplica a cualquier servicio: si tu formulario evoluciona, tu prompt evoluciona con él.

¿Cómo pruebo el prompt del operador antes de lanzar?

La validación se hace con casos de prueba. El LLM entrega tres ejemplos listos para simular lo que enviaría un cliente real.

En la demo [02:45], se copió el prompt en un nuevo chat, se pegó el caso uno y la IA devolvió un diagnóstico inicial coherente: "Para lograr ese sonido grueso y pesado en tu Pearl Export, apuntemos a tensiones medio-bajas en los toms y el bombo para aprovechar el grosor natural de la madera, y en la caja usaremos una tensión medio-alta para darle proyección". Incluso especifica la tensión del parche resonante respecto al golpeador.

Este resultado tiene sentido técnico y te da un plan de acción concreto para revisar con tu propio conocimiento.

¿Qué checklist debo revisar en el end-to-end testing?

El paso cinco es la prueba de punta a punta. Antes de testear, actualiza el formulario en Lovable si cambiaste algún campo, como pasar de audio a sound target [04:10].

La lista de verificación mínima incluye:

1. El sitio está publicado y abre en una URL pública.
2. La landing se entiende en cinco segundos.
3. El formulario tiene los cuatro campos correctos.
4. Al enviar, se abre WhatsApp con el mensaje dirigido a tu número.
5. El mensaje en WhatsApp llega con los cuatro campos llenos.
6. Al pegar el mensaje junto al prompt del operador, la respuesta es clara y útil.
7. El PDF y el sitio comparten la misma identidad visual.

Esta checklist cambia según tu producto y servicio, pero la lógica se mantiene: recorres cada paso como si fueras el cliente y confirmas que nada se rompe en el camino.

¿Por qué este flujo funciona para cualquier servicio?

El valor está en la modularidad. Tienes tres piezas conectadas: la landing capta la intención, WhatsApp transporta el caso, y el prompt del operador convierte los datos en entrega.

Si tu servicio es distinto —consultoría legal, diseño de rutinas, revisión de textos— el esquema se replica. Cambias el rol dentro del prompt, ajustas los campos del formulario y adaptas el entregable. La IA hace el trabajo pesado de estructurar la respuesta y tú aportas el criterio experto que la valida.

Deja en los comentarios una captura de tu primer mockup del prompt del operador y cuéntame qué servicio estás automatizando.