Si ChatGPT no te entiende, el problema no es el modelo: es la forma en la que estás comunicando tu intención. Aprender a escribir un prompt efectivo con una estructura clara te permite pasar de respuestas genéricas a resultados acertados, útiles y listos para aplicar en tu trabajo. Esta guía es para cualquier persona que use inteligencia artificial generativa y quiera dejar de improvisar instrucciones.

¿Por qué un buen prompt cambia los resultados de la IA?

La diferencia entre una respuesta vaga y una respuesta precisa casi siempre vive en el prompt. Cuando la instrucción es ambigua, el modelo rellena los huecos con suposiciones, y ahí aparecen las alucinaciones o las respuestas planas que no sirven.

La propuesta es simple: abre tu última conversación con ChatGPT, lee el mensaje que enviaste y reescríbelo siguiendo cuatro componentes que estructuran cualquier instrucción [0:08].

¿Qué es un prompt? Es la instrucción que le das a un modelo de lenguaje para que genere una respuesta. Su calidad depende de cuánto contexto, rol y límites le entregues.

¿Cuál es la estructura de un prompt bien escrito?

La fórmula tiene cuatro piezas que trabajan juntas: rol, enfoque, memoria y límites [0:14]. Cada una resuelve un problema distinto del modelo.

• Rol: define desde qué perspectiva debe responder. Ejemplo: actúa como especialista en marketing B2B.
• Enfoque: aclara la tarea concreta. Ejemplo: crear una publicación en LinkedIn sobre mi producto.
• Límites: marca las restricciones. Ejemplo: máximo 150 caracteres, lenguaje simple, concreto y coloquial.
• Contexto o memoria: aporta la información que el modelo no puede adivinar. Ejemplo: mi producto es un software as a service que automatiza el proceso contable de una empresa [0:38].

Cuando comparas tu último mensaje con esta estructura, casi siempre falta el contexto. Ahí está la oportunidad de complementarlo y subir la calidad de la respuesta [0:50].

¿Cómo aplico rol, enfoque y límites en un caso real?

Imagina que necesitas un post de LinkedIn. Sin estructura escribirías: "hazme un post para LinkedIn". Con estructura le dices al modelo quién es, qué tarea ejecuta, bajo qué reglas y sobre qué producto. El resultado pasa de un texto genérico a una pieza alineada con tu audiencia.

¿Por qué falla mi prompt si ya le di instrucciones? Porque probablemente le falta contexto. Sin información sobre tu producto, audiencia o restricciones, el modelo responde con generalidades.

¿Qué vas a poder hacer al dominar prompting?

La promesa del aprendizaje es práctica y se enfoca en habilidades transferibles a cualquier herramienta de IA generativa.

• Convertir procesos en instrucciones claras que entienda cualquier persona y, sobre todo, un LLM (Large Language Model) [1:05].
• Elegir el modelo y el enfoque correcto según la tarea que quieres resolver [1:14].
• Descomponer problemas complejos en partes pequeñas y aplicar la técnica de prompting adecuada para cada una [1:18].
• Calibrar entre creatividad y precisión, evaluando si estás dando demasiada información o si te falta contexto para evitar alucinaciones [1:28].

Esa última habilidad, la calibración, es la que separa a quien usa IA por curiosidad de quien la usa para producir.

¿Necesito saber programar para escribir buenos prompts?

No. El enfoque está en los fundamentos de comunicación con modelos, no en código [1:40]. La inteligencia artificial cambia cada semana, pero los fundamentos de un buen prompt te permiten adaptarte a cualquier herramienta nueva sin empezar de cero [1:45].

¿Qué conceptos clave debes tener claros antes de avanzar?

Hay términos que vas a escuchar todo el tiempo y conviene anclarlos desde ya.

Un LLM es un modelo de lenguaje grande, como los que usan ChatGPT, Claude o Gemini, entrenado para predecir y generar texto en lenguaje natural. Una alucinación ocurre cuando el modelo entrega información incorrecta con tono seguro, normalmente porque le faltó contexto o porque la instrucción fue ambigua. Y un software as a service es un modelo de distribución donde el software se entrega por suscripción a través de internet, como en el ejemplo del producto contable que se usó para construir el prompt [0:43].

Cuéntame en los comentarios cuál fue el último prompt que escribiste y cómo lo reescribirías con esta estructura.