Por qué el prompting de 2023 ya no funciona

El prompting que aprendiste en 2023 quedó obsoleto. Hoy la ingeniería de contexto es la habilidad que separa a quienes obtienen respuestas útiles de la IA de quienes reciben datos inventados. OpenAI midió que los prompts cortos y claros producen entre 10 y 15% mejores resultados que los prompts largos llenos de personajes y súplicas.

Los modelos actuales ya razonan solos. Lo que necesitan de ti no es una fórmula mágica, es una buena delegación: decirles con precisión qué quieres, con qué información y en qué formato.

¿Qué es la ingeniería de contexto y por qué reemplazó al prompting?

La ingeniería de contexto es el arte de decidir qué ve el modelo antes de pedirle algo. En lugar de escribir instrucciones largas con roles como "actúa como un experto", entregas al modelo la información justa que necesita para resolver tu tarea.

¿Qué diferencia hay entre prompting e ingeniería de contexto? El prompting clásico se enfocaba en persuadir al modelo con personajes y frases motivacionales. La ingeniería de contexto se enfoca en darle datos, restricciones y formato claros. Los modelos de hoy ya saben razonar, no necesitan que los convenzas.

Esta diferencia importa porque la IA cambia cada semana, y dominar los fundamentos te permite adaptarte sin quedarte atrás.

¿Cómo se estructura un prompt moderno paso a paso?

Un prompt moderno tiene cuatro piezas: objetivo, contexto, restricciones y formato. Cada una responde a una pregunta específica que el modelo necesita resolver antes de entregarte algo útil.

Mira este ejemplo aplicado a una decisión real de negocio:

• Objetivo: investiga las tres mejores formas de facturación electrónica para una PYME mexicana de 50 empleados.
• Contexto: hoy facturamos a mano en Excel, con un presupuesto máximo de 100 dólares, y necesitamos que se integre con contabilidad.
• Restricciones: precios reales de julio 2026, cada dato con una fuente, y si no encuentras un dato, dilo, no lo inventes.
• Formato: un Excel con tabla comparativa y una recomendación de una página.

Sin personajes, sin súplicas, solo la información que el modelo necesita para trabajar bien.

¿Por qué las restricciones evitan que la IA invente datos?

La instrucción "si no encuentras un dato, dilo, no lo inventes" es una restricción crítica. Sin ella, el modelo tiende a rellenar huecos con información plausible pero falsa. Con ella, el modelo se detiene y admite lo que no sabe.

¿Cómo evito que ChatGPT invente información? Añade una restricción explícita en tu prompt: pide fuentes verificables para cada dato y ordena que responda "no encontré esta información" cuando no tenga certeza. Verifica siempre las cifras clave antes de compartirlas.

¿Qué vas a aprender en este curso de ingeniería de contexto?

Este curso te enseña a decidir qué ve el modelo antes de pedirle algo, a elegir el modo correcto según la tarea, y a verificar cualquier respuesta en dos minutos, antes de que un dato inventado llegue a tu jefe.

Como proyecto final vas a construir tu segundo cerebro: una carpeta con tu contexto de trabajo sobre la que la IA trabajará sola. La idea es simple: nunca más empezar un chat desde cero. Toda tu información relevante vive en un lugar y el modelo la consulta cuando la necesita.

¿Qué es el segundo cerebro aplicado a la IA?

Es una carpeta organizada con documentos, notas y datos que representan tu contexto profesional. En lugar de repetirle a la IA quién eres y qué haces en cada conversación, apuntas al segundo cerebro y el modelo trabaja con esa base.

Esto convierte cada nueva conversación en una continuación, no en un reinicio.

¿Cómo funciona el reto de las palabras escondidas?

Durante las tres primeras clases te acompañará un personaje que va a esconder tres palabras en la pantalla. No las va a mostrar dos veces, así que la atención es parte del ejercicio.

Si encuentras las tres, al final de la clase tres desbloqueas una invitación a una clase en vivo para seguir aprendiendo en comunidad. Es una forma de premiar la observación, que también es una habilidad clave cuando trabajas con IA: notar qué información aparece, qué falta y qué está mal.

Juan Pablo Rojas, chief product officer de Platzi, y María Angélica Useche, software engineer en Platzi, te guiarán en las próximas clases. ¿Ya tienes claro qué contexto necesitas darle a la IA para tu próxima tarea? Cuéntanos en los comentarios.