BLURTEK Academy · Guía técnica
Prompt engineering para profesionales
Guía práctica de las técnicas que convierten un modelo de lenguaje en una herramienta fiable de trabajo: instrucciones claras, few-shot, chain-of-thought, roles, formato de salida y límites, con errores comunes y ejemplos de negocio.
Un modelo de lenguaje no adivina lo que quieres: responde a lo que le pides. La diferencia entre una salida inservible y una lista para producción rara vez está en el modelo; está en cómo se formula la instrucción. El prompt engineering es la disciplina de escribir esas instrucciones con la misma precisión con la que se define una función: entradas claras, contrato de salida y casos límite contemplados.
Las seis técnicas que sostienen todo lo demás
1. Instrucciones claras y específicas
La causa número uno de malos resultados es la ambigüedad. Sustituye adjetivos vagos por criterios verificables. En lugar de "resume esto de forma breve", escribe "resume en máximo 3 frases, sin tecnicismos, dirigido a un cliente no técnico". Da contexto (para qué sirve, quién lo leerá) y explicita lo que no quieres.
2. Few-shot: enseñar con ejemplos
Cuando la tarea es difícil de describir pero fácil de mostrar, incluye 2-4 ejemplos de entrada y salida deseada. El modelo infiere el patrón (tono, estructura, nivel de detalle) mucho mejor que con una descripción abstracta. Útil para clasificación, extracción de datos y formatos propios de tu empresa.
Clasifica el sentimiento del ticket como POSITIVO, NEUTRO o NEGATIVO.
Ticket: "Tardó pero al final funcionó bien." -> NEUTRO
Ticket: "Llevo tres días sin poder entrar, esto es inaceptable." -> NEGATIVO
Ticket: "Encantado con el soporte, resolvieron en minutos." -> POSITIVO
Ticket: "La factura no coincide con lo que contraté." ->
3. Chain-of-thought: pedir razonamiento paso a paso
En tareas con lógica, matemáticas o decisiones en varios pasos, pedir al modelo que "razone paso a paso antes de dar la respuesta final" mejora la fiabilidad. El modelo dispone de "espacio para pensar" y comete menos errores de salto. Si solo quieres el resultado limpio, pídele que razone en un bloque y luego dé la conclusión en una etiqueta separada (por ejemplo, tras RESPUESTA:) que tu sistema pueda extraer.
4. Roles: fijar el punto de vista
Asignar un rol ("Actúa como analista financiero senior especializado en pymes") calibra el vocabulario, el nivel de profundidad y las prioridades de la respuesta. No es un truco cosmético: acota el espacio de posibles respuestas hacia el registro que necesitas.
5. Formato de salida explícito
Si vas a procesar la respuesta con código, no dejes el formato al azar. Especifica la estructura exacta —JSON con claves concretas, tabla Markdown, lista numerada— e indica qué hacer cuando falte un dato. Esto es lo que hace que un LLM sea integrable en un flujo automatizado.
Devuelve SOLO un objeto JSON con esta forma, sin texto adicional:
{
"empresa": string,
"importe": number,
"moneda": string,
"fecha": "YYYY-MM-DD" | null
}
Si un campo no aparece en el documento, usa null.
6. Límites y salvaguardas
Define fronteras: extensión máxima, fuentes permitidas, y qué hacer ante lo desconocido. La instrucción más rentable suele ser: "Si la información no está en el texto proporcionado, responde 'No consta' en lugar de inventar." Esto reduce las alucinaciones en tareas sobre documentos.
Errores comunes
- Pedir varias cosas en una frase confusa. Separa las instrucciones en pasos o viñetas numeradas.
- Instrucciones negativas sin alternativa. "No seas técnico" funciona peor que "Explícalo como a alguien sin formación en informática".
- Mezclar los datos con las instrucciones. Delimita el contenido a procesar con marcas claras (por ejemplo, entre
<documento> y </documento>) para evitar que el modelo confunda instrucciones con contenido.
- Asumir contexto que el modelo no tiene. No conoce tu empresa, tus siglas ni tu política interna salvo que se los des.
- No iterar. El primer prompt casi nunca es el definitivo; prueba con casos reales y ajusta.
Ejemplos aplicados a negocio
| Caso | Técnica clave | Instrucción resumida |
|---|
| Triaje de correos de soporte | Few-shot + formato | Clasifica por urgencia y devuelve JSON con categoría y motivo |
| Extracción de datos de facturas | Formato + límites | Extrae campos a JSON; usa null si falta, no inventes importes |
| Borrador de propuesta comercial | Rol + ejemplos | Actúa como consultor; sigue la estructura de esta propuesta modelo |
| Análisis de una cláusula contractual | Chain-of-thought + límites | Razona los riesgos paso a paso; señala solo lo que aparece en el texto |
Una plantilla que puedes reutilizar
- Rol: quién eres y con qué experiencia.
- Tarea: qué hay que hacer, en una frase.
- Contexto y datos: el material a procesar, delimitado.
- Instrucciones: pasos, criterios y qué evitar.
- Formato de salida: estructura exacta esperada.
- Límites: qué hacer ante lo desconocido y restricciones de extensión.
Combinar estas piezas de forma consciente es lo que separa un uso anecdótico de la IA de un flujo de trabajo que aguanta el volumen y la variabilidad reales. El prompt no es magia: es especificación. Trátalo como tal, versiónalo, pruébalo con casos reales y mejorará como cualquier otro componente de tu sistema.
De un prompt aislado a un sistema evaluable
Un prompt profesional necesita una pequeña batería de pruebas. Reúne entradas normales, casos ambiguos, campos ausentes y ejemplos que intenten romper el formato. Define antes de ejecutar qué significa aprobar: JSON válido, campos obligatorios presentes, ausencia de datos inventados y una respuesta segura cuando falta contexto. Conserva el prompt, el modelo usado, la fecha y los resultados para poder comparar cambios.
Cuando la salida alimenta otro proceso, valida el esquema fuera del modelo y trata todo texto generado como dato no confiable. No permitas que una respuesta decida permisos, ejecute acciones irreversibles o publique contenido sin una comprobación posterior. En Prompt Engineering y Sistemas de IA puedes practicar este enfoque como una disciplina de diseño, evaluación y control, no como una colección de frases mágicas.
Volver al blog de BLURTEK Academy