Cómo obtener mejores resultados de las herramientas de IA: guía de prompting

Técnicas de prompting simples y prácticas que mejoran radicalmente lo que cualquier herramienta de IA te devuelve.

🗓 Última actualización 5 de junio de 2026

Cada herramienta de IA —ChatGPT, Claude, Gemini, Midjourney, GitHub Copilot— vale tanto como la instrucción que le das. El modelo no lee tu mente: solo puede trabajar con las palabras que tiene delante. La mayoría de los resultados decepcionantes no son un fallo de la herramienta, sino de la consigna: demasiado vaga, sin contexto o pidiendo todo a la vez. La buena noticia es que un puñado de hábitos sencillos mejora enormemente lo que recibes, y ninguno exige conocimientos técnicos.

La mejora más importante consiste en decirle al modelo quién debe ser y qué intentas conseguir de verdad. « Escribe sobre email marketing » invita a un texto genérico de estilo enciclopédico. « Eres redactor publicitario de una pequeña marca de café; escribe un correo de bienvenida de 120 palabras que anime a los nuevos suscriptores a canjear un código de descuento del 10 % » le da a ChatGPT o a Claude un rol, un público, una extensión y un objetivo. Los roles funcionan porque orientan al modelo hacia el vocabulario y el tono adecuados. Enuncia también la meta —el resultado que buscas— para que el modelo lo optimice en lugar de adivinarlo.

Los modelos rinden mucho mejor cuando pueden ver cómo es un « buen » resultado. A esto se le llama prompting « few-shot », y no es más que pegar uno o dos ejemplos. Si quieres descripciones de producto con la voz de tu marca, muéstrale dos que ya hayas escrito y di « imita este estilo ». Si quieres un formato de datos concreto, pega una fila de muestra. El contexto es igual de importante: cuanta más información relevante aportes —tu público, tus limitaciones, lo que ya has probado—, menos tiene que inventar el modelo. Cada hueco que dejas, la IA lo rellena con una suposición, y de ahí salen las respuestas genéricas o equivocadas.

Una consigna vaga produce un texto vago. Detalla el formato que quieres: una tabla, una lista con viñetas, cinco opciones, JSON, un borrador de 300 palabras, un tuit. Añade las restricciones que importan: « sin jerga », « para principiantes », « ortografía británica », « cita tus fuentes ». Si quieres opciones en lugar de una sola respuesta, pídelas: « Dame cinco asuntos de correo, del más desenfadado al más formal. » Ser explícito cuesta una frase y te ahorra una ronda de correcciones.

La técnica más desaprovechada es sencillamente continuar la conversación. Herramientas como ChatGPT y Claude recuerdan el hilo, así que trata la primera respuesta como un borrador, no como un veredicto. « Hazlo más corto y más informal », « la segunda opción es la mejor: escribe tres más así », « te has saltado la parte de precios »: cada seguimiento acerca el modelo a lo que quieres. Empezar de cero con una consigna en blanco desperdicia todo ese contexto. Refinar sobre la marcha es más rápido y da resultados claramente mejores.

Para todo lo que implique lógica, matemáticas, planificación o problemas de varios pasos, pídele al modelo que razone paso a paso antes de dar la respuesta final. Frases como « piensa paso a paso » o « explica tu razonamiento » lo empujan a mostrar su trabajo, y ese proceso por sí solo tiende a reducir los errores por descuido. Los nuevos modos de « razonamiento » de ChatGPT y Claude hacen parte de esto automáticamente, pero la instrucción sigue ayudando, sobre todo cuando quieres ver cómo llegó a una conclusión para comprobar tú mismo la lógica.

El prompting no es idéntico en todas partes. Las herramientas de texto (ChatGPT, Claude, Jasper, Gemini) premian los roles, el contexto y la iteración. Los generadores de imágenes (Midjourney, DALL·E, Leonardo) premian los sustantivos y adjetivos descriptivos, junto con indicaciones de estilo, iluminación y composición: « una acogedora cafetería-librería, cálida luz de la tarde, película de 35 mm, gran angular »; la precisión sobre el ambiente y el medio lo es todo. Las herramientas de voz (ElevenLabs) responden a la puntuación y al fraseo: las comas, los puntos y los saltos de párrafo controlan el ritmo y las pausas mejor que cualquier ajuste. Los asistentes de código (GitHub Copilot, Cursor) rinden más cuando escribes primero un comentario claro que describa la función, o un ejemplo de entrada y salida. El principio es el mismo —ser específico—, pero los detalles que importan cambian con el medio.

Ninguna técnica de prompting elimina la necesidad de una revisión humana. Cualquier herramienta de IA puede equivocarse con total seguridad: inventar datos, citas falsas, código roto o detalles que simplemente no son ciertos. Una mejor consigna reduce los errores; no los elimina. Lee el resultado con criterio, verifica cualquier dato factual y prueba cualquier código antes de publicarlo. El objetivo es usar la IA como un primer borrador rápido que tú terminas, no como un oráculo en el que confías a ciegas.

Los mejores resultados vienen de mejores instrucciones, no de una herramienta secreta. Dale al modelo un rol y un objetivo, aliméntalo con contexto y un ejemplo, detalla el formato y luego itera en lugar de empezar de nuevo. Pídele que razone en los problemas difíciles, adapta tu enfoque al medio y comprueba siempre el resultado tú mismo. Estos hábitos se aplican en segundos y funcionan en todas las herramientas que encontrarás en nuestro directorio de herramientas y nuestras selecciones por categoría. Domínalos una vez y cada IA que uses se volverá notablemente más útil.