¿Cómo promptear de forma efectivo?

La diferencia entre una respuesta mediocre y una excelente de una IA no está en el modelo que usás, sino en cómo le pedís las cosas. Un prompt efectivo puede ahorrarte horas de trabajo o darte exactamente lo que necesitás en segundos.

El problema es que la mayoría escribe prompts como si estuviera chateando con un amigo: vago, sin contexto, esperando que la IA adivine qué querés. Después se quejan de que "ChatGPT no sirve" o "la IA no entiende". La realidad es que promptear es una habilidad técnica, y como toda habilidad, tiene principios y se mejora con práctica.

La anatomía de un prompt que funciona

Un prompt efectivo tiene cuatro componentes básicos que deberías incluir siempre:

Rol o contexto: quién es la IA para esta tarea específica. No es lo mismo pedirle que actúe como un desarrollador senior de React que como un copywriter de marketing.

Tarea clara: qué necesitás exactamente. Sin ambigüedades.

Restricciones o formato: cómo querés que sea la salida. Longitud, estructura, tono, formato técnico.

Ejemplos (cuando aplique): si tenés un estilo o formato específico en mente, mostrá un ejemplo concreto.

Ejemplo básico vs. efectivo:

❌ Básico: "Explicame qué es una API"

✅ Efectivo: "Sos un tech lead explicándole a un desarrollador junior qué es una API REST. Usá una analogía con un restaurante, máximo 150 palabras, tono didáctico pero técnico."

La diferencia en calidad de respuesta es brutal.

Técnicas concretas que mejoran tus prompts

1. Chain of thought (cadena de pensamiento)

Pedile a la IA que piense paso a paso. Esto funciona especialmente bien para problemas complejos, debugging o decisiones de arquitectura.

Necesito decidir si usar Redux o Context API en mi app React. Antes de responder:

1. Analizá el tamaño y complejidad del estado
2. Considerá el equipo y su experiencia
3. Evaluá el trade-off de complejidad vs. beneficio
4. Recién ahí dame tu recomendación con pros y contras

Este formato fuerza razonamiento más profundo y respuestas mejor fundamentadas.

2. Few-shot prompting (ejemplos en contexto)

En lugar de explicar qué querés, mostrá 2-3 ejemplos del formato o estilo que buscás:

Convertí estos user stories en tareas técnicas granulares.

Ejemplo 1: User story: "Como usuario quiero resetear mi contraseña" Tareas:

• Diseñar endpoint POST /auth/reset-password
• Crear formulario de reset con validación
• Implementar envío de email con token temporal
• Agregar expiración de token (24hs)

Ejemplo 2: [otro ejemplo]

Ahora convertí este user story: [tu caso]

La IA capta el patrón y replica el nivel de detalle que necesitás.

3. Restricciones explícitas

Si no querés algo específico o necesitás algo muy particular, decilo claro:

Revisá este código JavaScript y sugerí mejoras. Restricciones:

• NO cambies la lógica de negocio
• Enfocate en performance y legibilidad
• Sugerí máximo 3 cambios prioritarios
• Explicá el impacto de cada uno con métricas si es posible

Esto evita respuestas genéricas tipo "podrías agregar comentarios" o "usar nombres más descriptivos".

Errores comunes que te hacen perder tiempo

Ser demasiado vago: "Dame ideas para mi proyecto" vs. "Dame 5 features específicas para un e-commerce de ropa deportiva orientado a runners, con foco en personalización".

No iterar: El primer prompt casi nunca es perfecto. Si la respuesta no es lo que esperabas, refiná el prompt en lugar de conformarte.

Esperar lectura de mente: La IA no sabe tu stack, tu nivel de experiencia, ni el contexto de tu proyecto. Incluí eso si es relevante.

Prompts demasiado largos: Más contexto es bueno, pero un prompt de 15 párrafos es contraproducente. Sintetizá lo esencial.

No especificar formato de salida: Si necesitás JSON, una tabla, bullet points o código comentado, pedilo explícitamente.

Prompts para tareas técnicas reales

Debugging efectivo

Encontrá el bug en este código React: [código]

Contexto:

• El componente no re-renderiza cuando actualizo el estado
• Uso React 18
• El hook useEffect tiene una dependencia

Dame:

1. Qué está mal
2. Por qué falla
3. Código corregido con explicación de los cambios

Code review estructurado

Hacé code review de esta función siguiendo estos criterios:

1. Performance: bucles, operaciones costosas
2. Seguridad: validaciones, sanitización
3. Mantenibilidad: legibilidad, acoplamiento

Archivo: [código]

Formato: tabla con columna de criterio, problema encontrado y sugerencia de fix.

Refactoring con restricciones

Refactorizá esta función para mejorar testabilidad. No uses librerías externas. Mantené la misma interfaz pública (mismos parámetros y retorno). Código: [función]

Prompt engineering para casos avanzados

Cuando necesitás integrar prompts en tu aplicación o crear flujos complejos:

System prompts: Si usás la API de OpenAI u otros LLMs, usá el rol system para definir comportamiento base que no cambia:

{ "role": "system", "content": "Sos un asistente técnico experto en React. Siempre respondés con código funcional, comentado y siguiendo las mejores prácticas de React 18." }

Prompt chaining: Dividí tareas complejas en pasos secuenciales donde la salida de uno alimenta el siguiente:

1. Primer prompt: "Analizá estos requirements y extraé las entidades principales"
2. Segundo prompt: "Con estas entidades: [resultado anterior], diseñá el schema de base de datos"
3. Tercer prompt: "Con este schema: [resultado anterior], generá los modelos en TypeScript"

Validación y retry: Si esperás un formato específico (JSON, código), agregá instrucciones de validación y manejá reintentos cuando la salida no cumple:

Genera un objeto JSON válido con esta estructura: { "task": "string", "priority": "high" | "medium" | "low", "estimatedHours": number }

IMPORTANTE: Respondé SOLO con el JSON, sin explicaciones adicionales.

Métricas para saber si tu prompt funciona

No hay una fórmula mágica, pero estos indicadores te dicen si vas por buen camino:

• Primera respuesta útil: Si el 80% de las veces la primera respuesta te sirve directamente, tu prompt es sólido.
• Consistencia: Ejecutando el mismo prompt 3 veces deberías obtener respuestas similares en calidad y formato.
• Tiempo de refinamiento: Si necesitás más de 3 iteraciones para llegar a algo útil, tu prompt inicial necesita más contexto.
• Reutilización: Los buenos prompts se pueden reutilizar con pequeños ajustes para casos similares.

Preguntas frecuentes

¿Importa el orden de las instrucciones en el prompt?

Sí. Lo que ponés al principio y al final tiende a tener más peso. Si algo es crítico, ponelo al inicio o al final, o repetilo.

¿Cuánto contexto es demasiado contexto?

Si superás las ~1500 palabras en un prompt, probablemente estés incluyendo información irrelevante. Sintetizá lo esencial para la tarea específica.

¿Es mejor escribir prompts en inglés o español?

Los modelos grandes están mejor entrenados en inglés, pero la diferencia de calidad se achicó mucho. Usá el idioma en el que te sientas más preciso. Para tareas técnicas, inglés suele dar mejores resultados con código.

Checklist: Antes de ejecutar tu prompt

• ¿Incluí rol o contexto necesario?
• ¿La tarea es específica y sin ambigüedades?
• ¿Especifiqué formato de salida si es importante?
• ¿Agregué restricciones o qué NO quiero?
• ¿Incluí ejemplos si el formato es complejo?
• ¿El prompt tiene menos de 500 palabras?
• ¿Puedo reutilizar este prompt para casos similares?