Ingeniería de prompts: cómo diseñar instrucciones reproducibles

Al finalizar este tema

• Podrás explicar la definición precisa y la necesidad de la ingeniería de prompts.
• Podrás identificar la diferencia entre una pregunta casual genérica y una instrucción aplicada con ingeniería de prompts.
• Aprenderás la estructura clave y las técnicas representativas de redacción de prompts para obtener respuestas de alta calidad deseadas por la IA.

Le pedí trabajo a la IA

Hay dos empleados que utilizan el mismo modelo de IA (ChatGPT).

• Empleado A: "Escribe un eslogan de marketing".
• Empleado B: "Actúa como un experto en marketing B2B de TI con 10 años de experiencia. Escribe 3 borradores de textos para campañas de email marketing dirigidos a clientes clave (directores de equipo de empresas de TI de unos 30 años) de una nueva herramienta de automatización de tareas. El tono y estilo deben ser persuasivos y profesionales, e incluir puntos clave resumidos centrados en los beneficios".

El empleado A obtuvo frases vacías y genéricas, cerrando la sesión con "Como era de esperar, la IA no es muy buena", mientras que el empleado B obtuvo borradores de alta calidad listos para aplicar en la práctica.

¿Fue insuficiente el rendimiento de la IA? No. El resultado cambia completamente dependiendo de cómo se formule la pregunta (instrucción). Así, la técnica de diseñar y pulir los prompts (instrucciones) para obtener el mejor resultado deseado de la IA es lo que llamamos ingeniería de prompts.

Preguntas vagas vs. Ingeniería de prompts

Si el aprendizaje del modelo (fine-tuning, RLHF) aprendido anteriormente era una "técnica para pulir el propio modelo de IA", la ingeniería de prompts es una "técnica de instrucción para quien utiliza la IA".

1. Pregunta simple general (Prompt no estructurado)

• Características: Es una instrucción ambigua que omite contexto, propósito, rol y formato deseado.
• Resultado: Dado que la IA debe adivinar la intención de la pregunta, ofrece la respuesta más común y genérica (obvia).

2. Ingeniería de prompts (Prompt estructurado)

• Características: Instruye estructurando el contexto de fondo, la persona (rol) de la IA, las restricciones detalladas y el formato de salida.
• Resultado: Reduce la posibilidad de que la IA adivine de forma ambigua, generando resultados sofisticados y personalizados listos para usar inmediatamente.

Analogía en una línea:

La ingeniería de prompts es como dar al empleado nuevo "la mejor instrucción de trabajo" que presenta claramente "el contexto específico, el rol asignado, las directrices de redacción y un ejemplo del formato final", en lugar de decirle "escríbelo bien por tu cuenta".

Los 4 elementos clave para crear prompts de alta calidad

Al combinar los siguientes 4 elementos al instruir a la IA, la calidad de la respuesta aumenta drásticamente.

1. Rol: Asignar una persona al modelo de IA.

• Ejemplo: "Eres un desarrollador senior de Python con 15 años de experiencia."

2. Contexto: Describe la situación actual y el propósito.
   • Ejemplo: "Debes explicar código de análisis de datos a miembros del equipo de marketing que no son desarrolladores."
3. Instrucción clara: Transmite la tarea principal a realizar mediante verbos de acción específicos.
   • Ejemplo: "Explica paso a paso el principio de funcionamiento del siguiente código utilizando analogías sencillas."
4. Formato de salida y restricciones: Especifica la forma o las reglas de la respuesta.
   • Ejemplo: "Evita la jerga técnica y redacta la respuesta en un máximo de tres viñetas."

Técnicas de prompts útiles para conocer

• Prompting con pocos ejemplos (Few-Shot Prompting):
  • Consiste en mostrar de antemano uno o más ejemplos de la respuesta deseada para que el modelo genere respuestas similares.
  • Ejemplo: "Entrada: 'Hace buen tiempo hoy' → Sentimiento: Positivo / Entrada: 'Tengo hambre' → Sentimiento: Neutral / Entrada: 'Tengo demasiado trabajo' → Sentimiento: ?"
• Cadena de pensamiento (Chain-of-Thought, CoT):
  • En lugar de pedir directamente la respuesta final, se instruye al modelo para que "piense paso a paso con calma".
  • Puede ayudar a descomponer problemas complejos en etapas, pero no siempre aumenta la precisión ni reduce las alucinaciones, por lo que es necesario verificar los resultados.

¿Dónde se utiliza?

• Automatización de tareas y mejora de la productividad: Resumen de informes, redacción de borradores de correos electrónicos, traducción y corrección
• Desarrollo y generación de código: Generación automática de código adaptado a marcos de trabajo o guías de estilo específicos
• Desarrollo de servicios de IA: Diseño del System Prompt (prompt del sistema) para chatbots, especificando el tono y el alcance de las acciones de la IA

Malentendidos comunes y puntos de atención

❌ 1. "¿Existe una 'contraseña secreta' (Prompt Secreto) que hay que memorizar en la ingeniería de prompts?"

No. Lo importante no es memorizar y introducir frases específicas. La clave reside en la capacidad de comunicación para transmitir el contexto y las instrucciones de manera lógica y clara, de modo que la IA pueda entenderlas.

❌ 2. "¿Cuanto más largo y complejo sea el prompt, mejores serán los resultados?"

No. Si se incluyen demasiadas restricciones prolijas y contradictorias, la IA podría pasar por alto las instrucciones o confundirse. Lo fundamental es estructurar de manera concisa únicamente la información necesaria y clara.

Un buen prompt es un contrato, no una frase

En la práctica profesional, el contrato de entrada/salida es más importante que las frases de interpretación de roles.

[objetivo] Qué decidir o generar
[entrada] Límites y nivel de confianza de los datos
[tarea] Secuencia de ejecución y condiciones de éxito
[restricciones] Acciones prohibidas, longitud, idioma, reglas de justificación
[salida] Esquema JSON o formato de documento
[fallo] Comportamiento ante falta de información o fallo de herramientas

En lugar de simplemente asignar un rol extenso como “eres un experto con 20 años de experiencia”, es más reproducible especificar las condiciones de éxito y los comportamientos de fallo.

Al solicitar el Pensamiento Paso a Paso (CoT)

Dividir problemas complejos en pasos es útil, pero no siempre es necesario ni posible exponer directamente el razonamiento interno privado del modelo. En la práctica, es más seguro solicitar “pasos de cálculo verificables”, una “lista de fundamentos” y un “resumen conciso de la decisión”, y luego verificar el resultado final mediante herramientas externas.

Salida estructurada

Utilizar el esquema JSON, la salida estructurada o el esquema de herramientas proporcionados por la API reduce los errores de análisis en comparación con mostrar solo ejemplos de JSON. Sin embargo, aún se debe verificar independientemente si el significado es correcto.

Inyección de instrucciones (Prompt Injection)

Las frases como “ignora las instrucciones anteriores” dentro de documentos de búsqueda o páginas web son datos, no comandos. Separe claramente las entradas que no son de confianza, no mezcle las reglas del sistema con documentos externos y coloque las herramientas peligrosas detrás de un control de acceso aprobado. La seguridad no se impone únicamente mediante las instrucciones (prompts).

Gestión de versiones y evaluación

Gestione las instrucciones como código y mantenga un conjunto de entrada representativo para la evaluación. Cuando el modelo o las instrucciones cambien, debe realizar pruebas de regresión de precisión, cumplimiento de formato, rechazo seguro y costos para evitar la ilusión de que “parece haber mejorado”.

Resumen clave

• Este término no se refiere a un solo modelo de IA, sino que debe entenderse en conexión con datos, software y procedimientos operativos.
• Verifique específicamente las entradas, salidas, permisos y criterios de evaluación en lugar de depender únicamente de la descripción del producto.
• Confirme nuevamente los resultados y acciones importantes mediante fundamentos, verificadores y aprobación humana.

Siguiente concepto

→ Profundizar: AI Native Long Form — Ingeniería de Instrucciones