Debes ser explícito/a con tus instrucciones. Un modelo de lenguaje es más bien un “motor de completar texto” que un “lector de mentes”.
Si el prompt es ambiguo, genérico o incompleto, el modelo rellena huecos según sus “suposiciones promedio”, no según lo que tú realmente necesitas. Ser explícito convierte esa incertidumbre en instrucciones claras y controlables.
1. Definir qué debe producir
Primero, el modelo necesita saber el tipo de salida que esperas.
Piensa en cosas como:
- ¿Quiero una lista, un texto corrido, una tabla, código, un esquema, preguntas de examen, etc.?
- ¿Quiero un borrador general o algo casi listo para usar?
- ¿Quiero que cree algo nuevo o que transforme algo que ya le doy (resumir, corregir, reescribir…)?
Ejemplo Vago:
Háblame sobre product management.
Ejemplo Explícito:
Genera una **lista numerada** con **7 responsabilidades clave** de un Product Owner en un equipo Scrum, con **1–2 frases de explicación por responsabilidad**, enfocadas en cómo aportan valor al negocio.
2. Definir cómo debe producirlo
Aquí entras en el estilo y estructura de la respuesta:
- Tono: formal, informal, cercano, técnico, didáctico…
- Perspectiva: primera persona (“yo”), tercera persona, neutra.
- Idioma: español neutro, español de España, inglés, bilingüe…
- Estructura: introducción → desarrollo → conclusión, bullets, pasos…
Ejemplo Vago:
Explica qué es un roadmap de producto.
Ejemplo Explícito en el “cómo”:
Explica qué es un roadmap de producto en **español neutro**, usando un **tono didáctico y cercano**, en **primera persona plural** (‘nosotros’), **sin usar jerga excesivamente técnica**, y termina con un **ejemplo sencillo de roadmap trimestral** para una app móvil.
Aquí no solo dices qué (explicar la fotosíntesis), sino cómo quieres que sea la explicación.
3. Indicar restricciones
Las restricciones son todo aquello que el modelo no debe hacer o debe limitar:
- Límites de longitud (palabras, párrafos, ítems).
- Cosas que debe evitar (jerga, tecnicismos, referencias culturales, spoilers, etc.).
- Restricciones de contenido (no mencionar X, no usar ejemplos de Y).
- Límites de tiempo o etapa (no avanzar a la fase 2 hasta que lo pida, etc.).
Ejemplo sin restricciones:
Resume este PRD: ...
La respuesta puede ser muy larga, muy corta, o incluir detalles irrelevantes.
Ejemplo con restricciones:
Resume este PRD en **máximo 120 palabras**, usando un lenguaje **simple**, y **sin mencionar detalles técnicos de implementación**.
Otro ejemplo con restricciones:
No propongas soluciones técnicas. Limítate a **describir el problema de negocio** desde el punto de vista del usuario final.
4. Aclarar el nivel de detalle
El nivel de detalle define cuán “profunda” debe ser la explicación:
- Súper breve vs. explicación extendida
- General vs. paso a paso
- Introductorio vs. experto
Ejemplo General:
Explícame qué es un MVP.
Ejemplo más explícito en el detalle:
Explícame qué es un MVP como si yo fuera un nuevo Product Manager en una startup, en **2–3 párrafos**, y luego añade una **lista de 5 ejemplos de MVP** en productos digitales, con una breve explicación de cada uno.
Otro ejemplo con detalle:
Primero da una **explicación corta** (máx. 3 frases) sobre qué es la priorización por impacto/esfuerzo.
Luego, si yo escribo ‘profundiza’, da una explicación **detallada y orientada a product management** con ejemplos de backlog.
5. Explicar el propósito (cuando ayuda)
Decirle al modelo para qué necesitas la respuesta le permite adaptar mejor tono, nivel y enfoque.
- “Es para una presentación ejecutiva sobre el estado del producto.”
- “Es para explicar a un stakeholder no técnico por qué estamos retrasando una feature.”
- “Es un borrador interno para la reunión de refinamiento de backlog.”
- “Es material para un taller interno de formación en product management.”
Ejemplo sin propósito:
Haz un resumen de este informe
Ejemplo con propósito:
Haz un resumen de este informe de métricas de producto **para el CEO**, que **no es técnico** y tiene **poco tiempo**. Destaca solo **tendencias clave**, **riesgos de negocio** y **decisiones que debemos tomar en el próximo trimestre*.
Otro ejemplo con propósito:
Necesito este texto como **guion para un video corto** de actualización de roadmap para stakeholders internos (duración aproximada 60 segundos), así que utiliza frases breves, lenguaje claro y termina con una invitación a enviar preguntas o feedback.
6. Ejemplo completo: de prompt vago a prompt explícito
Tomemos un caso y lo vamos mejorando.
Explícame qué es la discovery de producto.
Problemas:
- No hay público objetivo.
- No hay formato.
- No hay longitud ni tono definidos.
Otro ejemplo (un poco mejor)
Explícame qué es la discovery de producto de forma sencilla.
Mejor, pero aún difuso: “sencilla” puede ser muchas cosas.
Ejemplo 3 (explícita)
Explícame qué es la discovery de producto **en español neutro**, para una persona **que está empezando como Product Owner**, en **un párrafo de máximo 150 palabras**, usando **un ejemplo cotidiano** (por ejemplo, lanzar una nueva funcionalidad en una app bancaria) y **evitando términos excesivamente técnicos**.
Aquí ya cumplimos:
- Qué: explicación de machine learning.
- Cómo: español neutro, sin matemáticas, ejemplo cotidiano.
- Restricciones: no fórmulas, longitud máxima.
- Nivel de detalle: 1 párrafo, sencillo.
- Propósito implícito: divulgación básica.
7. Plantilla rápida para ser explícito/a
Puedes usar algo como esta plantilla mental (o literal) al crear prompts:
Quiero que generes **[tipo de salida]** sobre **[tema]**, en **[idioma/tono]**, para **[audiencia]**.
La respuesta debe tener **[estructura / formato]**, con **[nivel de detalle]** y debe **[restricciones]**.
El propósito es **[propósito]**.
Plantilla completada:
Quiero que generes un **resumen ejecutivo** sobre **el desempeño del producto en el último trimestre (retención, activación y NPS)**, en **español neutro** para **directivos no técnicos**.
La respuesta debe tener **tres secciones con títulos**: *Qué está funcionando*, *Qué no está funcionando* y *Acciones recomendadas*, con **2–3 frases por sección**, y debe **evitar detalles técnicos de implementación o análisis estadísticos complejos**.
El propósito es **usar este texto como diapositiva de apertura en una presentación de resultados de producto**.
8. Mini checklist
Antes de enviar tu prompt, pregunta:
- ¿Está claro qué quiero que produzca? ✅
- ¿He dicho cómo quiero que lo haga (tono, idioma, estilo)? ✅
- ¿He puesto restricciones razonables (longitud, cosas a evitar)? ✅
- ¿El nivel de detalle está especificado (breve / profundo / técnico / simple)? ✅
- ¿He indicado el propósito o audiencia, si es relevante? ✅
Si 2–3 de esas respuestas son “no”, probablemente el prompt aún es demasiado vago.
2. Controlar la verbosidad
La verbosidad define cuánto detalle debe incluir la respuesta.
Formas de controlarlo
- “Resume en 3 oraciones…”
- “En máximo 50 palabras…”
- “Explicación técnica detallada…”
- “Explicación simple y concisa…”
Ejemplos
“Da una explicación breve (máx. 50 palabras) de cómo funciona un servidor web.”
“Ahora da una explicación detallada (mín. 300 palabras) incluyendo arquitectura, protocolos, seguridad y flujo de datos.”
3. Controlar el formato de las respuestas
El formato asegura claridad, consistencia y reutilización.
Formatos comunes
- JSON
- Listas
- Tablas
- Markdown
- Secciones estructuradas
- Código o pseudocódigo
Ejemplo
“Resume el artículo en este formato JSON:
{ 'tema': string, 'puntos_clave': string[], 'riesgos': string[] }”
Otro ejemplo
“Devuelve tu respuesta en una tabla Markdown con columnas: concepto, explicación, ejemplo.”
4. Añadir contexto para mejorar rendimiento
El contexto ayuda al modelo a adaptar la respuesta al propósito real.
Tipos de contexto
- Audiencia
- Propósito
- Industria
- Nivel técnico
- Restricciones
- Ejemplos
Ejemplo sin contexto
“Escribe una introducción sobre IA.”
Ejemplo con contexto
“Escribe una introducción sobre IA para un informe corporativo de una empresa de seguros, con enfoque en riesgos y oportunidades, tono formal y conciso.”
5. Usar ejemplos y detalles (few-shot prompting)
Los ejemplos sirven como “mini-entrenamiento” dentro del prompt.
Qué aportan
- Tono
- Estilo
- Estructura
- Profundidad
- Casos límite
Ejemplo
Ejemplo proporcionado:
“Producto: Termo X1 Reseña corta: Ligero, mantiene la temperatura y es muy resistente.”
Instrucción:
“Genera 3 reseñas similares para estos productos…”
6. Pensamiento paso a paso (reasoning / chain-of-thought)
Indicar al modelo que piense de forma estructurada mejora la precisión en tareas complejas.
Cuándo usarlo
- Resolución de problemas
- Matemáticas
- Programación
- Evaluación de opciones
- Planificación
Ejemplo
“Antes de dar la respuesta, razona paso a paso las posibles soluciones, compara ventajas y desventajas y selecciona la mejor opción.”
Variante
“Piensa en voz alta, pero no incluyas tu razonamiento en la respuesta final. Solo entrega el resultado.”
7. Investigación y recopilación de información
Indica al modelo que actúe como un investigador en lugar de simplemente responder.
Implica
- Buscar o analizar información
- Comparar fuentes
- Sintetizar
- Detectar lagunas
- Evaluar confiabilidad
Ejemplo
“Identifica tres tendencias actuales en ciberseguridad. Para cada una:
- explica en 3–4 frases
- indica su impacto empresarial
- da tu nivel de confianza (alto/medio/bajo) y justifica.”
8. Razonamiento de largo horizonte y seguimiento de estado
Para tareas largas, el modelo debe mantener continuidad y progreso organizado.
Permite
- Mantener un estado temporal en la sesión
- Trabajar por fases
- Registrar decisiones
- Construir de forma iterativa
Ejemplo
“Vamos a construir un plan de marketing en tres fases. Fase 1: Público objetivo Fase 2: Mensajes y canales Fase 3: Presupuesto Empecemos con la Fase 1 y no avances sin que lo pida.”
9. Creación de documentos complejos
Generar documentos estructurados, coherentes y formales.
Tipos
- Informes
- Presentaciones
- Whitepapers
- Manuales
- Planes estratégicos
Qué especificar
- Estructura
- Longitud por sección
- Tono
- Audiencia
- Reglas de estilo
Ejemplo
“Crea un informe de 4 secciones:
- Resumen Ejecutivo
- Contexto
- Análisis
- Recomendaciones Cada sección debe tener entre 120–200 palabras. Tono formal.”
16. Mejorar la generación de código visual y frontend
Los modelos tienden a producir UI genérica. Dar detalle mejora enormemente la calidad.
Qué especificar
- Paleta de colores
- Tipografía
- Componentes y spacing
- Framework (React, Vue, Tailwind…)
- Microinteracciones (hover, transición)
- Uso de modo oscuro
Ejemplo
“Genera un componente React con Tailwind. Usa paleta azul (#0033FF) y cian (#00E6F6), tipografía Inter, tarjetas con borde xl, sombra suave y hover con escala 1.03.”
17. Autoconocimiento del modelo (self-knowledge)
Útil para auditoría, debugging o procesos con requisitos estrictos.
Cuándo sirve
- API que registra versiones
- Pipelines sensibles
- Documentación generada automáticamente
- Metaprompting
Ejemplo
“Antes de comenzar, declara tu nombre de modelo y versión: ‘Soy el modelo X versión Y’. Luego continúa con la tarea.”
Otro ejemplo
“Si alguna parte de la instrucción está fuera de tus capacidades, indícalo explícitamente.”