Los ejemplos son una de las herramientas más potentes del prompting moderno. Funcionan como un “mini-entrenamiento” incrustado dentro del prompt: pequeñas demostraciones que enseñan al modelo cómo debería sonar, qué tipo de estructura esperar y qué profundidad utilizar. No solo orientan: reducen la ambigüedad, aceleran la alineación y permiten que las respuestas se sientan hechas a medida. A veces, un solo ejemplo bien elegido vale más que veinte líneas de instrucciones.
La lógica detrás del few-shot prompting es simple: los modelos aprenden patrones. Si les mostrás un ejemplo de cómo querés que esté escrito algo —ya sea un análisis de métricas, una user story, una recomendación de producto o la descripción de una funcionalidad— tenderán a imitar ese patrón con notable fidelidad. El ejemplo no solo comunica la forma: también transmite el espíritu del texto. Deja ver qué tipo de lenguaje te interesa, qué detalles priorizás, qué tono preferís y cuándo conviene ser más directo o más narrativo.
Los ejemplos sirven como “mini-entrenamiento” dentro del prompt.
Esto significa que cada ejemplo, por pequeño que sea, actúa como un modelo reducido. No estás entrenando millones de parámetros, pero sí estás moldeando cómo el modelo despliega lo que ya sabe. Como si le dijeras: “Antes de responder, mirá cómo lo haría yo”. Esa demostración es suficiente para que adapte su comportamiento.
Qué aportan
Los ejemplos influyen en cinco dimensiones que transforman la salida completa: tono, estilo, estructura, profundidad y manejo de casos límite. Cada una de estas dimensiones define cómo se percibe el contenido final y cómo será su utilidad real en tu trabajo de producto.
1. Tono
El tono es lo primero que el modelo capta. Un ejemplo amable genera respuestas amables; uno ejecutivo produce un registro más neutral y orientado a negocio. Aunque le digas “tono formal”, el modelo puede interpretarlo de muchas maneras. Pero si le mostrás un ejemplo con el tono exacto, la imitación es mucho más precisa.
Ejemplo (tono de PM cercano y empático):
La nueva vista semanal hace que organizar mis tareas sea más simple y menos estresante; siento que la app me acompaña en vez de agregarme carga.
Con esa sola línea, el modelo ya entiende que buscás cercanía, emoción moderada y foco en el usuario.
2. Estilo
El estilo se refleja en el ritmo, la longitud de las frases, el vocabulario y la presencia (o ausencia) de metáforas o tecnicismos. Podés pedir un estilo minimalista o narrativo, pero mostrarlo es infinitamente más efectivo.
Ejemplo (estilo conciso, casi de catálogo):
Feature: Filtros avanzados <br/>
Descripción: Encontrá resultados precisos en segundos con nuevos controles dinámicos.
El modelo lo replicará sin explicaciones innecesarias.
3. Estructura
Cuando el ejemplo tiene una organización clara, el modelo la copia sin esfuerzo: títulos, subtítulos, bloques, secuencias, fórmulas narrativas.
Ejemplo (estructura típica de análisis de problema):
Problema: Los usuarios pierden tiempo buscando historiales. <br/>
Impacto: Reduce la retención y aumenta el soporte.<br/>
Propuesta: Un acceso rápido desde el dashboard.”
La estructura queda establecida sin necesidad de describirla.
4. Profundidad
La profundidad no es algo que el modelo pueda intuir sin referencias. Un ejemplo superficial produce salidas superficiales. Uno profundo produce análisis más reflexivos y detallados.
Ejemplo superficial:
La pantalla tarda mucho en cargar.
Ejemplo profundo:
Las demoras provienen de validaciones externas que generan picos de latencia y afectan la percepción de fluidez.
La respuesta futura seguirá ese nivel.
5. Casos límite
Los ejemplos también marcan los bordes: qué está permitido, qué se debe validar, qué excepciones considerar. Son especialmente útiles en criterios de aceptación, escenarios de validación y definición de “done”.
Ejemplo (caso límite):
Criterio: Si el usuario intenta cargar más de 5 documentos, mostrar un mensaje aclarando el límite.
Al incluir un caso límite, el modelo tenderá a generar nuevos ejemplos igual de precisos y orientados a bordes reales.
Ejemplo simple de few-shot aplicado
Ejemplo proporcionado:
Producto: Termo X1 <br/>
Reseña corta: Ligero, mantiene la temperatura y es muy resistente.<br/>
<br/>
Instrucción:<br/>
<br/>
Genera 3 reseñas similares para estos productos…
Con ese ejemplo de tres líneas, el modelo entiende tono, longitud, enfoque y profundidad. No necesita más.
Plantilla rápida para crear tus propios few-shot
Una buena plantilla para integrar ejemplos dentro del prompt no se siente mecánica, sino natural. Se parece más a una guía mental que a una fórmula rígida, y te permite definir qué querés mostrar y cómo querés que el modelo replique ese patrón.
``` Voy a darte un ejemplo de cómo quiero que estructures la respuesta:
[Inserta tu ejemplo aquí: tono, estilo, estructura, profundidad, nivel de detalle]
Usa ese ejemplo como guía para generar [cantidad] resultados sobre [tema], manteniendo: - El mismo tono y estilo. - La misma longitud aproximada. - El mismo enfoque en beneficios o detalles técnicos. - La misma estructura narrativa o descriptiva.
No copies el contenido; copia la forma. ```
Esta plantilla funciona tanto para user stories, reseñas, análisis de métricas, comparaciones de alternativas, fragmentos de PRD, discursos para stakeholders o cualquier artefacto de producto.
Checklist rápido para validar tus ejemplos
Un buen ejemplo debe guiar al modelo de manera clara, sin volverse un enredo. Antes de enviarlo, podés hacer esta revisión mental:
- ¿El ejemplo refleja el tono exacto que quiero reproducir?
- ¿La estructura del ejemplo es la misma que necesito que siga el modelo?
- ¿La profundidad del ejemplo está alineada a la audiencia final (junior, senior, ejecutiva, técnica)?
- ¿Incluye detalles clave que muestren claramente qué priorizar y qué evitar?
- ¿Introduje uno o dos casos límite si quiero que el modelo genere contenido más preciso?
- ¿El ejemplo es lo suficientemente corto como para no generar ruido pero lo suficientemente claro como para enseñar?
Si la mayoría de estas respuestas son “sí”, tu few-shot está listo. Si falta alguna, agregá un pequeño detalle: muchas veces, una sola línea extra hace que la respuesta final pase de “correcta” a excepcional.
Los ejemplos, en definitiva, no son una ayuda opcional. Son una forma práctica, elegante y muy poderosa de decirle al modelo exactamente qué tipo de pensamiento, lenguaje y enfoque querés que adopte. Cuando los usás bien, desaparece la sensación de aleatoriedad y empieza a aparecer algo mucho más interesante: consistencia, intención y control real sobre el resultado.
Puedes profundizar tus habilidades en el uso de IA para Product managers y Product Owners en nustro curso:
