El arte de hablar con la IA: cómo escribir mejores prompts y obtener respuestas más precisas

Enfoque técnico: Fundamentos de Modelos de Lenguaje (LLMs), Ingeniería de Prompts Estructurada, Técnicas de Razonamiento (Chain of Thought) y Criterios de Seguridad y Privacidad de Datos.

Introducción y Visión General

Cuando publiqué la primera guía sobre los fundamentos de la Inteligencia Artificial, el objetivo era desmitificar la tecnología y entender sus bases. Hoy quiero dar el siguiente paso lógico: pasar de la teoría a la práctica diaria.

A menudo veo que el mayor obstáculo cuando alguien empieza a usar herramientas como ChatGPT, Claude o Gemini es la frustración de no obtener la respuesta esperada. Casi siempre caemos en el mismo error: tratamos a la IA como si fuera un buscador de Google. Le lanzamos dos palabras clave esperando magia, pero la IA no busca resultados; la IA los construye.

En esta guía te voy a enseñar cómo funcionan estos modelos por dentro y cuál es la “fórmula” para comunicarte con ellos con criterio y obtener respuestas precisas.

¿Qué es un LLM y por qué “habla” como nosotros?

Un LLM (Large Language Model o Gran Modelo de Lenguaje) es, en términos sencillos, un sistema entrenado con volúmenes gigantescos de texto para entender y generar lenguaje humano.

Pero hay algo crucial que debes entender desde el día uno: la IA no piensa ni tiene conciencia.

Lo que hace en realidad es un proceso estadístico extremadamente avanzado: predice la siguiente palabra más probable. Cuando le haces una pregunta, analiza el contexto de lo que escribiste y calcula cuál es la palabra que mejor encaja a continuación, y luego la siguiente, y la siguiente.

Al haber leído bibliotecas enteras de información durante su entrenamiento, esa “predicción” suena increíblemente coherente, inteligente y humana.

La fórmula de un buen Prompt (Cómo pedir las cosas)

Un prompt no es más que la instrucción que le das a la herramienta. Si le das una instrucción vaga (“Escríbeme un correo sobre un proyecto”), obtendrás una respuesta genérica y aburrida. Si le das estructura, el resultado cambia por completo.

A lo largo de mi experiencia probando distintas herramientas, resumí la estructura de un prompt efectivo en estos 5 elementos clave:

1. Rol: Define quién quieres que sea la IA. (“Actúa como un experto en marketing digital…”)
2. Contexto: Explícale la situación básica. (“Tengo una pequeña tienda de café artesanal que lanzará un nuevo grano…”)
3. Tarea: Sé específico con la acción principal. (“Escribe un borrador de correo para mis clientes habituales anunciando el lanzamiento…”)
4. Restricciones: Pon límites claros. (“Usa un tono cercano pero profesional, que no tenga más de 3 párrafos y no uses modismos muy locales…”)
5. Formato de salida: Indica cómo quieres ver el resultado. (“Preséntalo con un asunto llamativo en negrita y el cuerpo del correo abajo…”)

Comparativa Práctica

• ❌ Mal prompt: “Dame ideas para vender más en mi negocio.”
• ✅ Buen prompt: “Actúa como un consultor de ventas para PyMEs. Tengo un taller de reparación de bicicletas en una zona urbana. Dame 3 ideas de bajo presupuesto para fidelizar a los clientes que ya vienen a revisión, explicadas en viñetas cortas.”

Ejemplo aplicado al ámbito técnico:

• Mediocre: “Créame una política de contraseñas.”
• Optimizado: “Actúa como un arquitecto de seguridad Microsoft. Necesito una política de contraseñas para una empresa de 50 empleados que utiliza Microsoft Entra ID. Genera el documento en formato corporativo.”

Dos técnicas avanzadas que cambian el juego

No necesitas ser programador para usar técnicas avanzadas de interacción. Aquí hay dos métodos muy sencillos que utilizo siempre:

A. Darle ejemplos (Few-shot prompting)

A los modelos de lenguaje les encantan los patrones. Si quieres que la IA clasifique información o escriba con un formato específico, muéstrale un par de ejemplos antes de pedirle el trabajo final.

Ejemplo: “Quiero que categorices opiniones de clientes en Positiva, Neutra o Negativa. Ejemplo 1: ‘El servicio fue rápido’ -> Positiva. Ejemplo 2: ‘Llegó a tiempo, pero la caja venía rota’ -> Neutra. Ahora clasifica esta: ‘No me contestaron el teléfono en todo el día’.”

B. Pedirle que piense paso a paso (Chain of Thought)

Si le pides a la IA resolver un problema complejo de golpe, es más probable que cometa errores. Si le pides que desglose su razonamiento antes de dar la respuesta final, la precisión aumenta enormemente.

Ejemplo: “Necesito organizar un itinerario de 3 días en mi ciudad con un presupuesto ajustado. Antes de darme la lista final, analiza paso a paso las distancias, los costos aproximados de transporte y las zonas comerciales.”

Las reglas de oro: Limitaciones que no debes olvidar

Para usar la IA con criterio, también hay que conocer sus puntos débiles:

• Alucinaciones: A veces la IA no sabe algo, pero en lugar de decir “no sé”, inventará una respuesta que suena totalmente convincente. Siempre verifica los datos importantes, fechas, nombres o leyes.
• Privacidad de datos: Regla de oro personal: nunca compartas información sensible. No subas datos bancarios, contraseñas, documentos confidenciales de tu empresa ni información personal identificable. Dependiendo de la plataforma y de la configuración del servicio, la información proporcionada podría almacenarse o utilizarse para mejorar los modelos.

  Nota: Es importante recordar el uso de cuentas corporativas empresariales (donde las políticas de privacidad de los datos suelen estar protegidas por contratos comerciales), diferenciándolas de las cuentas gratuitas de uso personal.

• El toque humano es insustituible: La IA te da el 80% del trabajo pesado (el borrador, la estructura, la lluvia de ideas), pero el 20% final, el criterio, la empatía y la revisión, siempre debe ser tuyo.

Documentación Técnica y Guía en PDF

Para consultar el contenido completo, compartirlo o guardarlo en tu repositorio de cabecera, puedes acceder al documento oficial formateado:

📄 Documento Oficial: Descargar El arte de hablar con la IA (PDF)

Principios de Diseño Recomendados (Veyxara Core)

1. Estructura Modular en los Prompts: Diseña tus interacciones delimitando siempre roles, contextos y restricciones claras para evitar respuestas ambiguas.
2. Validación Cruzada: Nunca asumas que la primera salida de un LLM es una verdad absoluta; aplica validación de ingeniería y verificación de datos críticos.
3. Gobierno y Seguridad: Mantén estrictas políticas de no divulgar información sensible o credenciales en plataformas de inteligencia artificial públicas.

Aprendizaje de Campo

“Les confieso algo: a mí mismo me ha pasado cientos de veces. Le pido algo a la IA o ejecuto un comando esperando ‘A’ y me devuelve ‘Z’ simplemente porque me faltó especificar un detalle o estructurar mejor la instrucción. La IA no adivina intenciones; lee exactamente lo que le das.” — Alfredo Arévalo

Conclusión

Si tuviera que resumir toda esta guía en una sola idea sería esta: la calidad de la respuesta depende en gran medida de la calidad de la instrucción. La IA no es magia ni adivinación. Es una herramienta poderosa que responde al contexto que recibe. Cuanto mejor aprendas a comunicarte con ella, mejores resultados obtendrás.