¿Alguna vez has sentido que ChatGPT, Claude o Gemini simplemente “no te entienden”? ¿Que sus respuestas son genéricas, vagas o completamente fuera de lugar? No estás solo. La diferencia entre obtener respuestas mediocres y respuestas extraordinarias está en cómo le pides las cosas a la IA.

Bienvenido a la ingeniería de prompts.

¿Qué es realmente la Inteligencia Artificial conversacional?

Las IAs conversacionales como ChatGPT, Claude y Gemini son Modelos Grandes de Lenguaje (Large Language Models o LLMs). Esto significa que su activo principal son las palabras —o más técnicamente, los tokens.

El lenguaje tiene particularidades muy específicas: unidades claras (sujeto, verbo, predicado, objeto directo, adverbio, pronombre, preposición) y reglas definidas (acentuación, sintaxis, uso de pronombres). Aunque a veces no las seguimos al pie de la letra, logramos comunicarnos.

Sin embargo, siempre obtendremos una mejor respuesta si aplicamos las reglas del lenguaje correctamente.

Algo muy parecido sucede con los LLMs.

¿Cómo funcionan los LLMs?

La función principal de un LLM es predecir la siguiente palabra de una oración. Usando una fórmula matemática llamada mecanismo de atención, determinan no solo cuál es la palabra siguiente, sino también cuáles son las oraciones o párrafos que deben seguir.

Aquí es donde entra el entrenamiento. La IA a veces “alucina” porque genera texto que parece convincente pero puede ser incorrecto. ¿Por qué? Porque el modelo fue entrenado para producir texto coherente y probable, no necesariamente verdadero. Si en su base de entrenamiento encuentra una relación con tu petición (prompt), te dará esa respuesta porque es la que considera más probable.

“En el pedir está el dar”

Esta frase de la cultura popular nunca ha sido más relevante que ahora con los LLMs.

Si le dices a ChatGPT:

“Escríbeme un párrafo de 20 palabras donde se resuma la Revolución Mexicana”

Lo hará, pero probablemente no será lo que esperabas.

En cambio, si le pides:

“Hola, estoy haciendo una presentación para el IME sobre ingeniería de prompts. Por favor, actúa como un Profesor Doctor Historiador de México. En un párrafo de 20 palabras, resume la historia de la Revolución Mexicana. Trata de hacer énfasis en la pre-revolución, la muerte de Madero, los caudillos del sur y norte, así como los anarquistas revolucionarios, pero con un toque de sátira y comedia.”

La respuesta será mucho mejor.

💡 Pruébalo tú mismo: escríbele a tu LLM de confianza ambos prompts y observa la diferencia de resultados. Todos los modelos funcionan de manera similar.

¿Importa ser cortés con la IA?

Si crees que al decir “hola”, “por favor” o “gracias” estás desperdiciando recursos, déjame decirte que gastas más cuando el LLM no hace lo que esperabas y tienes que volver a pedirle la respuesta.

La claridad y el contexto ahorran iteraciones.

Sobre las alucinaciones

Las alucinaciones son algo que no podemos evitar por completo. Nosotros mismos las hacemos, pero las llamamos “aprendizaje”. ¿Cuántas veces no decimos: “Yo creía que sí funcionaría”? Exactamente eso le pasa al LLM.

Su entrenamiento está diseñado para que su texto sea convincente. Por tanto, el riesgo de alucinar nunca es cero. Siempre existirá la posibilidad de que te dé un dato erróneo. Como ese amigo que suena muy convincente pero nunca acierta.

La importancia de la retroalimentación asertiva

No es lo mismo retroalimentar de manera agresiva que asertiva. La cultura tiene muchos textos donde las retroalimentaciones agresivas producen respuestas de sumisión.

Hace unos meses se me acercó una profesionista diciéndome:

“Yo veo que tú usas la IA y te da respuestas muy buenas. En cambio, a mí siempre me da respuestas malas. Nunca me sirve.”

Le pedí ver sus chats. ¿Qué encontré?

Solicitudes de una frase:
- “Hazme un resumen.”
- “Eso ya lo habíamos visto.”

Agresiones:
- “Tonta IA.”
- “Tonta, tonta IA.”

¿Qué sucedía? El LLM, entrenado con textos de toda la internet y de toda la cultura humana, predecía la siguiente palabra y era —obviamente de acuerdo con los patrones en esos textos— una respuesta de sumisión. Esto creaba un bucle infinito de malas respuestas.

Es como esos jefes antiguos que te piden una presentación, no les gusta el color que pusiste, y en vez de decirte “Oye, todo bien, solo no me va el rojo, ponle azul” te dicen “Está mal esa presentación, cámbiala.”

🎯 La IA no es un humano, pero sí un asistente muy capacitado, a veces mucho más que uno humano. Si la tratas como eso —un asistente más de tu negocio— sus respuestas serán mejores.

Frameworks de Prompting

Muchas personas se han tomado muy en serio la ingeniería de prompts y han creado diferentes estrategias o marcos de trabajo para conversar con la IA.

El más básico es: QUÉ - CÓMO - CONTEXTO (no importa el orden). Esto ya te dará una respuesta buena. Pero existen técnicas más estructuradas.

1. RACE Framework

Estructura: Role → Action → Context → Expectations

El framework más práctico y directo para obtener resultados profesionales específicos.

Componentes:

Elemento Descripción
Role Define el rol o expertise que debe asumir la IA
Action Especifica la tarea exacta a realizar
Context Proporciona contexto relevante (audiencia, limitaciones, objetivos)
Expectations Define el formato y características del output esperado

Ejemplo: Restaurante mexicano

Role: Eres un consultor de marketing digital especializado en 
restaurantes mexicanos con 10 años de experiencia.

Action: Crea una estrategia de contenido para redes sociales 
enfocada en aumentar las ventas a domicilio.

Context:
- Restaurante de comida mexicana tradicional en Toluca
- Audiencia objetivo: familias de 30-50 años, clase media
- Presupuesto mensual: $3,000 MXN
- Actualmente solo tienen Facebook con 800 seguidores
- Competencia fuerte de cadenas grandes

Expectations:
- Plan de contenido de 4 semanas
- Formato: Calendario editorial en tabla
- Incluir: tipos de publicaciones, horarios óptimos, presupuesto por semana
- Especificar 3 KPIs medibles
- Máximo 2 páginas

2. Ask Before Answer (Clarificación Iterativa)

Técnica donde instruyes a la IA para que haga preguntas antes de generar la respuesta final. Ideal cuando no tienes claro exactamente qué necesitas.

Template básico:

Antes de [TAREA], necesito que me hagas todas las preguntas 
necesarias para entender completamente:
- [Aspecto 1]
- [Aspecto 2]
- [Aspecto 3]

Una vez que tengas toda la información, genera [OUTPUT ESPERADO].

💡 Este framework es especialmente útil para proyectos nuevos donde no tienes todos los detalles claros desde el inicio.

3. COSTAR Framework

Estructura: Context → Objective → Style → Tone → Audience → Response

Framework ganador de la competencia de Prompt Engineering GPT-4 en Singapur. Ideal para contenido de marca y comunicación.

Ejemplo: Cafetería boutique

Context: Somos una cafetería boutique en Metepec con granos de café 
de Chiapas, tostados artesanalmente. Tenemos 2 años de operación y 
una base de clientes leales pero pequeña.

Objective: Crear una serie de 5 posts de Instagram para aumentar el 
conocimiento de marca y atraer nuevos clientes millennials.

Style: Visual, storytelling, educativo sobre el café de especialidad

Tone: Cercano, auténtico, apasionado por el café, con toque de 
orgullo mexicano

Audience: Profesionistas de 28-40 años, aprecian calidad sobre 
precio, interesados en productos locales y sustentables

Response: Para cada post, proporciona:
- Concepto visual (descripción de foto/video)
- Copy completo (máximo 150 palabras)
- 5 hashtags estratégicos
- Call-to-action específico
- Mejor horario de publicación

4. Chain-of-Thought (CoT) - Pensamiento Paso a Paso

Instruye a la IA para que muestre su razonamiento paso a paso antes de dar la respuesta final. Excelente para decisiones complejas.

Template:

[PREGUNTA O PROBLEMA]

Piensa en esto paso a paso:
1. Primero, analiza...
2. Luego, considera...
3. Después, evalúa...
4. Finalmente, concluye...

Muestra tu razonamiento para cada paso antes de dar la 
recomendación final.

🧠 Este método obliga a la IA a “pensar en voz alta”, lo que reduce errores y te permite ver su lógica.

5. Few-Shot Prompting - Aprendizaje por Ejemplos

Esta técnica consiste en proporcionar 2-5 ejemplos del output deseado para que la IA aprenda el patrón exacto que buscas. Es como mostrarle a un nuevo empleado ejemplos de trabajos anteriores bien hechos.

Ejemplo: Líneas de asunto para email marketing

Necesito líneas de asunto de email para promociones de mi tienda 
de ropa. Aquí hay ejemplos del estilo que busco:

Ejemplo 1:
Promoción: 20% descuento en toda la tienda
Línea de asunto: "🎉 ¿Lista para renovar tu closet? 20% OFF hoy"

Ejemplo 2:
Promoción: Nueva colección primavera
Línea de asunto: "☀️ Llegó el color que esperabas (y te va a encantar)"

Ejemplo 3:
Promoción: Liquidación fin de temporada
Línea de asunto: "⚡ Última oportunidad: hasta 50% en tus favoritos"

Ahora crea 10 líneas de asunto siguiendo este estilo para:
- Promoción: Envío gratis en compras mayores a $1,000
- Audiencia: Mujeres 25-40 años
- Tono: Cercano, aspiracional, sin ser demasiado comercial

💡 Pro tip: Entre más específicos y consistentes sean tus ejemplos, mejor será el resultado. La IA detectará patrones de longitud, tono, uso de emojis y estructura.

6. Self-Ask Decomposition - Auto-Interrogación

La IA descompone problemas complejos en sub-preguntas que responde secuencialmente antes de dar una respuesta integrada. Perfecto para decisiones estratégicas donde hay muchas variables.

Template:

[PREGUNTA COMPLEJA]

Descompón esta pregunta en sub-preguntas necesarias para responder 
la pregunta principal. Luego responde cada sub-pregunta y finalmente 
proporciona la respuesta integrada.

Ejemplo: Expansión de negocio

¿Debería abrir una segunda sucursal de mi cafetería en Toluca?

Descompón esta pregunta en todas las sub-preguntas que necesitas 
responder para dar una recomendación sólida. Para cada sub-pregunta, 
proporciona:
- La pregunta específica
- Información que necesito recopilar
- Cómo evaluarla
- Peso en la decisión final (bajo/medio/alto)

Después de listar y responder todas las sub-preguntas, proporciona:
1. Resumen de hallazgos
2. Recomendación SI/NO con confianza (baja/media/alta)
3. Condiciones que cambiarían la recomendación
4. Próximos pasos si la respuesta es SI
5. Alternativas si la respuesta es NO

🧠 Este framework es ideal cuando te sientes abrumado por una decisión grande. La IA te ayuda a estructurar el análisis.

7. Meta-Prompting - Optimización de Prompts

Usa la IA para mejorar tus propios prompts. Es el nivel “meta” de la ingeniería de prompts: pedirle a la IA que te ayude a pedirle mejor.

Template:

Tengo este prompt que no me está dando buenos resultados:
"[TU PROMPT ACTUAL]"

Quiero lograr: [OBJETIVO]

Analiza este prompt y:
1. Identifica qué le falta
2. Propón una versión mejorada
3. Explica por qué la versión mejorada funcionará mejor
4. Dame 3 variaciones para probar

Ejemplo práctico:

Tengo este prompt que no está funcionando bien:
"Crea un plan de marketing para mi negocio"

Quiero lograr: Un plan de marketing digital accionable de 90 días 
para mi taller mecánico que me ayude a conseguir 20 clientes nuevos 
por mes.

Analiza este prompt y:
1. Identifica exactamente qué información importante falta
2. Crea una versión mejorada usando el framework RACE
3. Explica qué elementos agregaste y por qué
4. Dame 3 variaciones del prompt mejorado enfocadas en:
   - Versión A: Maximizar detalle y especificidad
   - Versión B: Enfocada en implementación rápida
   - Versión C: Presupuesto limitado ($5,000 MXN)

🔄 Ciclo de mejora continua: Prompt inicial → Resultado → Meta-prompt para mejorar → Nuevo prompt → Mejor resultado

Resumen de Frameworks

Framework Mejor para Cuándo usarlo
RACE Tareas específicas y profesionales Cuando sabes exactamente qué necesitas
Ask Before Answer Proyectos nuevos o complejos Cuando NO tienes claro qué necesitas
COSTAR Contenido de marca Marketing, comunicación, redes sociales
Chain-of-Thought Decisiones complejas Cuando necesitas ver el razonamiento
Few-Shot Mantener un estilo consistente Cuando tienes ejemplos de lo que quieres
Self-Ask Análisis estratégico Decisiones con muchas variables
Meta-Prompting Mejorar tus prompts Cuando tus prompts no funcionan bien

Errores comunes a evitar

❌ Prompts demasiado vagos
- Malo: “Ayúdame con marketing”
- Bueno: “Crea 5 ideas de posts para Instagram para mi panadería en Toluca, enfocadas en el Día de las Madres”

❌ No proporcionar contexto suficiente
- La IA no sabe nada de tu negocio hasta que se lo dices

❌ Esperar perfección en el primer intento
- La ingeniería de prompts es iterativa

❌ No iterar y refinar los prompts
- Guarda los que funcionan, mejora los que no

Recomendaciones clave

✅ Sé específico: cantidades, fechas, formatos exactos

✅ Da ejemplos del estilo que buscas

✅ Establece limitaciones claras: presupuesto, tiempo, alcance

✅ Pide formatos estructurados: tablas, listas numeradas, pasos

✅ Itera: el primer resultado rara vez es el mejor

✅ Guarda tus mejores prompts: construye tu biblioteca personal

Plan de implementación de 4 semanas

📅 Semana 1: Experimenta con RACE

  • Elige 3 tareas repetitivas de tu negocio
  • Crea prompts usando el framework RACE
  • Documenta los resultados
  • Compara con cómo lo hacías antes

Tareas sugeridas: respuestas a clientes, descripciones de productos, posts de redes sociales

📅 Semana 2: Practica Ask Before Answer

  • Úsalo para decisiones importantes
  • Aplícalo en proyectos nuevos
  • Compara resultados con prompts directos
  • Nota cuánta información nueva descubres

Situaciones ideales: planear una campaña, definir un nuevo servicio, evaluar una inversión

📅 Semana 3: Construye tu biblioteca

  • Guarda los prompts que funcionaron en un documento
  • Crea templates reutilizables para tu negocio
  • Compártelos con tu equipo
  • Organízalos por categoría (marketing, ventas, operaciones)

Herramientas sugeridas: Notion, Google Docs, o simplemente un archivo de texto

📅 Semana 4: Optimiza y escala

  • Identifica procesos para automatizar
  • Capacita a tu equipo en las técnicas básicas
  • Mide el ROI del tiempo ahorrado
  • Experimenta con Meta-Prompting para mejorar tus mejores prompts

Métricas a considerar: tiempo ahorrado por tarea, calidad del output, satisfacción del equipo

Recursos y documentación oficial

Anthropic (Claude)

Google (Gemini)

OpenAI (GPT)

Recursos comunitarios

Conclusión

La ingeniería de prompts no es magia, es comunicación efectiva. Los mismos principios que funcionan con las personas —ser claro, dar contexto, ser específico, dar ejemplos— funcionan con la IA.

La diferencia entre quienes obtienen resultados mediocres y quienes obtienen resultados extraordinarios está en cómo piden las cosas.

Empieza con RACE esta semana. Prueba un framework nuevo cada semana. En un mes, habrás transformado la manera en que trabajas con IA.

🚀 El mejor momento para empezar fue ayer. El segundo mejor momento es ahora.

Contacto

Anuar Barrera
Tu socio tecnológico

🏢 Tu Web MX | CTO

Especialización: IA, Desarrollo Web, Cloud, Ciberseguridad, Marketing

Servicios:

  • 🎓 Talleres de Prompt Engineering
  • 🤖 Consultoría en implementación de IA
  • ⚙️ Automatización de procesos con IA
  • 💻 Desarrollo de soluciones personalizadas

Target: PyMEs y emprendedores mexicanos

¿Te fue útil esta guía? Compártela con otros emprendedores. Si tienes preguntas o quieres que profundicemos en algún tema, déjame un comentario.