📂Fundamentos de IA⏱Lectura de 2 min📊Práctico🔗Relacionados 6

¿Qué es la ingeniería de prompts?

Definición en una línea
Técnica para diseñar y mejorar las instrucciones (prompts) que hacen que la IA generativa produzca el resultado deseado. Cuanto más claros sean el rol, el contexto, los ejemplos y el formato, mayor será la calidad.
⚡ Resumen en 3 líneas
  • Diseñar instrucciones para obtener el resultado deseado
  • Rol, contexto, ejemplos y formato son lo esencial
  • Fundamentos del uso de la IA

Cuando la ingeniería de prompts se asienta, cambia la conversación del equipo. La valoración que terminaba en «esa IA no sirve» pasa a ser «muéstrame con qué instrucción preguntaste». Lo esencial de esta técnica es que la responsabilidad del resultado se traslada del modelo a la instrucción. Una instrucción bien pulida no queda como intuición personal, sino como un documento que el equipo copia y reutiliza, y cualquiera que la use obtiene resultados de un nivel parecido.

En la práctica, conviene dividir las instrucciones en tres capas. La información de la empresa, el tono y las palabras prohibidas, que no cambian de una consulta a otra, van en el prompt de sistema; el objetivo y el destinatario de cada caso, en el prompt de usuario; y las tareas con criterios ambiguos se resuelven con few-shot, es decir, incluyendo de 2 a 5 ejemplos. Para cálculos o razonamientos de varios pasos, pedir que se razone paso a paso y luego se entregue solo la conclusión reduce notablemente los errores. Pero hay que distinguir qué se puede resolver con el prompt y qué queda fuera de su alcance. Si la respuesta debe basarse en documentos internos, corresponde RAG; si hay que fijar en gran volumen el estilo y el formato, corresponde el ajuste fino; y corregir las instrucciones nunca hará que aparezcan datos que no existían.

En la práctica, el error más común es creer que basta con reunir frases que «funcionan bien». Se pega una frase copiada de una comunidad y, si el resultado no convence, se busca otra, pero muchas veces no aparecen por ninguna parte nuestros clientes ni las restricciones del caso. Alargar el texto también es una trampa: si se adjuntan veinte páginas de material de referencia, la instrucción principal se pierde y el modelo resume elementos equivocados. Cuando el modelo se actualiza, los prompts existentes pueden dejar de funcionar, algo que suele pasarse por alto; por eso conviene volver a ejecutar cada trimestre entre 5 y 10 prompts representativos. Por último, el hábito de pegar listas de clientes o resultados no publicados tal cual no es un problema de rendimiento, sino un incidente de seguridad.

Capacitaciones en las que aparece este término · IA·DX
Cursos recomendados · Instructores recomendados · Mini cotización
🧮 Mini cotización · Criterio de honorarios
Aprox. KRW 1,200,000 (≈ US$900)Charla especial de 2 horas · hasta 20 personas · en coreano
Solicitar cotización formal con estas condiciones →
💡 Dicho de forma sencilla
Con la misma IA, el resultado cambia según cómo se le pide: es la técnica de dar instrucciones con claridad.
Por qué es importante en la práctica
El éxito o el fracaso de la adopción de la IA depende de quién sabe dar mejores instrucciones. La habilidad para escribir prompts se está volviendo una competencia central para los profesionales, sin depender de una herramienta específica.
⚠️ Malentendidos comunes
MitoCuanto más largo y detallado sea un prompt, siempre será mejor.
En realidad, lo que importa no es la extensión, sino la claridad. Consiste en dar con claridad el rol, el contexto, los ejemplos y el formato; la verbosidad no es la respuesta.
Origen y fuentes

Surgió a comienzos de la década de 2020, cuando los modelos de lenguaje de gran escala (como GPT-3) se popularizaron y se reconoció que la forma de dar instrucciones determina el rendimiento. Es una técnica práctica que se consolidó rápidamente en las comunidades de usuarios, más que por obra de un creador específico.

Entender con un caso

Veamos un caso hipotético. La empresa A, distribuidora de materiales industriales con ingresos anuales de KRW 62,000,000,000 (≈ US$46,405,100) y 210 colaboradores, tiene un equipo de Marketing de tres personas que produce 30 textos al mes para las páginas de detalle de producto. Cuatro meses después de adoptar la IA generativa, el tiempo por pieza seguía siendo de 4 horas y el líder del equipo devolvía los textos en promedio 2.4 veces.

  1. Al reunir los prompts que el equipo había escrito de verdad, el líder del equipo de Marketing, Kim, vio que nueve de cada diez eran una sola línea: «Escríbeme el texto de la página de detalle de este producto». «Con eso, cualquiera escribe algo sin gracia», fue su primer comentario.
  2. Por eso, convirtieron en un bloque fijo que se antepone al inicio de cada prompt lo que se repetía una y otra vez: la presentación de la empresa, los intereses del responsable de compras de equipos y siete expresiones prohibidas internamente, como «número 1 del sector».
  3. También fijamos el formato de salida: al escribir «un titular de 15 caracteres o menos, 3 propuestas, una desde el plazo de entrega, otra desde el precio y otra desde el posventa, todo en tabla», desde el primer resultado se redujeron mucho los ajustes.
  4. Incluimos como ejemplo los tres textos con mejor tasa de clics del año anterior para fijar el tono, y el empleado Lee, con un año en la empresa, se sorprendió: «El resultado sale con exactamente el mismo tono con el que yo escribo».
  5. Los cuatro prompts terminados se subieron a la wiki interna con control de versiones v1, v2, y en el primer día de inducción los nuevos colaboradores los probaron como tarea.
  6. Seis semanas después, el tiempo por pieza bajó de 4 horas a 1 hora y 20 minutos, las devoluciones pasaron de 2.4 a 0.8 y la producción mensual subió de 30 a 48 piezas.
Términos relacionados
Herramientas de IA relacionadas
Rutas de aprendizaje que incluyen este término
Capacitaciones relacionadas con este término
📚Funciones básicas de Claude CoworkCapacitación corporativa de Nanum Consultoría · presencial/en líneaVer curso →
¿Necesita capacitación interna sobre este tema?
Reciba de inmediato un currículo y una cotización personalizados para su equipo.
Consultar sobre capacitación
Última modificación 2026-09-13 · Revisado por John Kim

Preguntas frecuentes

Asignar un rol, dar contexto suficiente, especificar el formato de salida deseado y ofrecer buenos ejemplos: estos cuatro factores determinan en gran medida la calidad.
No. Es una habilidad de uso general que aplican de inmediato profesionales de todas las áreas: planificación, marketing, ventas, etc.
El rol, el contexto, los ejemplos y el formato de salida son claros. Lo esencial es la claridad, no la extensión.
No. Es una habilidad básica para todos los puestos. Con una buena instrucción, la misma IA da resultados mucho mejores.