Cada cierto tiempo aparece una palabra nueva que parece que lo cambia todo. Ahora toca hablar de prompt engineering.
Y ojo, saber pedir bien las cosas a ChatGPT, Claude, Gemini o Copilot es importante. Mucho. Pero de ahí a convertirlo en una especie de ingeniería secreta, con fórmulas mágicas y cursos eternos, hay bastante distancia.
La realidad es más sencilla: si no tienes claro qué quieres conseguir, qué contexto necesita la herramienta y cómo vas a comprobar el resultado, da igual que uses el prompt más largo del mundo. Vas a ir dando vueltas.
¿Qué es realmente el Prompt Engineering?
En esencia, el prompt engineering consiste en dar instrucciones claras a un modelo de inteligencia artificial generativa para que responda mejor.
Eso puede incluir contexto, rol, formato de salida, ejemplos, restricciones y criterios de revisión. Bien usado, ayuda muchísimo. Mal entendido, se convierte en una colección de trucos que parecen potentes pero no resuelven el problema de fondo.
Porque la IA generativa no sustituye el criterio: amplifica el proceso que ya tienes, para bien o para mal.
El problema no es el prompt, es el contexto
En formación lo veo constantemente. Alguien pregunta: “¿Cuál es el mejor prompt para hacer propuestas comerciales?”.
Y la respuesta incómoda es: depende.
Depende de qué vendes, a quién se lo vendes, qué tono usa tu empresa, qué información puede manejar la herramienta, qué partes hay que revisar y qué significa para ti una buena propuesta.
Si todo eso no está claro, el prompt solo maquilla el caos.
Qué debería mirar una empresa antes de obsesionarse con prompts
Antes de comprar un curso de prompt engineering para todo el equipo, yo empezaría por preguntas bastante menos vistosas:
- Qué tareas repetitivas se hacen ahora con documentos, emails, hojas de cálculo o reuniones.
- Qué información se puede usar sin comprometer datos sensibles.
- Quién revisa lo que devuelve la IA.
- Qué herramientas ya tenéis contratadas: Microsoft 365, Google Workspace, CRM, ERP, herramientas internas.
- Qué resultado sería realmente útil para el equipo.
Ahí empieza el trabajo serio. No en memorizar plantillas.
Cómo usar mejor ChatGPT sin convertirlo en una religión
Una buena instrucción suele tener cuatro piezas: contexto, objetivo, material de partida y criterio de revisión.
Por ejemplo, no es lo mismo decir “hazme un resumen” que explicar: “Trabajo en una empresa industrial, este documento es una petición de oferta, necesito extraer requisitos técnicos, riesgos comerciales y dudas para enviar al cliente antes de preparar la propuesta”.
Eso ya empieza a parecerse a trabajo real.
No porque el prompt sea mágico, sino porque obliga a pensar el proceso.
La parte que sí merece la pena
Formar a un equipo en prompts puede tener mucho sentido si se hace bien. Pero no como una lista de frases para copiar y pegar, sino como una forma de enseñar a trabajar con IA generativa con criterio.
Qué pedir. Qué no pedir. Qué datos no subir. Cómo verificar. Cómo comparar respuestas. Cómo convertir un resultado decente en algo que pueda usarse dentro de la empresa.
Ahí sí hay valor.
Por dónde empezaría yo
Si tu equipo está usando ChatGPT, Claude, Gemini o Copilot por su cuenta, no empezaría por buscar el prompt perfecto. Empezaría por ordenar tres o cuatro casos de uso reales.
Emails. Reuniones. Propuestas. Análisis de documentos. Informes. Atención al cliente. Procesos internos.
Luego ya vemos qué herramienta encaja, qué instrucciones necesita y qué límites hay que poner.
Porque al final, lo importante no es que alguien sepa escribir un prompt bonito. Lo importante es que la IA ayude a trabajar mejor sin meter ruido, riesgos o dependencia innecesaria.