Cómo crear prompts que realmente funcionan
La anatomía de un prompt profesional: contexto, restricciones, ejemplos y estructura. Framework probado en producción.
La mayoría de la gente trata el prompt como “una petición informal a la IA”. Por eso los resultados son mediocres. Un prompt profesional es ingeniería de instrucción: tiene estructura, tiene variables, tiene especificación de salida.
Voy a mostrarte el framework que uso en producción — en copy, análisis de datos, código, investigación. El método es lo suficientemente simple como para caber en la cabeza, lo suficientemente riguroso como para funcionar con Claude, GPT, Gemini y modelos locales. No es “truquito”, es un proceso replicable.
La buena noticia: una vez que entiendes la anatomía, crear un buen prompt se vuelve tan natural como escribir un buen email. Y el salto de calidad es brutal — un prompt vago da una respuesta genérica, un prompt estructurado da una respuesta que parece escrita por alguien que entendió tu contexto.
Por qué un prompt vago da un resultado mediocre
El modelo no “adivina” lo que quieres. Responde probabilísticamente basado en patrones de entrenamiento. Si pides:
“Escríbeme un email de ventas para mi producto”
El modelo irá en modo genérico: email genérico, para público genérico, con tono genérico. No es culpa del modelo — diste información genérica, recibes una respuesta genérica. La Ley de Garbage In, Garbage Out aplica tanto a la IA como a la programación.
La solución: dar al modelo el mismo contexto que le darías a un empleado nuevo muy competente, pero que acaba de entrar en la empresa hoy. Sabe escribir muy bien — solo que no sabe nada sobre tu negocio, tu público, tu tono de voz, tus restricciones.
La anatomía de un prompt profesional
Un prompt bien estructurado tiene seis bloques. No hace falta usarlos todos siempre, pero conocerlos te da vocabulario para combinarlos según el caso.
1. Rol (Role) — ¿Quién es el modelo en este contexto?
Define la perspectiva, el nivel de senioridad, el dominio de conocimiento.
- ❌ “Escribe un texto sobre inversiones”
- ✅ “Eres un asesor financiero CFP con 15 años de experiencia en renta fija para personas de clase media en España”
El segundo activa un conocimiento mucho más específico del modelo.
2. Contexto (Context) — ¿Dónde estamos, cuál es el escenario?
Por qué existe esta tarea, cuál es el historial, cuál es el objetivo mayor.
“Estoy lanzando un curso de inversiones para principiantes. La landing page está convirtiendo al 1,2% (por debajo de la meta del 3%). Quiero probar una nueva copy que hable más a quienes tienen miedo de invertir por haber perdido dinero en el pasado.”
Sin contexto, el modelo inventa. Con contexto, tiene un punto de apoyo.
3. Tarea (Task) — ¿Qué quieres que haga exactamente?
Verbo de acción + entregable específico.
- ❌ “Haz un texto bueno”
- ✅ “Escribe 3 variaciones de titular de hasta 60 caracteres, y 1 párrafo de apertura (máximo 80 palabras) para cada variación.”
Cuanto más específico es el entregable, mejor es la respuesta.
4. Restricciones (Constraints) — ¿Qué NO puede hacer?
Las restricciones son subestimadas. Es donde eliminas el 80% de las respuestas malas.
“No uses jerga técnica. No menciones ‘riesgo’ sin explicarlo en lenguaje sencillo. No prometas rentabilidad. Usa ‘tú’ en lugar de ‘usted’. Evita clichés como ‘mercado financiero’ sin cualificación.”
5. Formato de salida (Output format) — ¿Cómo entregarlo?
Markdown, JSON, lista, tabla, párrafos cortos, código con comentarios… El modelo responde bien a un formato explícito.
“Responde en JSON con los campos: titular, apertura, observaciones. Cada variación numerada.”
6. Ejemplos (Few-shot) — Muestra, no solo digas
Cuando el tono o el formato es crítico, mostrar un ejemplo vale oro.
“Ejemplo de tono deseado: ‘Si perdiste dinero intentando invertir, no es falta de habilidad — es falta de método. Este curso te da el método que me hubiera gustado tener.’ Usa este nivel de empatía directa, sin paternalismo.”
Few-shot es el “truco” más poderoso. Los modelos imitan patrones mejor de lo que siguen instrucciones abstractas.
Framework práctico: el método RICCE
He resumido los seis bloques en un acrónimo que cabe en cualquier prompt: RICCE.
| Letra | Bloque | ¿Qué responde? |
|---|---|---|
| R | Rol | ¿Quién es el modelo? |
| I | Input | ¿Cuál es el material / contexto de entrada? |
| C | Constraints | ¿Qué no puede hacer? |
| C | Context | Escenario, objetivo, por qué |
| E | Example | Cómo debe sonar / verse |
Aplicación rápida: antes de enviar el prompt, repasa los 5. Si alguno está vacío, llénalo. Si todos están llenos, la respuesta tiene un 90%+ de probabilidad de estar en el camino correcto.
Antes y después: la misma petición, dos prompts
Escenario: necesitas una bio de LinkedIn para un consultor de marketing que atiende PYMEs.
❌ Prompt malo
“Escribe una bio de LinkedIn para mí. Soy consultor de marketing, atiendo pequeñas empresas, tengo 8 años de experiencia.”
Respuesta típica del modelo (genérica, vacía):
“Profesional de marketing apasionado por los resultados, con 8 años de experiencia ayudando a pequeñas empresas a crecer. Especialista en estrategias digitales, enfocado en entregar valor y superar expectativas. ¿Hablemos?”
Parece una bio. No dice nada.
✅ Prompt RICCE
Rol: Eres un copywriter sénior especializado en LinkedIn para consultores B2B en España.
Context: Mi cliente es consultor de marketing, 8 años de experiencia, atiende PYMEs de 10-50 empleados en el sector servicios. Quiere posicionarse como “traductor de marketing para dueño de empresa que no tiene tiempo ni equipo”. Su diferencial: él mismo fue dueño de PYME, entiende el dolor del gestor sobrecargado. Tono deseado: directo, sin hype, con humor sutil. Audiencia: CEOs y directores comerciales de PYMEs.
Constraints: Máx 1.500 caracteres. Sin “apasionado por”, “especialista en” o clichés de LinkedIn. No uses primera persona del plural (“nosotros”). Muestra, no digas que eres especialista. Incluye una frase de provocación al final para iniciar una conversación.
Example de tono (de una bio buena de otro profesional, NO del cliente): “No vendo magia. Vendo proceso. Y el proceso, se conversa.”
Output: 3 variaciones de bio, cada una con un ángulo ligeramente diferente (una más técnica, una más humana, una más provocativa).
Respuesta típica (con este prompt): tres bios específicas, con tono consistente, sin clichés, con ángulos claros para elegir. Es otro nivel.
Casos de uso donde el RICCE brilla
Copywriting / marketing
Rol = copywriter sénior + Context = público + Constraints = sin cliché + Example = tono
Análisis de datos
Rol = analista de datos + Input = dataset o esquema + Constraints = enfoque en X + Output = formato de informe
Código
Rol = ingeniero + Context = stack + Constraints = compatibilidad + Example = fragmento de código en el estilo
Investigación / síntesis
Rol = investigador + Input = fuentes + Constraints = solo hechos verificables + Output = viñetas con jerarquía
Traducción con contexto
Rol = traductor literario + Context = tono del original + Constraints = mantener juegos de palabras si los hay
La estructura es la misma. Solo cambia el dominio.
Errores comunes que cuestan tiempo (y dinero en API)
1. Pedir demasiado en un solo prompt
“Vale, escribe el ebook entero de 30 páginas.” Resultado: libro genérico. Solución: divídelo en prompts más pequeños (1 prompt por capítulo).
2. Instrucciones contradictorias
“Sé conciso. Desarrolla cada punto con profundidad y ejemplos detallados.” ¿Cuál es? Conflicto = el modelo decide por ti = resultado aleatorio.
3. No iterar
Un prompt rara vez queda bien a la primera. Trátalo como una conversación: envía, lee, pide ajuste. El RICCE te da una base sólida para iterar.
4. Olvidar decir lo que NO quieres
Las restricciones negativas son tan importantes como las positivas. “No uses emojis” es más útil que “usa un tono profesional”.
5. Confundir modelo bueno con prompt bueno
GPT-5, Claude 4.5, Gemini 2.5 — todos son excelentes. La diferencia del 90% en el output viene del prompt, no del modelo. No cambies de herramienta esperando un milagro: refina el prompt.
Cuándo el prompting estructurado NO basta
Honestidad: hay tareas donde un prompt bien hecho no resuelve:
- Cálculos que requieren precisión absoluta → usa código
- Conocimiento muy reciente (post-corte de entrenamiento) → usa RAG o búsqueda
- Dominio muy específico y oscuro → el modelo puede alucinar, valida siempre
- Decisiones con consecuencias graves (médicas, legales) → IA auxilia, no reemplaza
El prompting es la base. Para ir más allá, lo combinas con: tools, RAG, fine-tuning, agents. Pero empieza por el prompt bien hecho. Es lo que destraba el 80% de los resultados.
Conclusión
Un prompt profesional es ingeniería, no suerte. El framework RICCE (Rol, Input, Constraints, Context, Example) te da un checklist mental que funciona para cualquier modelo y cualquier tarea.
La diferencia entre “escríbeme un email” y el prompt estructurado que mostré es la diferencia entre un resultado genérico y un resultado que parece escrito por alguien que te conoce. Y eso vale dinero — en conversión, en tiempo ahorrado, en calidad de decisión.
Acción concreta para hoy:
- Toma una tarea que suelas pedirle a la IA (email, post, análisis, código).
- Reescríbela usando el RICCE. 5 minutos, sin prisas.
- Compara el output nuevo con el antiguo. Guarda el prompt nuevo en un documento.
- Repite con 2-3 tareas diferentes. En una semana, se vuelve automático.
En 30 días, tendrás una biblioteca de prompts personales probados que cubren el 80% de tu trabajo con IA.
💡 ¿Tienes una tarea específica que haces cada semana y quieres un prompt RICCE listo? Envíame la petición (y contexto) y lo preparo para ti.