Qué es un prompt y cómo escribir uno que funcione

¿Qué es un prompt?

Un prompt es lo que le das a un modelo de inteligencia artificial para que haga una tarea: la petición, el contexto, los ejemplos y el formato que esperas. Puede ser una pregunta de una línea o un encargo de una página con documentos adjuntos.

La palabra viene del latín promptus, «sacado a la luz, a mano». En inglés, el verbo prompt significaba empujar a alguien a actuar y, desde el siglo XVII, también soplarle el texto a un actor (el prompter es el apuntador del teatro). En informática, desde al menos 1977, un prompt era el aviso con el que el ordenador te pedía que respondieras.

Con los modelos de lenguaje, el sentido se ha dado la vuelta. Ahora eres tú quien le apunta al modelo lo que tiene que hacer. En español se usa casi siempre la palabra inglesa, aunque a veces se traduce como «instrucción».

¿Por qué el mismo modelo responde distinto según el prompt?

Porque el prompt es lo único que el modelo sabe de tu tarea. Un modelo de lenguaje genera la respuesta más probable a partir del texto que tiene delante, y si ese texto es vago, la respuesta será genérica.

Piensa en un encargo a una persona muy capaz que acaba de entrar en tu equipo. Si le dices «hazme un resumen», te traerá algo correcto pero que quizá no sirve. Si le explicas para quién es, qué decisión depende de él y cuánto debe ocupar, acertará mucho más. Anthropic usa esta misma comparación en su documentación: tratar al modelo como a alguien brillante pero nuevo, que no conoce tus normas ni tu forma de trabajar.

OpenAI lo resume de forma parecida: la calidad de lo que obtienes depende a menudo de lo bien que formules el prompt. Y añade un matiz que conviene saber desde el principio: las respuestas no son deterministas. El mismo prompt puede dar dos respuestas algo distintas, así que un buen prompt reduce la variación, pero no la elimina.

¿Qué partes tiene un buen prompt?

Un buen prompt suele combinar cinco piezas: tarea, contexto, ejemplos, formato y límites. No todas hacen falta siempre, pero cuando una respuesta sale floja, casi siempre falta alguna.

Tarea

Qué quieres que haga, con un verbo claro: resume, clasifica, redacta, compara, revisa. Una tarea principal por prompt.

Contexto

Lo que una persona nueva necesitaría saber: para quién es, para qué se usará, qué se sabe ya. Si es posible, explica también por qué pides las cosas.

Ejemplos

Uno o varios casos de entrada y respuesta que muestren el tono, el formato o el criterio que buscas. Suelen funcionar mejor que describirlos.

Formato

Cómo quieres la respuesta: tabla, lista, párrafos, extensión máxima, idioma, tono.

Límites y criterios

Qué no debe hacer, qué fuentes puede usar, qué hacer si le falta un dato y cómo sabrás que el resultado es bueno.

Las guías oficiales coinciden en lo esencial. Google divide el prompt en tarea, restricciones, formato de respuesta, contexto y ejemplos. Anthropic insiste en ser claro y directo, dar ejemplos y explicar el motivo de cada instrucción: su modelo generaliza mejor cuando entiende para qué sirve una regla.

Construye un prompt pieza a pieza

Interactivo: añade o quita piezas y mira qué cambia

Tu prompt

Resume este informe de ventas.

Es para el comité de dirección del lunes; ya conocen las cifras del trimestre anterior.

Un tono como este: «Las ventas online suben un 4 % y compensan la caída en tienda.»

Cinco viñetas, máximo 80 palabras.

No inventes cifras; si falta un dato, dilo.

Lo que sabe el modelo de lo que quieres

Lo que pedías: claro, con el formato justo y sin datos inventados.

Ejemplo práctico: ¿cómo se mejora un prompt flojo?

Supón que tienes las notas desordenadas de la reunión semanal de tu equipo y quieres un acta para quien no pudo ir. Este es el prompt que casi todo el mundo escribe la primera vez:

Resume estas notas de la reunión.

[notas]

El modelo hará un resumen, pero tendrá que adivinar casi todo: la extensión, qué es importante, si debe listar tareas y qué hacer cuando falta un dato. Esta es una versión mejorada de la misma petición:

Tarea: convierte las notas de abajo en un acta breve para el equipo.

Contexto: es la reunión semanal de un equipo de marketing de ocho
personas. El acta la leerán sobre todo quienes no asistieron, que
necesitan saber qué se decidió y qué les toca hacer.

Formato:
1. Decisiones: máximo cinco viñetas.
2. Tareas: tabla con tres columnas (tarea, responsable, fecha).
3. Temas pendientes para la próxima reunión.
Máximo 250 palabras.

Límites:
- Usa solo lo que aparece en las notas.
- Si una tarea no tiene responsable o fecha, escribe «sin asignar».
  No lo deduzcas ni lo inventes.

<notas>
[pega aquí las notas]
</notas>

Fíjate en tres cambios. El contexto dice para quién es el acta, y eso decide qué entra y qué no. El formato hace que el resultado sea comparable semana a semana. Y el límite sobre los datos que faltan evita que el modelo rellene huecos con algo verosímil pero falso, lo que se llama una alucinación.

Las etiquetas <notas> sirven para separar tus instrucciones del material que el modelo debe procesar. Anthropic recomienda este tipo de marcas, y OpenAI también sugiere estructurar los prompts con Markdown o etiquetas.

¿Qué es el prompt de sistema y en qué se diferencia del prompt de usuario?

El prompt de sistema fija las reglas generales de un asistente (papel, tono, qué puede y qué no puede hacer) antes de que empiece la conversación. El prompt de usuario es la petición concreta de cada momento.

Prompt de sistema y prompt de usuario

Dos capas de instrucciones que el modelo recibe a la vez

	Prompt de sistema	Prompt de usuario
Quién lo escribe	Quien configura la herramienta o la aplicación	La persona que la usa
Qué contiene	Papel, tono, reglas, límites	La tarea concreta y sus datos
Cuánto dura	Toda la conversación	Un mensaje
Si chocan	Tiene prioridad	Cede ante el de sistema

OpenAI lo explica con una comparación de programación: las instrucciones generales son como la definición de una función, y el mensaje del usuario, como los datos que se le pasan. Sus modelos dan prioridad a las instrucciones de quien construye la aplicación frente a las del usuario.

Las aplicaciones que usas cada día ya llevan un prompt de sistema que no ves. Anthropic empezó a publicar en agosto de 2024 los de sus aplicaciones de Claude, con indicaciones sobre su carácter y lo que debe evitar. Y tú puedes escribir algo parecido: las instrucciones personalizadas de ChatGPT, disponibles en todos los planes, se tienen en cuenta en todas tus conversaciones.

¿Qué es zero-shot y few-shot?

Un prompt zero-shot pide la tarea sin dar ningún ejemplo. Un prompt few-shot incluye unos pocos ejemplos de entrada y respuesta para que el modelo imite el patrón.

La idea se hizo famosa con GPT-3. En mayo de 2020, el artículo de Brown y otros autores de OpenAI, «Language Models are Few-Shot Learners», mostró que un modelo de 175.000 millones de parámetros podía hacer tareas nuevas solo con una descripción y algunos ejemplos escritos en el texto, sin volver a entrenarlo. Un ejemplo sencillo:

Clasifica cada comentario de cliente como «queja», «pregunta»
o «sugerencia».

Comentario: El pedido llegó con dos días de retraso.
Tipo: queja

Comentario: ¿Hacéis envíos a Canarias?
Tipo: pregunta

Comentario: Estaría bien poder pagar con Bizum.
Tipo: sugerencia

Comentario: ¿Tenéis esta chaqueta en azul?
Tipo:

Google recomienda incluir siempre ejemplos en los prompts, y Anthropic sugiere entre tres y cinco, variados y parecidos a tu caso real. El límite: si todos los ejemplos se parecen demasiado, el modelo copia también lo que no querías, como la longitud o una palabra concreta.

¿Se pueden usar imágenes y archivos en un prompt?

Sí. Los modelos actuales son multimodales: el prompt puede incluir imágenes, documentos y, en algunos casos, audio o vídeo junto al texto. Puedes pegar una captura de un gráfico y pedir que lo explique, o adjuntar un PDF y preguntar por él.

Las mismas reglas siguen valiendo. Google aconseja referirse de forma explícita a cada archivo en las instrucciones («en la segunda imagen…»). Anthropic recomienda poner los documentos largos e imágenes antes de la pregunta: en sus pruebas con textos muy largos, dejar la pregunta al final mejoró la calidad de las respuestas hasta un 30 %. Y todo cuenta para el límite de la ventana de contexto, que se mide en tokens.

Errores comunes: ¿qué falla al escribir un prompt?

La mayoría de los prompts flojos fallan por lo mismo: dan por hecho que el modelo sabe lo que tú sabes. Estos son los errores más habituales:

• Pedir sin contexto. «Escribe un correo de seguimiento» no dice a quién, por qué ni con qué tono.
• Mezclar varias tareas. Resumir, traducir y proponer ideas en un mismo prompt suele dar tres cosas a medias. Mejor en pasos.
• No decir el formato. Si necesitas una tabla para pegarla en una hoja de cálculo, pídela.
• Prohibir sin explicar. Una regla con su motivo funciona mejor que una prohibición en mayúsculas.
• Dar el resultado por bueno. Un prompt mejor reduce errores, pero no garantiza que los datos sean ciertos. Lo que importa se comprueba.
• Pegar datos que no deberías. Lo que escribes en una herramienta sale de tu ordenador. Antes de pegar contratos o datos personales, mira qué permite tu empresa y qué hace la herramienta con ellos.

¿Qué es el prompt injection y por qué importa?

El prompt injection es un ataque en el que alguien mete instrucciones en un texto que el modelo va a leer para que haga algo distinto de lo que le pediste. Funciona porque, para el modelo, tus instrucciones y los datos que procesa son lo mismo: texto.

El problema se documentó en septiembre de 2022. Riley Goodside mostró que, si el texto que GPT-3 debía traducir le pedía ignorar las instrucciones anteriores, el modelo obedecía al texto y no a quien lo había configurado, y Simon Willison propuso llamarlo prompt injection. Hoy es el primer riesgo de la lista OWASP 2025 para aplicaciones con modelos de lenguaje.

La versión más peligrosa es la indirecta: las instrucciones van escondidas en una web, un correo o un documento que el asistente lee por ti. En un chat que solo responde, el daño suele ser limitado; en un agente de IA que puede enviar, borrar o comprar, puede ser grave. OWASP reconoce que no está claro que exista una forma infalible de evitarlo y recomienda dar el mínimo de permisos y exigir aprobación humana en las acciones de riesgo. Es la misma lógica que conviene aplicar a agentes como Claude Cowork: acceso solo a lo justo y revisión de lo que hacen.

Lo que yo tendría en cuenta

Escribo un prompt igual que haría un encargo a una persona nueva del equipo: qué quiero, para quién, con qué formato y qué no debe inventar. Si no sabría explicárselo a una persona, el problema no es el modelo.

Y no confío en el prompt como única barrera. Una instrucción es una petición, no un límite. Todo lo que se escribe o se dice en mi nombre lo reviso antes de que salga, y lo que no se puede deshacer no depende de que el modelo haya leído bien una frase.

Lo que conviene recordar

• Un prompt es todo lo que le das al modelo para una tarea: instrucción, contexto, ejemplos, formato y, si hace falta, archivos.
• El modelo solo sabe lo que pones en el prompt. Explícaselo como a alguien capaz pero recién llegado.
• Tarea, contexto, ejemplos, formato y límites: cuando una respuesta sale floja, suele faltar alguna de estas cinco piezas.
• El prompt de sistema fija las reglas generales; el de usuario, la petición de cada momento. Unos pocos ejemplos (few-shot) suelen mejorar más que muchas explicaciones.
• Las instrucciones escondidas en lo que el modelo lee pueden desviarlo. Los límites importantes se ponen en los permisos, no solo en el texto.

La lección en una imagen

Preguntas frecuentes

¿Qué es un prompt en inteligencia artificial?

Es el texto, y a veces las imágenes o archivos, que le das a un modelo de IA para que haga una tarea. Incluye lo que pides, el contexto que necesita, ejemplos si los hay y el formato en el que quieres la respuesta.

¿Qué significa prompt en español?

Prompt es una palabra inglesa que viene del latín promptus, «a mano, dispuesto». En inglés también significa soplarle el texto a un actor, y en informática era el aviso con el que el ordenador te pedía una respuesta. En español se usa casi siempre tal cual, aunque a veces se traduce como «instrucción».

¿Cómo se escribe un buen prompt?

Di qué tarea quieres, da el contexto que una persona nueva necesitaría, añade un ejemplo si el formato importa, indica cómo quieres la respuesta y marca los límites (qué no debe hacer o inventar). Después revisa el resultado y ajusta el prompt.

¿Qué es un prompt de sistema?

Es un conjunto de instrucciones generales que fija el papel, el tono y las reglas de un asistente antes de la conversación. Lo escribe quien configura la herramienta, normalmente el usuario no lo ve y tiene prioridad sobre las peticiones del usuario.

¿Qué diferencia hay entre zero-shot y few-shot?

En un prompt zero-shot pides la tarea sin dar ningún ejemplo. En uno few-shot incluyes unos pocos ejemplos de entrada y respuesta para que el modelo imite el formato y el criterio, sin necesidad de reentrenarlo.

¿Qué es el prompt injection?

Es un ataque en el que alguien mete instrucciones en un texto que el modelo va a leer (un mensaje, una web, un documento) para que haga algo distinto de lo que le pediste. Es el primer riesgo de la lista OWASP para aplicaciones con modelos de lenguaje y todavía no tiene una solución completa.

Fuentes

1. OpenAI, Prompting (documentación para desarrolladores)
2. OpenAI, Prompt engineering (documentación para desarrolladores)
3. Anthropic, Prompting best practices (documentación de Claude)
4. Anthropic, Vision (documentación de Claude)
5. Google, Prompt design strategies (documentación de la API de Gemini)
6. Brown et al., Language Models are Few-Shot Learners (arXiv, 28 may 2020)
7. OWASP, Top 10 for LLM Applications 2025 (LLM01: Prompt Injection)
8. Simon Willison, Prompt injection attacks against GPT-3 (12 sep 2022)
9. IBM, What is a prompt injection attack?
10. TechCrunch, Anthropic publishes the system prompts that make Claude tick (26 ago 2024)
11. OpenAI, ChatGPT Custom Instructions (centro de ayuda)
12. Online Etymology Dictionary, prompt