ChatGPT es un asistente conversacional basado en inteligencia artificial (IA), desarrollado por OpenAI. Seguramente has escuchado hablar de él o lo utilizas a diario en tu vida profesional y personal. Se basa en los modelos de lenguaje GPT (Generative Pre-trained Transformer) para interpretar prompts y generar respuestas en lenguaje natural.
El asistente es una potente herramienta, pero solo cuando se utiliza con intención y dirección. La calidad de las respuestas puede variar de manera significativa, y esto no depende de la “suerte”. Para obtener el mejor rendimiento, debemos prestar atención a la formulación de las instrucciones.
Si aprendes a proporcionar contexto, estructura y dirección, ChatGPT generará resultados útiles y consistentes para cualquier tarea, ya sea de generación de contenido, análisis, ideas, resúmenes, correcciones, estrategias y más.
En este artículo, vamos a abordar los fundamentos de ChatGPT esenciales para dominar la ingeniería de prompts, término que se refiere al proceso de diseñar instrucciones o entradas para un modelo de IA (ChatGPT u otro) con la finalidad de obtener la respuesta deseada. El prompt puede incluir texto, imagen, video, audio o un archivo.
1. Entiende cómo funciona un modelo conversacional
ChatGPT no adivina lo que quieres, sino que interpreta lo que escribes. Al igual que otros modelos, responde según la calidad del input: si es vago, la respuesta será inconsistente, general y poco efectiva. El modelo necesita saber qué estás haciendo y para qué necesitas la respuesta. Las instrucciones ambiguas generan resultados genéricos, mientras que las instrucciones específicas producen resultados útiles.
Un modelo conversacional procesa el mensaje, identifica patrones y relaciones de contexto, y genera una respuesta token por token según las continuaciones que considera adecuadas. El proceso simplificado es el siguiente:
- Convierte el texto en tokens: los tokens son fragmentos de palabras, palabras completas, signos o espacios.
- Analiza el contexto: una arquitectura llamada Transformer emplea mecanismos de atención para estimar qué partes del mensaje son más relevantes entre sí. De esta forma, ayuda a relacionar, por ejemplo, una pregunta con instrucciones, idioma, tono y tema.
- Calcula posibilidades: el modelo genera una distribución de probabilidades sobre los posibles tokens siguientes; no recupera necesariamente una respuesta completa almacenada, sino que la construye de manera progresiva.
- Selecciona el siguiente token: elige una continuación y la añade al texto.
- Repite el proceso: usa lo que ya generó como parte del nuevo contexto y continúa hasta completar la respuesta o alcanzar un límite.
2. Da instrucciones, no solo preguntas
No debemos limitarnos a realizar preguntas abiertas; tenemos que diseñar un prompt efectivo como una instrucción bien formulada. Siempre será mejor solicitar una explicación con requerimientos específicos que escribir una pregunta amplia y general sin lineamientos concretos para adaptar la respuesta a nuestro caso o situación.
Un buen prompt incluye objetivos claros —qué quieres conseguir con la respuesta—, establece el formato —tablas, pasos, listas, artículo, etc.— y define un estilo específico —tono y nivel de especialización—. Todos estos lineamientos guían al modelo hacia el resultado que necesitas para obtener una respuesta útil.
Si utilizas preguntas, cada una debe ser específica y clara. Otra forma de emplearlas consiste en comenzar con una pregunta general y amplia, y después refinarla para orientarla hacia el resultado deseado. En ese escenario, la pregunta abierta se convierte en el punto de partida para explorar el problema.
Un aspecto que debes tener en cuenta es incluir solo los requisitos que realmente afectan el resultado, ya que especificar en exceso podría dar lugar a prompts confusos o contradictorios, imponer formatos innecesarios, desviar la atención del objetivo principal y producir respuestas artificiales o mecánicas.
3. Proporciona contexto relevante
ChatGPT funciona mejor cuando sabe quién eres y qué proceso estás ejecutando. Una forma sencilla de comenzar es definir el rol —estudiante, profesional, creador de contenido, analista, etc.— y después establecer tu necesidad concreta —un análisis, un texto, una idea, una explicación o una estructura—. Finalmente, complementa el contexto indicando para qué usarás el resultado de la interacción —artículo, estudio, correo electrónico, estrategia o presentación—. El contexto convierte una respuesta genérica en una respuesta útil.
Las guías de OpenAI recomiendan evitar la ambigüedad, aportar suficiente contexto y priorizar la información importante. A continuación, te proporcionamos un ejemplo de prompt con contexto:
[Tengo una tienda mexicana de café de especialidad. Mi base tiene 3,000 suscriptores, pero la tasa de apertura ha disminuido durante los últimos tres meses. Quiero recuperar la interacción sin ofrecer descuentos agresivos. Propón una estrategia de email marketing de seis semanas para clientes que ya compraron, con segmentos, objetivos, frecuencia y ejemplos de asuntos]
La información contextual del prompt cumple diferentes propósitos y favorece una respuesta adecuada.
- Situación: explica el problema actual.
- Objetivo: define el resultado que buscas.
- Audiencia: permite adaptar el lenguaje y los argumentos.
- Entorno: sitúa la respuesta.
- Recursos: evita recomendaciones inviables.
- Restricciones: delimitan lo que debe evitarse.
- Criterios: indican cómo evaluar la respuesta.
- Material de referencia: fundamenta el análisis en datos concretos.
Contexto relevante no significa contexto excesivo. ¡Tenlo en mente! Un error común es agregar demasiada información sin jerarquizarla correctamente. Para crear un prompt efectivo, distingue entre información esencial, información útil e información irrelevante.
4. Define una estructura para evitar respuestas genéricas
La ingeniería de prompts requiere que definas una estructura, ya que esto ayuda al modelo a entregar orden y coherencia. Acompañada de contexto, criterios de calidad y ejemplos del resultado esperado —cuando sea necesario—, la estructura produce resultados concretos, comparables y accionables.
Las guías de OpenAI para el uso de ChatGPT sugieren especificar el formato, la longitud, el estilo y el resultado. En este proceso, le indicamos al asistente cómo debe organizar la respuesta, no solo sobre qué tema debe hablar. Un prompt estructurado paso a paso sería el siguiente:
[Propón 10 ideas para mejorar una estrategia de contenidos SEO de una tienda mexicana de café. Presenta los resultados en una tabla con estas columnas: tema, intención de búsqueda, formato recomendado, etapa del embudo, palabra clave principal y llamada a la acción. Ordena las ideas según su impacto potencial y explica brevemente los tres primeros lugares]
En el ejemplo anterior, vemos un prompt estructurado porque define la cantidad de ideas, el contexto de aplicación, el formato, las variables que se incluirán en cada elemento, el criterio de ordenamiento y el nivel de explicación. Algunos elementos comunes de la estructura son las secciones, la cantidad, el orden, los campos obligatorios, la extensión, el formato, los criterios de evaluación y la audiencia, aunque no son los únicos.
5. Usa restricciones para mejorar la precisión
Las restricciones son útiles para aumentar la calidad del resultado; las más comunes suelen referirse a la extensión, el tono y el nivel de detalle. Estos elementos evitan que el modelo siga caminos innecesarios.
Son límites o condiciones que definen cómo debe resolverse una tarea y cómo debe presentarse el resultado. Su eficacia reside en que reducen la ambigüedad, evitan desviaciones y adaptan la respuesta a una situación real. La recomendación es expresarlas de manera explícita para condicionar la respuesta, especialmente el objetivo final y los criterios de éxito.
Sin restricciones, ChatGPT debe completar muchos elementos por su cuenta y puede ofrecer recomendaciones razonables, pero quizá no viables para tu caso, presupuesto, canal o audiencia. Las restricciones no son necesariamente negativas; establecen un marco y límites claros para los procesos previos a la generación de la respuesta.
Una buena restricción debe ser observable, pertinente, compatible, proporcional y accionable. Pensemos en estas condiciones como barandales que no sustituyen el objetivo ni el contexto, pero que ayudan a mantener la respuesta dentro de límites útiles, realistas y evaluables.
6. Itera: refina, corrige y ajusta
Aunque intentes cuidar los detalles, es posible que tu prompt no genere la respuesta esperada en el primer intento. Tendrás que ejecutar el siguiente ciclo: haces una solicitud inicial, revisas la respuesta, identificas el problema y modificas únicamente los elementos que lo causaron. A este proceso continuo de ajuste se le conoce como iteración.
Una respuesta insatisfactoria no siempre significa que el modelo desconozca el tema; puede deberse a que la tarea estaba definida de forma ambigua, faltaba contexto, no se especificó la audiencia, el formato era inadecuado, había demasiadas tareas en una sola solicitud o existían restricciones contradictorias.
La iteración busca encontrar y resolver la causa de las respuestas insatisfactorias. Por ello, la evaluación debe ajustarse a criterios concretos como relevancia, completitud, precisión, aplicabilidad, especificidad, formato y tono. Después de identificar el fallo, avanzamos con la corrección del prompt: lo lanzamos, comparamos el resultado y volvemos a ajustar.
7. Mantén la consistencia en conversaciones largas
Si la interacción es extensa, el modelo puede perder el estilo o el enfoque. Por ello, conviene utilizar recordatorios de estilo, reforzar las instrucciones clave y repetir el contexto cuando sea necesario. El objetivo es conservar los objetivos, definiciones, restricciones, tono y decisiones establecidos durante todo el intercambio.
En una conversación extensa, no basta con que cada respuesta sea correcta por separado; también debe ser compatible con lo acordado anteriormente. Hay que tener en cuenta que los modelos trabajan dentro de una ventana de contexto limitada y pueden perder la prioridad entre instrucciones antiguas, información extensa y cambios nuevos. Por ello, te recomendamos mantener un contexto resumido, reintroducir las reglas importantes y verificar los acuerdos en momentos clave.
Los problemas habituales incluyen la pérdida gradual del tono, la reintroducción de ideas que ya se habían descartado, la confusión de una hipótesis con una decisión, el olvido de restricciones mencionadas al principio o la mezcla de versiones de un documento.
Una práctica eficaz para abordar este problema es elaborar un brief maestro para conversaciones largas: un resumen de referencia al comienzo o después de cada etapa importante. Este recurso reduce la necesidad de reconstruir todo el historial y facilita continuar con el trabajo sin desviaciones.
En conclusión, dominar ChatGPT no es complicado: consiste en aprender las bases y adoptar buenos hábitos para saber cómo guiarlo. Al aplicar estos fundamentos de ChatGPT, crear prompts efectivos y mantener una estructura clara, podrás obtener respuestas útiles, precisas y consistentes.