↑↓moverte↵abriresccerrarEntiende errores y sinónimos

Constructor de prompts: arma el encargo antes de escribirlo

Herramienta gratuita · IA Lab

Tu prompt no es malo. Tu encargo lo es.

Arma el prompt bloque por bloque y entiende por qué funciona cada parte. O copia una de las 39 plantillas de nivel consultor. O pega el tuyo y mira qué le falta.

6 bloques con su porqué39 plantillas en 9 áreasAuditor de 0 a 100

Seis bloques. Cada uno evita un error concreto. Llénalos y mira cómo se arma el prompt al lado.

Solo cambia los ejemplos que te sugiere cada bloque. La estructura es la misma para todo: un buen encargo se parece a otro buen encargo aunque el tema no tenga nada que ver.

La parte incómoda

El prompt no es el problema: el problema es que no sabes lo que quieres

Hay una prueba que nunca falla y no necesita ninguna herramienta. Antes de escribirle a una IA, intenta explicarle la misma tarea a un practicante que entró ayer. Si no puedes decirle qué te tiene que entregar, para quién es, qué no debe hacer y cómo vas a saber si quedó bien, no tienes un problema de prompt: tienes un encargo mal pensado. El modelo no lo va a resolver por ti. Va a rellenar los huecos con lo más probable, que en la práctica es lo más genérico.

Por eso casi todas las quejas sobre la IA —«me contesta cosas obvias», «suena a robot», «no entiende lo que le pido»— son en realidad quejas sobre instrucciones incompletas. La distancia entre un resultado inservible y uno que se usa tal cual casi nunca está en una palabra mágica. Está en cuántas decisiones tomaste tú antes de escribir.

Así lo pide casi todo el mundo
Ayúdame a mejorar este correo para un cliente que está molesto porque le llegó tarde el pedido. Que quede profesional.

20 palabras. Ninguna de ellas es una decisión.

Así lo pide alguien que sabe lo que quiere
Eres el jefe de servicio de una empresa de logística. Cuando conservar la cuenta y tener la razón se peleen, escoge conservar la cuenta. El cliente compra 18 millones al mes desde hace tres años. El pedido salió con 6 días de retraso por un error nuestro de despacho. Ya le respondimos dos veces por WhatsApp sin darle una solución y esta mañana pidió hablar con el gerente. Reescribe este correo para que reconozca el error sin lenguaje legal, ofrezca una de las tres compensaciones de la lista que te pego abajo y proponga una reunión con fecha concreta. Máximo 140 palabras, cuatro párrafos cortos, asunto incluido, sin viñetas. Tono directo, primera persona del plural. No escribas «lamentamos los inconvenientes». No prometas nada que no esté en la lista. No inventes fechas ni números de guía. Si te falta un dato para escribirlo bien, pregúntamelo antes de redactar.

148 palabras. Cada línea le quita una decisión al modelo.

Fíjate en lo que no cambió: no hay adjetivos mágicos ni «actúa como el mejor redactor del mundo». Cambiaron cuatro cosas y todas son medibles. Apareció un criterio de decisión (conservar la cuenta pesa más que tener la razón), apareció información que solo tú tienes (cuánto compra, cuántos días de retraso, qué ya se le respondió), apareció un entregable contable (140 palabras, cuatro párrafos, asunto incluido) y aparecieron los límites (qué frase está prohibida, qué no se puede prometer). La segunda versión no es mejor por ser más larga: es mejor porque cada línea que se agregó elimina una decisión que el modelo iba a tomar solo.

Cuándo un prompt largo empeora el resultado

Este es el matiz que casi nadie enseña, porque contradice el consejo de moda de «dale todo el contexto posible». El contexto no es gratis. Cuando pegas el informe completo de 40 páginas para pedir un correo de tres párrafos, no le diste más información útil: le diste 39 páginas que compiten con la única que importaba. Alguien tiene que decidir qué es relevante, y esa también era tu decisión.

Los síntomas son reconocibles. Respuestas que mezclan temas que no venían al caso. Datos secundarios que reaparecen en cada párrafo. Instrucciones del principio que se evaporan porque las del final pesaron más. La regla práctica es simple: incluye el dato solo si cambiaría lo que tú escribirías. Si no cambia nada, es ruido. Doscientas palabras bien escogidas le ganan casi siempre a dos mil pegadas de un documento.

Y queda la línea que más resultado da por carácter escrito: dile qué hacer cuando le falte información. Sin esa instrucción un modelo siempre completa, nunca se frena a preguntar, porque completar es exactamente lo que hace. Con una sola frase —«si te falta algo para hacer esto bien, hazme máximo tres preguntas antes de empezar»— dejas de recibir invenciones plausibles y empiezas a recibir preguntas. Es la señal que más sube la calidad de una respuesta y es también la que casi nadie escribe.

Metodología

Cómo se calcula el puntaje del auditor

Siete criterios suman 100 puntos. Cuatro señales de mal prompt restan hasta 20. Todo se detecta con reglas de texto que corren en tu navegador: no hay ningún modelo de lenguaje evaluando nada.

CriterioPesoQué busca exactamente
Contexto utilizable18Cifras y datos concretos, destinatario declarado, antecedentes de lo que ya se intentó y longitud suficiente.
Verbo y entregable18Verbos de acción específicos y un entregable contable. Descuenta por fórmulas vagas del tipo «ayúdame con», «mejora esto», «háblame de».
Rol y criterio15Una identidad para el modelo y, sobre todo, la regla que usa para decidir cuando dos objetivos chocan.
Qué hacer si falta información13Instrucción explícita de preguntar antes de inventar, o de marcar los vacíos y los supuestos.
Formato de salida14Estructura (tabla, secciones, columnas, JSON), extensión con número y tono declarado.
Restricciones12Prohibiciones explícitas, límite de alcance y la cláusula antialucinación («no inventes datos»).
Ejemplos10Al menos un ejemplo. Puntaje completo si trae un par entrada → salida o un contraste «así sí / así no».
Penalizaciones−20Instrucciones contradictorias, cortesía que desplaza instrucción, «sé creativo» sin criterio, y varias peticiones distintas metidas en una sola. También el prompt largo y sin datos, que es dilución, no contexto.

Dos reglas del modelo que conviene conocer. Primera: las penalizaciones nunca se llevan más de la mitad de lo que el prompt ganó, para que el puntaje siga distinguiendo entre un prompt malo y uno terrible en vez de aplastarlos a todos en cero. Segunda: un prompt con cuatro o más campos entre corchetes se lee como plantilla sin rellenar, así que no se le castiga la falta de cifras ni la longitud; se le avisa que si lo manda así, el modelo va a inventar lo que va en cada corchete.

Transparencia: este es un modelo propio de IA Lab, no el resultado de un estudio externo ni de un benchmark publicado. Los pesos salen de nuestra experiencia revisando prompts en formaciones y proyectos con equipos de empresa, y los ajustamos cuando encontramos casos donde el puntaje engaña. Sirve para ordenar una revisión, no para certificar nada.

Los límites del método

Qué no puede ver este auditor

1
No entiende de qué hablas

Detecta que hay un verbo específico; no sabe si ese verbo es el correcto para tu problema. Un prompt impecable para la tarea equivocada saca puntaje alto.

2
No sabe si tus datos son ciertos

Premia la presencia de cifras porque los prompts con datos concretos rinden mejor. Si la cifra está mal, el modelo la usará igual y con toda confianza.

3
Puede castigar prompts buenos y raros

Un prompt de una sola línea para una tarea trivial —«traduce esto al inglés técnico»— sacará poco puntaje y estará bien así. El marco completo es para encargos que valen la pena.

4
No mide el resultado

La única evaluación que importa de verdad es correr el prompt dos o tres veces y revisar la salida contra un criterio escrito antes. Esto es el paso previo, no el sustituto.

El estimador de tokens también es aproximado: es un heurístico calibrado para español que combina caracteres, palabras, signos y dígitos. Cada modelo tokeniza distinto.

Preguntas que siempre nos hacen

Lo que la gente pregunta antes de creerle al puntaje

No. Mide si tu prompt está bien construido. Es la diferencia entre revisar que un contrato tenga todas sus cláusulas y saber si el negocio conviene. El auditor corre en tu navegador con reglas de texto: reconoce que declaraste un formato, no si ese formato es el adecuado. Úsalo para detectar lo que se te olvidó, no para decidir si la idea sirve.
Porque cambia el comportamiento por defecto. Un modelo de lenguaje está construido para producir la continuación más probable, así que ante un vacío lo rellena con algo verosímil en vez de detenerse. Esa frase le da permiso explícito de frenar. En las revisiones que hacemos en formaciones es, de lejos, la instrucción que menos aparece entre gente que ya usa IA a diario, y la que más rápido convierte respuestas inventadas en preguntas útiles. Peso alto por impacto alto y adopción casi nula. Esa ponderación es nuestra, no sale de ningún estudio.
Es una buena técnica y la recomendamos, pero tiene un techo: el modelo puede darle forma a tu encargo, no puede saber lo que tú no le contaste. Si no le dices cuánto factura ese cliente, qué ya intentaste y qué frase tienes prohibida por política interna, te va a devolver un prompt bien estructurado y hueco. Lo que aporta este marco es obligarte a poner esa información antes, que es justo la parte que no se puede delegar.
La estructura sí: los seis bloques son agnósticos porque describen un encargo, no una interfaz. Lo que cambia es el detalle fino. Los modelos con razonamiento largo responden mejor si les dejas espacio para pensar y peor si les impones un formato rígido demasiado pronto; los modelos rápidos necesitan el formato desde la primera línea. Y todos degradan cuando el prompt supera cierta longitud con material irrelevante. Ajusta la extensión, no el marco.
No. Los bloques, las plantillas y el auditor funcionan enteros dentro de tu navegador y nada de lo que escribes viaja a un servidor. Solo recibimos tu correo si decides dárnoslo en el formulario del newsletter. Aun así, la regla vale para cualquier herramienta: no pegues datos personales de terceros ni información confidencial en un chat de IA sin saber qué hace ese proveedor con ella.

Los prompts que sí movieron la aguja, cada semana.

Un correo con lo que de verdad cambió en IA y el encargo exacto que usamos para resolver un problema real de empresa. Escrito por quien forma equipos, no por un bot.

Listo. Revisa tu correo — te llega la próxima edición.

Un buen prompt resuelve una tarea. Un agente resuelve el proceso.

En IA Lab entrenamos equipos completos para que dejen de improvisar con la IA y construimos los agentes que hacen el trabajo repetitivo. Transferir, prototipar, escalar.