Qué es y cómo funciona
El prompt engineering es el trabajo de redactar, probar y mejorar las instrucciones que recibe un modelo de lenguaje. Un buen prompt suele indicar el objetivo, el contexto necesario, el formato de salida esperado y las restricciones, y puede incluir ejemplos de entradas y respuestas correctas. A veces se le asigna también un rol, como «actúa como revisor de contratos», aunque lo que más ayuda es ser específico sobre la tarea.
Más que un truco de redacción, es un proceso iterativo. Se escribe una versión, se prueba con un conjunto de casos reales, incluidos los difíciles y los absurdos, se revisan los fallos y se ajusta. Cualquier cambio en el prompt o en el modelo puede alterar los resultados, de modo que conviene guardarlos con control de versiones y repetir las pruebas.
También forma parte del oficio decidir qué no debe resolver el prompt: si el modelo necesita datos que no tiene, hay que dárselos con RAG; si la salida debe cumplir un formato estricto, conviene validarla por código en lugar de confiar en que el modelo obedezca siempre.
Por qué importa
En muchos proyectos de IA el prompt es la parte que más cambia el resultado con menos coste. Una instrucción ambigua produce respuestas inconsistentes; una bien pensada puede evitar tener que recurrir a técnicas más caras como el fine-tuning.
Pero no hay prompt que garantice un comportamiento. Los modelos pueden ignorar instrucciones, y un usuario malintencionado puede intentar manipularlos con textos diseñados para eso, lo que se conoce como inyección de instrucciones. Si el asistente tiene acceso a datos o acciones sensibles, no basta con pedirle por favor que no las use: hacen falta permisos limitados y controles fuera del modelo.
Un ejemplo
Un equipo de atención al cliente quiere que un modelo redacte respuestas a reclamaciones. El primer prompt, «responde al cliente», da textos inconsistentes. Tras varias iteraciones, el prompt define el tono de la marca, lista lo que no puede prometer, pide un formato con saludo, solución y despedida, y añade dos ejemplos aprobados. Cada cambio se prueba con un grupo fijo de reclamaciones reales antes de pasar a producción.
Errores y confusiones frecuentes
- Retocar el prompt a ojo con un par de ejemplos. Sin un conjunto de casos de prueba fijo, no sabes si un cambio mejora la mayoría de situaciones o solo la que tenías delante.
- Meter datos confidenciales o personales en el prompt sin pensar en dónde se procesan. Todo lo que incluyes viaja al proveedor del modelo.
- Confiar en el prompt como medida de seguridad. Frases como «nunca reveles esta información» no son un control fiable; la protección real debe estar en los permisos y en la validación del sistema.