Cómo escribir prompts de IA que devuelvan respuestas usables

La mayoría de personas que usan IA generativa en el trabajo no obtienen el resultado que esperan porque el prompt que escriben no le da al modelo suficiente información para producir algo útil. No es un problema de la herramienta: es un problema de especificidad. Un buen prompt no es el más largo ni el más sofisticado: es el que contiene exactamente la información que el modelo necesita para dar una respuesta que puedas usar sin reescribir entera. Estas son las cinco partes que nunca deben faltar y cómo aplicarlas en contexto de pyme española.

1. Por qué los prompts básicos no funcionan en trabajo profesional

"Escríbeme un email para el cliente" es un prompt que producirá algo genérico que necesitarás reescribir completamente. El modelo no sabe quién es el cliente, qué problema existe, qué relación tienes con él, qué tono usa tu empresa ni qué resultado esperas de ese email. Sin esa información, inventa un email estándar que podría servir para cualquier empresa del mundo, y precisamente por eso no sirve para la tuya.

El error conceptual más frecuente es tratar la IA como un motor de búsqueda: se le hace una pregunta corta y se espera una respuesta útil. Los motores de búsqueda funcionan así porque tienen millones de documentos indexados donde buscar la respuesta exacta. Un modelo de IA generativa funciona diferente: genera la respuesta más probable dado el input que recibe. Cuanto más preciso sea el input, más precisa será la respuesta.

La consecuencia práctica es que el tiempo que inviertes en el prompt se recupera en el tiempo que no tienes que invertir en editar la respuesta. Un prompt de 2 minutos bien construido puede producir un resultado usable directamente. Un prompt de 10 segundos producirá algo que tardas 15 minutos en reescribir. El cálculo es claro.

2. Rol: con qué experto estás hablando

Decirle a la IA qué rol debe asumir no es una formalidad decorativa: cambia el nivel de tecnicismo, el vocabulario, el enfoque y el tono de la respuesta. "Actúa como un consultor de operaciones con experiencia en pymes de servicios" produce un resultado diferente a "actúa como un redactor de marketing B2B" o "actúa como un asesor fiscal familiarizado con la normativa española".

El rol también define restricciones implícitas que el modelo interpreta bien. Si pides que actúe como asesor legal, el modelo tenderá a ser preciso y a señalar cuándo necesita información adicional antes de responder. Si pides que actúe como copywriter, entenderá que el resultado debe ser persuasivo y directo. Si pides que actúe como analista de datos, priorizará la precisión sobre la narrativa.

Para tareas de equipo, definir el rol también ayuda a estandarizar el tipo de output que produce el modelo. Si el área comercial siempre usa el rol "consultor B2B senior especializado en pymes españolas", el tono y el nivel de las respuestas será consistente entre los distintos usuarios, independientemente de cómo escriba cada uno el resto del prompt.

3. Contexto: la información de fondo que la IA no puede adivinar

El contexto es el elemento más ignorado y el que más impacto tiene en la calidad de la respuesta. La IA no conoce tu empresa, tu sector, tu cliente específico ni tu situación actual. Lo que no le dices, lo deduce de forma genérica o lo inventa. Y en contexto profesional, la versión genérica rara vez sirve.

El contexto relevante para la mayoría de tareas profesionales incluye: quién eres (tipo de empresa, sector, tamaño, posicionamiento), para quién es el resultado (un gerente no financiero, un técnico, un cliente potencial del sector X, el equipo interno), cuál es la situación específica que motiva la tarea (el cliente lleva 3 meses sin responder, la propuesta anterior fue rechazada por precio, el interlocutor es nuevo en el cargo) y qué ya existe o está decidido que el modelo debe respetar.

Una práctica útil para pymes es crear un "párrafo de contexto de empresa" que se puede pegar al inicio de cualquier prompt: descripción de la empresa en 3-4 líneas (sector, tamaño, tipo de cliente, propuesta de valor). Esto estandariza el contexto y evita que cada persona del equipo lo explique de forma diferente.

4. Objetivo y formato: qué quieres y cómo lo quieres exactamente

"Ayúdame con el email" no especifica qué tipo de ayuda. "Escribe un email de seguimiento de 150 palabras para un lead que asistió a nuestro webinar sobre digitalización hace una semana, no ha respondido al email automático post-evento, y el objetivo es conseguir una llamada de 20 minutos" es un objetivo con formato definido que el modelo puede ejecutar sin adivinar nada.

5. Restricciones y ejemplos: lo que sí y lo que no en la respuesta

Las restricciones negativas son tan importantes como el objetivo positivo. Definen los límites de la respuesta: qué no debe incluir, qué no debe asumir, qué datos no tiene que inventar. Sin restricciones, el modelo rellena los huecos con suposiciones que pueden ser incorrectas o inapropiadas para tu contexto.

Ejemplos de restricciones útiles para contexto de pyme: "no uses jerga técnica que un gerente sin perfil IT no entendería", "no incluyas precios concretos ya que están sujetos a presupuesto", "no menciones a la competencia directamente", "no hagas promesas de resultado que no están comprometidas en el contrato", "si un dato no lo tienes, indícalo explícitamente en lugar de estimarlo".

Los ejemplos son el atajo más efectivo para calibrar el estilo. Si tienes un texto anterior de la empresa que representa bien el tono que quieres (una propuesta, un email, un artículo), adjúntalo al prompt con la indicación "en un tono y estilo similar a este texto". El modelo es muy bueno imitando estilos cuando tiene un ejemplo concreto. Describe con palabras y muestra con ejemplos: ambas cosas juntas funcionan mejor que cualquiera por separado.

6. Caso real: agencia de comunicación, 8 personas, Málaga

Una agencia de comunicación B2B con 8 personas en Málaga adoptó IA generativa para redacción de contenido, propuestas comerciales y resúmenes de briefings de cliente. Los primeros dos meses, la adopción fue baja: el equipo probaba la herramienta, obtenía resultados genéricos, y volvía a escribir manualmente. "No sirve para nuestro estilo" era el comentario recurrente.

El problema era que nadie había enseñado a usar la herramienta más allá de instalarla. Se diseñó un taller de 3 horas centrado exclusivamente en prompting por rol: cada persona del equipo identificó las 3 tareas que más tiempo le consumían y trabajó en un prompt específico para cada una con los 5 elementos descritos.

Al final del taller, el equipo tenía 24 prompts documentados y validados con resultados reales. Se creó una carpeta compartida en Notion con estos prompts organizados por tipo de tarea. A los 3 meses, el equipo estimaba un ahorro de 6-8 horas semanales en redacción, con resultados que apenas requerían edición. La diferencia entre la adopción fallida inicial y el éxito posterior fue exclusivamente la calidad del prompting, no la herramienta.

Si tu empresa ha empezado a usar IA pero los resultados no convencen, el problema casi siempre está en los prompts, no en la herramienta. El artículo sobre cómo formar al equipo en IA sin perder productividad cubre cómo estructurar ese proceso de adopción correctamente.

Por dónde empezar mañana

Mejorar el uso de IA en tu empresa no requiere un proyecto largo. Con estos pasos puedes ver resultados concretos en menos de una semana.

1. Identifica las 3 tareas donde más usas IA actualmente y analiza por qué los resultados no siempre son satisfactorios. En la mayoría de casos el diagnóstico será el mismo: falta contexto o falta precisión en el objetivo.
2. Construye un prompt completo para cada una de esas tareas usando los 5 elementos: rol, contexto, objetivo, formato y restricciones. Pruébalo con un caso real y ajusta hasta que el resultado sea directamente usable.
3. Crea un "párrafo de contexto de empresa" que cualquier persona del equipo pueda pegar al inicio de sus prompts: descripción de la empresa, tipo de cliente, tono de comunicación habitual.
4. Comparte los prompts que funcionan: crea un documento compartido (Notion, Google Docs) con los prompts por tipo de tarea. El conocimiento sobre qué prompts funcionan es un activo de la empresa, no de la persona individual.

Para pymes que quieren estructurar este proceso de forma más completa, el servicio de formación en IA para equipos de LaEsencia incluye talleres de prompting por rol con casos reales del sector. Si ya tienes el equipo formado y quieres implementar IA en procesos específicos, el servicio de automatización con IA diseña los flujos donde la IA aporta más valor.