Componentes de un Prompt - Instrucción, contexto y expectativa

10.4 Componentes de un Prompt - Instrucción, contexto y expectativa

Un prompt es mucho más que una simple pregunta dirigida a un modelo de lenguaje. Para obtener resultados de calidad y precisión en inteligencia artificial, es fundamental comprender cómo estructurar correctamente nuestras peticiones. En este apartado analizaremos los tres pilares que sostienen cualquier prompt efectivo: la instrucción, el contexto y la expectativa. Estos componentes trabajan de manera sinérgica para guiar al modelo de IA hacia las respuestas que realmente necesitamos.

La instrucción como núcleo del prompt

La instrucción es el elemento central que define qué queremos que haga el modelo de IA. Es el verbo de acción, la tarea específica que solicitamos. Una instrucción clara y directa reduce significativamente las ambigüedades y aumenta la probabilidad de obtener resultados satisfactorios.

Las instrucciones efectivas utilizan verbos de acción precisos. En lugar de escribir "cuéntame sobre marketing digital", es más efectivo: "Resume los cinco pilares principales del marketing digital en una tabla comparativa, destacando ventajas y desventajas de cada uno". La especificidad del verbo (resume, crea, analiza, clasifica, compara) orienta al modelo hacia el tipo de respuesta esperado.

La instrucción también debe considerar la profundidad requerida. Una instrucción para un resumen ejecutivo será radicalmente diferente de una destinada a un análisis exhaustivo. Establecer explícitamente el nivel de detalle deseado es fundamental: "Proporciona un análisis superficial de cinco puntos" versus "Realiza un análisis detallado con profundidad académica de la evolución histórica del concepto".

El contexto como marco de referencia

El contexto transforma un prompt genérico en una solicitud específica y pertinente. Proporcionar información sobre quién eres, cuál es tu objetivo, en qué industria trabajas o cuál es tu nivel de conocimiento previo permite al modelo calibrar su respuesta al público objetivo exacto.

El contexto puede incluir varios elementos: el rol del usuario (soy un emprendedor, soy un estudiante de marketing, soy un ejecutivo con presupuesto limitado), el dominio específico (sector inmobiliario, tecnología, educación), restricciones operativas (tengo 3 horas, dispongo de 500 euros, trabajo en equipo remoto), o conocimientos previos (conozco lo básico sobre SEO pero no entiendo PPC).

Un ejemplo práctico: la diferencia entre "¿Cómo hago marketing?" (demasiado vago) versus "Soy propietario de una pequeña agencia de viajes en Barcelona con presupuesto anual de 5000 euros. La mayoría de mis clientes tienen más de 55 años y acceden a través de Google. ¿Cómo debo enfocar mi estrategia de marketing digital?" (contexto específico que permite respuestas mucho más útiles).

La expectativa como definidor de calidad

La expectativa establece los criterios de aceptación para la respuesta. Describe el formato deseado, el nivel de formalidad, la extensión requerida, el público objetivo de la respuesta y cualquier restricción especial. Una expectativa bien definida es la diferencia entre obtener una respuesta utilizable y recibir algo que requiere importante reformateo.

Las expectativas pueden ser explícitas o implícitas. Explícitas: "Responde en formato de presentación PowerPoint con viñetas, máximo tres puntos por diapositiva, tono profesional, dirigido a inversores". Implícitas: esperar que una solicitud de "código Python" genere código funcional sin errores sintácticos.

Otros ejemplos de expectativas claras incluyen especificar el idioma exacto (español de España, no latinoamericano), el tono (académico, coloquial, profesional), la estructura (introducción, desarrollo, conclusión), o el formato técnico (JSON, CSV, HTML).

Ejemplo práctico integrado

Comparemos dos prompts sobre el mismo tema, demostrando cómo se aplican estos componentes:

Prompt deficiente (sin estructura clara):
"Dame información sobre email marketing"

Este prompt carece de instrucción precisa, contexto y expectativas. El modelo no sabe si quieres un tutorial, mejores prácticas, herramientas recomendadas, estadísticas de ROI, o estrategias avanzadas.

Prompt optimizado (con los tres componentes):
"Eres un consultor de marketing digital especializado en PYMES españolas. Necesito que analices (instrucción) las mejores prácticas actuales de email marketing para una tienda online de comercio electrónico con 2000 clientes en la base de datos (contexto). Proporciona tu análisis en formato de tabla markdown con cinco estrategias principales, incluyendo herramientas españolas recomendadas, presupuesto estimado y ROI esperado. Tono profesional, máximo 800 palabras (expectativa). Mi audiencia son emprendedores sin experiencia previa en email marketing".

Este segundo prompt guía claramente al modelo hacia una respuesta específica, contextualizada y utilizable inmediatamente.

Relación entre componentes

Los tres componentes no funcionan de forma aislada. La instrucción define qué hacer, el contexto define para quién y por qué, y la expectativa define cómo presentarlo. Un prompt robusto equilibra los tres elementos. Si falta el contexto, incluso una instrucción perfecta puede generar respuestas genéricas. Si falta la expectativa, una buena instrucción puede producir un resultado en formato incorrecto. Si la instrucción es vaga, contexto y expectativa no pueden compensar esa debilidad fundamental.

Ideas clave

• La instrucción debe utilizar verbos de acción específicos y definir claramente la tarea a realizar, evitando ambigüedades que el modelo deba interpretar.
• El contexto personaliza la respuesta proporcionando información sobre el usuario, su industria, restricciones y conocimientos previos, permitiendo respuestas más relevantes.
• La expectativa establece criterios de aceptación explícitos como formato, tono, extensión y público objetivo, asegurando resultados utilizables.
• Los tres componentes trabajan sinérgicamente; la ausencia de cualquiera de ellos degrada significativamente la calidad de las respuestas del modelo.
• Un prompt bien estructurado con instrucción, contexto y expectativa es fundamentalmente diferente de una búsqueda en Google o una pregunta casual, generando respuestas profesionales y específicas.
• La iteración basada en estos tres componentes permite refinar progresivamente los prompts para obtener exactamente lo que necesitas.