Generación controlada
Correos, resúmenes, reformulaciones.
¿Qué es un prompt? La instrucción que se da a un modelo
Un prompt es el texto (o mensaje multimodal) que se entrega a un modelo generativo para orientar su respuesta: rol, tarea, restricciones, ejemplos y contexto. Con los LLM, el prompt sustituye en parte al código procedimental. Google y OpenAI documentan estrategias de diseño; OWASP recuerda que prompts mal aislados facilitan la inyección.
En una frase
El prompt es la instrucción —y el contexto— que se da al modelo.
Para recordar
- Combina objetivo, formato de salida, restricciones y a veces ejemplos.
- Mensajes system / user / tool estructuran el diálogo en la API.
- Un buen prompt reduce ambigüedad; no sustituye datos fiables (RAG).
- La entrada del usuario debe tratarse como no fiable (inyección).
Ficha del término
- Prompt
- Instrucción LLM · Prompt textual · Invite
- Término en inglés
- Prompt
- Dominio
- Inteligencia artificial
- Categoría
- IA generativa
- Nivel
- Principiante
¿Qué significa exactamente «prompt»?
Con modelos instruction-tuned, el prompt es la interfaz principal.
Se distingue el prompt de sistema (política duradera) y los mensajes de usuario. El contexto RAG se inyecta como material.
Para una pyme, estandarizar unos prompts evita que cada empleado reinventer instrucciones arriesgadas.
¿Cómo redactar un prompt eficaz?
- 01
Clarificar la tarea
Una acción, un público, un criterio de éxito.
- 02
Especificar el formato
JSON, viñetas, longitud, idioma.
- 03
Añadir restricciones
Prohibidos, fuentes permitidas, tono, certeza.
- 04
Probar y versionar
Juegos de ejemplos, A/B de formulaciones.
Ejemplo concreto de prompt
Un equipo de soporte usa: «Eres un agente de primer nivel. Con el ticket y la FAQ, propone una respuesta en francés canadiense, máx. 120 palabras, y lista lo no cubierto por la FAQ. No inventes políticas.» Baja la tasa de correcciones humanas porque el modelo sabe cuándo abstenerse.
¿Para qué sirve un prompt?
Extracción
Campos estructurados desde texto libre.
Clasificación
Enrutar una petición a la cola correcta.
Agentes
Decidir qué herramienta llamar.
Ventajas y límites del prompting
- Iteración rápida sin redespliegue pesado
- Accesible a no desarrolladores guiados
- Adaptable por caso de uso
- Complementa RAG y herramientas
- Sensible a la formulación
- Puede eludirse (inyección)
- No 100 % determinista
- Difícil de mantener sin versionado
¿En qué se diferencia un prompt del fine-tuning?
| Prompt | Fine-tuning | |
|---|---|---|
| Cambio | Instrucciones en la inferencia | Pesos del modelo adaptados |
| Coste inicial | Bajo | Más alto (datos + training) |
| Flexibilidad | Cambio inmediato | Ciclo de retrain |
| Caso ideal | Tareas variadas, políticas textuales | Estilo/formato muy estable a escala |
Por qué el prompt importa para una pyme quebequense
Es la palanca más rápida para sacar valor de un LLM — y la primera superficie de error. Prompts compartidos, probados y seguros evitan fugas y respuestas inventadas ante clientes.
Preguntas frecuentes
¿Un prompt largo es mejor?
No necesariamente. Claro, estructurado y con contexto útil gana a un muro redundante.
¿Hacen falta ejemplos few-shot?
A menudo sí para formato y casos límite; 2–5 ejemplos bien elegidos suelen bastar.
¿Cómo evitar la inyección?
Separar instrucciones y datos de usuario, delimitar contexto, restringir herramientas.
¿Quién escribe los prompts?
Idealmente producto + negocio + tech, con revisión como el código.
Términos relacionados
Fuentes y referencias
¿Sus prompts dan respuestas inestables o arriesgadas? Los estructuramos, probamos y aseguramos para sus casos de negocio.
Mejorar sus prompts