Cómo dar instrucciones a una IA y comprobar sus respuestas

Hay quien habla de los prompts como si fueran conjuros: una frase exacta, un poco de misterio y, zas, la respuesta perfecta. No hace falta luna llena. Un prompt es, sencillamente, la entrada o instrucción que le das al modelo, y darle instrucciones, contexto y ejemplos puede ayudarle a producir una salida más pertinente [10]. Más pertinente no significa correcta, y de eso va este artículo.

Si todavía no tienes claro qué es esta tecnología, empieza por qué es la inteligencia artificial, explicado con ejemplos cotidianos. Aquí vamos directos a la práctica: una petición vaga, una mejorada y un método para revisar lo que te devuelva la herramienta.

Una petición vaga: lo que no se le dice a la IA

Imagina que tu empresa estudia instalar paneles solares y quieres un texto para explicárselo a tu equipo. Escribes esto:

Escribe algo sobre paneles solares para mi empresa.

Obtendrás un texto, casi seguro. Pero la herramienta no sabe quién lo va a leer, para qué, cuánto debe durar ni qué tono quieres. Tampoco sabe si tienes una nave industrial o una oficina de alquiler. Como no lee mentes (y menos un lunes por la mañana), rellenará los huecos con suposiciones genéricas.

La versión mejorada, y qué aporta cada cambio

Esta es una versión más completa. Lo que va entre corchetes lo rellenas tú con datos reales:

Contexto: trabajo en [nombre de la empresa], una pyme de [sector] que estudia instalar paneles solares en su sede.
Lector: la dirección y el equipo, sin formación técnica.
Objetivo: explicar en qué consiste una instalación solar para empresas y qué preguntas conviene hacer a un instalador antes de decidir.
Extensión: unas 400 palabras.
Tono: claro y cercano, sin jerga innecesaria.
Estructura: una introducción breve, tres apartados con subtítulo y una lista final de preguntas para el instalador.
Límites: no inventes cifras de ahorro, precios, plazos ni ayudas. Si falta un dato, escribe [dato pendiente]. No menciones marcas. Si has hecho alguna suposición, indícala al final.

Qué aporta cada pieza:

• Contexto: reduce las suposiciones sobre tu situación.
• Lector: decide el nivel de explicación. No se escribe igual para un ingeniero que para quien solo quiere entender la factura.
• Objetivo: distingue entre informar, convencer o preparar una reunión.
• Extensión, tono y estructura: evitan reescrituras por cuestiones de forma.
• Límites: son la parte más útil. Al pedir que no invente cifras y que marque lo que falta, reduces el riesgo de datos falsos con buen aspecto, aunque no lo eliminas.

Esto es análisis editorial, no una norma universal: son ayudas para principiantes, no garantías. La documentación técnica de Google sobre escritura con modelos de lenguaje menciona recursos parecidos, como el contexto, el rol asignado y el material de referencia, además de revisar el resultado [13]. Es una guía para tareas de escritura técnica, no una ley para cualquier uso.

Continuar la conversación: el primer borrador no es el final

Aunque la petición sea buena, trata la primera respuesta como un borrador. Lo habitual es seguir con mensajes cortos y concretos:

• Pedir aclaración: «¿Qué has supuesto sobre el tamaño de la empresa y sobre la ubicación?».
• Acortar: «Redúcelo a 250 palabras sin perder la lista de preguntas».
• Cambiar el tono: «Hazlo menos formal, pero sin chistes».
• Señalar un error: «En el segundo apartado afirmas algo que no puedo confirmar. Indica en qué te basas o elimínalo».
• Aportar una fuente: pega un fragmento de un documento fiable, como la oferta de un instalador o una guía oficial, y pide: «Reescribe el apartado usando solo este texto como base».

Corregir en la misma conversación suele ser más cómodo que empezar de cero, pero cada respuesta nueva también hay que revisarla. Una corrección puede arreglar un fallo y colar otro.

Comprobar lo importante: fluidez no es verdad

Un texto bien redactado transmite sensación de fiabilidad, pero la redacción no demuestra nada. El marco del NIST sobre IA generativa describe la «confabulación» como contenido falso presentado con confianza, y menciona también riesgos de privacidad y de sesgo [11]. Como modelo que genera texto plausible, la herramienta puede sonar como quien da indicaciones con total aplomo sin haber pisado nunca la ciudad. Si te interesa el porqué, lo explicamos en cómo funciona la IA generativa.

Por eso la revisión humana no es opcional. Una regla práctica (análisis editorial, no garantía): antes de usar el texto, localiza y comprueba con fuentes originales o documentos de referencia:

• nombres de personas, empresas, normas o programas;
• cifras, porcentajes, precios y plazos;
• fechas;
• citas textuales;
• enlaces, que deben existir y decir lo que se afirma;
• cualquier afirmación que influya en una decisión sensible, como gastos, contratos o cuestiones legales.

En nuestro ejemplo, una frase del tipo «esta instalación se amortiza en cinco años» no debe pasar sin comprobar. Esa cifra depende de tu consumo, tu ubicación y tu oferta concreta, y solo puede salir de tus datos y de un presupuesto real.

Cuando la respuesta falla

Tarde o temprano pasará. Algunas salidas razonables:

• Pedir que marque incertidumbres: «Señala qué afirmaciones son menos seguras o necesitan verificación». Es una ayuda, no un detector infalible.
• Comparar con una fuente: contrasta el texto con el documento original o con una fuente oficial.
• Rehacer el encargo con datos proporcionados: en vez de pedirle que «sepa», dale el material y pide que trabaje solo con él.
• No introducir información personal innecesaria: para este tipo de tarea no hacen falta nombres de clientes, datos de contacto ni contratos completos. Si basta con un resumen anónimo, usa el resumen.

Y si el resultado sigue sin convencer, quizá el problema no sea la redacción del prompt, sino que la herramienta no es la adecuada para esa tarea. Entender las diferencias entre sistemas también ayuda, y lo repasamos en IA, machine learning y deep learning.

Buen contexto, mejor colaboración; el criterio sigue siendo tuyo

Explicar bien qué necesitas, para quién y con qué límites mejora la colaboración con la herramienta. Es lo mismo que haríamos con una persona nueva en el equipo: no le pedirías «algo sobre paneles solares» y esperarías que acertase. Pero un buen prompt no sustituye la comprobación ni el criterio. La IA puede ayudarte a redactar un borrador; decidir qué es cierto, qué se publica y qué se firma sigue siendo cosa tuya.

Para ampliar información

• Google Cloud: Prompt engineering, overview and guide. Página oficial, actualizada el 05/04/2026.
• NIST: AI Risk Management Framework — Generative AI Profile. Publicado el 26/07/2024.
• Google Developers: Using large language models in technical writing.