Por qué importa la formulación
Los modelos de lenguaje como ChatGPT, Copilot o Gemini no "entienden" las instrucciones de la misma manera que lo haría una persona. Procesan texto y generan la continuación estadísticamente más probable dado el contexto. Esto significa que el contexto que tú proporcionas tiene un peso enorme en lo que obtienes.
Una instrucción vaga produce resultados genéricos. Una instrucción específica produce resultados específicos. No es magia: es que el modelo tiene más información con la que trabajar.
El principio de la claridad
La claridad no significa brevedad. Significa ausencia de ambigüedad. Una instrucción puede ser larga y clara, o corta y confusa. Lo que importa es que el modelo no tenga que adivinar qué quieres decir.
Compara estas dos instrucciones:
Instrucción vaga:
"Escríbeme algo sobre productividad"
Instrucción clara:
"Escribe un párrafo de introducción para un correo dirigido a mi equipo de trabajo explicando que implementaremos nuevas rutinas de revisión semanal a partir del próximo mes. El tono debe ser directo pero no autoritario."
La segunda instrucción define el formato (párrafo), el destinatario (equipo de trabajo), el contenido específico (rutinas de revisión semanal) y el tono. El modelo no necesita adivinar ninguno de estos elementos.
El papel del contexto
El contexto es la información que ayuda al modelo a situar tu petición. Puede incluir quién eres, para quién es el texto, en qué situación se usará o qué conocimientos previos puede asumir el modelo sobre tu lector.
No siempre necesitas contexto extenso. Pero cuando el resultado por defecto no se ajusta a lo que buscas, añadir contexto es casi siempre la solución más eficaz antes de reformular toda la instrucción.
Especificar el formato de salida
Si necesitas una lista, pide una lista. Si necesitas tres opciones, pide tres opciones. Si necesitas un texto sin encabezados, dilo explícitamente. Los modelos de lenguaje tienen tendencia a usar su formato por defecto (que suele ser prosa con encabezados) a menos que se les indique otra cosa.
Algunos formatos útiles que puedes solicitar: lista de puntos, tabla, esquema numerado, texto continuo sin formato, respuesta en una sola frase, respuesta con argumentos a favor y en contra.
Usar ejemplos dentro de la instrucción
Una de las técnicas más efectivas es incluir un ejemplo del resultado que buscas directamente en la instrucción. Esto se conoce como prompting con ejemplos o "few-shot prompting".
Ejemplo con muestra:
"Convierte estas frases a un tono más formal. Ejemplo: 'Oye, ¿puedes enviarme el informe?' se convierte en 'Por favor, ¿podrías remitirme el informe cuando te sea posible?' Ahora aplica el mismo estilo a estas frases: [...]"
Al ver el ejemplo, el modelo calibra exactamente el tipo de transformación que buscas.
Iterar en lugar de reformular
Un error frecuente es descartar el resultado y empezar de cero. En la mayoría de casos, es más eficiente continuar la conversación añadiendo instrucciones que corrijan o amplíen el resultado anterior.
Puedes decir: "Está bien, pero hazlo más breve" o "Cambia el segundo párrafo para que incluya una pregunta al lector". El modelo mantiene el contexto de la conversación y puede ajustar sin que tengas que repetir toda la instrucción inicial.
Lo que no puede resolver una buena instrucción
El prompting mejora resultados dentro de las capacidades del modelo. No puede hacer que el modelo sepa cosas que no están en sus datos de entrenamiento, ni puede eliminar el riesgo de que genere información incorrecta. La verificación del output sigue siendo tu responsabilidad.
Para información factual con consecuencias reales (datos médicos, legales, financieros o técnicos específicos), usa los asistentes de IA como punto de partida para orientarte, no como fuente definitiva.