Errores comunes de prompts y cómo corregirlos

Antes de corregir: diagnostica qué falló

Un prompt efectivo no necesita ser largo, pero sí debe ser específico. Las guías de buenas prácticas de OpenAI, Google Cloud y Microsoft coinciden en cuatro ideas: dar instrucciones claras, añadir contexto útil, definir el formato de salida y usar ejemplos cuando el resultado esperado no sea obvio.

Usa esta fórmula rápida para revisar cualquier prompt: tarea + contexto + audiencia + restricciones + formato + criterio de calidad. Si una respuesta sale floja, busca primero cuál de esas piezas falta.

• Si la respuesta es genérica, falta objetivo, audiencia o contexto.
• Si la respuesta se sale del tema, faltan límites y criterios de decisión.
• Si el resultado no se puede usar, falta formato de salida.
• Si inventa datos, faltan fuentes, reglas de verificación o una instrucción para declarar incertidumbre.

1. Error: pedir una tarea demasiado vaga

Malo: 'Escribe algo sobre nuestro producto.'

Mejor: 'Escribe una actualización de 120 palabras para usuarios actuales de una app de finanzas personales. Incluye una nueva función, el beneficio principal y una acción siguiente. Tono: claro, útil y sin exageraciones.'

Por qué funciona: el modelo ya no tiene que adivinar el tipo de pieza, la audiencia, la longitud ni el objetivo.

2. Error: no decir qué resultado quieres conseguir

Malo: 'Dame ideas para mejorar esta página.'

Mejor: 'Dame 8 mejoras para aumentar registros en esta landing page. Prioriza cambios que pueda implementar sin rediseñar toda la página. Devuelve cada idea con impacto esperado, esfuerzo y primer paso.'

La IA puede optimizar para muchas cosas: claridad, ventas, SEO, aprendizaje, soporte o velocidad. Si no defines el objetivo, suele entregar consejos correctos pero poco accionables.

3. Error: omitir el contexto que cambia la respuesta

Malo: 'Crea un plan de contenido.'

Mejor: 'Crea un plan de contenido de 4 semanas para una herramienta SaaS B2B de facturación. Público: autónomos que ya usan hojas de cálculo. Canal principal: blog. Objetivo: captar búsquedas informativas de baja competencia. Equipo disponible: una persona, 5 horas por semana.'

No hace falta contar toda la historia del proyecto. Incluye solo la información que modificaría una decisión: público, etapa del usuario, canal, restricciones, recursos, datos disponibles y riesgos.

4. Error: no definir audiencia, nivel y tono

Malo: 'Explícalo claramente.'

Mejor: 'Explícalo para responsables de marketing sin conocimientos técnicos. Usa lenguaje sencillo, evita jerga de machine learning y añade un ejemplo aplicado a una campaña de email.'

La misma explicación cambia mucho si va dirigida a un cliente, a un equipo técnico, a estudiantes o a directivos. Especifica para quién se escribe y qué sabe ya esa persona.

• Audiencia: principiantes, clientes actuales, equipo interno, directivos, desarrolladores.
• Nivel: introductorio, intermedio, experto o ejecutivo.
• Tono: directo, cercano, técnico, sobrio, comercial, académico.
• Evita frases vagas como 'hazlo profesional' si puedes describir el estilo con más precisión.

5. Error: no poner límites ni fuera de alcance

Malo: 'Haz un plan de marketing completo.'

Mejor: 'Crea un plan de marketing de 30 días para mejorar una landing page y una secuencia de 3 emails. Fuera de alcance: anuncios pagados, redes sociales y cambios de marca. Presupuesto: cero.'

Los límites reducen respuestas enormes, dispersas o imposibles de ejecutar. También ayudan a que el modelo no proponga tácticas que no encajan con tus recursos.

6. Error: no especificar el formato de salida

Malo: 'Analiza estos datos.'

Mejor: 'Analiza estos datos y devuelve una tabla con cuatro columnas: hallazgo, evidencia, posible explicación y acción recomendada. Después añade una sección breve de riesgos de interpretación.'

El formato no es un detalle estético. Es lo que convierte una respuesta en algo que puedes revisar, copiar, comparar o entregar.

• Usa tabla si necesitas comparar opciones.
• Usa secciones si quieres un informe legible.
• Usa JSON si el resultado debe pasar a una herramienta.
• Usa bullets si necesitas escanear rápido.

7. Error: mezclar demasiadas tareas en un solo prompt

Malo: 'Resume, critica, reescribe, traduce y prepara una versión para LinkedIn.'

Mejor: 'Paso 1: resume el texto en 5 bullets. Paso 2: señala problemas de claridad. Paso 3: espera mi confirmación antes de reescribir.'

Cuando combinas muchas tareas, pierdes control sobre la calidad de cada paso. Divide el trabajo si hay análisis, transformación y publicación en la misma solicitud.

8. Error: dar restricciones contradictorias

Malo: 'Escribe una explicación muy completa, pero que sea muy corta, para principiantes y con detalle técnico profundo.'

Mejor: 'Escribe una explicación introductoria de 180 palabras. Prioriza comprensión sobre profundidad técnica. Añade al final 3 temas avanzados para estudiar después.'

Si pides objetivos incompatibles, el modelo suele equilibrarlos de forma impredecible. Indica qué prioridad gana cuando haya tensión: precisión, brevedad, persuasión, detalle o velocidad.

9. Error: no dar ejemplos cuando el estilo importa

Malo: 'Escribe con nuestro estilo.'

Mejor: 'Imita este patrón: frases cortas, verbo activo, sin emojis, sin superlativos. Ejemplo bueno: [pega un ejemplo]. Ejemplo malo: [pega un ejemplo que no quieres]. Reescribe el texto siguiendo esa diferencia.'

Los ejemplos funcionan mejor que una etiqueta genérica. Si necesitas un estilo, una estructura o una clasificación exacta, incluye muestras de entrada y salida.

10. Error: pedir hechos sin reglas de verificación

Malo: 'Dame estadísticas recientes sobre el mercado.'

Mejor: 'Dame solo afirmaciones que puedan verificarse con fuentes confiables. Si no tienes una fuente clara o la información puede estar desactualizada, márcala como pendiente de verificación y no inventes cifras.'

Para temas médicos, legales, financieros, técnicos o recientes, el prompt debe obligar a separar hechos verificados, inferencias y dudas. Un buen prompt no convierte a la IA en fuente final; la obliga a mostrar qué necesita revisión.

11. Error: no pedir preguntas aclaratorias

Malo: 'Crea la estrategia perfecta para mi negocio.'

Mejor: 'Antes de proponer la estrategia, haz hasta 5 preguntas si falta información crítica. Si puedes avanzar, declara tus supuestos y da una primera versión provisional.'

Este ajuste evita que la IA rellene huecos con supuestos invisibles. Es especialmente útil en tareas de estrategia, redacción comercial, análisis de datos y planificación de producto.

12. Error: aceptar la primera respuesta sin iterar

Malo: usar la primera salida aunque parezca genérica.

Mejor: 'Evalúa tu respuesta anterior contra estos criterios: claridad, exactitud, utilidad práctica, formato y riesgos. Luego reescribe las partes débiles sin cambiar los datos base.'

La mejora de prompts es iterativa. Si una respuesta tiene buena dirección pero baja calidad, no empieces de cero: pide crítica, comparación y una segunda versión con criterios explícitos.

Checklist para corregir un prompt débil

Antes de enviar el prompt final, revisa si contiene lo necesario para que otra persona entienda la tarea sin preguntarte nada.

• Objetivo: qué resultado necesitas y para qué se usará.
• Contexto: información que cambia la decisión o el enfoque.
• Audiencia: quién leerá o usará la respuesta.
• Restricciones: longitud, tono, fuentes, límites y fuera de alcance.
• Formato: tabla, lista, secciones, JSON, plantilla o pasos.
• Criterio de calidad: cómo sabrás si la respuesta sirve.
• Verificación: qué debe marcar como incierto, faltante o no comprobado.

Plantilla base para evitar la mayoría de errores

Actúa como [rol]. Necesito [resultado concreto] para [objetivo]. Contexto: [datos relevantes]. Audiencia: [quién lo usará y nivel]. Restricciones: [longitud, tono, límites, fuentes, fuera de alcance]. Formato de salida: [estructura exacta]. Criterios de calidad: [cómo evaluar]. Si falta información importante, haz preguntas antes de finalizar.

No tienes que usar todos los campos siempre. Para tareas simples basta con objetivo, contexto y formato. Para tareas de alto riesgo o publicación externa, añade verificación, fuentes y revisión final.

FAQ: por qué mi prompt largo sigue dando malas respuestas

Porque longitud no es lo mismo que claridad. Un prompt largo puede incluir contexto irrelevante, instrucciones contradictorias o ninguna prioridad. Elimina lo que no cambie la respuesta y ordena la solicitud por tarea, contexto, límites y formato.

FAQ: cómo evito respuestas demasiado genéricas

Añade audiencia, caso de uso, restricciones reales y un ejemplo del nivel de detalle esperado. También puedes pedir que descarte consejos obvios y priorice acciones específicas para tu situación.

FAQ: cuándo debo dividir un prompt en varios pasos

Divídelo cuando haya más de una operación importante: investigar, resumir, evaluar, reescribir, traducir, convertir formato o decidir. Separar pasos te permite revisar el razonamiento práctico antes de aceptar el resultado final.

Siguiente paso práctico

Después de reescribir tu prompt, pégalo en la herramienta Prompt Quality Check de este sitio para revisar claridad del objetivo, contexto, restricciones, tono, formato de salida y señales de riesgo antes de usarlo en una tarea real.