Ingeniería de prompts y de contexto para ONG

1. Por qué es importante
2. Técnicas de ingeniería de prompts
3. Ingeniería de contexto
4. Otros consejos sobre prompts
5. El futuro de la IA y la ingeniería de prompts

1. Introducción

Si trabajas en el sector de las ONG, ya conoces la lucha diaria: intentar alcanzar objetivos ambiciosos con recursos muy limitados. 

Imagina tener a un miembro del equipo incansable, creativo y con muchos conocimientos, disponible las 24 horas del día para ayudarte. Ese es el potencial de la IA, y esta guía te mostrará cómo aprovecharlo mediante el poder de la ingeniería de prompts.

Las herramientas de IA como ChatGPT pueden ayudarte mucho con tu trabajo, pero tienes que saber cómo “hablarles” para obtener los mejores resultados. Es una habilidad nueva que la mayoría de la gente todavía no tiene. 

En muchos casos, las personas que se quejan de los resultados de la IA no están usando bien las herramientas. Enviar los mensajes adecuados (los prompts) puede marcar una gran diferencia.

¿Qué es la ingeniería de prompts?

La ingeniería de prompts es el arte de crear instrucciones precisas («prompts») para las herramientas de IA, de forma que puedan ofrecer resultados más útiles y fiables. 

Se trata de aprender a pedir exactamente lo que necesitas, para que la IA te entienda perfectamente. 

Si le das a la IA instrucciones vagas y genéricas, obtendrás resultados vagos y genéricos. 

Saber preguntar bien es clave para aprovechar todo el potencial de la IA. Sin los prompts adecuados, la IA nunca ofrecerá resultados realmente buenos. 

¿Por qué es importante?

La ingeniería de prompts puede aportar grandes ventajas a las ONG: 

• Ahorra tiempo y recursos: los prompts adecuados te darán resultados excelentes, casi listos para publicar, de forma que puedas lanzar cosas estupendas en minutos en lugar de semanas.
• Impulsa la creatividad: obtén ideas realmente útiles para tus campañas, la captación de fondos, la resolución de problemas, etc. Todo adaptado al contexto y las necesidades de tu organización. 
• Mejora la comunicación: crea mensajes convincentes para diferentes públicos. Y asegúrate de que tus mensajes estén alineados con tu misión
• Mejora la toma de decisiones: consigue más datos, conclusiones, tendencias y otra información útil para diseñar tus estrategias. Te ayudará a tomar decisiones mejor informadas y a cometer menos errores.

Cómo funcionan los LLM 

Los LLM (grandes modelos de lenguaje, por sus siglas en inglés) son el “cerebro” detrás de muchas herramientas de IA, como ChatGPT, Google Gemini, Microsoft Copilot y otras.

Los LLM se entrenan con enormes cantidades de texto (páginas web, libros, artículos científicos, etc.) para entendernos y generar respuestas. Pero no recuerdan ni piensan como los humanos: usan estadística para predecir el texto que tiene más probabilidades de venir a continuación (a partir de lo que tú escribes) *.

¿Qué significa esto para ti? Significa que la calidad del resultado depende de la calidad de lo que introduces (tu prompt). Escribir buenos prompts no es solo útil, es esencial.

Componentes clave de un buen prompt

Un buen prompt es como una receta bien escrita. ¡Tiene todos los ingredientes para el éxito!

No todas las tareas necesitan los mismos ingredientes en el prompt, pero esta es una buena receta general:

• Da instrucciones claras: explica tus objetivos con detalle (evita frases cortas y vagas), indica si hay restricciones o limitaciones que tener en cuenta, y si la IA debe actuar con un rol concreto…  
• Explica tu contexto. Aporta información relevante sobre tu organización, detalles importantes del proyecto o tarea actual, el tono y el estilo de escritura que buscas…
• Pon ejemplos. Muéstrale a la IA lo que buscas. Aún mejor si puedes aportar unos cuantos ejemplos completos del tipo de resultado que quieres obtener. 
• Especifica el formato. Indica el formato del resultado (por ejemplo, una lista con viñetas, una tabla, un poema, un correo, etc.), sobre todo si no aportas ejemplos completos en ese formato. 

Ejemplo:

En lugar de usar un prompt vago como: «Dame buenas ideas de captación de fondos», prueba algo más específico y concreto:

Somos una ONG pequeña centrada en el rescate de animales en zonas urbanas del Reino Unido. Nuestro público objetivo son jóvenes profesionales que nos encuentran a través de redes sociales (sobre todo Instagram y TikTok).

Sugiere cinco ideas creativas de eventos de captación de fondos que se puedan celebrar en un parque de la ciudad, con un presupuesto de menos de 1000 $.

El tono debe ser divertido y cercano, y el evento debe resultar atractivo para personas que quizá no conozcan todavía nuestra organización. Aquí tienes 3 buenos ejemplos:
[EJEMPLOS]

Para cada idea, explica por qué nos resulta interesante, aporta una lista de comprobación con los pasos recomendados para poner en marcha esos eventos (mejor si son opciones gratuitas o de bajo coste) y menciona los posibles riesgos (con ideas para minimizarlos)

Si aportas detalles claros, la IA te dará respuestas más concretas y relevantes.

Usar la ingeniería de prompts para reducir riesgos

La IA es potente, pero no es perfecta y a veces puede cometer errores graves. 

Las ONG suelen tratar con temas delicados, públicos diversos y cuestiones complejas. 

La ingeniería de prompts puede ayudarte a afrontar estos retos y reducir riesgos como el sesgo, un tono inadecuado o un daño involuntario.

Estrategias para reducir riesgos:

Mitiga el sesgo: pide explícitamente que se use un lenguaje inclusivo, que se eviten estereotipos o suposiciones, y aporta ejemplos de perspectivas diversas…

Asegúrate de que el lenguaje sea inclusivo con todos los géneros, etnias y niveles socioeconómicos. Evita hacer suposiciones sobre estructuras familiares o normas culturales.

Define el tono adecuado: define con claridad el tono que quieres transmitir (por ejemplo, cercano, esperanzador, profesional..) o aporta ejemplos escritos con ese tono.

El tono debe ser optimista, esperanzador y compasivo, y debe destacar el impacto positivo que este programa tendrá en las personas y en la comunidad.

Evita temas delicados: indica qué temas o expresiones se deben evitar.

Evita cualquier referencia política, afiliación religiosa o lenguaje potencialmente polémico que pueda molestar o alejar a posibles donantes o voluntarios. 

Comprueba la exactitud: la IA a veces puede generar información incorrecta o desactualizada, lo que se conoce comúnmente como “información inventada por la IA”. Para reducir este riesgo, puedes usar herramientas de IA que puedan buscar datos actualizados y enlazar sus fuentes  (por ejemplo, Perplexity o NotebookLM).

Protege la privacidad: evita compartir datos sensibles en los prompts y documentos que aportas. También puedes pedirle a la IA que anonimice los resultados y que no genere ninguna información de identificación personal (PII, por sus siglas en inglés). 

Usa prompts para simular posibles reacciones del público: «¿Cómo podría reaccionar una persona simpatizante (muy sensible al tema X) ante esta afirmación? ¿Hay algo en este texto que pudiera generar una reacción negativa del público?»

Comparte prompts “más seguros” con tus compañeros: facilita que todo el equipo use prompts con menos riesgo. Incluso podéis crear una biblioteca interna de prompts para reunir vuestros mejores prompts. 

Revisa e itera: comprueba siempre los resultados que te dan las herramientas de IA. Si algo no te convence, sugiere cambios en la propia conversación o mejora el prompt original hasta conseguir el resultado que buscas.

2. Técnicas de ingeniería de prompts

En este capítulo veremos técnicas avanzadas que te ayudarán a dominar el arte de crear prompts eficaces.

Estas técnicas te permitirán guiar a las herramientas de IA con precisión y aprovechar todo su potencial.

Experimenta con distintas técnicas. Puede que combinar métodos (como el few-shot con el prompting iterativo) dé los mejores resultados para algunas tareas. 

Few-shot prompting

Con el few-shot prompting le das a la IA unos cuantos ejemplos (“shots”) de los que aprender. 

Pueden ser “ejemplos completos” (copiar todo el texto y pedirle a la IA un resultado parecido) o “ejemplos parciales” (mencionar frases, conceptos, estilos o estructuras concretas que te gusten). 

A veces basta con 1 o 2 ejemplos para obtener buenos resultados, pero para tareas importantes o frecuentes puede merecer la pena añadir más ejemplos. 

Puedes copiar el texto de los ejemplos directamente en el prompt o subirlos como documentos. 

Es una técnica potente para guiar a la IA hacia un estilo o tipo de resultado concreto.

A veces también es más rápido copiar unos cuantos ejemplos ya existentes que escribir un prompt largo intentando explicar todos los detalles de lo que quieres. 

Ventajas

• Mejora la calidad del resultado: la IA puede imitar el estilo, el tono y el formato de los ejemplos, lo que da resultados más coherentes.
• Reduce la ambigüedad: al mostrarle a la IA lo que quieres, reduces las probabilidades de que malinterprete tus instrucciones.

Ejemplo

Aquí tienes tres ejemplos de publicaciones de redes sociales que funcionaron bien en nuestras galas anteriores:

[Ejemplo 1]:

[Ejemplo 2]:

[Ejemplo 3]:

Ahora, escribe cinco publicaciones nuevas de redes sociales para la gala de este año, manteniendo un tono y estilo parecidos, e incluyendo una llamada a la acción para comprar entradas.

NOTA: si tu organización tiene una guía de estilo o un documento de directrices de marca, puedes usar fragmentos de él como ejemplos para asegurarte de que el resultado de la IA se ajusta a vuestra voz y tono habituales.

Chain-of-thought prompting

El chain-of-thought prompting (CoT) consiste en animar a la IA a «pensar en voz alta» y mostrar su razonamiento paso a paso.

En lugar de pedir solo la respuesta final, le indicas a la IA que descomponga el problema en pasos más pequeños y explique su razonamiento en cada uno.

Si buscas resultados concretos, puedes incluir tú mismo los primeros pasos del razonamiento en tu propio prompt y pedirle a la IA que continúe (para guiarla por una “ruta de razonamiento” concreta, de forma que no se pierda por otros caminos menos productivos). 

También puedes combinar el CoT con el few-shot prompting (pidiendo pasos de razonamiento y aportando ejemplos al mismo tiempo)

Esta técnica es especialmente útil para tareas complejas que requieren razonamiento lógico o resolución de problemas.

Ventajas

• Mejora la precisión: al descomponer el problema, es más probable que la IA llegue a una solución correcta y bien razonada.
• Facilita la depuración: si la IA se equivoca, puedes identificar en qué punto falló el razonamiento y ajustar el prompt en consecuencia.

Ejemplo

Imagina que estás evaluando la eficacia de una campaña reciente de captación de voluntarios. En lugar de preguntar simplemente, "¿Ha funcionado bien nuestra campaña de captación de voluntarios?", podrías usar el CoT así:

Analiza la eficacia de nuestra campaña reciente de captación de voluntarios.

Primero, identifica los indicadores clave de rendimiento (KPI) que deberíamos tener en cuenta.

Segundo, compara los resultados reales de cada KPI con nuestros objetivos iniciales.

Tercero, a partir de esa comparación, explica si la campaña cumplió, superó o quedó por debajo de nuestras expectativas.

Por último, sugiere tres mejoras concretas que podríamos aplicar en futuras campañas de captación.

Role-playing prompting

El role-playing prompting consiste en asignarle a la IA una persona o un rol concreto para que lo interprete.

Puede ser simplemente una frase sencilla dentro de un prompt normal, que sirve para darle a la IA algo de contexto adicional. Algo como “Eres una persona experta en campañas de redes sociales para ONG, especializada en dar ideas para conseguir más seguidores”.  

Pero también puede ser algo más interactivo y complejo, en el que creas toda una personalidad para la IA y luego mantienes conversaciones largas con esa “persona de IA”. 

Por ejemplo, hay muchos GPT personalizados entrenados para actuar como coaches, personas consultoras especializadas o incluso personajes famosos. 

Puedes construir esa personalidad aportando instrucciones detalladas (cómo debe comportarse), muchos ejemplos (cosas que esa “persona de IA” debería saber o decir) o ambas cosas. Puedes usar texto, documentos y, a veces, enlaces para aportar esa información. 

Ventajas

• Aporta una perspectiva distinta: la IA puede darte ideas que quizá no habrías considerado de otra forma. También puedes comprobar si da respuestas muy diferentes según el rol. 
• Crea un recurso duradero: sobre todo si construyes y guardas una personalidad detallada (por ejemplo, como un GPT personalizado en ChatGPT o un Gem en Gemini). Puedes volver a ella fácilmente cada vez que tengas preguntas o tareas nuevas en las que esa “persona de IA” pueda ayudar. Además, puedes compartirla con tu equipo o con el público en general. 

Ejemplos

La experta en redes sociales

Eres una persona experta en redes sociales especializada en crear contenido atractivo para ONG. Entiendes los matices de las distintas plataformas y sabes cómo redactar mensajes que conecten con públicos diversos. Ayúdame a mejorar nuestras estrategias y publicaciones en redes sociales para aumentar el alcance y la interacción.

El gran donante

Eres un posible gran donante apasionado por el bienestar animal. Estás valorando hacer una contribución importante a nuestra organización, pero tienes algunas preguntas y dudas. Yo te daré información sobre nuestros programas, y tú responderás como posible donante, haciendo preguntas y expresando las reservas que puedas tener.

Prompting iterativo

El prompting iterativo es como mantener una conversación con la IA, en la que vas refinando tus prompts y dando feedback para guiarla hacia el resultado que buscas.

Empiezas con un prompt normal y luego envías otros mensajes para afinar los resultados (ajustar instrucciones, añadir contexto, corregir malentendidos…)

El proceso iterativo puede empezar incluso antes: puedes pedirle a la IA que te dé feedback sobre tu prompt inicial y que te ayude a mejorarlo. 

El prompting iterativo se puede combinar con otras técnicas de prompting (la mayoría de los prompts mejoran si los pruebas e iteras un poco). 

Ventajas

• Rápido y flexible: puedes empezar con un prompt corto o genérico  e ir ajustándolo según los resultados, en lugar de dedicar mucho tiempo a pensar y construir un prompt grande y detallado desde cero. 
• Facilita el aprendizaje: es como un proceso colaborativo entre tú y la IA, así que te permite aprender cómo “piensa” la IA y cómo mejorar tus prompts en consecuencia.

Ejemplo

1. Prompt inicial: «Escribe un correo pidiendo donaciones para nuestra campaña de fin de año».
2. Iteración 1: «El correo está bien, pero es demasiado largo. Hazlo más corto y contundente, centrándote en la urgencia de la necesidad».
3. Iteración 2: «El tono es un poco demasiado formal. ¿Puedes hacerlo más cercano y emotivo? Incluye un párrafo breve que resuma este testimonio de un donante: [COPIA EL TESTIMONIO] 
4. Iteración 3: «Así está mucho mejor. Ahora añade una llamada a la acción clara con un enlace a nuestra página de donaciones, y sugiere tres líneas de asunto distintas para el correo».

Prompts para generadores de imágenes y vídeo con IA

Ahora hay muchos generadores de imágenes con IA excelentes (Dall-E, Midjourney, Flux…) y el vídeo con IA también está creciendo mucho (Runway, Kling, Luma…). 

Te permiten crear imágenes impresionantes a partir de simples descripciones de texto, lo que te ayuda a mejorar tu web y tus comunicaciones, crear contenido más atractivo, diseñar merchandising bonito, etc.

Puedes generar en segundos, y gratis (o casi), contenido visual que antes requería grandes inversiones y varias semanas de trabajo. 

Algunas de las recomendaciones generales sobre prompts también sirven para los generadores de imágenes y vídeo, pero hay además algunos consejos específicos:

• Sé muy descriptivo: cuantos más detalles aportes, mejor entenderá la IA lo que tienes en mente. Hay millones de imágenes y estilos posibles, y la IA no puede leerte el pensamiento. Describe el sujeto, la composición, los colores, el ambiente y cualquier otro aspecto relevante. Por ejemplo, en lugar de «una foto de un gato», prueba con «un primer plano fotorrealista de un gato atigrado naranja y peludo, con ojos verdes, sentado bajo un rayo de sol, con el fondo desenfocado».
• Prueba con palabras clave concretas: para conseguir el estilo que buscas, a veces es más útil incluir unas pocas palabras importantes que una explicación larga. Pueden estar relacionadas con el estilo, el movimiento artístico, el artista o la técnica que quieres. Cosas como “al estilo de Van Gogh», «fotorrealista», “pintura al óleo”, «iluminación cinematográfica»,  «pixel art», “anime”, “ilustración monocromática”, etc.
• Revisa ejemplos: hay muchas comunidades donde se comparten prompts de imágenes y sus resultados, como PromptHero. Pueden servirte de inspiración y darte un prompt inicial para empezar a refinar.
• Usa imágenes como prompt: algunas plataformas te permiten aportar una imagen como punto de partida o referencia para la IA. Esto puede ayudar a guiar el estilo o la composición. A veces también puedes combinar varias imágenes en una sola.

Ejemplo

Genera una imagen para una publicación en redes sociales con la que captar voluntarios para nuestro huerto comunitario.

La imagen debe mostrar a un grupo diverso de voluntarios de distintas edades trabajando juntos en un huerto verde y frondoso, con luz solar intensa y un cielo azul despejado. Deben aparecer sonriendo y disfrutando.

Estilo de pintura al óleo, no fotorrealista.

Incluye el texto "Únete a nuestro huerto comunitario" con una tipografía serif elegante.

3. Ingeniería de contexto

La ingeniería de contexto es un concepto nuevo muy relacionado con la ingeniería de prompts, pero está cobrando tanta importancia que merece su propio apartado.

Se trata básicamente de qué «información adicional» le damos a la IA para cada tarea. No son las instrucciones que damos en el prompt, sino todos los demás datos que la IA tendrá en cuenta mientras sigue esas instrucciones. Puede ser:

• Texto que copiamos en los prompts (por ejemplo, ejemplos, plantillas, etc.)
• Archivos que subimos a las herramientas de IA
• Datos que aportamos mediante integraciones o API (por ejemplo, Google Drive, Slack, bases de datos…)
• Datos que provienen de funciones nativas de la propia herramienta de IA (por ejemplo, la memoria a largo plazo, las instrucciones del sistema…)

Desde un punto de vista más estratégico, la ingeniería de contexto podría definirse como el proceso sistemático de recopilar y organizar el conocimiento de tu organización, para que la IA pueda entender tu situación concreta y ofrecer resultados relevantes.

Por qué el contexto es importante

Por defecto, las herramientas de IA no saben nada sobre tu organización, sus necesidades, etc. Sin tu contexto específico, te darán consejos genéricos que no encajan con tu misión, tu público o tus limitaciones. La ingeniería de contexto garantiza que la IA entienda tu situación particular.

Así que tienes que darle a la IA tu contexto específico. Pero hay un matiz importante: tienes que pensar qué contexto le das a la IA para cada tarea concreta, no puedes limitarte a subir docenas de archivos y esperar que la herramienta de IA lo resuelva sola.

Hay varias razones por las que hay que elegir el contexto con cuidado, en lugar de darle a la IA un montón de archivos o datos al azar:

• Los modelos de IA tienen una ventana de contexto limitada. Eso significa que solo pueden procesar una cantidad determinada de información en cada tarea. Si les damos más datos de los que pueden procesar, los ignorarán o empezarán a «olvidar» datos anteriores. Además, varios estudios han demostrado que, incluso dentro de su ventana de contexto, el rendimiento puede empeorar cuando la IA tiene que procesar mucha información. Por ejemplo, a una herramienta de IA le puede costar más encontrar información en un documento de 100 páginas que en uno de 10 páginas.
• Cada palabra que le damos a los modelos de IA influye en su resultado, no deberíamos esperar que las herramientas de IA sean buenas filtrando o ignorando la información que les damos. Es poco probable que hagan algo como «esta persona me ha dado este ejemplo, pero es bastante malo, así que lo voy a ignorar por completo». Así que la mayoría de las veces obtendremos mejores resultados si solo aportamos los mejores ejemplos o datos, en lugar de dar un montón de datos aleatorios que puedan confundir a la IA, o ejemplos mediocres que la lleven a dar resultados mediocres.
• Siempre es mejor darle a cualquier herramienta online (incluidas las de IA) solo los datos que realmente necesita. Compartir muchos datos = más riesgo. Por ejemplo, si compartes todo tu Google Drive podrías estar subiendo información sensible que acabe hackeada o incluida en el entrenamiento de futuros modelos de IA (si se sube sin la configuración de privacidad adecuada).
• Contextos más largos = respuestas más lentas y mayor consumo de energía. Si el modelo de IA tiene que procesar más información (tokens), tardará más en «pensar», los servidores estarán funcionando más tiempo, etc. Así que es más rápido y eficiente darle a los modelos de IA solo el contexto más relevante para cada tarea.

Crea y comparte tus plantillas de contexto

Ya sabemos que no podemos darle a la IA un montón de información aleatoria y esperar resultados increíbles. Pero, al mismo tiempo, si tuviéramos que crear el contexto relevante desde cero cada vez que queremos preguntarle algo a la IA, nos llevaría muchísimo tiempo. Necesitamos una solución más eficiente.

La mejor solución es crear varias plantillas de contexto que podamos reutilizar para distintas tareas. Estas plantillas pueden ser archivos o incluso bases de datos, pero normalmente es mejor que sean simples bloques de texto (son más fáciles de copiar en cualquier herramienta, editar rápido, reordenar, etc.)

Piensa en ello como crear un «perfil de conocimiento» de tu organización que puedas reutilizar en todas tus interacciones con la IA.

No se trata de usar exactamente las mismas plantillas para cada tarea, sino de tener un buen punto de partida y luego elegir qué bloques son relevantes para tu tarea actual, quizá editándolos un poco para ese proyecto concreto, etc.

Compartir las mismas plantillas de contexto con vuestros compañeros ayuda a vuestra organización a ahorrar mucho tiempo y también a mejorar los resultados:

• Podéis conseguir buenos resultados de forma constante, ya que todos usáis los mejores prompts y los mejores datos disponibles
• Protege la voz de marca y la reputación de vuestra organización (tenéis unos estándares compartidos en lugar de «improvisaciones» individuales)
• Reduce riesgos (por ejemplo, compartir datos confidenciales o sensibles con herramientas de IA)

Paso 1: prepara el contexto general

Crea una «plantilla de contexto general» con los elementos clave que definen tu organización, como:

PERFIL DE LA ORGANIZACIÓN:
- Misión: [Vuestra declaración de misión]
- Programas principales: [Enumera de 3 a 5 programas clave]
- Beneficiarios a los que os dirigís: [A quién atendéis, con datos demográficos concretos]
- Ámbito geográfico: [Local, regional, nacional, internacional]
- Rango de presupuesto anual: [Esto afecta a todas las recomendaciones]
- Tamaño del equipo: [Afecta a la capacidad de ejecución]

PERFILES DE PÚBLICO:
- Donantes principales: [Edad, ingresos, intereses, valores, preferencias de comunicación]
- Voluntariado: [Datos demográficos, motivaciones, disponibilidad, habilidades]
- Personas beneficiarias: [Descripción detallada, incluyendo retos, necesidades, preferencias]
- Entidades colaboradoras: [Otras organizaciones, administraciones públicas, empresas]

VOZ Y VALORES:
- Personalidad de marca: [Profesional pero cercana, de base y apasionada, etc.]
- Mensajes clave: [De 3 a 5 mensajes centrales que queréis comunicar siempre]
- Palabras o frases que usamos: [La terminología preferida de vuestra organización]
- Palabras o frases que evitamos: [Lenguaje que no encaja con vuestra marca]
- Directrices de tono: [Grado de formalidad, emotividad, urgencia, esperanza, etc.]

LIMITACIONES Y RECURSOS:
- Limitaciones de presupuesto: [Qué podéis o no podéis gastar en las distintas actividades]
- Capacidad del equipo: [Qué podéis ejecutar de forma realista]
- Requisitos de cumplimiento normativo: [Requisitos legales, normativos o de financiadores]
- Limitaciones tecnológicas: [Qué herramientas o plataformas podéis usar]

Paso 2: prepara el contexto específico

Para cada campaña o proyecto importante, recopila la información clave:

CONTEXTO DEL PROYECTO:
- Objetivo del proyecto: [Resultado concreto y medible]
- Cronograma: [Fecha de inicio, hitos clave, fecha límite]
- Presupuesto: [Recursos disponibles para este proyecto]
- Público objetivo: [Subgrupo concreto de vuestros públicos]
- Métricas de éxito: [Cómo vais a medir el impacto]
- Campañas similares anteriores: [Qué funcionó, qué no funcionó, lecciones aprendidas]

Paso 3: usa esas plantillas de contexto en tus prompts

Reutiliza esas plantillas (quitando las partes que no sean relevantes) para conseguir respuestas personalizadas en segundos:

CONTEXTO: [Pega aquí los bloques de contexto relevantes]

TAREA: [Tu solicitud concreta]

Este enfoque garantiza que cada interacción con la IA esté anclada en la realidad de tu organización, lo que da resultados mucho más relevantes y útiles.

4. Otros consejos sobre prompts

Configura las instrucciones del sistema

Algunas herramientas de IA, como ChatGPT, permiten usar instrucciones del sistema, instrucciones personalizadas u otras opciones avanzadas para guiar el comportamiento de la IA. Te dejan dar las instrucciones básicas para todas tus interacciones con la IA.

Son muy útiles para fijar las reglas y el contexto que quieres usar siempre, sin tener que escribirlos en cada conversación. Así que te pueden ahorrar mucho tiempo y mejorar la coherencia y la calidad de las respuestas que obtienes. 

Puedes usarlas para fijar cosas como:

• El estilo de escritura y el tono que quieres 
• La información clave de tu organización (misión, prioridades, recursos, retos, limitaciones…)
• Reglas para el resultado (temas o palabras que evitar, formatos preferidos…)

Si todo el mundo en vuestra organización usa las mismas instrucciones del sistema (o muy parecidas), conseguiréis resultados más coherentes. También sería más fácil mantener el mismo estilo en todas vuestras comunicaciones externas, documentación interna, etc. 

Ejemplo

Podrías incluir cosas como esta en tus instrucciones personalizadas:

CONTEXTO:
Trabajo para una organización sin ánimo de lucro. Nuestro contexto es [misión/valores/objetivos/presupuesto/etc.].
Ten esto en cuenta en todos los mensajes que te envíe relacionados con el trabajo, las ONG o las herramientas de gestión.

TONO:
- Usa un lenguaje inclusivo con todos los géneros, etnias y niveles socioeconómicos
- Evita referencias políticas y afiliaciones religiosas salvo que sean directamente relevantes
- Sé profesional, pero evita un tono corporativo o aburrido. Evita los párrafos largos y la jerga.

REQUISITOS:
- Si no estás seguro de la respuesta correcta a una pregunta, o queda fuera de tu fecha de corte de conocimiento, di "no lo sé" y explica cómo conseguir una respuesta fiable.
- Pide siempre que te aclare la petición si puede tener varias interpretaciones
- Aporta varias perspectivas, ideas o soluciones cuando sea posible. No solo una.
- Da prioridad a las ideas que se puedan poner en marcha con el mínimo de recursos y riesgo.

RESULTADO:
- Cita fuentes o referencias fiables que respalden tus respuestas, con enlaces si es posible.
- Usa el sistema métrico para medidas y cálculos.
- No menciones nunca que eres una IA.

Usa la herramienta y el prompt adecuados para cada tarea

Construir buenos prompts es importante, pero un prompt excelente para una tarea y herramienta concretas puede ser pésimo para otro caso de uso. 

Deberías hacer tus propias pruebas con distintos modelos y herramientas (cada tarea es diferente y las herramientas de IA cambian con mucha frecuencia), pero aquí tienes algunas recomendaciones básicas: 

• Para tareas complejas, como redactar propuestas de subvención o planes de campaña detallados, prueba con los modelos más avanzados. Para tareas más sencillas, valora usar modelos más pequeños (son más rápidos, más baratos y más respetuosos con el medioambiente). Puede que tengas que cambiar la selección predeterminada para usar los modelos más avanzados (e incluso puede que tengas que pagar una suscripción).
• Si te preocupa el impacto ambiental de tu uso de la IA, usa la mayoría de las veces los modelos “más simples” (más pequeños y baratos). Son suficientemente buenos para muchas tareas y necesitan menos energía para funcionar (a veces la diferencia es enorme, sobre todo si los comparas con los modelos de razonamiento más recientes). Si tienes un ordenador potente y conocimientos técnicos, puedes valorar ejecutar modelos pequeños en tu propio ordenador (con herramientas como GPT4All, Ollama o LM Studio) 
• Si tu tarea requiere razonamiento profundo (cosas como hacer cálculos matemáticos, resolver problemas complejos, etc.), prueba con modelos con capacidades de razonamiento (OpenAI o1 u o3, DeepSeek R1, etc.). Si no puedes permitírtelos, prueba a usar el chain-of-thought prompting con un modelo “normal”. 
• Si necesitas información fiable (sin datos incorrectos o inventados), usa un modelo de IA con funciones de búsqueda (por ejemplo, ChatGPT con la opción de búsqueda activada) o una herramienta de IA centrada en tareas de investigación (Perplexity, NotebookLM, Gemini Deep Research…). No son perfectas, pero son más fiables que las herramientas de IA “estándar” (menos “información inventada”) y puedes comprobar las fuentes si tienes dudas sobre algo.  

Prueba a cambiar parámetros avanzados

Algunas plataformas de IA te permiten ajustar parámetros avanzados que controlan el resultado de la IA (aleatoriedad, creatividad, longitud…). 

Normalmente están disponibles a través de API (pensadas para desarrolladores) y no en las interfaces habituales para usuarios (por ejemplo, ChatGPT). Pero los “usuarios normales” a veces pueden usarlos a través de herramientas web como OpenAI Playground o Google AI Studio.

El mismo prompt puede dar resultados muy distintos con parámetros diferentes. Así que es otra forma de optimizar los resultados de tus prompts (incluso sin cambiarlos). 

Los parámetros disponibles no son los mismos en todas las plataformas, así que es mejor consultar la documentación de la plataforma que vayas a usar. Pero aquí tienes 3 de los parámetros más comunes y útiles: 

• Temperatura: controla la aleatoriedad del resultado. Una temperatura más alta (por ejemplo, 1,0) hace que el resultado sea más aleatorio (puede ir mejor para tareas creativas), mientras que una temperatura más baja (por ejemplo, 0,2) lo hace más centrado y determinista (mejor para tareas que requieren precisión, como resumir documentos). Una temperatura de 0 puede dar un resultado muy repetitivo.
• Penalización por frecuencia: una penalización alta (número más alto) hace que el modelo evite repetir demasiado los mismos tokens o frases en el resultado. Así fomenta el uso de un vocabulario más variado y evita las frases repetitivas.
• Longitud máxima (o Max Tokens): fija el número máximo de tokens que el modelo puede generar en su respuesta. Puedes usarlo para evitar (o permitir) respuestas más largas. Si usas la API, puede interesarte bajar el valor de Max Tokens y pedir respuestas breves para reducir los costes (las API de IA suelen cobrar por token) y el impacto ambiental. 

5. El futuro de la IA y la ingeniería de prompts

Las herramientas de IA cambian y mejoran a un ritmo asombroso, así que es muy difícil predecir su futuro. Pero está bastante claro que, tarde o temprano, ocurrirán dos cosas importantes:

• Los modelos de IA serán todavía más “inteligentes” (mejor razonamiento, mejor memoria, etc.).  
• Los agentes de IA (sistemas de IA capaces de realizar muchas tareas por sí solos, sin intervención humana en algunos o todos los pasos) serán cada vez más potentes y populares. 

En cuanto a la ingeniería de prompts, esto probablemente significará dos cosas:

• Podremos tener interacciones con la IA más naturales y dinámicas, dependiendo menos de instrucciones complejas y “trucos oscuros” para conseguir los resultados que queremos. 
• Escribir buenos prompts (sobre todo aportar todo el contexto relevante y evitar instrucciones ambiguas o vagas) seguirá siendo muy importante, incluso más con los agentes de IA.  

Los “errores” con agentes de IA salen más caros que con chatbots de IA como ChatGPT, porque los agentes de IA son más lentos y costosos de ejecutar, y pueden tener acceso a servicios externos. 

Si ChatGPT genera un mal resultado, lo ignoramos o lo corregimos y ahí acaba el problema. Si un agente de IA pasa horas haciendo las tareas equivocadas, acabaremos pagando mucho por malos resultados, e incluso podemos poner en riesgo nuestra reputación o nuestro dinero (si el agente publica o compra algo que no era lo que queríamos).

Así que la ingeniería de prompts seguirá siendo muy importante en el futuro, aunque no sobrevivan todas las técnicas de prompting actuales. El aprendizaje y las pruebas continuas serán clave para obtener los mejores resultados de las nuevas herramientas de IA.  

Aunque la IA se vuelva más sofisticada, el principio fundamental se mantiene: una comunicación clara y con contexto con los sistemas de IA siempre dará mejores resultados. Las herramientas pueden cambiar, pero la necesidad de aportar buenas instrucciones y un contexto relevante seguirá ahí.

Las organizaciones que empiecen a desarrollar estas habilidades ahora tendrán una ventaja importante a medida que las capacidades de la IA sigan creciendo.