Plantillas y depuración

El problema del eterno volver a empezar

Hagamos cuentas con Sofía. Cada semana, escribe: tres posts de LinkedIn, dos newsletters, una decena de respuestas a reseñas de clientes, reformulaciones de emails. Para cada una de estas tareas, reinventa su prompt cada vez — de memoria, con variaciones involuntarias, y resultados en dientes de sierra. ¿Los buenos prompts que escribió el mes pasado? Perdidos en el historial de conversaciones.

Es el último escalón de este curso, y el más rentable: pasar de la artesanía (reescribir cada vez) al utillaje (capitalizar lo que funciona). Los cuatro capítulos anteriores te enseñaron a escribir un buen prompt; este te enseña a no volver a escribirlo nunca más.

Identificar tus prompts ganadores

Cuando un prompt da un excelente resultado, el reflejo a instalar de inmediato: guárdalo. No mentalmente — en una nota dedicada. Luego identifica lo que, en ese prompt, es permanente (el rol, el tono, las restricciones, la estructura) y lo que es variable (el tema del día, el texto a procesar, la longitud objetivo). Reemplaza las partes variables por campos {{ }}: acabas de crear una plantilla.

[PLANTILLA — Reescritura de email]
Eres {{rol}}.
Reescribe este email para que sea {{objetivo: más corto / más cálido / más firme}}:
{{email}}
Restricciones: máx. {{n}} palabras, tono {{tono}}.

Fíjate en la convención de escritura: el campo {{objetivo}} lista sus valores habituales directamente en la plantilla. Dentro de tres semanas, habrás olvidado lo que ponías en ese campo — la plantilla te lo recuerda. Una buena plantilla se basta a sí misma: cualquier colega debe poder rellenarla sin hacerte una pregunta.

Anatomía de una plantilla robusta

Todos los aprendizajes del curso convergen aquí. Una plantilla robusta contiene: un rol con audiencia (capítulo 4), un bloque de contexto permanente sobre tu empresa y tu público (capítulo 1), la tarea con sus campos variables, ejemplos few-shot si el formato es específico (capítulo 2), las restricciones y el formato de salida (capítulos 1 y 4), y si la tarea es analítica, el guiado del razonamiento con una línea «Respuesta:» (capítulo 3).

[PLANTILLA — Post LinkedIn producto]
Eres una responsable de comunicación B2B que escribe para restauradores con prisa, poco tecnológicos. Tono: directo, concreto, nunca corporativo.

Ejemplos de nuestro estilo:
{{2 posts existentes de los que estés orgulloso}}

Tarea: redacta un post de LinkedIn sobre {{tema}}, ángulo {{ángulo: ahorro de tiempo / testimonio / cifra clave}}.

Restricciones: 80-120 palabras, gancho en forma de pregunta, 1 beneficio con cifras, llamada a la acción final, ningún signo de exclamación, sin hashtags.

Esta plantilla encapsula horas de iteraciones pasadas. Ese es el efecto de capitalización: cada mejora encontrada una vez beneficia a todos los usos futuros. Al cabo de tres meses, tus plantillas codifican una pericia que ni tú ni tus colegas necesitáis ya recuperar de memoria.

Construir tu biblioteca (y mantenerla viva)

Tres o cuatro plantillas no requieren ninguna organización. Pero con quince, necesitas una biblioteca: una nota o un documento por proyecto, con para cada plantilla un nombre claro orientado a la tarea («Reescritura email — suavizar», no «prompt 7»), la plantilla en sí, un ejemplo de salida exitosa debajo (para verificar de un vistazo que es la correcta), y la fecha de la última actualización.

¿Dónde almacenarla? Donde ya trabajas: una nota de Notion u Obsidian, un documento compartido, incluso un simple archivo de texto. La herramienta importa poco; la rutina importa: cada viernes, dos minutos para trasladar a la biblioteca los buenos prompts de la semana. Sofía también transformó sus tres plantillas más usadas en «GPTs» personalizados — la plantilla se convierte en el prompt de sistema (capítulo 1), y ya solo queda rellenar los campos en el día a día.

Bonus de equipo: una biblioteca compartida alinea a todo el mundo. Cuando el becario de Sofía redacta un post con la plantilla de la casa, produce el tono de la marca desde su primer día — la pericia de prompts de Sofía se ha convertido en un activo del equipo, no en un saber dentro de su cabeza.

Depurar un mal resultado: el método

Incluso con herramientas, un prompt te decepcionará regularmente. El reflejo amateur: reescribirlo todo al azar, o peor, relanzar el mismo prompt esperando un milagro. El reflejo pro: diagnosticar antes de modificar, repasando los ingredientes en orden:

• ¿Falta contexto? → añade quién eres y la situación.
• ¿Tarea ambigua? → precisa la acción esperada.
• ¿Formato sin precisar? → impón longitud y estructura.
• ¿Sin ejemplo? → añade 1-2 ejemplos (few-shot).

El 80 % de los malos prompts carecen de uno solo de estos elementos. Añade el ingrediente que falta en lugar de empezar de cero — y no cambies más que una cosa a la vez. Si modificas tres elementos de golpe y mejora, no sabes cuál actuó, y tu biblioteca no aprende nada. La depuración de prompts sigue la misma higiene que la depuración de código: una hipótesis, un cambio, una prueba.

flowchart TD
  B["Mal resultado"] --> Q1{"¿Falta contexto?"}
  Q1 -->|"Sí"| F1["Añade quién eres + la situación"]
  Q1 -->|"No"| Q2{"¿Tarea ambigua?"}
  Q2 -->|"Sí"| F2["Precisa la acción esperada"]
  Q2 -->|"No"| Q3{"¿Formato ausente?"}
  Q3 -->|"Sí"| F3["Impón longitud + estructura"]
  Q3 -->|"No"| F4["Añade 1-2 ejemplos few-shot"]

Una técnica de diagnóstico infrautilizada: pregunta al propio modelo. «Aquí está mi prompt y la salida obtenida. La salida es demasiado genérica: ¿qué falta o se presta a confusión en mi prompt?» El modelo es sorprendentemente bueno detectando las ambigüedades de tus consignas — es tu primer revisor de prompts, gratuito y disponible.

Las trampas del prompt sobrecorregido

La depuración tiene su exceso inverso: el prompt obeso. A fuerza de añadir una consigna a cada decepción, algunos prompts se convierten en muros de quince restricciones — varias de las cuales se contradicen («sé exhaustivo» + «máximo 100 palabras»; «tono cálido» + «estrictamente factual»). Ante instrucciones contradictorias, el modelo arbitra en silencio, y pierdes el control de lo que realmente se aplica.

Regla de higiene: con cada nueva restricción, pregúntate si una restricción existente queda obsoleta o contradictoria. Y periódicamente, haz una pasada en limpio: parte de la plantilla desnuda (rol + tarea + formato) y reintroduce solo las restricciones cuya ausencia degrada visiblemente el resultado. Te sorprenderá la cantidad de consignas acumuladas que ya no servían para nada.

La palabra final: una competencia que se compone

Recapitulemos el camino de Sofía. Capítulo 1: sus prompts ganaron un esqueleto (contexto, tarea, formato). Capítulo 2: sus ejemplos reemplazaron a sus adjetivos. Capítulo 3: sus cálculos y análisis se volvieron verificables. Capítulo 4: sus salidas respetan un registro y formatos explotables. Capítulo 5: todo ello está capitalizado en una biblioteca que mejora cada semana. El mismo modelo que el primer día — resultados sin comparación.

Esa es la verdadera naturaleza del prompt engineering: no una colección de trucos mágicos, sino una competencia de comunicación estructurada que se compone con el tiempo. Los modelos cambiarán; la capacidad de formular una necesidad precisa, de mostrar con ejemplos, de exigir lo verificable y de capitalizar lo que funciona seguirá siendo tu ventaja. Te toca a ti.