Tu Prompt Está Bien. Lo Que Falta Es el Ejemplo.
Cuando la respuesta vuelve mal, casi todo el mundo recurre al mismo arreglo: más adjetivos. Más claro. Más directo. Más profesional. Menos corporativo.
Ninguna de esas palabras significa nada. Ni para el modelo ni —si somos honestos— para ti, no con la precisión suficiente para actuar. "Profesional" es un voto, no una instrucción. El modelo lo resuelve de la única forma que puede: promediando a todos los que alguna vez usaron esa palabra. Ese promedio es exactamente el texto que sigues rechazando.
La solución no es una descripción mejor. Es un ejemplo.
Cuatro pasos.
1. Muestra un resultado que habrías aceptado
Antes de escribir nada, aquí tienes un resultado que yo habría aceptado: [pégalo].
No lo copies. Dime qué está haciendo — estructura, longitud de las frases, cómo abre, qué se niega a hacer.
Después escribe el mío con la misma especificación.
La instrucción que importa es no lo copies. Sin ella recibes una paráfrasis de tu ejemplo disfrazada con tu tema.
Obligarlo a describir el ejemplo primero no es ceremonia. Es una prueba que puedes leer: si la descripción está mal, has cazado el malentendido antes de que te costara un borrador. Y, más a menudo de lo que esperarías, la descripción te dice algo sobre tu propio criterio que nunca habías puesto en palabras.
2. Muestra uno que habrías rechazado
Aquí tienes uno que yo habría rechazado: [pégalo].
Di la diferencia entre este y el aceptado en una sola frase. No "es menos atractivo" — la diferencia mecánica real.
Esa frase es la regla. Repítemela antes de escribir.
Un ejemplo da una dirección. Dos dan una frontera, y la frontera es lo que llevabas todo el rato intentando describir.
Aquí el casi-acierto vale más que el desastre. Un ejemplo obviamente pésimo no enseña nada — la distancia es demasiado grande para ser informativa. Elige el que estuvo a punto, el que rechazaste en la segunda lectura. La línea entre casi y sí es la lección entera.
Prohíbe "atractivo", "soso", "genérico" en la respuesta. Son veredictos. Tú quieres la causa.
3. Oblígalo a enunciar la regla
A partir de esos dos ejemplos, escribe la regla como una instrucción que otra persona pueda seguir sin ver ninguno de los dos.
Si tu regla necesita los ejemplos para tener sentido, todavía no es una regla — es una descripción. Inténtalo otra vez.
Este es el paso que convierte una buena respuesta en una respuesta repetible.
Una regla que sobrevive sin sus ejemplos es portátil: va a tu prompt guardado, a las instrucciones del proyecto, a la guía de estilo del equipo. Una regla que se deshace sin ellos ("escríbelo más como el primero") hay que reenseñarla en cada sesión, y vas a repegar esos ejemplos el resto de tu vida.
La prueba es exigente a propósito. La mayoría de los primeros intentos falla, y el segundo suele ser el que vale la pena guardar.
4. Pruébala con algo nuevo
Ahora aplica esa regla a esto, que ninguno de los ejemplos cubre: [nuevo input].
Después dime dónde la regla dejó de bastar, y qué hiciste en su lugar. Ese hueco es el próximo ejemplo que te debo.
Una regla que solo funciona en los casos de los que salió no es una regla — es un recuerdo.
La última pregunta es la que acumula intereses. Cada vez que haces esto, el modelo te dice exactamente qué ejemplo le falta a tu conjunto. Añádelo. A las tres o cuatro rondas dejas de escribir prompts y pasas a mantener una pequeña biblioteca de decisiones que ya tomaste.
Por qué esto funciona cuando los adjetivos no
Una instrucción describe el objetivo. Un ejemplo es el objetivo.
Todo lo que de verdad te importa — ritmo, cuánto explica antes de comprometerse, si titubea, dónde para — vive en el espacio entre las frases, y para la mayor parte de eso no hay vocabulario. Llevas tiempo intentando comprimir un criterio en una palabra, y el criterio no se comprime.
Así que deja de pagar el coste de la compresión. Enseña la cosa.
El método entero cabe en una frase: las instrucciones describen, los ejemplos deciden. Si te sorprendes escribiendo "hazlo mejor", ya sabes qué deberías estar pegando.
---
Los cuatro prompts están en el carrusel de [Instagram](https://instagram.com/sharpaihub).
¿Quieres la versión tranquila de noticias de IA como esta, una vez por semana? Suscríbete a la newsletter de Sharp AI Hub →