Estás corrigiendo el prompt equivocado

El output es malo. Así que reescribes el prompt. Más detalle. Reformulas. Lo intentas de nuevo. Sigue malo. Más detalle. Otro ángulo. Veinte minutos después tienes seis versiones del mismo prompt y el output sigue sin ser lo que querías.

El problema nunca fueron las palabras. Estás corrigiendo la cosa equivocada.

Cuando el output de la IA falla, la causa casi nunca es "el prompt no era claro." Es una de tres cosas, y ninguna se arregla reescribiendo.

1. Estás usando el modelo equivocado

No toda tarea necesita el modelo de punta. Pero algunas no pueden hacerse con el barato. Un prompt que funciona perfectamente en GPT-4 o Claude Opus produce basura en un modelo más pequeño — no porque el prompt sea confuso, sino porque el modelo no tiene profundidad de razonamiento para seguirlo.

Antes de reescribir, pregunta: ¿este modelo es capaz de lo que estoy pidiendo? Si estás pidiendo razonamiento multi-paso, tono con matiz o estructura compleja en un modelo rápido y barato, el prompt no es el cuello de botella. El modelo lo es.

Prueba el mismo prompt en un modelo más fuerte. Si funciona, encontraste el problema — y no era el prompt.

2. Le diste el contexto equivocado

El modelo respondió la pregunta que hiciste. Tú querías la respuesta a una pregunta diferente — la que incluye todo lo que sabes y el modelo no.

"Escríbeme una descripción de producto" te da una descripción de producto genérica. No porque el prompt sea malo, sino porque el modelo no sabe qué es tu producto, quién es tu cliente ni qué tono usa tu marca. Añadir "sé más específico" no ayuda cuando el modelo no tiene nada específico con que trabajar.

Antes de reescribir, pregunta: ¿el modelo tiene todo lo que necesita para darme lo que quiero? Pega el contexto. Las especificaciones, la audiencia, los ejemplos de cómo debe quedar. El modelo es muy bueno usando lo que le das. No es bueno adivinando lo que dejaste fuera.

3. Esperabas la cosa equivocada

Pediste un primer borrador y obtuviste un primer borrador. Luego te decepcionaste porque no era un borrador final. Eso no es problema del prompt — es problema de expectativa.

Los outputs de IA son puntos de partida. El modelo te da el 80% en el 10% del tiempo. El otro 20% — la parte que lo hace tuyo — es tu trabajo. Si estás reescribiendo el prompt tratando de que el modelo entregue el 100%, nunca vas a parar de reescribir.

Antes de reescribir, pregunta: ¿la distancia entre lo que obtuve y lo que quiero es trabajo del modelo, o mío?

El diagnóstico antes de la reescritura

La próxima vez que el output esté mal, no toques el prompt. Haz tres preguntas primero:

1. ¿Este modelo es lo bastante fuerte para esta tarea? 2. ¿Le di todo el contexto que necesita? 3. ¿Estoy esperando más que un primer borrador?

Si la respuesta a cualquiera de estas es no, reescribir el prompt no va a ayudar. Corrige el input, no la instrucción. El prompt probablemente estaba bien. Todo lo que lo rodeaba no.

¿Quieres la versión tranquila de noticias de IA como esta, una vez por semana? Suscríbete a la newsletter de Sharp AI Hub →