Técnicas que funcionan con los modelos actuales
Los modelos actuales siguen instrucciones mucho mejor que los primeros, y muchos trucos antiguos han perdido sentido. Lo que sigue funcionando es la claridad:
- Contexto y objetivo: explicar quién usará la respuesta, para qué y qué se considera un buen resultado.
- Instrucciones concretas: en lugar de «sé breve», «responde en tres frases como máximo»; en lugar de «sé profesional», un ejemplo del tono buscado.
- Ejemplos (few-shot): incluir algunos casos de entrada y salida esperada cuando el criterio es difícil de describir.
- Estructura: separar con claridad instrucciones, documentos de referencia y datos de entrada, por ejemplo con etiquetas.
- Formato de salida definido: pedir un esquema concreto, como JSON con campos fijos, si el resultado lo va a procesar otro sistema.
- Espacio para razonar: en tareas complejas, dejar que el modelo analice el problema antes de dar la respuesta final.
- Una salida para el «no lo sé»: indicar qué hacer cuando falta información, para reducir respuestas inventadas.
Del prompt al sistema: cómo se trabaja en producción
En un asistente o agente real, el prompt rara vez es una sola frase. Suele combinar instrucciones de sistema fijas, información recuperada de documentos, el historial de la conversación, la descripción de las herramientas disponibles y la petición del usuario. Decidir qué entra en ese contexto y en qué orden, lo que ya se empieza a llamar ingeniería de contexto, forma parte del mismo trabajo.
Un ejemplo: un prompt para clasificar los correos de clientes define cada categoría con una descripción, incluye algunos correos de ejemplo bien clasificados, pide la salida en un formato fijo con la categoría y una justificación breve, e indica qué hacer con los correos que no encajan en ninguna.
Lo que distingue un enfoque profesional es la evaluación: cada versión del prompt se compara con la anterior sobre el mismo conjunto de casos de prueba. Sin esto, es habitual arreglar un caso y romper otros sin darse cuenta.
Prompt engineering, RAG y fine-tuning: en qué orden
Las tres son formas de adaptar un modelo a tu caso, y conviene aplicarlas en este orden. El prompt engineering es la más rápida y barata: no requiere infraestructura, se itera en minutos y resuelve la mayoría de problemas de comportamiento, tono y formato. Cuando el modelo necesita conocer información de tu empresa, se añade RAG. Y solo si, con las instrucciones ya optimizadas, persiste un problema de comportamiento, tiene sentido plantearse el fine-tuning.
Límites y riesgos
Un buen prompt mejora mucho los resultados, pero no hace infalible a un modelo: puede seguir equivocándose. Además, unas instrucciones que funcionan con un modelo pueden necesitar ajustes al cambiar de modelo o de versión, por lo que conviene mantener las pruebas al día.
Hay también un riesgo de seguridad específico: la inyección de prompts. Si el sistema procesa texto externo —un correo, una web, un documento—, ese texto puede contener instrucciones diseñadas para que el modelo ignore las tuyas. Las instrucciones no son una barrera de seguridad suficiente: los permisos y las acciones sensibles deben controlarse fuera del modelo.