El prompting es el arte de comunicarte con modelos de inteligencia artificial para obtener los resultados que necesitas. No es magia ni requiere conocimientos técnicos profundos: es una habilidad práctica que puedes aprender en horas y perfeccionar con la práctica. ## Técnicas fundamentales **Zero-shot prompting**: Le pides algo directamente al modelo sin ejemplos previos. Funciona bien para tareas simples como resumir textos, traducir o responder preguntas concretas. Ejemplo: "Explica qué es el machine learning en 3 oraciones". **Few-shot prompting**: Proporcionas dos o tres ejemplos del formato o estilo que esperas antes de tu pregunta real. Esta técnica mejora significativamente la calidad cuando necesitas un formato específico, como listas con estructura determinada o respuestas con un tono particular. **Chain-of-thought**: Pides al modelo que razone paso a paso antes de dar la respuesta final. Útil para problemas complejos, matemáticas o análisis. Agrega frases como "Piensa paso a paso" o "Explica tu razonamiento antes de responder". ## El idioma no es una barrera Los modelos modernos como Claude, GPT-4 y Gemini manejan el español con la misma precisión que el inglés. No necesitas escribir en inglés para obtener mejores resultados. De hecho, si tu audiencia final es hispanohablante, el prompting en español produce textos más naturales sin necesidad de traducción posterior. ## Estructura de un buen prompt Un prompt efectivo incluye cuatro elementos: contexto (quién eres o qué estás haciendo), instrucción clara (qué quieres exactamente), formato esperado (lista, párrafo, tabla) y restricciones si aplica (longitud, tono, nivel técnico). No necesitas incluir los cuatro siempre, pero tenerlos en mente mejora tus resultados notablemente. ## Iteración y refinamiento El prompting es un proceso iterativo. Si el primer resultado no es el que necesitas, no reescribas todo: ajusta un elemento específico y observa cómo cambia la salida. Con el tiempo desarrollas intuición sobre qué funciona para cada tipo de tarea.