Cuando empecé a trabajar con modelos de lenguaje la frustración era real. Solicitaba algo y la IA devolvía respuestas genéricas incompletas o fuera de contexto. Con el tiempo comprendí que el problema no era la IA sino cómo pedía las cosas. Estudié cómo grandes tecnológicas obtienen resultados precisos y estas técnicas de prompt engineering cambiaron por completo mi forma de trabajar.
5. Sé lo más específico posible. La claridad lo es todo. En lugar de pedir algo vago como dime sobre JavaScript pienso qué necesito exactamente. Antes: pide información general sobre JavaScript. Ahora: necesito un fragmento de código JavaScript que tome un array de objetos, lo filtre para incluir solo objetos donde la propiedad status sea active y devuelva un nuevo array con esos objetos filtrados. Incluye comentarios en cada paso del código. Darle a la IA toda la información contextual hace que la respuesta sea mucho más acertada.
4. Usa delimitadores para organizar tu petición. Cuando tienes un bloque grande de texto o varias instrucciones usa delimitadores como tres comillas o backticks para aislar las secciones. Así la IA no confunde instrucción con texto de referencia. Por ejemplo, indica la instrucción: identifica el principal reto que tuvo el equipo de desarrollo y su impacto en el proyecto. Texto a analizar: El proyecto de migracion de datos encontró un obstaculo inesperado cuando la base de datos legacy presento inconsistencias en el esquema. Esto provoco un retraso de tres semanas en el cronograma afectando directamente la fecha de lanzamiento. Al separar claramente la instrucción del texto evitas ambigüedades.
3. Descompón tareas complejas en partes más pequeñas. Evito pedirlo todo de una vez. Si la solicitud es compleja la divido en pasos secuenciales. Por ejemplo para documentar una API: primero lista todos los endpoints. Luego describe la función de cada endpoint. Después crea un ejemplo de request y response para cada uno. Al fragmentar la tarea la IA no omite partes importantes y el resultado es más completo y estructurado.
2. Proporciona ejemplos del resultado esperado. El few shot prompting es muy potente. Muestro a la IA exactamente cómo quiero la salida con uno o dos ejemplos. Ejemplo: Oracion: Por favor envieme el informe antes de que termine el dia. Tono: Formal Oracion: Envia el informe cuando puedas. Tono: Informal Oracion: Me gustaria programar nuestra reunion para el proximo martes. Tono: Al dar ejemplos la IA aprende el patron y clasifica correctamente la siguiente oracion.
1. Pide a la IA que complete tu trabajo. Empiezo el trabajo y dejo que la IA lo termine para ahorrar tiempo y asegurar contexto. Por ejemplo escribo la cabecera de una funcion en Python: def calculate_average(list_of_numbers): # dejo la linea vacia y la IA, basada en el nombre y el contexto, completa el codigo por mi
Conclusión. Dominar estas tecnicas transforma la IA de una caja negra a una herramienta potente que extiende tu razonamiento. En Q2BSTUDIO, empresa especializada en desarrollo de software y aplicaciones a medida, aplicamos estas practicas para ofrecer soluciones de inteligencia artificial que realmente resuelven problemas de negocio. Si buscas servicios de software a medida o aplicaciones a medida podemos ayudarte con arquitecturas eficientes y experiencia práctica en ia para empresas y agentes IA. Conectamos modelos de lenguaje con plataformas de datos y ofrecemos servicios cloud aws y azure integrados, además de soluciones de ciberseguridad y pentesting y servicios de inteligencia de negocio como power bi para convertir datos en decisiones. Conoce nuestras soluciones de inteligencia artificial en servicios de inteligencia artificial y explora nuestro trabajo en desarrollo de aplicaciones y software a medida. ¿Ya conocías estas tecnicas de prompting? Comenta cuales usas en tu dia a dia.