Tus prompts viejos probablemente todavía funcionan. Pero eso no significa que sean la mejor forma de trabajar con modelos nuevos. Cuando un modelo es más autónomo, las instrucciones excesivas, repetidas o contradictorias pueden volverse un freno: consumen más tokens, hacen el proceso más lento y a veces reducen la flexibilidad.
La diferencia práctica para una empresa es simple: un buen prompt ya no intenta controlar cada paso. Define el resultado esperado, entrega el contexto correcto, marca los límites duros y deja espacio para que la IA resuelva dentro de ese marco.
Las 12 claves del manual
Menos reglas, más metas claras
En vez de dictar cada microinstrucción, describí el resultado deseado y el estilo de trabajo esperado. Las reglas duras siguen siendo necesarias para seguridad, formato o alcance.
Sacá los controles genéricos
Frases como “revisá todo cuidadosamente” suelen disparar verificaciones vagas. Pedí controles concretos: compará precios, validá una tabla o revisá un campo específico.
Delimitá el alcance
Cuando la tarea es pequeña, decilo. “Cambiá solo esta sección” evita que el modelo mejore zonas cercanas que no querías tocar.
Decí el largo explícitamente
Si necesitás una respuesta corta, pedila con límite. El nivel de esfuerzo controla cuánto piensa, no necesariamente cuánto escribe.
Controlá los avisos de progreso
Definí si querés actualizaciones, cuándo y con cuánto detalle. En automatizaciones, demasiado texto intermedio estorba.
Subagentes solo cuando ayudan
Delegar sirve para tareas grandes y paralelas. En tareas pequeñas puede multiplicar costo y tiempo sin mejorar el resultado.
Dá contexto por partes
No pongás todo en un único prompt gigante. Lo general va al sistema; lo específico se carga cuando la tarea lo necesita.
Eliminá repeticiones
Si una regla ya está en la descripción de una herramienta, no la repitás en el prompt general. Menos duplicación significa menos conflicto.
Usá referencias reales
Es mejor entregar el archivo, mockup, tabla o ejemplo concreto que pedir algo “moderno” o “parecido” de forma vaga.
Probá esfuerzo bajo
Para tareas bien acotadas, el nivel bajo o medio puede bastar. La mejor configuración es la más barata que mantiene la calidad.
Reducí el razonamiento, no lo apagués
Para agentes y herramientas, suele ser más seguro mantener razonamiento activado con esfuerzo bajo que apagarlo por completo.
La meta es el camino
El prompt moderno describe la meta completa, fija límites y entrega referencias. No arrastra controles viejos que ya no aportan.
Ejemplos prácticos de antes y ahora
No escribas comentarios largos. No crees archivos adicionales. Revisá todo cuidadosamente. Usá un segundo agente para validar.
Orientate en el código existente. Tomá su nomenclatura, estructura y densidad de comentarios. Compará los precios con la tabla adjunta.
Mejorá esto.
Trabajá solo la tarea descrita. Tomá decisiones de rutina menores por tu cuenta. No modifiques áreas adyacentes.
La regla de oro
Un buen prompt para modelos nuevos responde cinco preguntas. Si esas cinco preguntas están claras, la IA necesita menos instrucciones de control y puede trabajar mejor.
- ¿Qué debe existir al final? El resultado concreto que buscás.
- ¿Qué información o referencias debe usar? Datos, ejemplos, archivos reales o reglas del negocio.
- ¿Qué límites duros no debe cruzar? Seguridad, formato fijo, privacidad, alcance o decisiones humanas.
- ¿Qué largo y qué formato necesitás? Breve, detallado, tabla, checklist, email, informe o código.
- ¿Qué requiere control o delegación? Qué se revisa, qué se compara y qué puede dividirse en tareas paralelas.
Describí la meta completa, poné los límites, dá referencias de calidad y dejá que el modelo elija el camino más sensato dentro de ese marco.
Qué significa esto para una empresa
Para un negocio en cualquier mercado, escribir mejores prompts no es un juego técnico. Es una forma de reducir costo, evitar retrabajo y sacar respuestas más útiles para ventas, administración, atención al cliente, reportes o documentos internos.
El punto no es que cada empleado memorice teoría. El punto es convertir procesos reales en instrucciones claras: qué responder, qué datos pedir, cuándo escalar a una persona, qué no prometer y cómo medir si el resultado sirve.
Por eso en Ezelero no vemos el prompting como una frase bonita escrita en un chat. Lo vemos como parte de la arquitectura de trabajo: reglas, contexto, herramientas, límites y medición.
Preguntas frecuentes
¿Tengo que reescribir todos mis prompts viejos?
No. Pero conviene revisar los prompts largos, repetitivos o llenos de controles genéricos. Esos son los que más suelen consumir tokens de más.
¿Los prompts más cortos siempre son mejores?
No necesariamente. Un buen prompt puede ser corto o largo. Lo importante es que tenga menos reglas innecesarias y más contexto específico de la tarea.
¿Qué errores cuestan más dinero?
Verificaciones vagas, subagentes innecesarios, respuestas sin límite de largo, instrucciones repetidas y prompts de sistema gigantes que cargan contexto que la tarea no necesita.
¿Esto sirve solo para Claude?
No. Aunque el manual se enfoca en Claude Opus 5, muchas reglas aplican a modelos modernos de IA que trabajan con herramientas, razonamiento y más autonomía.
¿Querés prompts y flujos adaptados a tu empresa?
En Ezelero convertimos procesos reales en asistentes, automatizaciones y reglas de trabajo con IA. Primero revisamos tu operación; después definimos qué conviene automatizar.
El PDF original queda disponible como guía descargable para tu equipo.