La ingeniería de prompts para profesionales del marketing no es, en su mayor parte, ingeniería. Es briefing, algo que los profesionales del marketing siempre han hecho mal y que ahora hacen mal a gran velocidad. Las agencias y los equipos internos que obtienen resultados consistentes de los modelos de lenguaje no son los que tienen trucos de redacción ingeniosos. Son los que ya sabían cómo entregar a un freelance un briefing que no volviera mal: audiencia, propósito, restricciones, ejemplos de lo que es un buen trabajo y los hechos específicos que solo el cliente posee.
El fallo es fácil de diagnosticar. Si el resultado necesita ser reescrito en lugar de editado, el briefing era pobre. En nuestras cuentas, la diferencia entre una solicitud de dos líneas y una estructurada no es sutil: la solicitud de dos líneas produce algo en lo que pasas cuarenta minutos corrigiendo, y la solicitud estructurada produce algo en lo que pasas ocho minutos puliendo.
Las cinco partes de un prompt que funciona
Trata el prompt como un documento, no como una frase. El rol y la audiencia van primero: quién habla y a quién, con suficiente especificidad para que el tono siga automáticamente. Luego la tarea, expresada como un resultado en lugar de una actividad. Luego el contexto: hechos del producto, posicionamiento, objeciones, cosas que no puedes decir por razones legales. Luego las restricciones: longitud, formato, palabras prohibidas, estructura requerida. Luego un ejemplo, que hace más trabajo que los otros cuatro juntos.
- Rol y audiencia, descritos como una persona con un trabajo y un problema, no como un dato demográfico.
- Tarea expresada como el resultado que deseas, incluyendo lo que el lector debería hacer a continuación.
- Contexto: hechos del producto, realidad de precios, afirmaciones de la competencia, objeciones, límites legales.
- Restricciones: recuento de palabras, estructura, reglas de tono, frases prohibidas, nivel de lectura.
- Uno o dos ejemplos de resultados que consideres buenos, con una nota sobre el porqué.
Por qué los ejemplos superan a las instrucciones
Describir un tono no es fiable. Dos personas a las que se les pide escribir con una voz segura y amable producirán cosas diferentes, al igual que dos ejecuciones del modelo. Mostrar un tono es fiable. Pega dos párrafos de texto que ya hayas aprobado y di “ajústate a este registro”, y la mayor parte de la discusión sobre la voz desaparece. Este es el hábito de mayor retorno en la ingeniería de prompts para profesionales del marketing, y no cuesta nada una vez que has construido una pequeña biblioteca de muestras aprobadas por canal.
Los ejemplos negativos también ayudan, y los equipos rara vez los usan. Incluye un breve pasaje de texto que hayas rechazado y una línea explicando el problema: demasiadas preguntas retóricas, afirmaciones que no podemos sustanciar, comienza con una definición que nadie necesita. Los modelos responden bien a un par de contraste.
Estructura el resultado para que puedas comprobarlo
Pide el resultado en una forma que haga visibles los errores. Si necesitas diez variaciones de anuncios, pídelas en una tabla con el ángulo nombrado en una columna y el recuento de caracteres en otra. Verás inmediatamente que seis de ellos usan el mismo ángulo, que es el problema real con la mayoría de los conjuntos de anuncios generados. Si necesitas una landing page, pídela sección por sección con el propósito de cada sección etiquetado. La prosa no estructurada oculta la repetición; el resultado estructurado la expone.
Lo mismo se aplica a las afirmaciones. Pide al modelo que marque cualquier declaración fáctica que no se le haya dado en el contexto, o que enumere sus suposiciones por separado al final. Esto no atrapará todo, pero atrapará la estadística inventada con confianza, que es el error con más probabilidades de llegar a la publicación y causar un daño real. Nunca permitas que un número llegue a una página en vivo sin que un humano lo rastree hasta una fuente.
Itera sobre el prompt, no sobre el resultado
Cuando el resultado es incorrecto, el instinto es arreglar el texto a mano y seguir adelante. Eso se siente más rápido pero es más lento, porque la siguiente solicitud reproduce el mismo fallo. Arregla el prompt en su lugar, y guárdalo. Los equipos que tratan los prompts como mensajes de chat desechables vuelven a aprender las mismas lecciones cada semana. Los equipos que almacenan los prompts en un documento compartido, versionado por tipo de activo, obtienen resultados constantemente mejores con constantemente menos esfuerzo, y los nuevos miembros heredan ese conocimiento en lugar de redescubrirlo.
Un sistema viable es simple: un archivo por tipo de activo, que contenga el bloque de contexto permanente para la marca, las restricciones para ese canal, los ejemplos aprobados y un registro de cambios que indique qué se ajustó y por qué. Cuando una campaña cambia de posicionamiento, editas un bloque de contexto en lugar de cincuenta prompts. Así es como la ingeniería de prompts para profesionales del marketing deja de ser una habilidad individual y se convierte en un activo operativo que el equipo posee.
Qué mantener alejado del modelo
Algunas decisiones nunca deben delegarse, sin importar cuán bueno sea el prompt. La estrategia es una: qué segmento perseguir, qué prometer, dónde competir. Las afirmaciones fácticas sobre tu propio producto son otra, porque el modelo producirá especificaciones plausibles que no tiene forma de verificar. Cualquier cosa que involucre datos del cliente pertenece detrás de las reglas de manejo de datos que tu organización haya acordado, y pegar una lista de clientes en una herramienta de propósito general es un problema de política antes de ser uno de marketing.
Utilizado dentro de esos límites, la ganancia práctica es real pero poco glamurosa. Obtienes borradores más rápido, obtienes más variaciones para probar, obtienes un formato consistente en todo el equipo y pasas tus propias horas en las partes que necesitan juicio. Cualquiera que obtenga menos que eso tiene un problema de briefing, no un problema de herramientas, y la solución está de su lado de la pantalla.
Sigue leyendo: Optimización con IA
Servicio relacionado: Optimización con IA