Prompt Engineering: Curso Práctico para Dominar la Comunicación con IA 2026

Prompt Engineering: Curso Práctico para Dominar la Comunicación con IA 2026

Un prompt no es una pregunta suelta: es una instrucción con contexto. La diferencia entre una respuesta mediocre y una respuesta útil casi nunca está en el modelo, sino en cómo le pedís las cosas. Esta guía práctica reúne la estructura que usan los equipos que trabajan con IA todos los días, tres ejemplos listos para copiar en ChatGPT o Claude y una checklist para evaluar si tu prompt funciona antes de llevarlo a producción.

Qué es el prompt engineering y por qué importa

El prompt engineering es el conjunto de decisiones que tomás antes de enviar una instrucción: qué rol le das al modelo, qué contexto aportás, qué formato esperás y con qué ejemplos lo guiás. Cuando estas piezas están claras, el modelo deja de adivinar y empieza a resolver.

Importa por una razón concreta: el mismo modelo puede dar resultados muy distintos según el prompt. Un pedido genérico como "escribime sobre productividad" devuelve texto de relleno. Un pedido con rol, contexto, formato y un ejemplo devuelve algo que podés usar sin reescribir.

La estructura de 5 partes

La mayoría de los prompts que funcionan siguen esta estructura:

1. Rol: quién querés que sea el modelo. "Actuá como analista de datos con experiencia en retail."
2. Contexto: qué información necesita para decidir. Datos, audiencia, restricciones, tono.
3. Tarea: la acción concreta y en un solo verbo. "Resumí", "clasificá", "reescribí".
4. Formato: cómo querés la salida. Tabla, JSON, lista de tres puntos, párrafo de 120 palabras.
5. Ejemplos: uno o dos casos de entrada y salida que muestren el criterio esperado.

Si falta el formato, el modelo elige por vos. Si falta el ejemplo, interpreta el criterio a su manera.

Tres ejemplos prácticos (antes y después)

Ejemplo 1: resumir un documento largo

Antes

Resumime este texto.

Después

Actuá como editor de contenidos. Te paso un artículo y necesito un resumen para un lector ocupado. Devolvé: una frase de 20 palabras, luego 4 viñetas con las ideas principales y una lista de las cifras citadas con su fuente. No agregues información que no esté en el texto. Si algo es ambiguo, marcalo con "[verificar]".

Texto: """[pegá aquí el artículo]"""

La diferencia: el segundo define rol, formato, límite de longitud y una regla explícita para no inventar.

Ejemplo 2: extraer datos a JSON

Antes

Sacá los datos importantes del mail.

Después

Extraé la información de este email y devolvé solo un JSON válido con este esquema: {"cliente": string, "producto": string, "cantidad": number, "fecha_entrega": "YYYY-MM-DD", "moneda": "ARS"|"USD"|null} Si un campo no está en el texto, usá null. No agregues comentarios ni texto fuera del JSON.

Email: """[pegá aquí el email]"""

Ideal para automatizaciones: la salida estructurada se puede conectar directo a otro sistema.

Ejemplo 3: reescribir con un tono específico

Antes

Mejorá este mensaje.

Después

Reescribí este mensaje para una clienta que acaba de renovar su plan. Tono cercano y profesional, en español rioplatense, máximo 90 palabras, sin emojis. Mantené el beneficio principal y terminá con una sola llamada a la acción.

Mensaje: """[mensaje original]"""

Técnicas que sí mueven la aguja

• Delimitadores: separá instrucciones de datos con """, etiquetas o bloques. Evitás que el modelo confunda tus datos con tus órdenes.
• Razonamiento paso a paso: pedile que explique los pasos antes de la conclusión cuando la tarea tenga lógica. Mejora la precisión en cálculos y clasificaciones.
• Few-shot: dos o tres ejemplos de entrada y salida enseñan el criterio mucho mejor que una descripción larga.
• Salida estructurada: pedí JSON, tabla o una plantilla fija cuando la respuesta se va a procesar o comparar.
• Iteración: un prompt es un borrador. Cambiá una variable por vez y quedate con lo que mejora.
• Asignación de rol: útil cuando la tarea exige un criterio específico (legal, técnico, editorial), no como adorno.

Cómo saber si tu prompt funciona

Antes de usarlo en serio, probalo contra estos puntos:

• Repetibilidad: corré el mismo prompt tres veces. Si el formato cambia demasiado, falta estructura.
• Casos límite: probá con una entrada vacía, una muy larga y una con datos contradictorios.
• Verificabilidad: ¿podés comprobar la salida contra una fuente? Si no, agregá una regla de "no inventar".
• Costo y latencia: los prompts largos con muchos ejemplos cuestan más. Recortá lo que no cambie el resultado.
• Versionado: guardá cada versión con una nota de qué cambió. Así sabés qué mejora y qué rompe.

Errores comunes

• Pedir varias tareas distintas en un mismo prompt.
• Asumir que el modelo "ya sabe" tu contexto interno.
• No decir qué hacer cuando falta información (¿inventa, pregunta, deja vacío?).
• Confiar en números o citas sin verificarlos.
• No fijar el idioma de salida cuando trabajás en varios.

Siguientes pasos

Si querés profundizar, estos recursos de Cursalo complementan esta guía:

• Curso de ChatGPT para principiantes: la base para escribir tus primeros prompts con criterio.
• Biblioteca de prompts en español: plantillas listas para copiar y adaptar a tu trabajo.
• Libros de inteligencia artificial en PDF: material de lectura para entender qué hay detrás del modelo.
• Planes y precios: acceso a todos los cursos de la escuela.

La práctica manda: elegí una tarea repetitiva de tu semana, escribí la estructura de 5 partes y probá tres versiones hasta que la salida sea predecible.