Cuando hablamos de prompt engineering, en esencia hablamos del arte de dar vida a las máquinas a través del lenguaje. Pero, ¿es realmente arte o se trata más bien de una disciplina técnica y sobria? Como ocurre a menudo, la verdad se encuentra en algún punto intermedio.

El lado creativo: el prompting como forma de arte

Un buen prompt a veces puede sentirse como un poema. Vive de los matices, las metáforas y el tono adecuado. Cualquiera que haya trabajado con prompts antes seguramente lo ha notado. No se trata solo de obtener información, sino de crear una atmósfera, marcar una dirección y guiar a la máquina hacia una forma específica de pensar.

La experimentación suele ser una parte esencial del proceso. Traducir tus pensamientos o una idea todavía difusa de lo que quieres en palabras que el modelo realmente entienda y, en cierto modo, casi sienta, no es nada sencillo. A veces ni siquiera sabes con claridad lo que buscas al principio. El resultado final suele surgir del flujo de la conversación y de la inspiración que esta genera.

Un prompt puede funcionar como una instrucción de dirección. Cada indicación guía al modelo a través de la imagen mental que tienes y, idealmente, produce una representación detallada de lo que imaginabas.

No existen reglas fijas ni fórmulas que garanticen un resultado concreto. Precisamente eso es lo que hace que el prompt engineering resulte tan fascinante para muchos, pero también difícil de comprender y, en ocasiones, frustrante. Le da al tema un aire ligeramente místico. Es muy parecido a pintar un cuadro. Hay innumerables caminos para llegar al mismo destino. Estos caminos pueden ser muy distintos entre sí, pero aun así conducir a resultados similares. Del mismo modo que un pintor juega con los colores, un prompt engineer juega con el lenguaje, y eso requiere un cierto grado de creatividad.

El lado técnico: el prompting como oficio

Aunque no haya reglas estrictas, existen técnicas probadas, al igual que en la pintura. Estas técnicas permiten alcanzar resultados específicos de forma más rápida y fiable. Si bien la experimentación suele ser valiosa, en muchos casos puede reducirse o al menos mantenerse bajo control.

Un concepto clave aquí es la estructura. Los prompts bien estructurados tienden a generar resultados más precisos. Aunque nos estemos comunicando con una máquina, el proceso es sorprendentemente similar a la comunicación humana. Cuando presentas tus ideas de manera estructurada en una conversación, la otra persona te entiende con mayor facilidad y necesita menos aclaraciones que si hablas sin orden y la inundas con pensamientos dispersos. Incluso si la cantidad de información es la misma, extraer el significado resulta mucho más difícil en el segundo caso. Esto aplica a las personas y también a la IA.

La claridad es tan importante como la estructura. Cuanto más precisa sea la instrucción, más coherente será el resultado. Las afirmaciones vagas siempre dejan espacio para la interpretación, y eso es exactamente lo que hará el modelo. Interpretará, y esa interpretación puede diferir de la tuya. Cuando expresas con claridad lo que deseas, reduces la ambigüedad y aumentas la probabilidad de que el modelo entregue exactamente el resultado que tenías en mente.

Esto se vuelve especialmente evidente en la generación de imágenes u otros medios visuales. Un prompt como “Crea una imagen de un árbol” dará como resultado algún tipo de árbol, pero qué tipo de árbol es, dónde se encuentra, cómo es el fondo y qué estilo se utiliza queda completamente abierto a la interpretación. La imagen mental del modelo puede diferir mucho de la tuya. Un prompt como “Crea una pintura digital de un cerezo en plena floración, con estilo de jardín japonés y un suave atardecer de fondo” ya acota considerablemente las posibilidades. La probabilidad de obtener una palmera en la playa es bastante baja. Si aparece o no un pájaro en la imagen, sin embargo, sigue siendo una incógnita.

Esto demuestra que cuanto más detalle aportes, más preciso será el resultado. Más allá de estas buenas prácticas generales, y hay muchas más, también existen estrategias y frameworks de prompting que dan forma al prompt a un nivel meta. Aquí es donde el enfoque puede volverse realmente técnico. A menudo, estas aproximaciones son las que separan un buen prompt de uno muy bueno o incluso excelente.

Por cierto, ¿qué define realmente un buen o un excelente prompt? ¿Existen métricas para ello y cómo se puede evaluar algo de forma objetiva cuando el resultado es, en última instancia, una representación de los propios pensamientos? Estas cuestiones se abordarán en artículos futuros, así que mantente atento.

Métodos como chain of thought, few shot prompting o prompt chaining funcionan casi como lógica de programación. Con ellos, los prompt engineers pueden construir sistemas que resuelven tareas muy específicas y, en algunos casos, altamente complejas con una precisión meticulosa. Ejemplos de ello son asistentes de programación como GitHub Copilot, herramientas de diseño como Vercel V0 o chatbots avanzados que guían a los usuarios de forma autónoma a través de procesos de compra o de onboarding.

Para este tipo de aplicaciones, la repetibilidad y la previsibilidad son fundamentales. Las respuestas de los modelos de IA no son deterministas por defecto. El mismo input puede producir resultados diferentes. En ciertos escenarios, esta variabilidad no es deseable, especialmente cuando se toman decisiones basadas en la respuesta o cuando esta debe seguir un formato específico. Sin embargo, combinando distintas técnicas es posible aproximarse a un alto grado de consistencia.

El punto de encuentro: donde el arte se une con la ingeniería

Eso es lo que hace que el prompt engineering sea tan interesante. Se sitúa exactamente entre estos dos mundos. No es ni arte puro ni ingeniería pura, sino un híbrido de ambos.

Los prompt engineers son tecnólogos creativos. Son diseñadores con conocimientos técnicos. Por un lado, pueden traducir pensamientos complejos o ideas abstractas en instrucciones escritas tan claras, precisas y sin ambigüedades que la IA las entiende y produce exactamente el resultado deseado, de forma similar a un lenguaje de programación. Por otro lado, pueden crear mundos e ideas que antes eran inimaginables, jugando tanto con su propia creatividad como con la de la IA, al igual que un artista.

Se trata de un equilibrio constante. Quienes piensan únicamente en términos técnicos se pierden la magia creativa. Quienes trabajan solo desde lo artístico pierden precisión. La verdadera fortaleza está en saber combinar ambas cosas.

«El nuevo lenguaje de programación más popular es el inglés.»
Andrej Karpathy