Google midió en su programa Workspace Labs que los prompts que mejor funcionan tienen en promedio unas 21 palabras, y que los que la gente escribe sin saberlo suelen tener menos de nueve. Esa diferencia de doce palabras es casi todo el prompt engineering que una empresa necesita. El resto es decidir dónde guardar esas palabras para que no dependan de la memoria de cada empleado.
Prompt engineering es, en palabras de Anthropic, “el oficio de estructurar instrucciones para obtener mejores salidas de los modelos de IA”. Las guías oficiales de Anthropic, Google y OpenAI coinciden en ocho técnicas: dar un rol, explicar el contexto y el porqué, mostrar de tres a cinco ejemplos, pedir un formato explícito, poner los documentos largos primero y la pregunta al final, pedir que cite lo que usa, permitirle decir “no sé” y dividir las tareas complejas en pasos.
Para una empresa, el cambio de 2026 es dónde vive el prompt. Los modelos nuevos necesitan menos andamiaje (Anthropic dice que las etiquetas XML y el rol intensivo “ya no son tan necesarios”) y las instrucciones que se repiten van a un Project, un Gem o una skill compartida, con un responsable. El empleado escribe el pedido del día; la empresa escribe la regla.
¿Qué es el prompt engineering y por qué sigue importando en 2026?
Un prompt es lo que le escribís al modelo. El prompt engineering es la práctica de escribirlo y organizarlo para que el resultado sea el que la tarea necesita, no el que el modelo elige por defecto. En su guía de buenas prácticas (10 de noviembre de 2025), Anthropic lo define como “the craft of structuring instructions to get better outputs from AI models” y agrega algo que cambia el enfoque: el prompt engineering es “un bloque fundamental dentro del context engineering”.
Ese segundo término viene de un texto anterior de la misma empresa, Effective context engineering for AI agents (29 de septiembre de 2025), que lo presenta como “la progresión natural del prompt engineering”: ya no se trata solo de cómo redactás el pedido, sino de todo lo que entra en la ventana de contexto del modelo (instrucciones, documentos, historial, herramientas, ejemplos) y de encontrar “el conjunto más chico de tokens de alta señal” que maximice el resultado.
Tres cosas cambiaron con los modelos de 2026 y vale saberlas antes de copiar un tutorial viejo:
- Menos andamiaje. La guía de Anthropic lista las etiquetas XML y el role prompting intensivo entre las técnicas que “ya no son tan necesarias” con la generación Claude 5, y dice que el prompting “está convergiendo con el context engineering”: menos estructura, más curación de lo que le das.
- El prefill desapareció. Empezar la respuesta del modelo para forzar un formato dejó de funcionar desde Claude 4.6; la documentación técnica indica reemplazarlo por instrucciones directas (“Respondé sin preámbulo”).
- La temperatura dejó de ser un control. La documentación de la API de Gemini (actualizada el 13 de octubre de 2026) avisa que Gemini 4 y los modelos 3.6 en adelante ignoran los valores personalizados de temperature, top_p y top_k. Lo que antes se ajustaba con un parámetro hoy se pide con palabras.
¿Qué dicen las guías de Anthropic, Google y OpenAI?
Lo mismo, con otros nombres. Las tres publican una estructura de prompt y una lista de técnicas; puestas una al lado de la otra se ve que el desacuerdo es de vocabulario:
| Proveedor | Estructura que propone | Lo que más repite |
|---|---|---|
| Google Workspace (Prompting guide 101, abril de 2024) | Cuatro áreas: persona, tarea, contexto, formato. “No hace falta usar las cuatro, pero usar varias ayuda”. | Lenguaje natural, ser específico e iterar, ser conciso, y tratarlo como una conversación. Los mejores prompts promedian 21 palabras. |
| Google (Gemini API, 13-oct-2026) | Instrucciones claras y específicas, ejemplos, contexto, formato de salida, encadenar prompts. | “Recomendamos incluir siempre ejemplos few-shot” y “el prompt engineering es iterativo”. |
| Anthropic (Prompting best practices, vigente para Fable 5.1 y Opus 5.5) | Ser claro y directo, agregar contexto y motivación, usar ejemplos (3 a 5), estructurar, dar un rol; documentos largos primero; pedir citas; dividir en pasos. | “Pensá en Claude como un empleado brillante pero nuevo, que no conoce tus normas ni tus flujos de trabajo”. |
| OpenAI (guía de prompt engineering para la API) | El mensaje del desarrollador se organiza en identidad, instrucciones, ejemplos y contexto; el usuario final aporta el pedido. | Ejemplos diversos, Markdown o XML para separar secciones, evaluaciones antes de cambiar un prompt, y guardar los prompts de producción en el código de la aplicación. |
La regla de oro de Anthropic sirve para cualquiera de las tres: “Mostrale tu prompt a un colega con poco contexto de la tarea y pedile que lo siga. Si él se confunde, Claude también”. El CPACF llegó a la misma conclusión desde el derecho: su guía de IA para abogados (julio de 2025) dedica una sección entera al prompting con rol, contexto, formato, pedir fuentes y verificarlas, y una instrucción que parece obvia: “dígale expresamente que no le mienta ni invente respuestas”.
¿Cuáles son las 8 técnicas de prompt engineering que funcionan hoy?
Estas ocho salen de cruzar las tres guías. Cada una con lo que hay que hacer y un ejemplo de empresa:
| # | Técnica | Qué hacer | Ejemplo en una pyme |
|---|---|---|---|
| 1 | Rol en una frase | Decir quién es y para quién trabaja. Anthropic: “incluso una sola oración hace la diferencia”. | “Sos el asistente de administración de una distribuidora de 40 personas; respondés para la contadora externa.” |
| 2 | Contexto y motivación | Explicar el porqué de cada regla. El modelo generaliza desde la explicación mejor que desde la prohibición. | No “nunca uses viñetas”, sino “esto se pega en un mail que el gerente lee en el celular: párrafos cortos, sin viñetas”. |
| 3 | Tres a cinco ejemplos | Relevantes, diversos y separados de las instrucciones. Google: “incluir siempre ejemplos”. | Tres respuestas reales a reclamos, con una fácil, una tensa y una que hubo que derivar. |
| 4 | Formato explícito | Decir qué hacer, no qué evitar, y pedir la estructura exacta (tabla, columnas, largo). | “Devolvé una tabla con columnas Fecha, Comprobante, Importe, Diferencia, Acción sugerida.” |
| 5 | Documentos primero, pregunta al final | Con entradas largas, el pedido va después de los documentos. Anthropic midió hasta 30 % de mejora en sus pruebas. | Pegar el pliego de 60 páginas y recién después: “Listá las cláusulas con penalidad.” |
| 6 | Pedir que cite | Que primero extraiga las frases del documento que va a usar y después responda. Reduce inventos. | “Antes de responder, copiá textual los párrafos del contrato en los que te basás.” |
| 7 | Permiso para decir “no sé” | Anthropic: dar permiso para expresar incertidumbre reduce las alucinaciones. | “Si el dato no está en los archivos, decí que no está. No lo completes.” |
| 8 | Dividir en pasos | Borrador, revisión contra criterios, corrección. Más lento, más preciso. Es el patrón de autocorrección de Anthropic y el “encadenar prompts” de Google. | Primero el borrador de la propuesta; segundo prompt: “Revisala contra esta lista de 6 errores típicos”; tercero: corregir. |
Lo que no entra en la lista por una razón: “pensá paso a paso”. Los modelos actuales razonan solos (Anthropic lo llama adaptive thinking) y la guía de OpenAI dice que los modelos de razonamiento “dan mejores resultados con orientación de alto nivel”. Pedir el razonamiento explícito sigue siendo útil solo cuando el razonamiento está apagado o cuando necesitás verlo.
¿Cómo se ve un buen prompt en una pyme? Tres ejemplos antes y después
Administración: conciliar el extracto con las ventas
Antes (7 palabras): “Compará el extracto con la planilla de ventas”.
Después, con rol, contexto, formato y permiso para no saber:
Sos el asistente de administración de una pyme que vende al por mayor. Te paso el extracto bancario del mes (PDF) y la planilla de ventas cobradas (CSV). Tarea: encontrá los movimientos que no coinciden entre los dos. Reglas: - Un cobro coincide si el importe es igual y la fecha difiere como máximo 3 días hábiles. - Las comisiones bancarias no son diferencias: listalas aparte. - Si no podés determinar a qué venta corresponde un cobro, marcalo "SIN ASIGNAR"; no lo fuerces. Formato: tabla con columnas Fecha, Importe, Origen (extracto/planilla), Posible causa, Acción sugerida. Al final, un párrafo de tres líneas para la contadora.
Ventas: responder un pedido de cotización
Antes: “Respondé este mail de un cliente que pide precio”.
Sos el asistente comercial de [empresa]. Respondés a pedidos de cotización que llegan por mail, en el tono de los tres ejemplos que siguen (cordial, directo, sin exclamaciones). <ejemplos> [tres respuestas reales aprobadas por el gerente comercial] </ejemplos> Antes de cotizar, siempre faltan tres datos: cantidad, plazo de entrega y lugar de entrega. Si el mail no los trae, la respuesta los pide; no inventes un precio. Usá únicamente la lista de precios adjunta (vigencia octubre 2026). Si el producto no está en la lista, decilo y ofrecé derivar a un vendedor. Formato: asunto + cuerpo listo para pegar, máximo 120 palabras.
RRHH: de la descripción de puesto al proceso completo
Antes: “Hacé un aviso para buscar un analista contable”.
Sos el asistente de RRHH de una empresa de servicios de 120 personas en Buenos Aires. Te paso la descripción de puesto aprobada por el gerente del área. Generá tres piezas, en este orden: 1. Aviso de búsqueda (máximo 180 palabras, sin lenguaje que excluya por edad o género). 2. Guía de entrevista: 8 preguntas, cada una con qué evalúa y qué sería una respuesta fuerte. 3. Rúbrica de evaluación en tabla: competencia, 1-2-3-4, evidencia esperada. Todo tiene que salir de la descripción de puesto. Si una competencia no está ahí, no la agregues: marcá "FALTA DEFINIR" y seguí.
Fijate que los tres “después” tienen la misma anatomía: rol, contexto, reglas con su porqué, permiso para no saber y formato. Y que ninguno de los tres debería escribirse dos veces.
¿Dónde tiene que vivir el prompt en la empresa?
Acá está la diferencia entre un empleado que “sabe usar la IA” y una empresa que la usa. El mismo prompt puede vivir en cuatro lugares, y cada uno tiene un alcance y un dueño distinto:
| Dónde | Alcance | Quién lo mantiene | Cuándo conviene |
|---|---|---|---|
| Prompt suelto en el chat | Una conversación. | Cada persona, cada vez. | Tareas únicas. Es donde empieza todo y donde no debería quedarse nada que se repita. |
| Instrucciones personalizadas | Todas las conversaciones de una persona. | La persona. | Tono, idioma, formato propio. Lo estable de uno. Cómo se configuran en Gemini está en instrucciones personalizadas de Gemini. |
| Project (Claude) o Gem (Gemini) | Un área o un proceso, compartido con el equipo. | Un responsable del área. | Los tres ejemplos de arriba. El system prompt y los archivos quedan fijos; la comparación está en Claude Projects vs Gems. |
| Skill | Una tarea repetible, se carga solo cuando hace falta. | Quien diseñó el proceso. | Procedimientos largos con material de referencia. En Claude: cómo crear skills en Claude; en Gemini: skills en Workspace Studio. |
Anthropic lo dice sin vueltas en su guía: las instrucciones que tienen que aplicarse en todas las sesiones van a archivos de configuración, skills “u otros métodos de direccionamiento”, no a cada prompt. Y el texto sobre context engineering agrega el criterio para no sobrecargarlos: preferir “pocos ejemplos canónicos y diversos” a listas largas de reglas, y “hacer lo más simple que funcione”.
¿Cómo capacitar al equipo en prompt engineering sin convertirlo en un curso de trucos?
Lo que no funciona: una tarde de “50 prompts mágicos” que nadie vuelve a abrir. Lo que funciona es corto y tiene cinco pasos:
- Elegir tres tareas reales por área que hoy se hacen a mano y se repiten: conciliar, cotizar, redactar un aviso, resumir una reunión.
- Escribir el prompt con quien hace la tarea, no con el de sistemas. La regla del colega de Anthropic funciona al revés también: si la persona que hace el trabajo no puede explicarlo en 21 palabras, el problema no es el prompt.
- Probarlo con cinco casos reales y anotar cuántos salieron bien. OpenAI pide evaluaciones antes de tocar un prompt de producción; para una pyme alcanza con una planilla.
- Guardarlo donde corresponde (Project, Gem o skill) con un responsable que lo versiona. Cada cambio con fecha y motivo.
- Revisar al mes: qué se usa, qué no, qué salió mal. Lo que no se usa se rediseña o se apaga.
Esto es lo que armo en una jornada presencial con cada equipo, sobre sus documentos y sus procesos, en capacitaciones corporativas en IA: la gente sale con sus prompts probados y sus asistentes compartidos, no con una lista. Si querés ver cómo se arma para tu equipo: Agendar una conversación.
Preguntas frecuentes.
Es la práctica de escribir y organizar las instrucciones que se le dan a un modelo de IA para obtener mejores resultados. Anthropic lo define como 'el oficio de estructurar instrucciones para obtener mejores salidas de los modelos de IA'. Sirve para que la misma herramienta (Claude, Gemini o ChatGPT) pase de dar respuestas genéricas a dar respuestas con el tono, el formato y los datos que la tarea necesita. En una empresa, sirve sobre todo para fijar esas instrucciones una vez y que todo el equipo las use.
Las guías oficiales de Anthropic, Google y OpenAI coinciden en ocho: dar un rol, explicar el contexto y el porqué de cada instrucción, mostrar entre tres y cinco ejemplos del resultado esperado, pedir un formato explícito, poner los documentos largos primero y la pregunta al final, pedir que cite las partes del documento que usa, permitirle decir 'no sé' cuando no tiene el dato, y dividir las tareas complejas en pasos (borrador, revisión, corrección). Google lo resume en cuatro componentes: persona, tarea, contexto y formato.
No. Un prompt se escribe en lenguaje natural; la guía de Google Workspace pide 'escribir como si le hablaras a otra persona' y Anthropic propone pensar en el modelo como 'un empleado brillante pero nuevo, que no conoce tus normas ni tus flujos de trabajo'. Lo que sí hace falta es conocer el trabajo que se le pide: quien mejor escribe el prompt de una conciliación bancaria es quien hace conciliaciones, no un programador. Las etiquetas XML y los parámetros técnicos son para quien construye aplicaciones con la API.
Tres que se repiten en cualquier pyme: en administración, un prompt que recibe un extracto bancario y una planilla de ventas y devuelve una tabla de diferencias con el criterio del estudio contable; en ventas, uno que toma un pedido de cotización por mail y arma la respuesta con la lista de precios vigente, el tono de la empresa y las tres preguntas que siempre hay que hacer antes de cotizar; en RRHH, uno que convierte una descripción de puesto en un aviso, una guía de entrevista y una rúbrica de evaluación con el mismo formato. Los tres funcionan mejor guardados como Project, Gem o skill que escritos cada vez.
No. Un prompt vale para una conversación. Las instrucciones personalizadas valen para todas las conversaciones de una persona. Un Project de Claude o un Gem de Gemini es un asistente configurado con un system prompt y archivos, que se comparte con el equipo. Una skill es una instrucción empaquetada que se carga solo cuando hace falta. El prompt engineering es la técnica común a los cuatro: lo que cambia es dónde vive la instrucción y quién la mantiene. Anthropic dice que el prompting 'está convergiendo con el context engineering' en los modelos de la generación Claude 5.
Para una pyme o un equipo profesional, no. Las propias guías de los proveedores muestran que las técnicas básicas se aprenden en una jornada, y Anthropic recomienda mover las instrucciones que se repiten a archivos de configuración, skills u otros métodos persistentes en vez de reescribirlas en cada prompt. Lo que una empresa necesita es que la gente que conoce los procesos aprenda a escribir instrucciones claras y que alguien se haga dueño de los asistentes compartidos. Eso es una capacitación y un responsable, no un puesto nuevo.
El prompt engineering se ocupa de cómo escribir y organizar las instrucciones. El context engineering, según Anthropic (septiembre de 2025), es 'la progresión natural del prompt engineering': se ocupa de todo lo que entra al modelo (instrucciones, documentos, historial, herramientas, ejemplos) y de encontrar 'el conjunto más chico de tokens de alta señal' que maximice el resultado. En la práctica, para una empresa significa curar qué archivos y qué reglas tiene cada asistente, no solo cómo se redacta el pedido.
Hay cursos cortos en universidades (UTN y Siglo 21 aparecen entre lo más buscado), cursos gratuitos de los propios proveedores (Claude Academy de Anthropic, los cursos de IA de Google) y la guía de prompting que el CPACF publicó para abogados en julio de 2025 con la misma estructura: rol, contexto, formato, pedir fuentes y verificarlas. Para un equipo de empresa, lo que rinde es una capacitación sobre sus propios documentos y procesos, donde cada persona sale con sus prompts y asistentes armados.
Última actualización: · Versión 1.0 · Fuentes: Anthropic — Prompting best practices (Claude Developer Platform), Anthropic — Best practices for prompt engineering (10/11/2025), Anthropic — Effective context engineering for AI agents (29/09/2025), Google — Prompt design strategies (Gemini API) (13/10/2026), Google Workspace — Prompting guide 101 (la cita de las 21 palabras es de la edición de abril de 2024), OpenAI — Prompt engineering y CPACF — Guía para el uso de IA para Abogados (julio de 2025), consultadas el 17/10/2026. Las citas en inglés se tradujeron para el texto. Análisis: Diego Ceredi, consultor en IA para empresas.
IA para Excel y Google Sheets: qué hace Copilot, Gemini, Claude y ChatGPT con tus planillas, cuánto cuesta y qué conviene en administración y finanzas
12 min de lectura
Cómo crear un agente de IA en tu empresa: guía paso a paso 2026
10 min de lectura