Un modelo de IA como Claude es como un navegante experto: sabe todo lo necesario, pero solo llega al destino correcto si le das las coordenadas precisas. Un prompt mal formulado es como un mapa sin norte.
Cuando Magallanes planificó su circunnavegación, no dijo simplemente "navega hacia el oeste". Especificó la ruta, los recursos, las escalas y el criterio de éxito. Los prompts funcionan igual: cuanta más precisión en la instrucción, mayor la probabilidad de llegar al destino.
Análisis preciso · Formato exacto · Sin iteraciones · Respuestas verificables · Ahorro de tiempo real
Respuestas genéricas · Alucinaciones · Formatos incorrectos · Muchas iteraciones · Frustración
- Fundamentos (Básico)
Anatomía de un prompt · Qué es, qué no es · Primeros prompts para gestión, administración y valoración de activos
- Técnicas Esenciales (Básico-Intermedio)
Zero-shot, Few-shot, Rol, Formato · Prompts para análisis financiero, comunicación con clientes y operaciones
- Técnicas Avanzadas
Chain-of-Thought, Tree of Thoughts, ReAct, Meta-prompting · Razonamiento estructurado para decisiones complejas
- Control de Calidad y Anti-Alucinación
Técnicas para obtener respuestas fiables · RAG · Verificación · Grounding · Crítico en finanzas
- Comparativa de Automatización
Python sin IA vs IA en runtime vs Modelo local · Cuándo usar cada opción según coste, privacidad y flexibilidad
- Gestión de Prompts
Obsidian vs Notion vs Git · Recomendación justificada y estructura óptima de vault para el equipo
- Skills, Artefactos y Agentes
Herramientas avanzadas de Cowork · Agentes autónomos · De prompt manual a automatización completa
Un prompt es como una orden de navegación. Un capitán no dice "ve a algún sitio". Da: destino (qué quieres), ruta (cómo hacerlo), recursos (qué datos tienes), rol de la tripulación (quién eres) y criterio de llegada (cómo saber que llegaste).
① Rol (Persona)
Dile a la IA quién debe ser. Define su perspectiva, expertise y tono de respuesta.
② Contexto
Proporciona el fondo necesario. Sin contexto la IA generaliza y pierde precisión.
③ Instrucción
La tarea concreta. Siempre un verbo claro: analiza, resume, extrae, compara, redacta.
④ Datos / Input
El material sobre el que trabajar. Delimítalo claramente del resto del prompt.
⑤ Formato de Salida
Cómo quieres la respuesta: tabla, JSON, bullet points, narración, longitud máxima.
⑥ Restricciones (opcional)
Qué NO debe hacer. Igualmente importante que la instrucción positiva.
| Error | Por qué falla | Solución |
|---|---|---|
| Ambigüedad | "Analiza esta empresa" — ¿qué aspecto? | Verbo + objeto + criterio específico |
| Sin contexto | La IA no sabe quién eres ni para qué sirve la respuesta | Siempre añade rol + situación + destinatario |
| Formato implícito | La IA elige el formato que prefiere | Especifica: tabla, JSON, lista, párrafos, longitud |
| Megaprompt desestructurado | Todo mezclado en un párrafo pierde jerarquía | Secciones claras: Rol / Tarea / Datos / Formato |
| Preguntar todo a la vez | Varias tareas complejas → respuesta superficial | Divide en prompts secuenciales |
| Sin datos de referencia | La IA inventa datos en lugar de usar los tuyos | Siempre adjunta el documento/datos como contexto |
| Sin restricciones | La IA añade disclaimers y relleno innecesario | Añade: "No incluyas X", "Sé conciso", "Solo datos del texto" |
Zero-Shot Prompting
La IA resuelve la tarea sin ningún ejemplo previo. Funciona bien para tareas cotidianas bien definidas. Es el punto de partida de todo usuario de negocio.
Es como darle un nuevo mapa a un navegante veterano: no necesitas explicarle cómo navegar, solo el destino y las restricciones del viaje.
Few-Shot Prompting
Le das a la IA 2-5 ejemplos de lo que esperas antes de la pregunta real. Es la técnica más poderosa para establecer formato, tono y criterio de forma coherente.
Como enseñar a un nuevo oficial mostrándole las entradas anteriores del cuaderno de bitácora: "así es como registramos los eventos en este barco".
Role Prompting (Persona)
Asignar un rol específico a la IA mejora drásticamente la calidad cuando necesitas perspectiva experta, tono particular o un conocimiento de dominio específico.
Formato Estructurado (Output Formatting)
Especificar el formato de salida es una de las mejoras de calidad de mayor impacto y menor esfuerzo. Puede hacer que la respuesta sea directamente usable sin edición.
📊 Tabla Markdown
Ideal para comparativas y listas de datos estructurados. Lista directamente en Excel o Word.
🔧 JSON Estructurado
Para integrar respuestas en sistemas, bases de datos o automatizaciones Python.
📄 Informe Ejecutivo
Para comunicaciones a clientes o dirección. Estructura clara y profesional.
📋 Lista de Acciones
Para tareas de acción o ranking de hallazgos con responsable y plazo.
Prompt Negativo — Lo que NO quieres
Especificar explícitamente lo que la IA no debe hacer es igual de importante que la instrucción positiva. Elimina el relleno y los disclaimers innecesarios.
Chain-of-Thought (CoT) — Razonamiento en Cadena
Instruyes a la IA a mostrar su proceso de razonamiento antes de dar la respuesta final. Reduce errores en tareas analíticas complejas y hace el proceso auditable.
Un piloto no salta directamente a "girar a babor". Primero registra: posición actual → corriente marina → viento → destino → cálculo → decisión. El CoT hace que la IA registre ese mismo proceso mental. Si el razonamiento es visible, se puede verificar.
Tree of Thoughts (ToT) — Árbol de Hipótesis
La IA explora múltiples hipótesis o escenarios en paralelo y evalúa cuál es más sólido. Ideal para decisiones de inversión con alta incertidumbre o múltiples interpretaciones posibles.
Meta-Prompting — La IA Diseña el Prompt
Le pides a la IA que primero genere el mejor prompt para tu tarea. Útil cuando no sabes cómo formular algo complejo o quieres construir plantillas reutilizables para el equipo.
Prompt Chaining — Cadena de Prompts
Divides una tarea compleja en una secuencia donde la salida de un prompt es la entrada del siguiente. Más fiable que un único prompt gigante, y permite verificar cada paso.
En un barco: el vigía detecta tierra, el cartógrafo traza la ruta, el capitán decide el rumbo, el oficial ejecuta. Cada especialista hace su parte con excelencia. El Prompt Chaining funciona igual.
- Prompt 1 — Extracción de Datos
"Del siguiente informe financiero, extrae SOLO los datos numéricos: ingresos, costes, EBITDA, deuda, caja. Formato JSON estricto."
- Prompt 2 — Cálculo de Ratios
"Usando estos datos [output JSON del Prompt 1], calcula: margen EBITDA, ratio deuda/EBITDA y cobertura de intereses. Muestra los cálculos paso a paso."
- Prompt 3 — Interpretación
"Basándote en estos ratios [output del Prompt 2], evalúa la salud financiera comparando con benchmarks del sector inmobiliario español."
- Prompt 4 — Comunicación
"Convierte este análisis [output del Prompt 3] en un email ejecutivo de 150 palabras para el Comité de Inversiones. Tono: objetivo y profesional."
Una alucinación ocurre cuando la IA genera información que parece correcta pero es falsa o inventada. Puede ser un ratio erróneo, una cifra inventada, una fecha incorrecta... siempre presentada con total confianza.
Tu radar detecta tierra donde no la hay: el barco gira, gasta combustible y tiempo, y descubre que era un eco falso. Una alucinación es ese eco: convincente, bien formateado, pero equivocado. El antídoto es siempre verificar con el sonar real — los datos originales.
Las 8 Técnicas Anti-Alucinación
① Grounding — Anclar en Fuentes
Proporciona siempre el documento fuente. Instruye: "Usa SOLO la información del documento adjunto. Si no está, di 'no disponible en el documento'."
② Citas Textuales Obligatorias
Pide que cite el párrafo exacto de donde extrae cada afirmación. Si no puede citar, no puede afirmar.
③ Prompt de Auto-Revisión
Después de la respuesta, añade un segundo prompt:
④ Separar Hecho de Interpretación
Pide explícitamente que marque qué es dato objetivo y qué es inferencia.
⑤ Temperatura Conceptual
Para datos factuales: pide "responde con máxima precisión, sin especulación". Para creatividad: "puedes usar tu criterio e intuición analítica".
⑥ Incertidumbre Explícita
Instruye: "Si no estás seguro de un dato, escribe literalmente 'no tengo certeza sobre esto' en lugar de estimarlo."
⑦ RAG — Retrieval Augmented Generation
Integrar la IA con una base de documentos verificados (informes, prospectos, contratos) para que recupere antes de generar. Elimina la mayoría de alucinaciones en sistemas enterprise.
⑧ Validación Cruzada
Para datos críticos, pide el mismo análisis con dos prompts distintos y compara. Si los datos clave difieren, investiga antes de usar.
Plantilla Anti-Alucinación — Lista para Producción
Copia y adapta este prompt-marco para cualquier análisis financiero de alta criticidad:
Las Tres Estrategias
Ruta A: Python Autónomo
La IA diseña y crea el script. Una vez listo, el script corre solo sin consumir tokens ni llamar a la IA en cada ejecución.
Ruta B: IA en Runtime
La IA ejecuta el análisis cada vez que la invocas. El prompt o skill es la herramienta, Claude hace el trabajo en tiempo real.
Ruta C: Modelo Local
Despliegas un modelo en tu servidor (Ollama + Llama 3, Mistral). Sin enviar datos externos, sin tokens, sin dependencia de internet.
Tabla Comparativa Detallada
| Criterio | 🐍 Python Autónomo | ⚡ IA en Runtime | 🔒 Modelo Local |
|---|---|---|---|
| Coste operativo | Cero post-desarrollo | Tokens por uso | Hardware fijo |
| Privacidad de datos | Total (local) | Datos van a API externa | Total (interna) |
| Calidad del análisis | Depende del código | Alta (Claude Sonnet/Opus) | Media (modelos open) |
| Adaptabilidad | Rígida — requiere redevelopment | Máxima — cambias el prompt | Media |
| Velocidad de implementación | Media (días/semanas) | Alta (horas/minutos) | Baja (semanas + IT) |
| Dependencia de internet | No (post-desarrollo) | Sí (API cloud) | No |
| Mantenimiento | Alto (cambios de formato rompen scripts) | Bajo (ajustas el prompt) | Medio (updates de modelo) |
| Escala masiva | Excelente | Posible (costoso) | Excelente |
| Ideal para | Cálculos repetitivos deterministas | Análisis semántico y variable | Datos confidenciales masivos |
Árbol de Decisión Rápida
Responde estas preguntas para elegir la ruta correcta en cada proyecto:
Ejemplo Práctico: Informe Semanal de Cartera
🐍 Python para...
Los datos de cartera llegan en CSV con formato fijo. Calculas rentabilidad, VaR y comparación con benchmark cada día hábil a las 8:00h. Determinista, alta frecuencia → Python con cron job.
⚡ IA Runtime para...
Un cliente manda preguntas específicas sobre su cartera. Contenido variable, semántico, requiere empatía y contexto. Claude analiza el email + datos y redacta respuesta personalizada.
🔒 Modelo Local para...
Análisis de documentos de due diligence confidenciales que no pueden salir del servidor por política corporativa. Calidad inferior pero privacidad garantizada.
Comparativa de Herramientas
| Criterio | 🟣 Obsidian | 🔵 Notion | 🟤 Git (Markdown) |
|---|---|---|---|
| Almacenamiento | 100% local | Nube (terceros) | Local + remoto |
| Privacidad de prompts | Máxima | Datos en servidores Notion | Total si repo privado |
| Velocidad de búsqueda | Instantánea (local) | Media (API) | Grep local: muy rápido |
| Plantillas reutilizables | Plugin Templater (muy potente) | Nativo | Manual |
| Grafo de conocimiento | Sí (canvas + backlinks) | No | No |
| Curva de aprendizaje | Media (5-10h setup) | Baja | Alta (requiere git) |
| Colaboración equipo | Con Obsidian Sync o Git | Excelente | Excelente (PRs) |
| Coste | Gratis (local) | Freemium | Gratis |
| Integración con IA | Smart Connections + Copilot plugin | Notion AI (coste extra) | Via CI/CD |
Estructura de Vault Obsidian — Para el Equipo
Plantilla Estándar para Cada Prompt
Cada archivo de prompt debe seguir esta estructura para garantizar búsqueda, versionado y onboarding rápido de nuevos miembros del equipo:
¿Qué son los Skills?
Un Skill es un prompt especializado y empaquetado que puede invocarse como herramienta, con su propio contexto, instrucciones, parámetros y validaciones. Es la diferencia entre un analista que improvisa cada informe y uno que tiene plantillas calibradas y contrastadas.
Sin Skill
Cada análisis: buscar el prompt, ajustar el tono, recordar los requisitos, verificar que el formato es el correcto... Consume tiempo y genera inconsistencia entre analistas.
Con Skill Propio
Invocas "Informe Semanal de Cartera" y Claude sabe exactamente qué analizar, cómo estructurarlo y qué no asumir. Mismo resultado de calidad cada semana, sin variación.
Artefactos — Documentos Vivos y Persistentes
Un Artefacto en Cowork es una página HTML interactiva que se regenera con datos frescos de tus conectores cada vez que la abres. No es un documento estático: es un dashboard vivo.
Un artefacto es como el panel de instrumentos del puente de mando: siempre muestra el estado actual (velocidad, rumbo, combustible). No es el informe de ayer; es el presente. Lo creas una vez y lo consultas todos los días con datos frescos.
📊 Dashboard de Cartera
Muestra rentabilidad vs benchmark, movimientos de la semana y alertas de riesgo. Se actualiza con los datos de tu sistema cada vez que lo abres.
📥 Monitor de Solicitudes
Vista de todas las solicitudes de clientes pendientes, clasificadas por tipo y urgencia. Conectado a tu email o sistema CRM.
📅 Resumen Semanal
Consolida notas de reuniones, extrae acciones pendientes y las asigna con plazos automáticamente. Listo para el Comité del lunes.
Diseño de un Agente IA — Los 5 Pasos
Un agente es una IA que no solo responde, sino que planifica, ejecuta pasos, usa herramientas y verifica su propio trabajo hasta lograr un objetivo completo.
Un agente es un primer oficial que, cuando el capitán dice "necesito el informe de la travesía", no solo escribe: recopila los datos del cuaderno de bitácora, consulta las cartas náuticas, contrasta con el meteorólogo, redacta, formatea y entrega el documento. Sin preguntar por cada paso.
- Define el Objetivo Final con Criterio de Éxito
¿Qué debe producir el agente exactamente? ¿Cuándo ha terminado? Un agente sin criterio de finalización claro puede loop infinitamente o parar antes de tiempo.
- Mapea los Pasos y Herramientas Necesarias
¿Qué información necesita recopilar? ¿Qué herramientas necesita (búsqueda web, lectura de archivos, API financiera, generación de documentos, envío de email)?
- Diseña el System Prompt del Agente
El system prompt define: rol, herramientas disponibles, restricciones, proceso obligatorio, criterio de parada y formato de output final. Es el "manual de operaciones" del agente.
- Añade Verificación Interna
El agente debe revisar su propio trabajo antes de entregar: "¿He respondido el objetivo original? ¿Todos los datos tienen fuente verificable? ¿El formato es correcto?"
- Prueba con Casos Límite
¿Qué pasa si un documento no está disponible? ¿Si los datos son inconsistentes? ¿Si el sistema externo falla? Define el comportamiento ante errores antes de poner en producción.
Hoja de Ruta: De Prompt a Agente
| Nivel | Qué dominas | Qué automatizas | Herramienta |
|---|---|---|---|
| 🟢 Básico | Prompts bien estructurados | Tareas puntuales: emails, resúmenes, análisis | Claude / Cowork chat |
| 🟡 Intermedio | Templates + Few-shot + Formato | Flujos repetitivos con plantillas fijas y consistentes | Skills personalizados |
| 🟠 Avanzado | Prompt Chaining + CoT + Anti-alucinación | Pipelines de análisis multi-paso verificables | Prompt chains + Python + Skills |
| 🔴 Experto | System prompts + Tool use + Agentes | Flujos autónomos completos con herramientas | Claude Agent SDK / Cowork Agents |
La Travesía Completa
Has completado el mapa de ruta del Prompt Engineering: desde los primeros prompts hasta los agentes autónomos. Como Magallanes, el conocimiento de la ruta no garantiza el viaje — garantiza que sabes dónde poner el timón cuando las corrientes cambian.
promptingguide.ai
learnprompting.org
② Construir 3 prompts del día a día
③ Diseñar el primer skill propio