En 2024, un grupo de investigadores de la Universidad de Maryland reunió a otros 30 coautores —de universidades y de empresas como OpenAI, Microsoft y Google— para responder una pregunta simple: ¿existe realmente una forma correcta de pedirle algo a una IA? El resultado, publicado bajo el título "The Prompt Report", analizó más de 1.500 estudios académicos y catalogó 58 técnicas distintas para hacer pedidos a modelos de IA, además de otras 40 específicas para imagen, audio y video.
La conclusión central no es sofisticada, pero sí incómoda: la misma pregunta, escrita de dos formas diferentes, puede producir respuestas de calidad muy distinta —con el mismo modelo, el mismo día—. Parte de lo que las empresas llaman "la IA no es lo bastante buena" es, en la práctica, "el pedido no estaba bien hecho".
Esto importa para quien decide invertir en IA porque explica un patrón común dentro de las empresas: la misma herramienta que decepciona a una persona resuelve el problema de otra —y la diferencia rara vez está en la herramienta.
El resumen genérico y su costo oculto
Pídele a una IA que "resuma esto" y el resultado suele ser un párrafo correcto, pero poco útil: lo bastante genérico como para servir a cualquier documento, y lo bastante específico como para no servir a ningún lector real. La persona lo lee, lo descarta, reescribe el pedido, lo intenta de nuevo. Cada intento consume tiempo —y, en muchas herramientas de IA cobradas por uso, también consume presupuesto.
La guía oficial de OpenAI para quienes construyen sobre la IA resume el motivo en una frase: la primera estrategia recomendada es escribir instrucciones claras, y la segunda es dividir tareas complejas en partes más pequeñas. Un pedido como "resume esto" no dice para quién es el resumen, qué debe quedar afuera, ni qué formato espera el lector — así que el modelo de IA llena esos vacíos con una suposición genérica, porque es la única salida que tiene.
La documentación oficial de Anthropic, fabricante del modelo Claude, llega a la misma regla por otro camino: recomienda tratar cada pedido como un conjunto de partes claras —el contexto, la instrucción, el formato de salida— en lugar de una frase corrida. Un modelo de IA sigue la instrucción literal que recibió, no la intención que se quedó solo en la cabeza de quien escribió.
Por qué intentarlo de nuevo solo no resuelve
La salida más común es que la persona ajuste el pedido en el siguiente intento, mejorando un poco en cada ronda, hasta acertar por su cuenta. Funciona —pero solo para quien está pidiendo en ese momento. En cuanto esa persona cambia de equipo o sale de vacaciones, el buen pedido desaparece con ella. Quien entra después empieza de cero, con el mismo resumen genérico del principio.
El relevamiento "The Prompt Report" llama "ingeniería de pedidos" (la forma de pedir que funciona de manera confiable, y no por suerte) a ese proceso de refinar un pedido hasta que funciona bien. Entre las 58 técnicas catalogadas, cuatro elementos se repiten en la mayoría de ellas —los mismos que recomiendan también las guías oficiales de OpenAI y Anthropic:
- Contexto: lo que la IA necesita saber que no es obvio en el pedido —para quién es, con qué fin, qué se intentó antes.
- Rol de quien escribe: en qué función debe responder la IA, como si fuera alguien del área legal, de finanzas o un analista senior del área.
- Formato de salida: lista, tabla, párrafo corto, correo listo para enviar. Indicar el formato evita una segunda ronda solo para reformatear.
- Criterio de aceptación: cómo sabrá la persona que la respuesta está bien —extensión, tono, qué debe aparecer y qué no puede aparecer.
Un pedido con estas cuatro partes tiende a acertar en el primer intento. Un pedido sin ellas se convierte en una negociación de varias rondas —y cada ronda es tiempo de alguien y, en muchas herramientas, también costo medido.
Lo que tiene que existir en la práctica
El problema, entonces, no es solo escribir un pedido mejor —es evitar que el buen pedido quede atrapado en la cabeza de quien lo escribió. Eso requiere mecanismos, no buena voluntad.
El buen pedido se convierte en plantilla reutilizable. Cuando alguien finalmente acierta el pedido de una tarea recurrente —cerrar un informe mensual, responder a un tipo común de solicitud, revisar un contrato estándar— ese pedido tiene que convertirse en una plantilla guardada, no en un secreto personal enterrado en una conversación vieja.
Alcance definido por persona, grupo y rol. Una plantilla de pedido creada por finanzas no necesita, ni debe, aparecer para todo el mundo. Se comparte con quien tiene el rol correcto para usarla —la misma lógica de acceso que ya existe para carpetas y sistemas, aplicada también a los pedidos de IA.
Una versión vigente, no varias sueltas. Sin control, cada persona guarda su propia copia del "pedido que funcionó" —en una nota, en un correo, en un mensaje fijado. Cuando el proceso cambia, nadie sabe qué copia quedó desactualizada. La plantilla necesita un dueño y una versión vigente, igual que cualquier otro documento de proceso interno.
Agentes que ya vienen con el pedido incorporado. En lugar de que la persona escriba el pedido desde cero cada vez, un agente preparado para una rutina específica ya trae el contexto, el rol y el formato correctos —quien lo usa solo ingresa la información de esa tarea puntual.
Así fue diseñada la Skyller: plantillas de pedidos y agentes reutilizables, con alcance por persona, grupo y rol, para que el buen pedido de una persona se convierta en tiempo ganado para todo el equipo —con más de 170 plantillas de políticas y procesos ya listas para quien no quiere empezar de cero.
Del pedido individual a la capacidad del equipo
La ganancia de reutilizar un buen pedido no es solo velocidad —es consistencia. Cuando diez personas del mismo equipo piden lo mismo de diez formas distintas, la empresa recibe diez respuestas de calidad diferente para la misma pregunta. Eso es lo opuesto de lo que cualquier área de operaciones quiere: el mismo tipo de solicitud debería producir el mismo estándar de respuesta, y no depender de la suerte de quién escribió el mejor pedido ese día.
Reutilizar también cambia quién logra sacarle provecho a una IA. Hoy, aprovecharla al máximo exige algo de prueba y error que no toda persona tiene el tiempo o la paciencia de hacer. Cuando el buen pedido ya viene listo —dentro de un agente, de una plantilla guardada, de un flujo por etapas— quien nunca escribió un pedido de IA en su vida se acerca al resultado de quien pasó meses refinando uno.
Hay además un efecto directo en la cuenta. Un pedido mal hecho cuesta más intentos, y más intentos cuestan más uso de la herramienta. En una empresa con presupuesto de IA compartido por el equipo, un pedido bien diseñado una sola vez, usado por todos después, es presupuesto que sobra para otras rutinas.
Una guía para empezar
Antes de escribir un pedido más desde cero, una pequeña guía ayuda a pasar de "resume esto" a algo que funcione desde el primer intento:
- Escribe el contexto antes de la tarea. Di para quién es, con qué fin y qué se intentó antes —no dejes que la IA adivine el resto.
- Da un formato de salida explícito. Lista, tabla, correo listo para enviar: el formato correcto elimina una ronda entera de retrabajo.
- Define el criterio de aceptación. Describe qué hace que la respuesta esté bien —extensión, tono, qué debe aparecer y qué no puede aparecer.
- Guarda lo que funcionó. Un pedido probado una vez debería convertirse en plantilla, no perderse en una conversación vieja.
- Pregunta quién más hace esa tarea. Si tres personas del mismo equipo hacen el mismo tipo de pedido, una plantilla compartida reemplaza tres reinvenciones.
