Cómo crear prompts para analizar y clasificar datos

Para escribir un prompt de IA destinado al análisis o la clasificación de datos, defina la decisión, indique criterios explícitos, separe cada fuente de datos y especifique las columnas de salida. Incluya una regla para la información ausente o contradictoria, de modo que el modelo pueda devolver Unknown en lugar de aventurar una respuesta.

En esta guía utilizo un ejemplo de clasificación de empresas: a partir de la descripción de una empresa y del texto extraído de su sitio web, se debe determinar si vende servicios de RR. HH. a otras empresas y explicar brevemente el motivo. Así obtendrá un resultado que podrá filtrar y una justificación que podrá contrastar con los datos de entrada.

Cuanto más claro sea el prompt, más fácil será revisar los resultados. Compruebe cómo responde ante la falta de evidencias y las clasificaciones incorrectas. Pruebe primero con filas representativas antes de aplicarlo a todo el dataset.

Estos son los temas que abordaremos en la guía:

1. ¿Qué es un prompt?
2. Ejemplos de prompts
3. ¿A quién va dirigida esta guía?
4. Por qué es importante escribir buenos prompts
5. Cómo es un mal prompt
6. Estructura del prompt y pasos para implementarlo

¿Qué es un prompt?

Respuesta sencilla: un prompt es la entrada que usted proporciona a una IA para obtener un resultado concreto.

No se deje confundir si ha leído artículos con largos párrafos sobre «qué es un prompt», porque, en realidad, definir un prompt no es complicado.

Lo difícil es redactar un buen prompt. Pero antes de explicarle cómo hacerlo, veamos tres ejemplos.

¿A quién va dirigida esta guía?

Escribir prompts eficaces es un reto al que todo el mundo se enfrentará en algún momento de su carrera profesional.

Por eso, esta guía no está pensada para un sector o perfil específico, sino para quienes trabajan con datos y automatización. Nos centraremos en redactar prompts que le ayuden a editar, analizar y limpiar grandes datasets de forma eficiente, tanto si es estudiante como si cuenta con una amplia experiencia profesional.

Los ejemplos utilizan Datablist para aplicar un prompt a las filas de una hoja de cálculo y guardar los resultados en propiedades independientes.

Por qué importan los buenos prompts

Un modelo necesita las mismas reglas de decisión que necesitaría un compañero para clasificar esa fila. Unas instrucciones claras reducen la ambigüedad, pero las entradas incompletas y los errores del modelo siguen exigiendo una fase de revisión.

Cómo es un mal prompt

Por qué este prompt es malo:

• No hay instrucciones estructuradas: los requisitos están dispersos por todo el texto y carecen de una organización clara.
• No hay secciones ni separadores claros: la IA debe interpretar un bloque de texto sin divisiones lógicas.
• Las entradas no tienen etiquetas: la descripción de la empresa y el texto del sitio web no están delimitados, por lo que resulta más difícil distinguir la función de cada fuente.
• Lenguaje informal: expresiones como «cosas» y «por cierto» generan ambigüedad.

Cómo interpreta la IA el prompt

Esta ilustración muestra los valores de la fila insertados directamente. Datablist puede trasladar las variables inline a una sección Variables independiente; aun así, las etiquetas le ayudan a identificar cada fuente.

Mezclar los valores de entrada con una instrucción informal dificulta comprobar dónde termina la tarea y dónde comienzan las evidencias.

Esto es lo que falla en este caso:

1. Límites de entrada poco claros: las dos fuentes se confunden con las instrucciones que las rodean.
2. Etiquetas sin definir: el prompt no indica qué debe devolverse si faltan evidencias o si la empresa desarrolla varias actividades.

👉 Dicho esto, veamos cómo es un buen prompt y cómo puede crear uno.

3 ejemplos de prompts

Prompt con una sola orden

En su forma más sencilla, un prompt puede ser una orden como esta:

Prompt en forma de pregunta

Un prompt puede ser una pregunta sencilla como esta:

Prompt de clasificación estructurado con entradas etiquetadas

Un prompt también puede contener instrucciones más detalladas para editar, analizar o limpiar sus datos: personalizar Cold Emails, analizar comentarios de clientes, depurar nombres de empresas y mucho más.

Utilizo secciones etiquetadas para separar las reglas, los requisitos de salida y los datos de entrada. Las etiquetas de tipo XML son una opción especialmente útil cuando un prompt combina varios documentos. La guía de prompting de Anthropic recomienda emplear etiquetas descriptivas para establecer esa separación. En prompts breves, los encabezados de sección también facilitan la revisión.

Este es un prompt de clasificación que puede copiar y que incluye una tercera etiqueta explícita para los casos sin evidencias suficientes:

Por ejemplo, «Ofrecemos software de nóminas a empresas» justifica Yes. «Desarrollamos software de contabilidad y buscamos ingenieros» justifica No. Una descripción vacía justifica Unknown, aunque el nombre de la empresa parezca relacionado con los RR. HH. Son ejemplos ilustrativos de las etiquetas esperadas, no resultados medidos del modelo.

Estructura del prompt y pasos de implementación

Las capturas que aparecen a continuación muestran la estructura anterior de la plantilla. Aplique al prompt de clasificación actualizado la misma separación entre tarea, criterios y datos, incluidos sus campos de salida y la regla Unknown.

Cómo se estructura un buen prompt

Al revisar algunas plantillas de la biblioteca de prompts de IA de Datablist.com, verá que casi todas se organizan en secciones y que cada sección contiene estos tres componentes:

1. Etiqueta: indica a la IA de qué trata la sección.

2. Cuerpo: contiene las instrucciones que ayudan a la IA a comprender y completar la tarea mediante:

   • Explicación: comunica a la IA algo que debe saber o le aporta contexto.
   • Orden: indica a la IA qué debe hacer o le asigna una tarea.

3. Límites: los encabezados, separadores o pares de etiquetas indican dónde comienza y termina cada sección. Utilice siempre las mismas etiquetas; ningún delimitador puede compensar la ausencia de reglas de decisión.

Al final también se incluyen propiedades de marcador de posición:

• Son columnas que se sustituyen por datos cuando se utiliza el prompt.
• Estos marcadores permiten personalizar el prompt para cada registro de un dataset.

Por ejemplo, en nuestro prompt Job Title Categorizer, utilizamos {{job_title}} como marcador de posición, que se sustituye por un cargo real del dataset al procesar cada registro.

Desglose de mi prompt y pasos de implementación

Nota: las empresas de RR. HH. no son nuestro ICP («Ideal Customer Profile»); solo las utilizamos como ejemplo.

Primer paso: contexto

Al proporcionar contexto a la IA, hice tres cosas fundamentales:

• Expliqué qué datos recibiría la IA sin desvelar los criterios concretos de segmentación.
  • De este modo, las fuentes de entrada quedan descritas antes de las reglas de clasificación.
• Expliqué el contexto de los datos y definí el problema concreto.
  • Esto ayuda a la IA a entender con qué está trabajando.
• Describí mi situación específica.
  • Así, la IA puede adaptar su enfoque a mis necesidades.

Qué debe hacer al redactar su prompt:

• Explique a la IA qué datos va a proporcionarle.
• Describa su problema.
• Utilice separadores (===).

Segundo paso: tarea u orden (qué quiero que haga)

En esta sección del prompt hice dos cosas esenciales:

• Volví a orientar a la IA mediante la etiqueta «Qué quiero que haga», para que sepa de qué voy a hablar.
• Proporcioné una descripción general de la tarea sin detallar los pasos ni los datos que debía buscar, con el fin de mantener un flujo lógico de la información.

Qué debe hacer al redactar su prompt:

• Primero, identifique el objetivo principal de la tarea u orden.
• Después, utilice separadores (===).

Si necesita realizar varias tareas similares, no intente resolverlas todas con un solo prompt. A la IA le resultará mucho más difícil gestionarlas y a usted le costará más detectar posibles errores.

Tercer paso: instrucciones de la tarea (cómo hacerla)

Esto es lo que hago al añadir instrucciones a un prompt:

• Mantengo un lenguaje sencillo y directo.
• Explico la tarea como si enseñara a alguien a realizarla manualmente.
• Me centro en instrucciones claras y ordenadas paso a paso.

Si los resultados son incorrectos, revise el texto de entrada, los criterios de decisión y los requisitos de salida antes de reescribir el prompt. Algunos fallos se deben a la falta de evidencias o a las limitaciones del modelo; añadir más instrucciones no puede aportar un dato que no existe.

Qué debe hacer al redactar su prompt:

• Cree instrucciones sencillas, paso a paso y con un lenguaje claro.
• Utilice separadores (===).

Cuarto paso: prevención de errores n.º 1 (contexto de la tarea), opcional

Este paso aporta contexto adicional y específico de la tarea para ayudar a la IA a:

• Comprender los matices de la tarea.
• Evitar errores habituales.
• Tomar mejores decisiones.

Al explicar de forma explícita los posibles problemas y casos límite, establecemos límites que evitan que la IA haga suposiciones o cometa errores.

Este paso no es obligatorio en todos los prompts, pero resulta esencial en las tareas complejas.

Qué debe hacer al redactar su prompt:

• Piense en los errores habituales que cometería un empleado junior al realizar este tipo de tarea.
• Incluya esos posibles errores en el prompt para ayudar a la IA a evitarlos.
• Utilice separadores (===).

Quinto paso: objetivo (qué está buscando)

Estos son los aspectos más importantes que debe incluir al describir sus expectativas en un prompt:

• Aportar contexto detallado sobre el resultado deseado.
• Especificar con precisión los resultados esperados.
• Evitar sesgos o conclusiones deseadas que puedan influir en el análisis.

Utilizar un lenguaje natural y conversacional en lugar de jerga técnica suele producir mejores resultados en los sistemas de IA.

Qué debe hacer al redactar su prompt:

• Defina resultados claros para el análisis o la tarea.
• Especifique qué indicadores o señales son más importantes para usted.
• Proporcione ejemplos.
• Utilice separadores (===).

Sexto paso: contexto de los datos (información sobre los datos), opcional

Cuando añado contexto sobre los datos a mis prompts, sigo estas reglas:

• Refuerzo la prevención de errores mediante reglas claras y explico el motivo.
  • Ejemplo de regla: «Evalúe siempre el contexto completo».
  • Motivo: «Los indicadores aislados pueden resultar engañosos».
• Añado varias capas de contexto.
  • Posibles errores que se deben evitar.
  • Problemas específicos de los datos.
  • Recordatorios específicos de la tarea.

Qué debe hacer al redactar su prompt:

• Piense en los posibles errores de la IA e indíquele de forma explícita que evite esos fallos concretos.
• Divida la información en partes lógicas en vez de proporcionarla toda de una vez.
• Utilice separadores (===).

📘 Dato rápido

Si es explícito en lugar de dejar que la IA haga suposiciones sobre el prompt, evitará muchos errores.

Séptimo paso: cómo empezar

Este paso final consiste en dar a la IA unas instrucciones iniciales claras. Esto es lo que hice:

• Mantuve un enfoque sencillo y directo.
  • Numeré los pasos en orden cronológico.
  • Utilicé verbos de acción claros, como «leer, crear, decidir…».

Qué debe hacer al redactar su prompt:

• Proporcione instrucciones iniciales claras mediante pasos numerados.
• Utilice verbos de acción para que los pasos sean fáciles de seguir.
• Mantenga las instrucciones sencillas y directas.
• Utilice separadores (===).

Octavo paso: formato de los marcadores de posición (siempre al final)

Este es el último paso para redactar un prompt eficaz: insertar columnas como marcadores de posición.

Agrupe las instrucciones estables de la tarea y coloque después las entradas específicas de cada fila en secciones etiquetadas al final de la plantilla. Así, el prompt será más fácil de mantener y revisar; el orden de las entradas, por sí solo, no garantiza la precisión.

Qué debe hacer:

Utilice llaves dobles {{ }} para añadir datos procedentes de las columnas de su hoja de cálculo.

Utilice separadores (===).

❗Importante

Seleccione las propiedades reales de la colección al insertar variables. Mantenga sus valores en secciones de entrada etiquetadas y revise el resultado generado antes de procesar la lista completa.

Reglas aplicadas a otro ejemplo

El siguiente escenario de M&A muestra cómo organizar una solicitud más compleja. Antes de utilizarlo para puntuar empresas, es necesario definir criterios precisos.

Ejemplo de solicitud:

¡Empecemos a crear el prompt!

Primer paso

En este paso, proporcionaremos a la IA el contexto general.

Segundo paso

Ahora definiremos con claridad los objetivos principales para nuestro asistente de IA.

Tercer paso

A continuación, detallaremos los pasos concretos que la IA debe seguir durante el análisis.

Cuarto paso

Para garantizar la precisión, explicaremos ahora los posibles errores y los aspectos importantes que se deben tener en cuenta.

Quinto paso

Ahora definiremos en qué consiste un buen resultado mediante criterios de evaluación claros.

Sexto paso

Ahora aportaremos contexto sobre la interpretación de los datos y las particularidades del sector.

Séptimo paso

Ahora indicaremos a la IA la secuencia exacta de acciones con la que debe comenzar el análisis.

Octavo paso

Por último, proporcionaremos a la IA los datos con los que debe trabajar.

Adapte los criterios y los campos de salida a su tarea. El ejemplo de M&A aún necesita umbrales de puntuación explícitos y una revisión humana; una petición general para evaluar la salud financiera no constituye un modelo de scoring definido.

Pruebe el prompt antes de procesar su CSV

Para el ejemplo de RR. HH., active Define outputs format y configure HR Match y Reason como salidas de tipo Text en el enrichment Ask ChatGPT/OpenAI de Datablist. Asigne cada salida a una propiedad independiente. Una Checkbox eliminaría la distinción entre No y Unknown.

Comience con una pequeña selección que incluya un proveedor de RR. HH., una empresa de otro sector que mencione procesos de contratación, una descripción vacía, una empresa con varios servicios y textos contradictorios entre las fuentes. Anote la etiqueta esperada para cada fila antes de ejecutar el prompt y compare después tanto la etiqueta devuelta como su justificación con el texto original.

Cuando un resultado sea diferente de lo esperado, identifique la causa:

• Si falta un valor en una fuente, necesita mejores datos de entrada o un resultado Unknown.
• Si la descripción de la empresa es ambigua, necesita una regla de inclusión o exclusión más específica.
• Si la justificación no está respaldada por la entrada, debe corregirla y realizar otra prueba.
• Si la etiqueta es inesperada, necesita reglas de salida o una configuración de salida más claras.

Vuelva a probar los mismos casos después de revisar el prompt. Reserve algunas filas adicionales para una comprobación independiente, de modo que no ajuste el prompt únicamente a los ejemplos ya revisados. Si todas las variables están vacías, el registro puede omitirse con un error en lugar de enviarse al modelo; por eso, debe revisar tanto los errores de ejecución como los resultados de clasificación.

Para aplicar el prompt verificado a un archivo más grande, siga el flujo de enriquecimiento de filas de un CSV. Conserve las propiedades de entrada originales para poder revisarlas más adelante.

Conclusión

Empiece con una única decisión, criterios explícitos y campos de salida independientes. Etiquete los textos fuente, permita un resultado para los casos sin evidencias y pruebe el prompt con filas habituales y complejas antes de procesar toda la colección.

Preguntas frecuentes sobre cómo escribir prompts de IA

¿Cómo es un buen prompt de IA?

Un buen prompt de IA es claro, específico y está bien estructurado. Incluye el contexto de lo que se quiere conseguir, instrucciones concretas sobre cómo hacerlo y el formato de salida deseado. Debe estar escrito con un lenguaje sencillo y evitar cualquier ambigüedad que pueda generar malentendidos.

Consulte nuestros ejemplos de prompts de IA para Lead Generation.

¿Por qué no funcionan mis prompts de ChatGPT?

Los prompts de IA pueden no funcionar correctamente por varios motivos:

• Instrucciones poco claras o imprecisas.
• Demasiadas tareas en un solo prompt.
• Falta de contexto o información previa.
• Lenguaje complejo o demasiado técnico.
• Ausencia de ejemplos concretos o de un formato de salida deseado.

¿Cómo escribir prompts de IA para obtener mejores resultados?

Para escribir prompts de IA eficaces:

• Empiece con un objetivo claro.
• Divida las tareas complejas en pasos más pequeños.
• Proporcione el contexto y la información previa pertinentes.
• Especifique el formato de salida deseado.
• Utilice un lenguaje sencillo y directo.
• Incluya ejemplos siempre que sea posible.

¿Cuáles son los errores más comunes al escribir prompts?

Estos son algunos de los errores más frecuentes al redactar prompts:

• Ser demasiado impreciso o general.
• Sobrecargar el prompt con varias tareas.
• No aportar suficiente contexto.
• Utilizar un lenguaje poco claro o ambiguo.
• Dar por hecho que la IA comprende información implícita.
• No especificar el formato de salida deseado.

¿Qué longitud debe tener un prompt de IA?

Un prompt de IA debe ser tan largo como sea necesario para transmitir toda la información esencial, pero no más. Por lo general, los prompts eficaces abarcan desde unas pocas frases hasta un párrafo en las tareas sencillas, y pueden ser más extensos en tareas complejas que exijan instrucciones detalladas y contexto. La clave está en ser exhaustivo y conciso a la vez.

¿Qué es la ingeniería de prompts?

La ingeniería de prompts consiste en diseñar y optimizar las entradas que se proporcionan a los modelos de IA para obtener resultados más precisos y útiles. Implica comprender cómo interpretan las instrucciones los modelos de IA, estructurar los prompts de forma eficaz y mejorarlos de manera iterativa a partir de los resultados.