Qué es el prompt engineering

Definición amplia

El prompt engineering, o ingeniería de prompts, es la práctica de redactar y ajustar lo que se pide a un modelo de lenguaje para obtener el resultado buscado. Google lo define como el arte de crear prompts que provoquen las respuestas deseadas en un modelo de lenguaje grande, y recoge el diseño de prompts como sinónimo. Se distingue del prompt en sí, que es el texto concreto que se envía: el prompt engineering es el método con el que se llega a él.

Cómo se trabaja

Anthropic plantea tres requisitos previos: tener definidos los criterios de éxito del caso de uso, una forma de comprobar con pruebas si se cumplen y un primer borrador del prompt. A partir de ahí se itera: se cambia el prompt, se repiten las pruebas con casos reales y se comparan los resultados. Sin esa medición es difícil saber si un cambio mejora la respuesta o solo la cambia.

Técnicas habituales

• Claridad y contexto: explicar la tarea, el destinatario y el motivo de cada instrucción.
• Ejemplos: incluir muestras de la respuesta esperada, lo que se llama few-shot.
• Estructura: separar instrucciones, documentos y datos con etiquetas o secciones.
• Rol: indicar en el prompt de sistema qué papel debe asumir el modelo.
• Razonamiento: pedir que analice el problema antes de responder, como en el chain of thought.
• Encadenar prompts: dividir una tarea compleja en varias peticiones sucesivas.

Límites

No todo se arregla con el prompt. La documentación de Anthropic advierte de que algunos objetivos, como reducir la latencia o el coste, se consiguen a veces más fácilmente eligiendo otro modelo. Tampoco sustituye a dar al modelo la información correcta, que es el terreno de la ingeniería de contexto y del RAG, ni a la revisión humana cuando el resultado tiene consecuencias. Y un prompt afinado para un modelo puede dar resultados distintos con otro o con una versión nueva, como recuerda Microsoft, así que conviene volver a probarlo al cambiar de modelo.

Ejemplos de uso

• Dirección y estrategia

  En dirección, se valora si un caso de uso puede resolverse ajustando prompts antes de plantear desarrollos más caros.

• Marketing

  En marketing, se usa para que los textos generados respeten de forma constante el tono y las normas de estilo de la marca.

• Atención al cliente

  En atención al cliente, las instrucciones del asistente se prueban con consultas reales antes de ponerlo ante los clientes.

• Datos y analítica

  En analítica, se ajustan los prompts que convierten preguntas en lenguaje natural en consultas sobre los datos.

• Administración y finanzas

  En finanzas, se afinan los prompts de extracción de facturas hasta que los campos extraídos coinciden con los de una muestra revisada a mano.

Términos relacionados

• Prompt
• Chain of thought
• Evals

Fuentes

• Google for Developers, Machine Learning Glossary: Generative AI (prompt engineering, prompt design)
• Anthropic, Prompt engineering overview
• Anthropic, Prompting best practices
• Microsoft Learn, System message design for Azure OpenAI