# ¿Qué es el prompt engineering? Definición y retos para la empresa

> El prompt engineering es la disciplina de escritura metódica de los prompts. No se trata de un oficio raro sino de una competencia transversal, que consiste en formalizar, probar y estandarizar las instrucciones dirigidas a un LLM para obtener salidas fiables y reproducibles a escala de una organización.

## Definición
El prompt engineering cubre el conjunto de técnicas que permiten transformar una solicitud vaga en una instrucción estructurada que produce una salida fiable. Las técnicas principales incluyen: la asignación de rol («Eres experto en...»), la provisión de ejemplos (one-shot, few-shot), la descomposición de la tarea en etapas (chain of thought), la especificación del formato de salida (JSON, markdown, plan numerado), y la introducción de restricciones negativas («no mencionar...»). En 2023, el término designaba un oficio emergente y bien remunerado (hasta 335 000 dólares anuales en una oferta de Anthropic publicada en 2023). Desde 2024-2025, esta segmentación se ha derrumbado en gran medida: los modelos se han vuelto más tolerantes con los prompts imprecisos, y las buenas prácticas se han difundido. El prompt engineering ya no es un oficio, es una competencia integrada a los roles de negocio (comercial, jurídico, marketing), al mismo título que el dominio de Excel o de la búsqueda en Google.

## Ejemplo
El estudio NBER de Brynjolfsson, Li y Raymond (2023, *Generative AI at Work*) observó a 5 179 agentes de atención al cliente equipados con un asistente de IA. La ganancia de productividad media fue del 14 %, pero variaba fuertemente según el nivel de experiencia: 34 % de ganancia para los agentes novatos o poco cualificados, y un efecto mínimo para los más experimentados. La lección central para los dirigentes: la productividad derivada de la IA no es una propiedad del modelo, sino de la práctica de uso. Sin disciplina colectiva de prompting, las ganancias siguen siendo desiguales y no capitalizables.

Caso a mayor escala, contexto de atención al cliente: Klarna, febrero de 2024. El grupo fintech sueco anunció que su asistente IA (basado en OpenAI) había gestionado en un mes 2,3 millones de conversaciones, dos tercios de su atención al cliente, en más de 35 idiomas: el equivalente al trabajo de 700 agentes a tiempo completo. Las consultas se resolvían en menos de 2 minutos frente a 11 antes, con una satisfacción al nivel de la de los agentes humanos. En mayo de 2025, Klarna rectificó. Su consejero delegado, Sebastian Siemiatkowski, reconoció que el coste había pesado demasiado en la organización del servicio y que la calidad se había resentido. La empresa vuelve a contratar agentes humanos, mientras la IA sigue gestionando unos dos tercios de las consultas. La lección: un asistente IA no se gestiona solo por el volumen tratado. La calidad de las respuestas se mide, se prueba y se corrige en el tiempo.

## Para un directivo
Contratar a un «prompt engineer» como oficio dedicado, o al contrario dejar que cada colaborador improvise sus prompts caso por caso. La primera vía es obsoleta desde 2024: los modelos se han vuelto tolerantes con las instrucciones imprecisas, y la competencia ya no es rara. La segunda fragmenta el uso, impide la capitalización, y produce resultados heterogéneos según los individuos, sin pista posible de mejora. | Construir una biblioteca interna de prompts tipo por caso de uso, compartida, versionada, probada. Identificar las 5 a 10 tareas recurrentes por función (redacción comercial, síntesis de reuniones, análisis de CV), formalizar un prompt tipo para cada una, medir la calidad media de las salidas, iterar. Esta biblioteca se convierte en un activo documental de la empresa, transferible, y cada mejora beneficia a todos los usuarios simultáneamente. La competencia se difunde en lugar de quedar cautiva de unos pocos individuos.

*Prompt engineering, fine-tuning y RAG: tres formas de adaptar un LLM a un caso de uso*

| Técnica | Lo que cambia | Coste típico | Cuándo elegirla |
| --- | --- | --- | --- |
| Prompt engineering | Instrucciones y ejemplos dados al modelo en cada llamada: el modelo permanece igual | Bajo: de unas horas a unas semanas por caso de uso | La opción por defecto: rápida de iterar, reversible, sin reentrenamiento. |
| RAG (Retrieval-Augmented Generation) | El modelo recibe extractos relevantes de una base documental en cada pregunta | Medio: infraestructura de búsqueda vectorial + curación de fuentes | Cuando el conocimiento del negocio vive fuera del modelo (documentos internos, catálogo de productos, base de conocimiento que evoluciona). |
| Fine-tuning | El modelo se reentrena sobre un corpus propietario: comportamiento y estilo modificados de forma duradera | Alto: dataset anotado + coste de cómputo + mantenimiento con cada nuevo modelo base | Estilo editorial muy específico, vocabulario de nicho no cubierto, o reducción de latencia en una única tarea bien acotada. |

## Preguntas frecuentes

**¿Hace falta un experto para hacer prompt engineering?**
No. En la empresa, el prompt engineering es ante todo una disciplina de redacción: claridad del contexto, exigencia sobre el formato de salida, ejemplos cortos. Las ganancias documentadas (14 % de productividad media según el estudio NBER 2023 sobre 5 179 agentes de soporte) provienen de buenas prácticas difundibles, no de una experiencia técnica.

**¿Cómo estructurar un buen prompt?**
Cuatro bloques: rol (a quién habla el modelo), contexto (datos, restricciones, tono esperado), tarea (verbo de acción y criterio de éxito), formato de salida (estructura explícita). Añadir uno o dos ejemplos (few-shot) mejora la fidelidad al formato. Iterar sobre 3-5 versiones antes de fijar un prompt de producción.

**¿Prompt engineering o fine-tuning: cuál es la diferencia?**
El prompt engineering ajusta lo que se pide al modelo en la inferencia: rápido, sin coste de reentrenamiento, reversible. El fine-tuning reentrena el modelo sobre datos propietarios: costoso, más lento, pero útil para un estilo o experiencia muy específica.

**¿Cuánto cuesta un mal prompt?**
En un caso de generación a volumen (soporte, extracción, resumen), un prompt mal calibrado infla los tokens de entrada y produce respuestas fuera de formato que hay que reprocesar. Mida el coste por petición y la parte de salidas a rehacer antes y después de cada cambio del prompt.

**¿Se está volviendo obsoleto el prompt engineering?**
No, evoluciona. Los modelos recientes (por ejemplo Claude Opus 5.5, GPT-6) toleran mejor los prompts vagos, pero la brecha de rendimiento entre un prompt mediocre y uno bien elaborado sigue siendo importante en producción. Las técnicas evolucionan (chain-of-thought, uso de herramientas, salida estructurada), la disciplina permanece.

**¿Hay que documentar los prompts en la empresa?**
Sí, en una biblioteca interna versionada. Cada prompt de producción debe tener: un identificador, una fecha, un caso de uso, la versión del modelo objetivo, la métrica de calidad medida, y un ejemplo de salida esperada. Sin esta disciplina, los prompts se duplican, derivan y dejan de ser auditables: trátelos como código.

## Para seguir

- [Prompt](https://wyp.agency/es/glosario/prompt/)
- [Patrones de prompting](https://wyp.agency/es/glosario/patrones-prompting/)
- [LLM (Large Language Model)](https://wyp.agency/es/glosario/llm/)
- [Alucinación](https://wyp.agency/es/glosario/alucinacion/)
- [Disciplina de uso](https://wyp.agency/es/glosario/disciplina-uso/)
- [Mapa y territorio](https://wyp.agency/es/glosario/mapa-y-territorio/)
- [Context engineering (ingeniería de contexto)](https://wyp.agency/es/glosario/ingenieria-de-contexto/)

## Fuentes

- Generative AI at Work, Brynjolfsson, Li & Raymond, NBER Working Paper 31161, 2023 (https://www.nber.org/papers/w31161)
- Prompt engineering overview, documentación de Claude (Anthropic) (https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/overview)
- Klarna AI assistant handles two-thirds of customer service chats in its first month, comunicado de Klarna, 27 de febrero de 2024 (https://www.prnewswire.com/news-releases/klarna-ai-assistant-handles-two-thirds-of-customer-service-chats-in-its-first-month-302072740.html)
- Klarna reinvests in human talent for customer service, Customer Experience Dive, 9 de mayo de 2025 (https://www.customerexperiencedive.com/news/klarna-reinvests-human-talent-customer-service-AI-chatbot/747586/)
- Fortune, oferta de empleo de «prompt engineer & librarian» de Anthropic, 9 de marzo de 2023 (https://fortune.com/2023/03/09/new-ai-jobs-chatgpt-like-assistants/)

---
Ficha del glosario de IA de WYP.agency · https://wyp.agency/es/glosario/prompt-engineering/ · Última actualización : 2026-10-14