5 técnicas para mejorar tus prompts en ChatGPT-5

Si alguna vez has tenido la sensación de que las respuestas de ChatGPT-5 no estaban a la altura de tus expectativas o que su calidad había disminuido en comparación con versiones anteriores, no eres el único. Muchos usuarios han notado un cambio, pero la buena noticia es que, a menudo, el problema no reside en el modelo, sino en la forma en que nos comunicamos con él. El enfoque para escribir prompts ha cambiado significativamente y, para obtener resultados excelentes, es necesario adoptar nuevas estrategias.

La propia OpenAI ha publicado una guía detallada, originalmente pensada para desarrolladores que usan las API, pero que contiene valiosos consejos que también puede aplicar cualquiera que utilice la versión web de ChatGPT. Analizando esta documentación, surgen cinco técnicas fundamentales que pueden transformar radicalmente la calidad de las respuestas que recibimos.

Este artículo te guiará paso a paso a través de estas cinco estrategias oficiales, simplificándolas y traduciéndolas en consejos prácticos. Aprenderás a «instruir» a la inteligencia artificial de manera más eficaz, obteniendo resultados más estructurados, completos y razonados. No se trata de «trucos», sino de un verdadero método para dialogar con la IA de una forma más consciente y potente.

La base de todo: por qué ha cambiado la forma de escribir prompts

Con la evolución de los modelos lingüísticos, también ha cambiado su capacidad para «razonar». ChatGPT-5 es capaz de realizar procesos de pensamiento más complejos antes de generar una respuesta. Si antes bastaba con una solicitud simple y directa, ahora podemos (y debemos) guiarlo en este proceso de razonamiento para sacarle el máximo partido. Las técnicas que veremos aprovechan precisamente esta capacidad, impulsando al modelo a planificar, validar y reflexionar sobre su propio trabajo, tal como lo haría un ser humano.

Además, con la introducción de funciones como el modo «Thinking», tenemos un control aún mayor sobre el nivel de procesamiento que la IA dedica a nuestras tareas. Activar este modo para trabajos complejos, como la elaboración de una estrategia de marketing, permite al modelo dedicar más tiempo al análisis y a la estructuración del pensamiento, lo que conduce a resultados notablemente superiores.

¿Listo para descubrir cómo transformar tus prompts de simples preguntas a instrucciones potentes y eficaces? Empecemos.

1. La regla de la planificación (plan first rule)

La primera y quizás la técnica de mayor impacto consiste en pedirle a ChatGPT que planifique su trabajo antes de ejecutarlo. Es un concepto simple pero increíblemente eficaz: en lugar de lanzarlo directamente a redactar un texto complejo, le pedimos que primero cree un esquema o una checklist.

¿Cómo funciona?

Este enfoque obliga al modelo a dar un paso atrás y a pensar de forma estructurada. Es un poco como el mecanismo de «Deep Research» que utilizan algunas herramientas de IA: antes de buscar la información, definen un plan de acción (p. ej., «Para responder a esta pregunta, seguiré los pasos A, B y C»).

Añadiendo una simple línea a nuestro prompt, podemos replicar este proceso. Al pedirle que comience proporcionando una checklist de los pasos necesarios, lo obligamos a delinear la estructura de su respuesta. Una vez generada esta lista, el modelo la seguirá punto por punto, garantizando un resultado mucho más coherente, completo y lógico.

Ejemplo práctico

Imaginemos que queremos definir un plan de contenidos para un nuevo proyecto.

Prompt simple:

Crea un plan de contenidos trimestral para promocionar un nuevo servicio de caja de suscripción mensual de productos típicos italianos.

Prompt con la regla de la planificación:

*Crea un plan de contenidos trimestral para promocionar un nuevo servicio de caja de suscripción mensual de productos típicos italianos. Antes de nada, proporciona una checklist concisa de los 5-7 pasos clave para estructurar el plan. A continuación, procede a desarrollar cada punto. *

La parte en negrita es la que marca toda la diferencia. ChatGPT primero creará un esquema, como:

1. Definición de los objetivos y KPI del plan
2. Identificación del público objetivo y las personas
3. Selección de los canales de comunicación (blog, redes sociales, newsletter)
4. Definición de los pilares de contenido (ej. historias de productores, recetas, cultura regional)
5. Creación de un calendario editorial general
6. Estrategia de promoción de los contenidos

Y solo después desarrollará cada punto en detalle. El resultado final será un documento infinitamente más organizado y estratégico.

2. La validación post-acción (post action validation)

La segunda técnica se basa en la primera y añade un nivel adicional de control y calidad. Después de pedirle a la IA que planifique y redacte, le pedimos que haga una autorrevisión crítica de su propio trabajo.

¿Cómo funciona?

Es un paso casi «meta»: le pedimos a ChatGPT que analice la respuesta que él mismo ha producido, que evalúe su coherencia con los objetivos y que sugiera posibles correcciones o mejoras. Esto simula perfectamente el proceso de revisión humano: cuando escribimos un documento importante, el borrador de un libro o una presentación, lo releemos pasado un tiempo para encontrar errores, frases poco claras o pasajes que mejorar.

Añadiendo una instrucción específica, podemos hacer que la IA haga lo mismo, obteniendo una versión final del texto más pulida y precisa.

Ejemplo práctico

Evolucionemos el prompt anterior.

Prompt con planificación y validación:

*Crea un plan de contenidos trimestral para promocionar un nuevo servicio de caja de suscripción mensual de productos típicos italianos. Primero, proporciona una checklist concisa […]. A continuación, desarrolla cada punto. Finalmente, después de presentar el plan, analiza críticamente cada fase, indicando si está alineada con el objetivo de aumentar los suscriptores y sugiriendo posibles optimizaciones. *

Con esta adición, el resultado de ChatGPT no se detendrá en el plan de contenidos, sino que incluirá una nueva sección final, similar a esta:

Validación crítica del plan:

• Fase 1 (Objetivos y KPI): Resultado OK. Los objetivos son claros y medibles.
• Fase 2 (Público objetivo): Resultado POSITIVO. Las personas están bien definidas, pero se podría añadir un enfoque en los italianos residentes en el extranjero como segmento secundario.
• Fase 3 (Canales): Resultado A MEJORAR. Se sugiere integrar también colaboraciones con food bloggers e influencers para aumentar la visibilidad inicial, un aspecto no mencionado en el plan.

Este proceso de autocorrección no solo mejora la calidad de la respuesta, sino que también nos proporciona ideas adicionales que podríamos no haber considerado.

3. Los criterios de detención temprana (early stop criteria)

Esta tercera técnica transforma a ChatGPT de un simple ejecutor a un colaborador proactivo. En lugar de dejar que continúe incluso cuando la información es incompleta, le damos el permiso (y la orden) de detenerse y pedirnos aclaraciones.

¿Cómo funciona?

A menudo, cuando escribimos un prompt, omitimos involuntariamente detalles cruciales. Una IA «obediente» intentará llenar esos vacíos con suposiciones que, sin embargo, podrían ser incorrectas y llevar a un resultado impreciso o irrelevante. Con los «criterios de detención temprana», le decimos: «Si te das cuenta de que falta información fundamental para darme una respuesta precisa, detente y hazme una pregunta».

Este enfoque es fundamental para evitar el sesgo de confirmación (es decir, usar la IA solo para confirmar nuestras propias ideas) y para aprovecharla como un verdadero consultor crítico, un «abogado del diablo» que nos ayuda a identificar las lagunas en nuestro razonamiento.

Ejemplo práctico

Añadamos otra pieza a nuestro prompt cada vez más sofisticado.

Prompt completo con criterio de detención:

*Crea un plan de contenidos trimestral para un servicio de caja de suscripción. Primero proporciona una checklist, luego desarrolla el plan y finalmente analízalo críticamente. Sin embargo, interrumpe el proceso y hazme preguntas si te faltan datos esenciales para crear una estrategia realista y eficaz. *

En este caso, el modelo podría detenerse de inmediato y preguntar:

«Para continuar, necesito algunas aclaraciones: ¿Cuál es el presupuesto aproximado para la promoción de contenidos? ¿Ya existe una página web o un blog? ¿Cuáles son los principales competidores que has identificado?»

Este diálogo transforma un monólogo en una conversación colaborativa, aumentando exponencialmente la relevancia y la eficacia de la respuesta final.

4. Especificar el esfuerzo de razonamiento (reasoning effort)

No todas las solicitudes requieren el mismo nivel de profundidad. A veces necesitamos una respuesta rápida y sintética, otras veces un análisis complejo y detallado. La cuarta técnica nos permite especificar explícitamente «cuánto» queremos que ChatGPT piense antes de responder.

¿Cómo funciona?

Esta instrucción es un verdadero parámetro que podemos insertar en el prompt para regular la profundidad del procesamiento. Es diferente a simplemente activar o desactivar el modo «Thinking»; aquí estamos dando una indicación cuantitativa sobre el esfuerzo computacional que debe dedicar.

Según la guía de OpenAI, existen varios niveles, típicamente:

• low
• medium
• high

Al indicar uno de estos niveles, podemos influir en el tiempo que el modelo dedica al razonamiento preliminar. Cuanto mayor sea el esfuerzo, más tiempo tardará en «pensar» antes de empezar a escribir, lo que generalmente se traduce en respuestas más profundas y matizadas.

Ejemplo práctico

Añadamos este parámetro a nuestro prompt.

Prompt con esfuerzo de razonamiento:

Crea un plan de contenidos trimestral […]. Para esta tarea, utiliza un alto nivel de profundidad analítica (reasoning_effort = high). Empieza proporcionando una checklist […]

Al ejecutar el mismo prompt primero con reasoning_effort = low y luego con high, notaríamos una diferencia significativa en el tiempo de «thinking» que muestra la interfaz (p. ej., 9 segundos frente a 21 segundos). Aunque las cifras exactas pueden variar, el concepto es claro: tenemos el control sobre el nivel de profundidad. Para un brainstorming rápido usaremos low, para un análisis estratégico high.

5. Controlar el nivel de verbosidad (verbosity level)

La última técnica es similar a la anterior, pero se centra en la longitud y el detalle de la respuesta final, no en el proceso de razonamiento que la precede. Nos permite decirle a ChatGPT si queremos una respuesta breve y directa o una larga y detallada.

¿Cómo funciona?

También en este caso, se trata de un parámetro que se inserta en el prompt para definir el nivel de «locuacidad» del modelo. Los niveles son similares a los anteriores:

• low
• medium
• high

Alguien podría objetar: «¿Pero no basta con escribir ‘sé breve y conciso’ o ‘proporciona una respuesta detallada’?». Claro, el lenguaje natural funciona, pero el uso de estos parámetros es más rápido, estandarizado y, a menudo, más fiable. Es una forma más «técnica» y directa de comunicar nuestras preferencias sobre el formato del resultado.

Ejemplo práctico

Veamos un ejemplo simple y claro.

Prompt con baja verbosidad:

*Sugiere cinco destinos en Italia para un fin de semana de relax. (verbosity = low) *

Resultado: Simplemente una lista.

1. Saturnia, Toscana
2. Orta San Giulio, Piamonte
3. Val d’Orcia, Toscana
4. Las colinas del Prosecco, Véneto
5. La costa de los Trabocchi, Abruzos

Prompt con alta verbosidad:

*Sugiere cinco destinos en Italia para un fin de semana de relax. (verbosity = high) *

Resultado: Una respuesta mucho más elaborada, con una introducción, y para cada destino una breve descripción del lugar, el tipo de actividades relajantes que se pueden hacer (ej. termas, paseos, enogastronomía) y la mejor época para visitarlo.

Esta técnica es extremadamente útil para adaptar el estilo de la respuesta al contexto: low para obtener datos rápidos, high para generar borradores de artículos o documentos completos.

Bonus: el «promptimizer», la herramienta que lo hace todo en automático

Después de comprender la lógica detrás de estas cinco técnicas, es justo saber que OpenAI también ha lanzado una herramienta para ponerlas en práctica automáticamente: el Promptimizer.

Se trata de una herramienta gratuita en la que se puede introducir un prompt simple e «incompleto». Al hacer clic en «Optimize», la herramienta analiza nuestra solicitud y la reescribe, aplicando automáticamente los principios contenidos en la guía oficial. Añadirá la solicitud de una checklist, la fase de validación y estructurará el prompt de una manera mucho más eficaz.

Lo interesante es que resalta las modificaciones realizadas, permitiéndonos ver exactamente qué principios se han aplicado.

¿Por qué aprender las técnicas si existe una herramienta automática?

Es la clásica metáfora: ¿es mejor recibir un pez para comer un día o aprender a pescar para comer toda la vida? Usar la herramienta es cómodo y rápido, pero haber comprendido los mecanismos que hay detrás nos convierte en usuarios más conscientes y potentes. Entender por qué una checklist mejora la respuesta o por qué la validación es importante nos permite escribir prompts eficaces en cualquier situación, incluso sin la ayuda de herramientas externas.

Nuestro objetivo debería ser interiorizar estos conceptos para poder aplicarlos con naturalidad cada vez que interactuamos con la inteligencia artificial, transformando cada una de nuestras solicitudes en una instrucción precisa y potente.

Con estas cinco técnicas, no solo estás mejorando tus prompts: estás aprendiendo una nueva forma de dialogar con la inteligencia artificial, explotando todo su potencial y obteniendo resultados que antes solo podías imaginar.