A finales de 2022, cuando OpenAI lanzó ChatGPT, millones de personas empezamos a usar un modelo de lenguaje por primera vez. No pasó mucho tiempo para que nos diéramos cuenta de que la calidad de las respuestas cambiaba muchísimo dependiendo de cómo se formulaba la pregunta. Muy pronto, personas que experimentaron con los chatbots más allá del uso cotidiano descubrieron que pequeñas modificaciones en el texto producían resultados completamente distintos.
De la noche a la mañana, internet se llenó de gurús vendiendo “guías de trucos” y listas con supuestos conjuros mágicos necesarios para hablarle a la inteligencia artificial. Prometían que cualquiera podía convertirse en prompt engineer y domar a la IA con fórmulas milimétricas como: “actúa como un experto en marketing global…”, “piensa paso a paso…”, “imagina que eres un profesor de Harvard…”
Lo cierto es que el prompt engineering sí tuvo utilidad. Ayudó a muchas personas a obtener mejores resultados con los primeros modelos y sentó las bases para prácticas que siguen siendo valiosas (dar contexto, definir el rol, especificar el formato, etcétera). Lo que cambió es que ya no es la habilidad casi mística que muchos vendían. Hoy, en 2026, la obsesión por encontrar el prompt perfecto se desinfló conforme los modelos aprendieron a entender mejor el lenguaje natural y a ser más intuitivos.
Pasamos meses puliendo textos eternos, metiendo variables entre corchetes y tratando a los modelos de lenguaje como si fueran software viejo. Hoy, es muy que claro que el verdadero valor no está en ‘copy-pastear’ un conjuro, sino en saber qué estás pidiendo y qué es lo que quieres lograr.
Por supuesto que el cambio no ocurrió de la noche a la mañana. Ya no tenemos que redactar un testamento explicándole a Gemini con peras y manzanas cómo quieres que te presente la respuesta. Los modelos actuales entienden el contexto a la primera y, si algo no les cuadra, te vuelven a preguntar.
Es como pedir indicaciones en un GPS. Ya no tienes que decirle qué calles tomar; solo le dices a dónde quieres llegar. La ruta la calcula él. Con la IA pasa algo parecido: tú defines el destino y ella encuentra el camino.
El cuello de botella eres tú
Y aquí viene la parte incómoda. Ahora que la IA entiende mucho mejor lo que pedimos, ya no podemos escondernos detrás del “es que no hice el prompt correcto”. Si la respuesta es superficial, repetitiva o poco interesante, muchas veces el problema no está en la herramienta, sino en la pregunta. La IA dejó de ser un acertijo técnico y empezó a funcionar como un espejo: refleja con bastante fidelidad la claridad (o la falta de ella) de nuestras propias ideas. Plop.
Culpar a las habilidades de prompting por una respuesta genérica o con errores ya no aplica. Si el resultado de la IA es aburrido o irrelevante, es muy probable que tu idea original también lo sea.
El problema ya no es la falta de “fórmulas mágicas” de redacción, sino la falta de claridad conceptual. En un mundo donde la máquina puede ejecutar cualquier cosa en segundos, lo que realmente hace la diferencia es:
