Data Science

Errores al escribir prompts en IA

Seamos sinceros: todos hemos escrito prompts horribles alguna vez . Le preguntas algo a ChatGPT, Gemini u otra IA y la respuesta no tiene nada que ver con lo que esperabas. Y piensas: “la IA no sirve para nada!” . Spoiler: casi nunca es …

Publicado9 de febrero de 2026
Lectura3 min
Errores al escribir prompts en IA

Seamos sinceros: todos hemos escrito prompts horribles alguna vez. Le preguntas algo a ChatGPT, Gemini u otra IA y la respuesta no tiene nada que ver con lo que esperabas. Y piensas: “la IA no sirve para nada!”.

Spoiler: casi nunca es culpa de la IA. Normalmente, el problema está en cómo estamos preguntando.

Escribir prompts es como dar instrucciones en el laboratorio: si no son claras, el resultado será… impredecible. Vamos a ver los errores más comunes y, lo más importante, cómo corregirlos.

Errores al formular un prompt en ChatGPT, Gemini u otra IA

1. Preguntar de forma vaga o ambigua

Este es el clásico. El más común. El más humano.

Ejemplo de prompt problemático: “Explícame este tema.” ¿Este tema cuál? ¿A qué nivel? ¿Con qué objetivo?

Cuando el prompt es vago, la IA rellena los huecos como puede. Y a veces lo hace bien… y otras no tanto. ¿Cómo mejorarlo? Sé un poco más específico, sin miedo.

“Explícame este concepto de forma clara, con ejemplos sencillos y enfoque científico.”

No necesitas escribir una tesis, solo dar pistas claras.

2. No definir contexto ni objetivo

La IA no sabe si estás escribiendo un artículo, preparando una clase o intentando entender algo por curiosidad. Si no le dices para qué quieres la información, te dará una respuesta genérica.

Ejemplo típico:

“Resume este artículo.” ¿Para quién? ¿Con qué finalidad? ¿Muy corto o detallado?

¿Cómo mejorarlo? Añade contexto y objetivo.

“Resume este artículo destacando hipótesis, metodología y resultados principales, pensado para una revisión bibliográfica.”

Verás cómo la respuesta cambia por completo.

3. Esperar que la IA “adivine” lo que necesitas

Este error es muy común, sobre todo cuando ya llevas un rato trabajando con la IA y piensas: “ya debería entenderme”. Pero no. La IA no tiene memoria contextual infinita ni intuición humana.

Ejemplo:

“Hazlo mejor.”

¿Mejor cómo? ¿Más corto? ¿Más técnico? ¿Más claro?

¿Cómo mejorarlo? Dile exactamente qué quieres mejorar.

“Haz el texto más claro, elimina redundancias y mantén un tono académico.”

La IA trabaja mejor con instrucciones concretas, no con suposiciones.

4. Pedir demasiado en un solo prompt

Aquí solemos pecar por entusiasmo.

Ejemplo caótico:

“Resume el artículo, tradúcelo, extrae conclusiones, detecta errores metodológicos y propón futuras líneas de investigación.”

¿Puede hacerlo? A veces sí. ¿Lo hará bien? No siempre.

Cuando pides demasiadas cosas a la vez, la IA tiende a responder de forma superficial o a dejar partes cojas.

¿Cómo mejorarlo? Divide y vencerás. Primero resumes. Luego analizas. Después propones mejoras.

Usa varios prompts encadenados, como harías tú mismo.

Cómo corregir un prompt mal planteado

¿Tienes un prompt que no funciona? No lo tires. Refínalo.

Aquí va un pequeño método práctico:

  1. Detecta qué falla ¿Es demasiado genérico? ¿Falta contexto? ¿La respuesta no es útil?
  2. Añade intención ¿Qué quieres conseguir exactamente con la respuesta?
  3. Define formato y tono Lista, resumen, texto largo, nivel técnico, público objetivo.
  4. Reformula sin empezar de cero A veces solo hace falta una línea extra.

Ejemplo de evolución:

Prompt inicial:

“Explícame esto.”

Prompt corregido:

“Explícame este estudio de forma clara, destacando objetivo, metodología y principales resultados, con enfoque para investigadores.”

La diferencia es enorme.

Con pequeños ajustes, pasarás de respuestas mediocres a resultados realmente útiles. Y recuerda, si la IA para ti es un recurso clave, quizás te interese este curso sobre prompt engineering.

Sigue leyendo

Artículos relacionados

Guía completa para realizar un ANOVA de medidas repetidas en R paso a paso
Data Science

Guía completa para realizar un ANOVA de medidas repetidas en R paso a paso

El ANOVA de medidas repetidas es una herramienta fundamental cuando queremos analizar cómo cambia una variable continua a lo largo del tiempo o bajo diferentes condiciones, en los mismos sujetos . A diferencia del ANOVA tradicional, aquí…

Leer más
¿Qué es la Ciencia de Datos y por qué está transformando el mundo?
Data Science

¿Qué es la Ciencia de Datos y por qué está transformando el mundo?

Existe una gran discusión sobre qué es la Ciencia de Datos, pero podemos resumirla en la siguiente frase: “La Ciencia de Datos ( o Data Science ) es la disciplina que convierte los datos en conocimiento útil” . ¿QUÉ ES LA CIENCIA DE DATO…

Leer más
II Jornadas Nacionales de Estadística como herramienta científica
Data Science

II Jornadas Nacionales de Estadística como herramienta científica

Los próximos 12, 13 y 14 de septiembre se celebran en la Universidad de Jaén las II Jornadas Nacionales de Estadística como Herramienta Científica. Por segundo año consecutivo, Máxima Formación patrocina este evento destacado en el …

Leer más