¿Qué es un prompt en IA?
En una conversación parece ser simplemente lo que escribís antes de recibir una respuesta. En un sistema real puede ser bastante más: instrucciones, contexto, ejemplos, datos o contenido multimodal que condicionan lo que el modelo hace después.
Un prompt en inteligencia artificial es la entrada que se proporciona a un modelo generativo durante la inferencia para condicionar la respuesta o el comportamiento que debe producir. Puede incluir preguntas, instrucciones, contexto, ejemplos, restricciones, datos y, en modelos multimodales, imágenes, audio u otros contenidos. No es sinónimo de Prompt Engineering: el prompt es la entrada; el Prompt Engineering es el proceso de diseñarla, probarla y refinarla. Tampoco garantiza una respuesta correcta: el resultado depende además del modelo, del contexto disponible, de los datos o herramientas conectados y de la configuración de generación.
Qué es un prompt en inteligencia artificial
Un prompt es la información que se entrega a un modelo generativo para orientar lo que debe hacer a continuación. En el caso más simple puede ser una pregunta —“¿qué diferencia hay entre marca e identidad?”— o una instrucción —“resumí este informe en cinco puntos”—. Pero el concepto no termina ahí.
Google define el prompt, en el contexto de los LLM, como el texto que se ingresa para condicionar el comportamiento del modelo. OpenAI amplía el uso práctico: además de texto, un prompt puede incluir otras modalidades, como una imagen o audio. En aplicaciones reales también puede combinar instrucciones, contexto, ejemplos, restricciones, datos y contenido recuperado antes de que el modelo genere una salida.
Por eso conviene pensar el prompt como la entrada efectiva que condiciona una inferencia, no solamente como “la pregunta que escribe el usuario”. Parte de esa entrada puede estar preparada por una aplicación y no ser visible para quien usa el sistema.
Una entrada que guía al modelo. Puede expresar una tarea, aportar información, fijar restricciones o mostrar ejemplos del resultado esperado.
Una garantía ni una reprogramación del modelo. Un prompt condiciona la inferencia, pero no cambia por sí solo los pesos aprendidos ni asegura que la respuesta sea correcta.
Qué puede contener un prompt
No existe una fórmula universal. La composición depende del modelo, la tarea y la interfaz. Un prompt útil puede incluir uno o varios de estos elementos:
Una instrucción es parte posible del prompt, no su definición completa. El prompt también puede contener material que el modelo debe analizar, ejemplos del patrón esperado y contexto que no está formulado como una orden.
Prompt: diferencias con Prompt Engineering, contexto y conceptos cercanos
| Concepto | Qué describe | Diferencia clave |
|---|---|---|
| Prompt | La entrada concreta que condiciona una respuesta o comportamiento del modelo. | Es el objeto o contenido que recibe el modelo en una inferencia determinada. |
| Prompt Engineering | El proceso de diseñar, probar, evaluar y refinar prompts. | Es una práctica o método; no es el prompt en sí. |
| Contexto | La información disponible para interpretar la tarea y producir una respuesta. | Puede formar parte del prompt, pero también puede incluir historial, datos recuperados, resultados de herramientas u otras señales que el sistema incorpora. |
| Context window | La cantidad máxima de información que un modelo puede considerar en una interacción o secuencia de inferencia. | Es una capacidad/límite del modelo; el prompt ocupa sólo una parte de ese espacio. |
| Prompt template | Una estructura reutilizable con variables que una aplicación completa en cada ejecución. | Es una plantilla para generar prompts concretos, no la entrada final necesariamente. |
| Prompt injection | Un ataque que intenta introducir instrucciones no confiables para alterar el comportamiento previsto del sistema. | Es un riesgo de seguridad asociado a cómo se procesan instrucciones y contenido, no una técnica normal de prompting. |
La terminología varía entre proveedores. Algunas plataformas separan instrucciones de sistema, mensajes del desarrollador, mensajes del usuario y contenido recuperado; otras presentan todo como una única entrada. La distinción útil es funcional: qué información recibe el modelo, con qué prioridad y para qué tarea.
Cómo un prompt condiciona la respuesta de un modelo
El modelo no “ejecuta” un prompt como si fuera código imperativo. Procesa la entrada junto con sus parámetros aprendidos y estima qué salida es más adecuada según el patrón de la tarea, las instrucciones, el contexto y la conversación disponible.
Recepción de la entrada. La aplicación reúne el texto, archivos, imágenes, historial u otras señales que correspondan.
Representación. El sistema convierte esas señales en representaciones que el modelo puede procesar —tokens y, en modelos multimodales, representaciones de otras modalidades—.
Condicionamiento. La salida se genera teniendo en cuenta el contenido del prompt y las instrucciones o contexto que tengan prioridad en esa arquitectura.
Generación. El modelo produce texto, código, imagen u otro resultado según sus capacidades y la tarea solicitada.
Evaluación e iteración. El resultado puede revisarse y el prompt ajustarse si la salida no cumple los criterios esperados.
El mismo prompt no necesariamente produce siempre la misma salida. Muchos modelos generativos son probabilísticos y, además, el resultado puede cambiar si cambian el modelo, el historial, las herramientas disponibles, los datos recuperados o la configuración de generación.
Patrones de prompting frecuentes
Estas categorías se superponen y no constituyen una taxonomía universal. Sirven para describir formas comunes de organizar la entrada.
Ejemplo: transformar entrevistas de clientes en hallazgos comparables
Supongamos que un equipo tiene diez entrevistas con clientes y quiere detectar motivos de abandono. Un prompt demasiado abierto —“analizá estas entrevistas”— obliga al modelo a inferir qué buscar, cómo organizarlo y qué nivel de evidencia presentar.
Objetivo. “Identificá los motivos de abandono mencionados por los entrevistados.”
Contexto. Se adjuntan o insertan las transcripciones y se aclara qué producto, período y segmento representan.
Criterio. “No infieras causas que no estén respaldadas por las entrevistas; separá evidencia explícita de interpretación.”
Salida. “Devolvé una tabla con motivo, cantidad de entrevistas donde aparece, citas breves de apoyo y nivel de confianza.”
Revisión. El equipo comprueba citas y categorías antes de usar el resultado en una decisión.
El valor del prompt no está en hacerlo largo por sí mismo. Está en eliminar ambigüedades relevantes y hacer explícito qué cuenta como una respuesta útil.
Lo que un prompt puede y no puede resolver
Prompt injection no es simplemente “un prompt malo”. NIST la define como un ataque que explota la combinación de entradas no confiables con un prompt construido por una parte de mayor confianza. En sistemas con herramientas o acceso a datos, el impacto puede ir más allá de una respuesta incorrecta.
Errores al hablar de prompts
Usar prompt como sinónimo de Prompt Engineering
Uno es la entrada; el otro es la práctica de diseñar, probar y mejorar esas entradas.
Creer que un prompt siempre es una sola frase del usuario
En un producto real puede ser ensamblado por la aplicación con instrucciones, historial, ejemplos, datos recuperados y contenido multimodal.
Confundir longitud con calidad
Agregar texto irrelevante puede aumentar ruido. Lo importante es incluir la información que reduce ambigüedad para esa tarea concreta.
Suponer que el prompt puede compensar cualquier límite del modelo
La instrucción no reemplaza capacidades que el modelo no tiene, datos a los que no accede ni controles de seguridad que pertenecen al sistema.
Dar por correcta una respuesta porque “el prompt era bueno”
El prompt es una condición de entrada, no una garantía de exactitud. La salida debe evaluarse con criterios propios de la tarea.
Preguntas frecuentes sobre prompts
¿Qué es un prompt en inteligencia artificial?
Es la entrada que se proporciona a un modelo generativo para condicionar la respuesta o el comportamiento que debe producir. Puede incluir preguntas, instrucciones, contexto, ejemplos, restricciones, datos y contenido multimodal.
¿Un prompt es lo mismo que una instrucción?
No siempre. Una instrucción puede ser parte del prompt, pero un prompt también puede incluir contexto, ejemplos, datos, restricciones o contenido que el modelo debe analizar.
¿Qué diferencia hay entre prompt y Prompt Engineering?
El prompt es la entrada concreta que recibe el modelo. Prompt Engineering es el proceso de diseñar, probar y refinar prompts para lograr un comportamiento o resultado más adecuado.
¿Un prompt puede incluir imágenes o audio?
Sí. En modelos multimodales, la entrada puede combinar texto con imágenes, audio, archivos u otras modalidades. El término prompt se usa cada vez más para referirse al conjunto de señales que condicionan la respuesta.
¿Un buen prompt garantiza una respuesta correcta?
No. Un prompt claro puede reducir ambigüedad y orientar mejor al modelo, pero la calidad final también depende del modelo, el contexto disponible, los datos, las herramientas, la configuración y las limitaciones propias del sistema.
¿Qué es una prompt injection?
Es un ataque en el que instrucciones maliciosas o no confiables intentan alterar el comportamiento previsto del modelo. Puede aparecer en la entrada directa del usuario o dentro de contenido externo que un sistema de IA procesa.
Fuentes y referencias
1. Google for Developers. Machine Learning Glossary · Prompt.
2. OpenAI Help Center. Prompt engineering best practices for ChatGPT.
3. OpenAI Academy. Prompting. Actualizado el 4 de septiembre de 2026.
4. Anthropic. Prompting best practices.
5. National Institute of Standards and Technology (NIST). Prompt injection · CSRC Glossary.
6. Liu, P. et al. Pre-train, Prompt, and Predict: A Systematic Survey of Prompting Methods in Natural Language Processing.