Dando un taller, hace unos meses, vi a un estudiante luchando con una máquina. Le había pedido a una IA conversacional el guion de un corto, y lo que recibió era tan correcto como muerto: una sucesión de escenas previsibles, sin tono ni estilo. “No entiende lo que quiero”, dijo, con esa mezcla de fastidio y desconcierto que los chats provocan tan seguido. Le propuse que repensara y precisara lo que quería y cambiara su pedido. “Decile quién sos, para quién es el corto, qué clima buscás; mostrale un ejemplo del tono que te gusta, aclarale lo que no querés”. El estudiante reescribió su pedido —tardó más en eso que en todo lo anterior— y volvió a apretar enter. Lo que apareció esta vez lo contentó bastante. “Tiene pulso” —me dijo.
Lo que le pasó a ese estudiante puede resumirse en una fórmula que va a ordenar toda esta crónica: pedir bien es, a la vez, instruir, encuadrar, negociar y corregir. Esas son las cuatro caras del prompt, y de acá en más vamos a verlas aparecer una por una.
Lo que cambió, en esa escena mínima, fue la escritura. La novedad no es la operación en sí, sino el destinatario y la escala de la respuesta. Por primera vez, de manera masiva, escribimos en nuestra lengua conversacional para que una máquina nos lea y nos conteste en esa misma lengua. El prompt —esa instrucción que tecleamos— es una forma nueva de un gesto antiquísimo. Es pura escritura. Pero escritura de un tipo que nunca había ocupado este lugar: el de ser un texto que, apenas terminado, es continuado por un simulacro de interlocutor entrenado con una porción inmensa de textos humanos.
Ya lo vimos en la crónica sobre pensar con cosas (#4): la escritura no fue solo un modo de fijar pensamientos ya elaborados, sino una tecnología que generó formas de pensar nuevas. Cada nuevo soporte trajo su propio género: el papiro y la carta, la tablilla y el contrato, el impreso y el formulario, la pantalla y el hipertexto. El prompt es, por ahora, el último de la serie: nos dispone a escribir de manera breve, instruccional, orientada al resultado.
Alrededor de 2023, cuando los modelos generativos se volvieron masivos, ese gesto recibió un nombre rimbombante: “prompt engineering”, ingeniería de instrucciones. Se la presentó como “la profesión más codiciada del momento” y se prometieron sueldos de seis cifras por saber hablarle a la máquina. Circularon listas de “palabras mágicas” que supuestamente desbloqueaban respuestas ocultas. La figura era seductora. Existía una llave secreta, una fórmula técnica, y quien la dominara podría mandar sobre el oráculo.
Apenas unos años después, parte de ese mismo mundo empezó a declararla muerta o a rebautizarla como “context engineering” —ingeniería de contexto. Ya no se trataría solo de escribir buenas instrucciones, sino de diseñar todo el entorno de información que rodea al modelo: qué antecedentes recibe, qué documentos consulta, qué ejemplos se le ofrecen, qué restricciones organizan la respuesta, qué memoria se activa, qué herramientas quedan disponibles. Ese último punto —qué herramientas quedan disponibles— es, en rigor, la frontera donde el prompt deja de pedir texto y empieza a delegar acciones; una frontera que esta serie va a cruzar más adelante. La promesa cambia de nombre, pero conserva algo de su antigua fascinación. Ya no basta con pronunciar la fórmula justa; ahora hay que construir el escenario completo en el que la máquina debe actuar. Pero ambos enfoques se equivocan en lo mismo.
El “prompt” nunca fue una palabra mágica ni una rama autosuficiente de la ingeniería. Fue, desde el principio, un género de escritura. Lo que se llamó “ingeniería de instrucciones” era, mirado de cerca, retórica, el antiguo arte de formular un pedido para que produzca el efecto buscado. Y lo que ahora se rebautiza como “ingeniería de contexto” es, otra vez, algo que la escritura conoce desde siempre: encuadrar, dar antecedentes, situar a quien va a leer, anticipar malentendidos, ordenar la información para hacer posible una respuesta.
Si tomamos conciencia de esto, se disipa el espejismo de que había un atajo capaz de ahorrar el trabajo de decir bien las cosas. Ese trabajo no se ahorra. No empezó con la inteligencia artificial ni terminará con ella. Porque el sueño que el prompt reaviva es antiquísimo. Es el de hacer cosas con palabras.
Durante siglos lo imaginamos como conjuro mágico o demiúrgico —el “Ábrete, Sésamo” o “Hágase la luz”— y también como amenaza: el deseo concedido al pie de la letra, el genio que cumple lo que pedimos y no lo que queríamos, como les sucede a los poseedores de la pata de mono en el cuento de W.W. Jacobs. El prompt es, de un modo nuevo y literal, una palabra que hace, un texto que produce otro texto.
Y conlleva la vieja moraleja del genio: la máquina no devuelve lo que tenías en la cabeza, sino lo que tu pedido disparó como estadísticamente esperable. Por eso, escribir un buen prompt se parece menos a pronunciar un hechizo que a redactar un contrato o una receta. Hay que tratar de lograr la mayor claridad y prever los malentendidos. Gran parte del trabajo de humanos y máquinas conversacionales es proveer / crear contexto para llevar el lenguaje humano —de por sí, plurisémico— a una versión informacional monosémica —que diga “eso” y no “otra cosa”.
Ahí están, entonces, las cuatro caras que anticipamos. Instrucción: decir qué se quiere. Encuadre: fijar el rol, el destinatario, el tono, los límites; construir el pequeño mundo dentro del cual el texto va a nacer. Negociación: rara vez se acierta a la primera, y entonces empieza un ida y vuelta —ajustar, precisar, volver a pedir— que se parece más a una conversación que a una orden. Y corrección: leer lo que volvió y reescribir el pedido a la luz de eso. Cualquiera que haya escrito en serio reconoce esas cuatro operaciones, porque son las de la escritura misma: planear, situar, revisar, reescribir. El prompt trasladó el oficio de escribir a un escritorio en el que, del otro lado, ahora hay un sistema algorítmico que responde.
Y acá aparece la distinción que esta serie no se cansa de trazar. El prompt extiende nuestra escritura; no transfiere a la máquina la intención de querer decir. Podemos delegar en ella la redacción, la velocidad, la variación sin esfuerzo de formas. Lo que no se delega es saber qué pedir y juzgar lo que vuelve. Decidir si era eso lo que buscábamos, si es cierto, si vale. El modelo genera y completa una respuesta al texto de entrada; no al pensamiento. Por eso la habilidad que de verdad importa no es coleccionar “palabras mágicas”, sino saber con precisión qué se quiere —que sigue siendo la parte más difícil— y leer con criterio lo que la máquina devuelve.
Sin embargo, la velocidad y asertividad de la respuesta puede producir una delegación invisible por parte nuestra. Es, otra vez, el efecto ELIZA con el que abrimos esta serie. Como el texto aparece armado, coherente y rápido, es fácil sentir que lo que el modelo nos devuelve fue pensado y elaborado exclusivamente para nosotros, y no como una regularidad algorítmica que le habría devuelto a cualquiera que hubiese escrito ese mismo pedido. El homo suggestibilis que somos —permeables a la palabra del otro, decíamos entonces— no necesita que haya alguien del otro lado: le basta con que la respuesta llegue con la forma de que alguien la profirió. Y además, lo algorítmico nos acostumbra a que todo prompt merece una respuesta inmediata. Pero «pensar» no siempre consiste en llenar el silencio; las más de las veces exige demora, frustración, tanteo, error, espera. El oficio de pedir bien no debería borrar esa lentitud, sino protegerla.
El prompt no es, entonces, la fórmula secreta que por fin hace obedecer al oráculo. Es la vieja escritura, con una novedad enorme y una trampa antigua: ahora hay un sistema que la continúa coherente sin entenderla. Aprender a pedirle algo empieza, como toda escritura, por saber qué se quiere decir. Esa palabra, la primera, sigue siendo nuestra.
PARA ENTENDER MEJOR | Qué es un prompt
En dos palabras. Un prompt es el texto que le damos a un modelo de lenguaje para obtener una respuesta. Todo lo que el modelo “hace” en una conversación lo hace a partir de ese texto y de los demás textos que forman el contexto. No hay otro canal visible para el usuario: la instrucción, los antecedentes, las restricciones y los ejemplos viajan todos por el mismo lugar —las palabras que escribimos.
Qué hace el modelo con él. Como se explica en detalle en «El Gran Simulador», el modelo no ejecuta órdenes: estima, palabra por palabra, la continuación más probable del texto que recibe. El prompt es ese comienzo; la respuesta es lo que el modelo vuelve probable a partir de él. Por eso la forma importa tanto: cambiar cómo se dice algo cambia qué continuación se vuelve esperable, y dos pedidos con el mismo propósito pero distinta redacción pueden dar resultados muy distintos.
Prompt de sistema y prompt de usuario. En la IA conversacional, las respuestas no dependen solo de lo que escribe el usuario, sino de varias capas de instrucciones. El prompt de sistema, definido por quienes diseñan la aplicación, fija el papel del modelo, su tono, sus límites y sus reglas generales. El prompt de usuario es la consigna concreta de cada turno, pero puede ser reformulada o integrada por el sistema con otras instrucciones antes de ser procesada. Así, el prompt de sistema arma el escenario y el prompt de usuario introduce la escena, aunque mediada por una arquitectura invisible que orienta la interpretación y la respuesta del modelo.
Aprendizaje en contexto. Una capacidad llamativa, documentada con fuerza a partir de GPT-3, es que el modelo puede orientarse hacia una tarea con solo ver ejemplos dentro del propio prompt, sin reentrenarse. Si le mostramos dos o tres pares de pregunta y respuesta con el formato que queremos, tiende a seguir ese patrón. Se llama aprendizaje en contexto: el ejemplo, puesto en el texto, funciona como instrucción.
La ventana de contexto. El modelo solo “ve” una cantidad limitada de texto por vez: su ventana de contexto. Todo lo que importa —instrucción, antecedentes, ejemplos, conversación previa— tiene que entrar ahí. Y más contexto no siempre significa mejor respuesta: a medida que crece la cantidad de información, algunos modelos pueden perder de vista elementos ubicados en zonas intermedias del texto. Por eso el arte se desplazó del prompt suelto al diseño de todo ese entorno, lo que hoy suele llamarse ingeniería de contexto.
Por qué no es programar. Un programa informático está escrito para producir un comportamiento determinado ante ciertas entradas. Un prompt no tiene ese grado de determinación. Está escrito en lenguaje natural, admite ambigüedades y produce resultados variables. No instruye a un procesador paso a paso: orienta una distribución de probabilidades. Por eso se parece más a dirigir, persuadir, encuadrar o editar que a escribir una función.
Una analogía cotidiana. Pensá en encargarle algo a un colaborador brillante, rapidísimo, sin memoria estable de ayer y sin responsabilidad sobre lo que produce. Si le decís “escribime algo sobre vinos”, improvisa cualquier cosa; si le decís para quién, con qué extensión, en qué tono y con qué ejemplo de referencia, es más probable que entregue algo útil. El prompt es esa hoja de encargo. Su calidad depende de cuánto del malentendido previste.
Lo que conecta con la nota. Entender el prompt ayuda a ver por qué esta crónica habla de escritura y no de magia. El proceso técnico parece simple —un texto que el modelo continúa— y, sin embargo, todo el oficio humano de pedir bien sigue siendo necesario. La técnica se mueve —del prompt al contexto, del pedido breve al entorno de trabajo—; lo que no se mueve es la exigencia de saber qué se quiere y de leer críticamente lo que vuelve. Eso sigue siendo escritura, y sigue siendo nuestra.