7 errores comunes y cómo evitarlos
Los errores que cometen incluso usuarios experimentados y sus soluciones.
Incluso después de aprender CRISPE, hay errores sutiles que pueden sabotear tus resultados. Aquí están los 7 más comunes y cómo superarlos.
Error #1: Aceptar la primera respuesta
El problema
Muchos usuarios aceptan la primera respuesta sin iterar, incluso si no es exactamente lo que necesitaban.
La solución
Trata la primera respuesta como un borrador.
Tu primer mensaje: [Prompt inicial con CRISPE]
Después de la respuesta:
"Bien, pero necesito ajustes:
- El tono es demasiado formal, hazlo más conversacional
- Acorta el segundo párrafo a la mitad
- Agrega un dato específico sobre ROI"
Regla práctica
Planifica 2-3 iteraciones para cualquier tarea importante. La magia suele estar en la segunda o tercera versión.
Error #2: Prompts demasiado largos
El problema
Algunos usuarios van al extremo opuesto y escriben prompts de 500+ palabras que confunden al modelo.
La solución
Sé completo pero conciso.
| Componente | Longitud ideal |
|---|---|
| Contexto | 2-4 oraciones |
| Rol | 1-2 oraciones |
| Instrucciones | 3-7 bullets |
| Específicos | 3-5 bullets |
| Parámetros | 2-4 bullets |
| Ejemplos | 1-2 ejemplos cortos |
Señales de que tu prompt es muy largo:
- Repites información
- Incluyes contexto irrelevante
- Tienes instrucciones contradictorias
- El modelo parece ignorar partes
Error #3: No especificar qué NO hacer
El problema
Solo decir qué quieres deja demasiado espacio para interpretación.
La solución
Incluye "anti-instrucciones".
INSTRUCCIONES:
- Escribe un resumen ejecutivo del reporte
NO HAGAS:
- No incluyas jerga técnica
- No uses más de 3 bullets por sección
- No repitas información que ya está en el título
- No agregues conclusiones que no estén en el documento original
Anti-instrucciones útiles:
- "No inventes datos—si no está en el documento, no lo incluyas"
- "No uses frases cliché como 'en el dinámico mundo de hoy'"
- "No hagas el texto más largo de lo necesario"
- "No cambies el significado original al simplificar"
Error #4: Olvidar la audiencia
El problema
El mismo contenido necesita diferentes tratamientos según quién lo leerá.
La solución
Siempre especifica la audiencia.
AUDIENCIA:
- Quién: Directores de finanzas (CFOs)
- Conocimiento técnico: Bajo en tecnología, alto en finanzas
- Qué les importa: ROI, riesgo, tiempo de implementación
- Tiempo disponible: Máximo 3 minutos de lectura
Cómo cambia el output según audiencia:
| Audiencia | Adaptar |
|---|---|
| Ejecutivos C-level | Muy conciso, enfocado en impacto y decisiones |
| Gerentes medios | Algo de detalle, enfocado en implementación |
| Técnicos | Detalle técnico, precisión |
| Clientes | Beneficios, simplicidad, sin jerga interna |
Error #5: Pedir demasiado en un solo prompt
El problema
Prompts que piden 10 cosas diferentes producen resultados mediocres en todo.
La solución
Divide tareas complejas en prompts secuenciales.
❌ Mal enfoque:
Analiza este documento, extrae los puntos clave, crea un resumen
ejecutivo, sugiere acciones, identifica riesgos, y escribe un
email para presentar todo esto al director.
✅ Buen enfoque:
Prompt 1:
Analiza este documento y extrae los 5 puntos clave principales.
Prompt 2:
Basándote en los puntos clave anteriores, identifica los 3
principales riesgos y 3 oportunidades.
Prompt 3:
Ahora escribe un email de 150 palabras para el director
resumiendo hallazgos y recomendando próximos pasos.
Error #6: No guardar prompts exitosos
El problema
Reescribir buenos prompts desde cero cada vez es ineficiente.
La solución
Crea una librería de prompts reutilizables.
Sistema simple de organización:
📁 Mi Librería de Prompts
├── 📁 Emails
│ ├── email-seguimiento-ventas.txt
│ ├── email-respuesta-queja.txt
│ └── email-introduccion-fria.txt
├── 📁 Análisis
│ ├── resumir-documento.txt
│ └── extraer-datos-reporte.txt
├── 📁 Contenido
│ ├── post-linkedin.txt
│ └── blog-articulo.txt
└── 📁 Reuniones
├── agenda-reunion.txt
└── minuta-reunion.txt
En cada archivo guarda:
- El prompt completo
- Para qué sirve
- Qué ajustar según el caso
- Ejemplo de buen output
Error #7: No verificar información factual
El problema
Confiar ciegamente en datos, cifras y citas que genera la IA.
La solución
Verifica siempre información factual.
Qué verificar siempre:
- ✓ Estadísticas y porcentajes
- ✓ Citas textuales
- ✓ Fechas y eventos históricos
- ✓ Nombres de personas, empresas, productos
- ✓ Precios y cifras financieras
- ✓ Información legal o regulatoria
Cómo pedir que la IA sea honesta:
IMPORTANTE:
- Si no estás seguro de un dato, indícalo con [VERIFICAR]
- No inventes estadísticas—si no tienes el dato, di "no tengo
esta información específica"
- Para citas, indica si son paráfrasis o textuales
Checklist rápido antes de enviar un prompt
Antes de presionar Enter, verifica:
| ✓ | Verificación |
|---|---|
| ☐ | ¿Di suficiente contexto? |
| ☐ | ¿Mis instrucciones son específicas? |
| ☐ | ¿Especifiqué formato y longitud? |
| ☐ | ¿Incluí qué NO hacer? |
| ☐ | ¿Definí la audiencia? |
| ☐ | ¿Es una sola tarea o debería dividirlo? |
| ☐ | ¿Estoy preparado para iterar? |
Ejercicio práctico
Toma un prompt que hayas usado recientemente y evalúalo contra los 7 errores:
- ¿Aceptaste la primera respuesta sin iterar?
- ¿Era demasiado largo o repetitivo?
- ¿Especificaste qué NO hacer?
- ¿Definiste la audiencia?
- ¿Pediste demasiado en un solo prompt?
- ¿Lo guardaste para reutilizar?
- ¿Verificaste la información factual?
Reescribe el prompt corrigiendo los errores identificados.
Puntos clave de esta lección
- Siempre itera—la primera respuesta es un borrador
- Sé completo pero conciso—prompts muy largos confunden
- Especifica qué NO hacer, no solo qué hacer
- Define la audiencia explícitamente
- Divide tareas complejas en prompts secuenciales
- Guarda tus prompts exitosos en una librería
- Verifica información factual—la IA puede inventar datos
Próximo módulo
Con los fundamentos dominados, en el siguiente módulo aprenderás técnicas avanzadas de prompting: Chain of Thought, Few-Shot Learning, Role Playing e Iteración.
Quiz de comprensión
- ¿Por qué es importante especificar qué NO debe hacer la IA?
- ¿Cuándo deberías dividir un prompt en varios prompts secuenciales?
- ¿Qué tipo de información debes verificar siempre antes de usar el output de la IA?
¿Completaste esta lección?
Marca esta lección como completada. Tu progreso se guardará en tu navegador.