Trucos de prompts que ya no funcionan y qué hacer en su lugar
Los trucos que circulan en redes, como ofrecerle propina a la IA, amenazarla, pedirle que respire hondo o escribir comandos secretos con barra, casi no cambian el resultado en los modelos de hoy. Los estudios de Wharton Generative AI Labs de 2025 encontraron efectos pequeños e impredecibles; lo que sí mejora la respuesta es decir con precisión qué quieres, dar contexto y definir cómo se ve un buen resultado.
Por Kevin Daza · Publicado el · Actualizado el
Los trucos que circulan en redes
Seguro has visto listas así en LinkedIn o Instagram:
- "Respira hondo y piensa antes de responder."
- "Te voy a dar una buena propina si lo haces bien."
- "Si fallas, pierdo mi trabajo."
- "Eres el mejor experto del mundo en..."
- "Piensa paso a paso", en todos los prompts.
- Comandos "secretos" como /eli5, /tldr, /humanize o /expert.
Algunos de estos trucos tenían algo de efecto en modelos de hace unos años. Con los modelos de hoy, la evidencia dice que aportan poco o nada.
Qué dicen los estudios
Wharton Generative AI Labs, el laboratorio de la Universidad de Pensilvania donde trabaja el profesor Ethan Mollick, publicó en 2025 una serie de reportes cortos que pusieron a prueba estas creencias con preguntas difíciles de referencia:
| Reporte | Qué probaron | Qué encontraron |
|---|---|---|
| 1 (marzo de 2025) | Cortesía y formas de pedir | La cortesía a veces ayuda y a veces empeora; no hay fórmulas universales |
| 2 (junio de 2025) | Pedir "piensa paso a paso" | Mejora poco en modelos sin razonamiento y aumenta la variabilidad; en modelos que ya razonan, la ganancia es marginal y la respuesta tarda más |
| 3 (agosto de 2025) | Ofrecer propina o amenazar | En general, sin efecto significativo en el desempeño. Pregunta por pregunta sí hay cambios, pero impredecibles |
| 4 (diciembre de 2025) | Asignar roles de experto | No mejora la precisión de forma confiable; los roles de otro campo a veces la empeoran |
Mollick lo había resumido antes en su blog, en marzo de 2024: hay que dejar de usar conjuros, porque no existe una sola palabra o frase que funcione todas las veces.
Por qué "piensa paso a paso" ya rinde menos
Los modelos de razonamiento, que hoy vienen en las grandes herramientas, ya piensan por dentro antes de responder. Pedirles que lo hagan otra vez agrega poco y hace que se demoren más. En los modelos rápidos, sin razonamiento, puede ayudar un poco en problemas de lógica o de cálculo, pero también vuelve las respuestas más variables.
La conclusión práctica: úsalo cuando de verdad necesites ver el razonamiento para revisarlo, no como fórmula para todo.
Los comandos secretos con barra
Las listas de comandos como /eli5 o /humanize son palabras normales precedidas de una barra. La barra no activa ningún modo oculto: el modelo lee la palabra y la interpreta como cualquier instrucción de estilo.
A veces parecen funcionar porque abreviaturas como ELI5 ("explícamelo como si tuviera cinco años") o TLDR ("muy largo, no lo leí") aparecen muchas veces en el texto con el que se entrenó el modelo, casi siempre seguidas del mismo tipo de respuesta. El modelo aprendió esa asociación. Por eso funcionan de forma inconsistente, se ignoran si el prompt es largo y cambian de una herramienta a otra.
Cómo distinguir uno real en tres segundos: un comando de verdad está conectado a la interfaz y aparece en el menú de sugerencias cuando escribes la barra. Si no aparece en el menú, escríbelo como instrucción:
| En vez de | Escribe |
|---|---|
| /eli5 | Explícalo como si no conociera nada del tema, sin palabras técnicas |
| /tldr | Resume en tres frases lo que necesito saber para decidir |
| /humanize | Reescríbelo con el tono de un mensaje entre compañeros de trabajo |
| /expert | Di para quién es, qué sabe ya esa persona y qué necesita (marco R-C-T-F) |
Seis instrucciones que sí mejoran la respuesta
- El contexto que solo tú tienes. Para quién es, qué ya existe y qué restricciones hay. Es lo que más cambia el resultado.
- El formato por adelantado. "Devuélvelo como tabla con columnas: tarea, responsable y fecha." Te ahorra una vuelta completa.
- La separación explícita. "Marca cada dato como VERIFICADO o ESTIMADO y para los verificados incluye la fuente." La alucinación queda a la vista.
- El criterio de éxito. "Sirve si lo puedo enviar a un cliente cambiando solo el saludo." Le das una vara con la cual medirse.
- La negativa útil. "Si no tienes información suficiente, dilo en lugar de completar." Por defecto el modelo evita decir que no sabe.
- Varias preguntas en un mensaje. Si tienes tres preguntas sobre el mismo caso, numéralas en un solo mensaje en lugar de abrir tres conversaciones.
La regla de fondo
Trata a la IA como a alguien capaz pero literal, que necesita una especificación clara. Las fórmulas cambian con cada modelo; decir bien lo que quieres sirve con todos.
Fuentes
- Prompting Science Report 1: Prompt Engineering is Complicated and Contingent (4 de marzo de 2025), Wharton Generative AI Labs, arXiv
- Prompting Science Report 2: The Decreasing Value of Chain of Thought in Prompting (8 de junio de 2025), Wharton Generative AI Labs, arXiv
- Prompting Science Report 3: I'll pay you or I'll kill you, but will you care? (1 de agosto de 2025), Wharton Generative AI Labs, arXiv
- Playing Pretend: Expert Personas Don't Improve Factual Accuracy (7 de diciembre de 2025), Wharton Generative AI Labs
- Captain's log: the irreducible weirdness of prompting AIs (4 de marzo de 2024), Ethan Mollick, One Useful Thing
Preguntas frecuentes
¿Sirve ofrecerle propina a ChatGPT?
En general no. El tercer Prompting Science Report de Wharton, de agosto de 2025, probó ofrecer propinas y hacer amenazas en pruebas de preguntas difíciles y encontró que en general no tienen un efecto significativo en el desempeño. En preguntas sueltas sí cambia algo, pero de forma impredecible.
¿Sigue sirviendo pedir que piense paso a paso?
Cada vez menos. El segundo reporte de Wharton, de junio de 2025, encontró que en modelos sin razonamiento mejora poco el promedio y aumenta la variabilidad, y en modelos que ya razonan por dentro la ganancia es marginal y la respuesta tarda más.
¿Existen comandos secretos como /eli5 o /humanize?
No en el chat de ChatGPT, Gemini o Claude. Son palabras precedidas de una barra que el modelo lee como cualquier otra instrucción de estilo. Un comando real está conectado a la interfaz y aparece en el menú de sugerencias cuando escribes la barra.
¿Por qué a veces sí funcionan atajos como TLDR o ELI5?
Porque esas abreviaturas aparecen muchas veces en el texto con el que se entrenó el modelo, casi siempre seguidas del mismo tipo de respuesta, y el modelo aprendió la asociación. Por eso funcionan de forma inconsistente y cambian entre herramientas.
¿Decirle "eres el mejor experto del mundo" mejora la respuesta?
No de forma confiable. Un reporte de Wharton de diciembre de 2025 encontró que asignar roles de experto no mejora la precisión, y que roles de otro campo a veces la empeoran. Funciona mejor dar instrucciones específicas de la tarea.
¿Qué sí mejora un prompt?
Decir con precisión qué quieres, dar el contexto que solo tú tienes, pedir el formato por adelantado, marcar qué datos son verificados y cuáles estimados, definir cómo se ve un buen resultado y darle permiso de decir que no sabe.
Sigue leyendo
Cómo hacer un buen prompt: el marco R-C-T-F en cuatro preguntas
Un buen prompt responde cuatro preguntas: rol, contexto, tarea y formato. Aprende el marco R-C-T-F con un ejemplo y cuándo no hace falta usarlo completo.
Alucinaciones de la IA: qué son y cómo verificar lo que te responde
La IA inventa datos, citas y normas con total seguridad. Por qué pasa, dónde aparece más, casos reales en tribunales y un método simple para verificar.
Cómo funciona un modelo de lenguaje como ChatGPT, explicado sin tecnicismos
Un modelo de lenguaje escribe prediciendo la siguiente palabra, una y otra vez. Entiende tokens, probabilidades y por qué inventa, con una demo interactiva.