¿Sigue importando el prompting? Las nuevas reglas para obtener lo que quieres de la IA (Forward Future)

Aviso al lector: lo descargado es sólo la primera parte de un artículo de Forward Future firmado por Nick Wentz. El texto se corta en un muro de pago («Keep Reading», disponible para suscriptores de pago del Frontier Pass). Este resumen cubre únicamente lo que se alcanza a leer. No sabemos qué dice el resto, incluidas las nuevas reglas que anuncia el título.

La tesis del artículo es que los viejos trucos de la ingeniería de prompts se están quedando obsoletos. A la vez, las habilidades que separan a los usuarios avanzados del resto cobran más importancia a medida que los modelos mejoran.

El texto recuerda la época en que obtener una buena respuesta de ChatGPT exigía las «palabras mágicas»: pedirle al modelo que actuara como experto, que pensara paso a paso y que siguiera instrucciones muy elaboradas. Forward Future admite que publicó su propia guía de prompting basada en roles en marzo de 2025.

Para contrastar el cambio, el medio encuestó internamente a su equipo y encontró opiniones bastante alineadas:

• Alex McCraw, productor, antes usaba prompts del tipo «eres un diseñador gráfico experto», con la idea de que asignar un rol experto mejoraría el rendimiento de la IA, pero ahora ya no se molesta en usarlos.

• Matthew Berman, fundador, considera que la ingeniería de prompts, entendida como extraer el máximo rendimiento con técnicas como «piensa esto paso a paso», es «básicamente inútil» hoy.

• Brian Knepprath, editor, opina que sobreespecificar o dedicar demasiado tiempo a un prompt es ahora «activamente una pérdida de tiempo». Hasta hace unos meses usaba con frecuencia el comando /goal, pensado para que los agentes no pierdan el objetivo, y ahora apenas lo usa porque los prompts normales ya logran lo mismo.

• Nick Wentz, cofundador, coincide en que las técnicas antiguas pierden relevancia, pero cree que a la vez sube el listón del buen prompting. Según él, el cambio principal es pasar de decirle a la IA cómo hacer algo a comunicar qué se quiere, por qué importa y cómo es un buen resultado. Para él, los mejores usuarios saben plantear el problema, aportar contexto relevante y reconocer un buen resultado.

El artículo reconoce un matiz. Quienes opinan que el prompting muere siguen obteniendo resultados que a usuarios menos expertos les cuesta replicar. Por eso admite que el equipo no es representativo de quienes usan la IA para trabajar. Su explicación es que, cuanto mejor es la IA, menos hay que decirle cómo pensar. Aun así, hay que saber qué se quiere, qué instrucciones son críticas y cuándo apartarse.

Sobre por qué los trucos antiguos pierden sentido, el texto señala que los modelos de razonamiento están entrenados para razonar tareas complejas sin que el usuario se lo pida. Añade que OpenAI ha aconsejado a los desarrolladores que los prompts simples y directos suelen funcionar mejor, y que pedir razonamiento paso a paso puede ser innecesario o incluso contraproducente. Nick también abandonó las personas elaboradas, como pedir escribir al estilo de autores reconocidos o abordar problemas como un investigador de fama mundial, porque rara vez mejoran el resultado.

Berman ofrece un ejemplo de sus experimentos de software. Al pedir a la IA algo parecido a un producto existente, como una aplicación tipo Excel, ya no necesita describir cada función con detalle. Los modelos saben qué hace una hoja de cálculo y cómo es su interfaz, así que puede centrarse en el resultado y no en la implementación. La conclusión del artículo es que, si una petición corta basta para un prototipo convincente, no merece la pena dedicar mucho tiempo a perfeccionar el prompt.

La última sección legible plantea que la decisión más importante es cuánta libertad dar al modelo, y recoge una discrepancia entre dos miembros del equipo. Alex sostiene que las instrucciones detalladas siguen siendo esenciales si se tiene un resultado concreto en mente. Si se está abierto a cualquier interpretación, un prompt corto puede dar un gran resultado. Pero si se espera un estilo, una estructura y unos detalles determinados, es probable que el resultado decepcione, porque «la IA no puede leer tu mente». En su trabajo de vídeo, por ejemplo, debe comunicar el estilo visual, el movimiento de cámara y la secuencia de eventos para que la animación coincida con su visión.

Brian ve el riesgo contrario: al especificar cada detalle, los usuarios pueden impedir que el modelo descubra un enfoque mejor, y muchos acaban «prompteándose fuera» de soluciones sorprendentes. Nick añade que el valor del prompting detallado depende de la complejidad del trabajo. Ahí se interrumpe el texto, y no podemos reseñar su razonamiento completo ni las conclusiones del artículo.