De este modo, interactuar con la inteligencia artificial implica **aprender a dialogar** con ella **a través de instrucciones**, guiando paso a paso la generación de contenido para obtener resultados más precisos, útiles y adecuados al contexto.
#### Ingeniería de prompts La **ingeniería de prompts** es una disciplina relativamente reciente que se centra en **diseñar, formular y optimizar las instrucciones** que damos a los modelos de lenguaje para obtener respuestas más útiles, precisas y ajustadas a nuestras necesidades. En lugar de limitarse a “hacer preguntas”, el prompting consiste en **aprender a comunicarse eficazmente con la IA**, entendiendo cómo interpreta el lenguaje y cómo responde a distintos tipos de instrucciones. Esta disciplina resulta clave para comprender tanto **las capacidades como las limitaciones de los grandes modelos de lenguaje (LLMs)**. Saber escribir buenos prompts permite aprovechar mejor su potencial, pero también entender cuándo pueden fallar, inventar información o responder de forma ambigua. En el ámbito de la investigación, la ingeniería de prompts se utiliza para mejorar el rendimiento de los LLMs en tareas muy diversas, desde la respuesta a preguntas complejas hasta el razonamiento lógico o aritmético. En el ámbito del desarrollo, se emplea para diseñar **interacciones robustas y repetibles**, capaces de integrarse en aplicaciones reales junto con otras herramientas y sistemas. Sin embargo, la ingeniería de prompts **no se limita a escribir una instrucción inicial**. Incluye un conjunto amplio de técnicas y habilidades que permiten guiar el comportamiento del modelo: asignarle roles, proporcionar contexto, introducir ejemplos, estructurar el formato de salida o limitar explícitamente lo que puede y no puede hacer. En este sentido, el prompting se convierte en una competencia clave para interactuar de forma consciente, crítica y eficaz con los modelos de lenguaje. Además, un buen prompting contribuye a **mejorar la seguridad y fiabilidad de los LLMs**, ayudando a reducir respuestas inapropiadas, ambiguas o fuera de contexto. También permite ampliar sus capacidades mediante la incorporación de conocimiento específico de un dominio concreto o el uso combinado con herramientas externas. El creciente interés por los modelos de lenguaje ha motivado la creación de guías, recursos y marcos de trabajo centrados en la ingeniería de prompts, que recopilan buenas prácticas, ejemplos, técnicas avanzadas y aplicaciones reales. En el contexto educativo, el prompting no solo es una habilidad técnica, sino también una **competencia comunicativa y cognitiva**, muy relacionada con saber formular buenas preguntas, dar instrucciones claras y reflexionar sobre el tipo de respuestas que buscamos. ##### Ventajas de un buen *prompting* Un uso adecuado de la ingeniería de prompts aporta múltiples beneficios, tanto en contextos educativos como profesionales: - **Respuestas de mayor calidad** Instrucciones claras y bien estructuradas reducen ambigüedades y aumentan la precisión de las respuestas. - **Mayor coherencia y control** Permite guiar el tono, el nivel de profundidad y el enfoque de la respuesta, evitando salidas genéricas o irrelevantes. - **Fomento de respuestas creativas (cuando interesa)** Un buen prompt puede estimular la creatividad del modelo, proponiendo enfoques originales, analogías o ejemplos novedosos. - **Uso de ejemplos como guía** Incluir ejemplos en el prompt ayuda al modelo a entender mejor el tipo de respuesta esperada (*learning by example*). - **Restricción y delimitación de respuestas** Es posible limitar el formato, la extensión, el vocabulario o incluso prohibir ciertos tipos de contenido. - **Adaptación al contexto educativo o profesional** Permite ajustar las respuestas a un nivel concreto (ESO, FP, universidad) o a un ámbito específico (técnico, humanístico, divulgativo). - **Mejor aprovechamiento del tiempo** Reduce la necesidad de correcciones posteriores y de múltiples intentos. - **Mayor fiabilidad y seguridad** Ayuda a minimizar errores, alucinaciones y respuestas fuera de contexto. - **Comprensión crítica de la IA** Enseña a interactuar con los modelos de forma consciente, entendiendo que la calidad de la salida depende en gran parte de la calidad de la instrucción.Puedes consultar [La gúia de prompt de IBM](https://www.ibm.com/es-es/think/prompt-engineering#605511093 "Guía Prompting IBM") y la [Guía Social de Promptin](https://prompts.chat/)
# 2.2 Fundamentos del prompting educativo #### El *prompting* en educación: una competencia transversal según el rol La llegada de los modelos de lenguaje al aula no plantea solo una cuestión tecnológica, sino **pedagógica y organizativa**. La misma herramienta puede tener efectos muy distintos según **quién la use, para qué y cómo**. Por eso, hablar de *prompting* en educación implica cambiar el enfoque: no se trata de “saber pedir cosas a la IA”, sino de **aprender a formular instrucciones con intención educativa**, ajustadas al rol y a la tarea. En este contexto, el *prompting* se convierte en una **competencia transversal** que afecta al profesorado, al alumnado y a los equipos de gestión, y que atraviesa tareas tan diversas como la generación de contenidos, la autoevaluación o la gestión de la información. ##### El *prompting* desde el rol del alumnado Para el alumnado, el *prompting* no debe entenderse como un atajo para obtener respuestas, sino como una **herramienta de apoyo al aprendizaje**. Aprender a formular buenos prompts equivale, en el fondo, a **aprender a pensar mejor**: aclarar qué se necesita, delimitar el problema, pedir ejemplos, contrastar ideas y reflexionar sobre las respuestas recibidas. Aplicado a tareas concretas, el *prompting* permite al alumnado: - **Apoyarse en la generación de contenidos**, por ejemplo para obtener explicaciones alternativas, ejemplos adicionales o reformulaciones adaptadas a su nivel. - **Mejorar la expresión escrita**, utilizando la IA como espejo para revisar coherencia, estructura o claridad, sin sustituir la autoría. - **Practicar la autoevaluación**, pidiendo a la IA que compare su trabajo con unos criterios dados y que señale fortalezas y aspectos a mejorar. - **Gestionar información**, resumiendo textos largos, identificando ideas clave o comparando fuentes, siempre desde una actitud crítica. En este rol, el *prompting* bien enfocado fomenta autonomía, metacognición y responsabilidad. Mal enfocado, puede derivar en dependencia o aprendizaje superficial. De ahí la importancia de **enseñar a preguntar, no solo a obtener respuestas**. ##### El *prompting* desde el rol del profesorado Para el profesorado, el *prompting* se convierte en una **herramienta profesional** que ahorra tiempo, amplía posibilidades didácticas y permite centrarse en lo verdaderamente pedagógico: el acompañamiento y la toma de decisiones educativas. Desde este rol, el *prompting* puede aplicarse a: - **Generación y adaptación de contenidos**, creando explicaciones con distintos niveles de dificultad, ejemplos contextualizados o materiales accesibles. - **Diseño de actividades**, situaciones de aprendizaje, casos prácticos o simulaciones ajustadas al currículo. - **Evaluación y rúbricas**, elaborando borradores de criterios, descriptores de desempeño o instrumentos de evaluación coherentes y revisables. - **Atención a la diversidad**, adaptando lenguaje, ritmo y formato de los materiales. Aquí, el *prompting* no sustituye el criterio docente, sino que lo **potencia**. Un buen prompt refleja una buena planificación didáctica; uno malo suele delatar objetivos poco claros. ##### El *prompting* desde el rol del gestor o equipo directivo En el ámbito de la gestión educativa, el *prompting* adquiere una dimensión diferente: **organización, análisis y toma de decisiones informadas**. No se trata de enseñar contenidos, sino de gestionar información compleja y procesos. Aplicado a este rol, el *prompting* puede apoyar: - **Gestión de información y documentación**, resumiendo normativas, informes o planes estratégicos. - **Análisis de datos educativos**, detectando tendencias en resultados, absentismo o uso de recursos. - **Comunicación institucional**, redactando borradores de circulares, planes o comunicaciones internas. - **Planificación y mejora organizativa**, generando propuestas, escenarios o comparativas. En este nivel, un buen *prompting* ayuda a **clarificar problemas, ordenar información y explorar alternativas**, pero nunca debe sustituir la responsabilidad humana en la toma de decisiones. ##### Una idea común a todos los roles Sea cual sea el rol —alumno, docente o gestor—, el *prompting* educativo comparte una idea central: > **la calidad de la interacción con la IA depende directamente de la claridad del propósito educativo**. Un buen prompt no es solo técnicamente correcto; es **pedagógicamente intencional**. Define qué se busca, para qué se usa la IA y qué papel juega la persona en el proceso. En este sentido, enseñar y aprender *prompting* es también **enseñar a pensar, a evaluar y a decidir**, competencias esenciales en una educación que convive con la Inteligencia Artificial. #### Ejemplos de *prompts* ##### Ejemplo 1: *Prompt* muy simple > *Explícame qué es la fotosíntesis.* Es una instrucción válida, pero muy abierta. La IA decidirá el nivel y la profundidad de la explicación, lo que puede no ajustarse a lo que necesitas. ##### Ejemplo 2: *Prompt* con nivel educativo > *Explícame qué es la fotosíntesis para alumnado de 1.º de ESO, usando un lenguaje sencillo y un ejemplo.* Aquí ya se controla mejor el tipo de respuesta. ##### Ejemplo 3: *Prompt* con rol docente > *Actúa como profesor de Biología en Educación Secundaria y explica la fotosíntesis de forma clara y estructurada, usando un pequeño esquema.* Indicar un rol ayuda a que la explicación sea más ordenada y didáctica. ##### Ejemplo 4: *Prompt* para aprender de forma activa > *Actúa como tutor educativo. No expliques directamente qué es la fotosíntesis. Formula preguntas que me ayuden a comprender el proceso por mí mismo.* Este tipo de *prompt* favorece la reflexión y el aprendizaje activo. ##### Ejemplo 5: *Prompt* para evaluación (Secundaria) > *Actúa como docente de Lengua Castellana en Educación Secundaria. Crea una rúbrica para evaluar un texto argumentativo con criterios claros y niveles de desempeño. No incluyas notas numéricas.* La IA se utiliza aquí como apoyo al aprendizaje, no para poner calificaciones. ##### Ejemplo 6: *Prompt* para autoevaluación > *Voy a pegar un texto que he escrito. Compáralo con estos criterios de evaluación y dime qué aspectos están bien y cuáles puedo mejorar. No reescribas el texto.* Este uso ayuda a aprender a revisar el propio trabajo. ##### Ejemplo 7: *Prompt* con ejemplos guía > *Clasifica los siguientes textos como “descriptivo” o “argumentativo”. > Ejemplo: > Texto: “El uso del transporte público reduce la contaminación.” → Argumentativo > Ahora clasifica los textos que te voy a dar.* Los ejemplos ayudan a la IA a entender mejor lo que se espera. ##### Ejemplo 8: *Prompt* para organizar información > *Actúa como asesor educativo. A partir de esta información, identifica ideas principales y propón posibles líneas de mejora. No tomes decisiones, solo plantea opciones.* Este tipo de *prompt* deja claro que la decisión final siempre corresponde a la persona. #### Consejos generales para diseñar *prompts* en el ámbito educativo ##### Anatomía de un *prompt* Cuando trabajamos con Inteligencia Artificial en el ámbito educativo, no basta con “hacer preguntas”. Para obtener respuestas útiles y acordes al aprendizaje, es necesario **aprender a formular bien las instrucciones**, es decir, aprender *prompting*. Un *prompt* es el mensaje que damos a la IA para indicarle qué queremos que haga y cómo queremos que lo haga. En realidad, escribir un buen *prompt* no es algo nuevo: se parece mucho a **entender bien un enunciado** o a **dar una consigna clara en clase**. Cuanto más precisa y bien pensada es la instrucción, mejores serán las respuestas que obtengamos. Un *prompt* bien formulado reduce la ambigüedad, evita respuestas genéricas y ayuda a que la IA actúe como una herramienta de apoyo al aprendizaje, no como un sustituto del esfuerzo personal. Aunque no existe una fórmula única, un *prompt* educativo eficaz suele incluir varios de los siguientes elementos: **Rol de la IA:** Puedes indicar desde qué papel debe responder: profesor, tutor, ayudante, corrector, orientador, etc. **Tarea clara:** Explica con precisión qué quieres que haga la IA: explicar, comparar, resumir, analizar, proponer ideas, revisar un texto… **Contexto educativo:** Indica la etapa, la asignatura o la situación de aprendizaje. La IA no sabe quién eres ni qué estás enseñando si no se lo dices. **Formato de la respuesta:** Especifica cómo quieres la respuesta: un esquema, una lista, una tabla, un texto breve, preguntas guiadas… **Nivel y límites:** Puedes indicar el nivel de dificultad, la extensión máxima o incluso prohibir ciertas acciones, como dar la solución final. **Ejemplos (si es necesario):** Mostrar un ejemplo suele ayudar más que una explicación larga. No siempre es necesario incluir todos estos elementos, pero **cuantos más estén claros, mejor será el resultado**.Recuerda **no introducir datos personales** ni trasladar tus propios **sesgos** a través del prompt.
***Preguntar bien para aprender mejor*** Diseñar buenos *prompts* no es una destreza puramente técnica asociada a la Inteligencia Artificial. En el contexto educativo, está estrechamente relacionada con **la lectura comprensiva, la escritura precisa y el pensamiento reflexivo**. Un *prompt* es, ante todo, un texto escrito, y la calidad de ese texto depende directamente de la capacidad para comprender lo que se lee y expresar con claridad lo que se quiere comunicar. Lejos de sustituir estas competencias, el uso de la IA **las hace más necesarias que nunca**. Para obtener buenas respuestas de la IA es imprescindible formular buenas preguntas, y para formular buenas preguntas es necesario dominar el lenguaje. En este sentido, el *prompting* no debilita las habilidades tradicionales del aprendizaje, sino que **las refuerza y las pone en valor**. ***Comienza por lo simple y mejora paso a paso*** Diseñar *prompts* es un proceso **progresivo e iterativo**, muy similar a cualquier aprendizaje escolar. El primer intento rara vez es perfecto. Normalmente se escribe un *prompt*, se observa la respuesta obtenida y se reformula para mejorarla. Este proceso tiene un gran valor educativo porque obliga a: - releer lo escrito - detectar ambigüedades - precisar ideas - mejorar la expresión. Cuando una tarea es compleja, conviene **dividirla en partes más sencillas**. Formular varios *prompts* pequeños suele ser más eficaz que uno solo muy largo. Este enfoque fomenta la planificación, el orden y la claridad mental. ***Leer bien antes de preguntar bien*** No se puede formular un buen *prompt* sin haber leído con atención. Muchos errores al interactuar con la IA no se deben a la herramienta, sino a una **mala comprensión del enunciado, del texto o del problema**. El *prompting* obliga a: - identificar qué se pide realmente - distinguir lo esencial de lo secundario - traducir esa comprensión en una instrucción clara De este modo, el uso educativo de la IA puede convertirse en un **estímulo para mejorar la comprensión lectora**, una competencia fundamental en todas las áreas del conocimiento. ***Da instrucciones claras y orientadas a la tarea*** Un buen *prompt* educativo emplea **verbos claros y concretos**, igual que una consigna bien formulada en el aula. Verbos como *explica*, *resume*, *analiza*, *compara* u *ordena* ayudan a definir con precisión la tarea. También es recomendable colocar la instrucción principal **al inicio del *prompt*** y separar claramente el texto o contexto adicional. Por ejemplo: Este tipo de estructura no solo mejora la respuesta de la IA, sino que **educa en organización del pensamiento y de la escritura**. ***Sé específico, pero solo en lo relevante*** Ser específico no significa escribir mucho, sino **decir exactamente lo necesario**. Un *prompt* demasiado vago produce respuestas generales; uno excesivamente largo puede resultar confuso. La clave está en seleccionar la información relevante: nivel educativo, formato de respuesta, extensión aproximada o tipo de ayuda solicitada. Incluir ejemplos suele ser especialmente eficaz, porque muestran con claridad lo que se espera. ***Evita la imprecisión y las consignas vagas*** Expresiones como *“sé breve”*, *“explícalo un poco”* o *“no seas muy largo”* son poco útiles. Es preferible concretar: - cuántas frases o párrafos - para qué nivel - con qué tipo de lenguaje La precisión lingüística es una competencia esencial y el *prompting* contribuye a desarrollarla. ***Mejor decir qué hacer que decir qué no hacer*** Las instrucciones en positivo suelen ser más claras y eficaces que las prohibiciones. Indicar qué se espera orienta mejor la acción y reduce errores, tanto en personas como en sistemas de IA. Este principio coincide con una buena práctica educativa habitual. ##### Errores frecuentes al escribir *prompts* Algunos errores habituales son: - pedir demasiadas cosas en una sola instrucción - no indicar el nivel educativo - no decir cómo debe ser la respuesta - usar la IA para hacer el trabajo en lugar de utilizarla como un apoyo Aprender a escribir buenos *prompts* es, en realidad, **aprender a pensar mejor**, a aclarar qué se quiere y cómo se puede conseguir. **Idea clave para recordar** > **Un buen *prompt* no busca que la IA “haga el trabajo”, > sino que ayude a aprender mejor.** La Inteligencia Artificial puede ser una gran herramienta, pero **la responsabilidad del aprendizaje sigue siendo tuya**. Aprender a dar buenas instrucciones es también aprender a aprender. #### Reflexión final Para formular buenas preguntas es necesario comprender textos complejos, argumentar con rigor y expresarse con claridad, leer críticamente, escribir con precisión y pensar con profundidad. Estas competencias no son un complemento tecnológico, sino el **fundamento** para interactuar de forma inteligente y responsable con la IA. > **Cuanto mejor se lee, mejor se escribe. > Cuanto mejor se escribe, mejor se pregunta. > Y cuanto mejor se pregunta, mejor se aprende.** La Inteligencia Artificial puede ampliar nuestras capacidades, pero **solo si antes fortalecemos aquello que nos hace humanos**. # 2.3 Ejemplos de Prompts ## Ejemplos de *prompts* según la tarea En el apartado anterior ya se han visto los elementos básicos de un buen *prompt*. En esta sección se presentan **ejemplos prácticos** organizados por tareas habituales. La idea es sencilla: la mejor forma de aprender a diseñar *prompts* es **verlos en acción**, compararlos y experimentar con pequeñas mejoras. A continuación se muestran varios tipos de tareas muy comunes cuando se trabaja con modelos de lenguaje: **resumir**, **extraer información**, **preguntas y respuestas**, **clasificar**, **mantener una conversación**, **generar código** y **razonar**. En cada una, se verá cómo un *prompt* bien diseñado puede guiar al modelo hacia una salida más útil, más precisa o más adecuada al objetivo. Puedes probar estos prompts en asistentes como ChatGPT, Claude, Gemini.... ##### 1) Resumen de textos Resumir es una de las aplicaciones más útiles de los modelos de lenguaje en el ámbito educativo: ayuda a convertir textos largos en ideas clave, preparar apuntes o repasar antes de un examen. **Prompt básico (demasiado abierto):** > Explica qué son los antibióticos. La respuesta puede ser larga o poco ajustada al nivel. Para controlar mejor el resultado, conviene indicar **la longitud y el formato**. **Prompt mejorado (con restricción clara):** > Resume el siguiente texto en **una sola frase**: > \[pega aquí el texto sobre antibióticos\] Este tipo de instrucción obliga al modelo a priorizar lo esencial. En resumen, cuando se pide un resumen conviene indicar: **nivel, extensión y formato**. ##### 2) Extracción de información Además de generar textos, los modelos de lenguaje pueden **localizar datos concretos** dentro de un párrafo (nombres, fechas, lugares, conceptos, entidades…). Esta tarea es muy útil para trabajo académico, proyectos o lectura guiada. **Ejemplo de prompt de extracción:** > Lee el texto y extrae **el nombre del producto basado en un modelo de lenguaje** que se menciona. > Texto: > \[pega aquí el párrafo\] Salida esperada (por ejemplo): “ChatGPT”. Este uso es especialmente útil cuando el alumnado aprende a **buscar evidencia en el texto**: no se trata de opinar, sino de extraer información verificable. ##### 3) Preguntas y respuestas (con contexto) Una de las mejores prácticas cuando se quiere que la IA responda bien es dar **contexto** y exigir que responda **solo con ese contexto**. Esto es esencial para evitar respuestas inventadas o demasiado generales. **Prompt estructurado (buena práctica):** > Responde a la pregunta basándote **solo** en el contexto. > Si no aparece la respuesta, di: “No aparece en el texto”. > > Contexto: \[pega aquí el texto\] > Pregunta: ¿De dónde se obtuvo originalmente el OKT3? > Respuesta: Este formato ayuda a que el alumnado entienda que una respuesta “bonita” no siempre es una respuesta “correcta”. La clave es aprender a pedir **respuestas justificadas**. ##### 4) Clasificación de texto Clasificar textos es una tarea típica de NLP: sentiment (positivo/negativo), tipo de texto (narrativo/argumentativo), tema, intención, etc. Aquí, el problema frecuente es que el modelo acierte, pero no entregue **exactamente el formato** que queremos. **Prompt simple:** > Clasifica el texto en neutral, negativo o positivo. > Texto: “Creo que la comida estuvo bien.” > Sentimiento: Puede responder “Neutral” o “neutral”. Si necesitamos una etiqueta exacta, lo mejor es **dar ejemplos**. **Prompt con ejemplos (más control):** > Clasifica el texto en: neutral, negativo o positivo. > Texto: “Creo que las vacaciones están bien.” → neutral > Texto: “Creo que la comida estuvo bien.” → Al incluir un ejemplo, se reduce la ambigüedad del formato. En educación, esto enseña una idea clave: **si quieres una salida concreta, enseña el patrón**. ##### 5) Conversación (chatbots): “role prompting” Para conversaciones, los modelos responden mejor si se les define un rol y un estilo. Esto es muy útil en tareas educativas: tutor, profesor, divulgador, etc. **Prompt (rol técnico):** > Eres un asistente de investigación. Respondes con tono técnico y científico. > Usuario: ¿Cómo se forman los agujeros negros? **Prompt (rol divulgativo para primaria):** > Eres un asistente educativo. Explicas con palabras sencillas para estudiantes de primaria. > Usuario: ¿Cómo se forman los agujeros negros? El contenido puede ser similar, pero el estilo y el nivel cambian muchísimo. Esto sirve para trabajar la idea de **adaptar el discurso al destinatario**, una competencia clave en Lengua. ##### 6) Generación de código Los modelos de lenguaje suelen ser muy eficaces generando código, sobre todo si se especifica el lenguaje y el objetivo. **Prompt simple:** > Escribe un programa que pida el nombre al usuario y muestre “Hola, \[nombre\]”. **Prompt más avanzado (con contexto técnico):** > Tablas: > departments(DepartmentId, DepartmentName) > students(DepartmentId, StudentId, StudentName) > > Crea una consulta MySQL para obtener todos los estudiantes del departamento “Computer Science”. Aquí se ve algo importante: cuando se aporta el “mundo” (el esquema de datos), la IA puede producir respuestas más correctas. ##### 7) Razonamiento: pedir pasos mejora la fiabilidad El razonamiento es una tarea difícil para los modelos. Por eso, en problemas de lógica o matemáticas, suele funcionar mejor pedir que lo resuelva **paso a paso**, en lugar de exigir una respuesta inmediata. **Prompt que puede fallar:** > Los números impares del grupo suman un número par: 15, 32, 5, 13, 82, 7, 1. ¿Es cierto? **Prompt mejorado (con método):** > Resuelve paso a paso: > > 1. Identifica los números impares. > 2. Súmalos. > 3. Indica si la suma es par o impar. > Lista: 15, 32, 5, 13, 82, 7, 1. Este tipo de instrucciones reduce errores y, además, tiene un valor educativo claro: obliga a explicitar el procedimiento. ##### Cierre: aprender mediante ejemplos y práctica Estos ejemplos muestran una idea central: **la IA no responde “mejor” por magia**, responde mejor cuando el *prompt* está mejor diseñado. Por eso, aprender *prompting* significa aprender a: - concretar tareas, - dar contexto relevante, - fijar formatos, - añadir ejemplos cuando conviene, - y pedir procesos (no solo resultados) en tareas complejas. A partir de aquí, el paso siguiente natural es practicar: proponer un *prompt*, ver qué ocurre, mejorarlo y comparar resultados. Esa mejora continua es, en realidad, una forma de aprendizaje activo. # 2.4 Técnicas intermedias y avanzadas de prompting ### Técnicas avanzadas de *prompting* **Cómo guiar a la IA en tareas más complejas** A estas alturas ya resulta evidente que **mejorar la forma en que escribimos los *prompts* mejora directamente la calidad de las respuestas**. Esa es la idea central de la ingeniería de *prompts*: no cambiar el modelo, sino **cambiar cómo nos comunicamos con él**. Los ejemplos vistos hasta ahora permiten resolver tareas habituales, pero cuando el objetivo es más complejo —razonamiento, planificación, análisis profundo, uso de fuentes externas o toma de decisiones guiadas— es necesario recurrir a **técnicas de *prompting* más avanzadas**. Estas técnicas no hacen a la IA “más inteligente”, pero sí la **obligan a trabajar de forma más estructurada**, más parecida a cómo razonaría una persona.En el contexto educativo, no es necesario dominar todas estas técnicas, pero sí **conocer que existen**, entender para qué sirven y saber en qué situaciones pueden resultar útiles.
Muchas de ellas, además, tienen un gran valor pedagógico porque fomentan procesos como el razonamiento paso a paso, la reflexión o la contrastación de información. A continuación se presenta una **tabla resumen** con las principales técnicas avanzadas de *prompting* y su finalidad. ### Principales técnicas avanzadas de *prompting*| Técnica | Idea principal | ¿Para qué se utiliza? |
|---|---|---|
| **Zero-shot prompting** | Dar una instrucción sin ejemplos previos | Tareas sencillas y directas |
| **Few-shot prompting** | Incluir uno o varios ejemplos | Controlar formato y estilo de salida |
| **Chain of Thought (CoT)** | Pedir razonamiento paso a paso | Problemas lógicos y matemáticos |
| **Auto-consistencia** | Generar varias soluciones y comparar | Reducir errores en razonamiento |
| **Prompt de conocimiento generado** | Pedir primero información base | Mejorar respuestas complejas |
| **Prompt Chaining** | Encadenar varios *prompts* | Dividir tareas largas en fases |
| **Tree of Thoughts** | Explorar varias líneas de razonamiento | Toma de decisiones complejas |
| **Retrieval Augmented Generation (RAG)** | Usar información externa | Trabajar con documentos reales |
| **Automatic Reasoning and Tool-use (ART)** | Combinar razonamiento y herramientas | Resolver tareas prácticas |
| **Automatic Prompt Engineering (APE)** | Generar y optimizar *prompts* | Ajustar instrucciones automáticamente |
| **Active prompting** | Elegir ejemplos más útiles | Mejorar aprendizaje del modelo |
| **Directional Stimulus Prompting** | Introducir pistas sutiles | Guiar el tipo de respuesta |
| **Program-Aided Language Models (PAL)** | Usar código como apoyo | Matemáticas y lógica formal |
| **ReAct** | Combinar razonamiento y acción | Agentes y tareas interactivas |
| **Reflexion** | Pedir al modelo que revise errores | Aprendizaje iterativo |
| **Multimodal CoT** | Razonar con texto, imagen o audio | Problemas multimodales |
| **Graph prompting** | Representar relaciones en forma de grafo | Análisis estructural complejo |
Además, es de vital importancia para los docentes **no introducir** en el prompt **datos personales.**
##### Estructura o anatomía del prompt Un prompt educativo eficaz suele incluir varios elementos que orientan a la IA sobre **qué hacer, para quién y con qué características**. Una estructura sencilla y eficaz incluye los siguientes componentes: **1. Rol:** define el papel que debe adoptar la IA. Por ejemplo: "Actúa como una maestra de música especialista en educación vocal." **2. Tarea:** indica claramente qué debe generar, es la orden (compara, escribe, diseña, enumera...). Por ejemplo: "Diseña una situación de aprendizaje sobre "The Beatles". **3. Destinatario:** nivel o edad del alumnado. Por ejemplo: alumnado de 8 años **4. Contexto educativo.** Describe el marco pedagógico: - Características del alumnado - Criterios de evaluación - Duración y número de sesiones - Metodología - Formato de la respuesta, especificándole cómo queremos que se organice la información Aquí exponemos el ejemplo de un prompt sencillo pero eficaz: [](https://libros.catedu.es/uploads/images/gallery/2026-03/Ccgimage.png) ##### Iteración Una vez que introducimos el prompt en el asistente, nos dará una respuesta que puede convencernos más o menos; quizá nos de otra idea, o podemos refinar ese resultado pidiéndole los ajustes que consideremos necesarios; es decir, mantener una **conversación** en la que le pedimos que vaya **modificando elementos, o añadiendo otros nuevos** que no nos ha proporcionado previamente y se lo queramos pedir, como por ejemplo: - **Secuenciación** de **actividades**, o actividades iniciales, de desarrollo y de cierre. - **Instrumentos de evaluación** como listas de cotejo y rúbricas. Por ejemplo "crea una rúbrica para evaluar el producto final, con 4 niveles de desempeño y descriptores comprensibles para el alumnado". - **Adaptaciones** de una actividad a distintos **ritmos, niveles y necesidades.** Por ejemplo: "adapta esta actividad para tres niveles (básico, medio y avanzado), incluyendo apoyos y propuestas de ampliación". - Todo lo que se nos ocurra...También podemos introducir **ese mismo prompt inicial** o incluso el output o respuesta que te dio la IA **en otro asistente, comparar resultados y combinarlos.**
Cuanto más **clara y estructurada sea la indicación**, más ajustada será la respuesta generada por la IA.
También puedes **ajustar el lenguaje** de la respuesta para que sea comprensible por el alumnado, por ejemplo a la hora de plantear actividades.
Existen prompts más complejos, como el que propone Juan José de Haro, en el que en lugar de iterar sobre los resultados de la IA, vas introduciendo toda la información:En cualquier caso, es necesario **revisar la coherencia interna de la SdA** y detectar posibles mejoras.
##### Bancos de prompts educativos Otra opción es **pedirle a un asistente que nos genere un prompt** eficaz para por ejemplo adaptar una situación de aprendizaje, y utilizarlo en una nueva conversación de ese mismo asistente, o en otro diferente. En este sentido, también podemos encontrar **GPTs** educativos dentro de ChatGPT, **Gems** en Gemini, y los propios **agentes que entrenemos** nosotros mismos para ello. Del mismo modo que se aprende a escribir leyendo buenos textos, **se aprende a diseñar buenos *prompts* observando ejemplos bien construidos**. Por eso, en el ecosistema de la Inteligencia Artificial han surgido los llamados **bancos de *prompts***: repositorios donde se recopilan, clasifican y comparten instrucciones eficaces para interactuar con modelos de lenguaje. Un buen banco de *prompts* permite estudiar: - cómo se formula una buena pregunta - qué nivel de detalle funciona mejor - cómo se asignan roles - cómo se restringen respuestas - y cómo se adapta el lenguaje a un contexto educativo concreto Además existen bibliotecas de prompts educativos entre las que destacamos esta **[biblioteca avanzada de prompts educativos](https://eduprompts.tiddlyhost.com/#Introducci%C3%B3n:Introducci%C3%B3n)** que los clasifica por temáticas.[](https://libros.catedu.es/uploads/images/gallery/2026-03/mKZimage.png)También puedes encontrar prompts centrados en el **Diseño Universal del Aprendizaje** (DUA) [aquí.](https://descargas.intef.es/cedec/proyectoedia/guias/contenidos/inteligencia_artificial/dua.html)
También hay otras más sencillas [como esta ](https://aipromptlibrary.org/library.html)donde puedes seleccionar el tipo de elemento que quieres generar, por ejemplo "lesson plan", y una vez que rellenas la información que te pide, te genera el prompt para copiar y pegar en un asistente. [ ](https://libros.catedu.es/uploads/images/gallery/2026-03/m5iimage.png)[](https://libros.catedu.es/uploads/images/gallery/2026-03/vv4image.png) Puedes empezar probando estos prompts sencillos en cualquier asistente, pincha en el que más te apetezca: