Puntos clave
- Partes del resultado, no del prompt. Le muestras lo que quieres y ella deduce cómo pedirlo.
- Funciona con texto y con imágenes.
- Sirve para poner en palabras lo que sabes reconocer pero no describir.
- Analizar el estilo ajeno es legítimo. Copiar el contenido, no.
La ingeniería inversa de prompts consiste en partir de un resultado que te gusta y deducir la instrucción que lo produjo. En vez de escribir a ciegas, le pasas a la IA el ejemplo y le pides que reconstruya el prompt. Es la forma más rápida de aprender a escribir buenos prompts.
Qué es la ingeniería inversa de prompts
El flujo normal es este: escribes una instrucción, ves qué sale, corriges, vuelves. Funciona, pero es lento y depende de que sepas describir lo que quieres antes de haberlo visto.
El flujo inverso es el contrario: tienes el resultado y te falta la receta. Un correo que te encantó cómo estaba escrito, una publicación de LinkedIn que enganchó, una pieza visual con un estilo que no logras explicar. Se lo das a la IA y le pides que reconstruya la instrucción.
Por qué funciona mejor que escribir desde cero
Por tres razones bastante prácticas:
- Elimina la página en blanco. Empezar es la parte más cara de cualquier trabajo creativo.
- Descubre lo que no habrías pedido. El análisis saca patrones que estaban ahí y no habías visto: el largo de las frases, dónde va el dato, cómo abre y cómo cierra.
- Deja algo reutilizable. El resultado no es un texto, es un prompt que puedes usar cincuenta veces más.
El método en 5 pasos
Junta tres ejemplos, no uno
Con un solo ejemplo la IA describe ese texto. Con tres encuentra el patrón que comparten, que es lo que de verdad quieres.
Pide el análisis antes que el prompt
Primero qué tienen en común: estructura, tono, largo, cómo abren, cómo cierran. Si te saltas este paso, obtienes un prompt genérico.
Ahora sí, pide el prompt reconstruido
Que escriba la instrucción capaz de producir algo así, con variables entre corchetes para lo que cambia en cada uso.
Pruébalo con un caso tuyo
Úsalo para algo real y compara contra los ejemplos originales. Si el resultado se parece, funcionó.
Guárdalo donde lo vuelvas a encontrar
En las instrucciones de un proyecto, en un documento del equipo. Un prompt bueno perdido en un chat viejo no sirve para nada.
El prompt que hace el trabajo
Te voy a pasar tres ejemplos de [correos / publicaciones / textos] que funcionan muy bien para lo que necesito. PASO 1. Analízalos y dime qué tienen en común: - Estructura: cómo abren, cómo desarrollan, cómo cierran - Tono y nivel de formalidad - Largo de frases y de párrafos - Qué hacen para mantener la atención - Qué NO hacen (lo que evitan a propósito) PASO 2. Con ese análisis, escríbeme el prompt que produciría textos así. Deja entre corchetes lo que cambia en cada uso. No me des el prompt hasta haberme mostrado el análisis. Aquí van los ejemplos: [pega los tres]
La última instrucción antes de los ejemplos es la que más cambia el resultado. Sin ella, la IA salta directo al prompt y se pierde el análisis, que es la parte que de verdad enseña.
Dónde lo usamos todos los días
Unificar el tono del equipo
Tomas los tres mejores correos de la persona que mejor escribe y sacas el prompt. El resto del equipo ya no improvisa.
Mantener coherencia visual
Subes tres piezas de tu marca y pides el prompt de estilo. Sirve para que la cuarta no se vea de otra empresa.
Documentar lo que funciona
Cuando una publicación explota, reconstruyes el prompt antes de que se olvide por qué funcionó.
Estandarizar entregables
Tomas los tres mejores informes históricos y sacas la plantilla real, la que se usa y no la que está en el manual.
Lo que no se puede copiar
Y hay algo que ningún prompt reconstruye: el criterio de qué contar. La ingeniería inversa te devuelve la forma. Qué decir, con qué datos y en qué momento, sigue siendo tuyo.
Esto es lo que enseñamos en los talleres
Trabajamos con los documentos reales de tu equipo para sacar los prompts que ya funcionan en tu empresa. Salen con la biblioteca armada, no con teoría.
Ver capacitación para empresas →