Guía de prompts — listos para copiar, pegar y usar

Son las once de la noche de un domingo. Acabás de escribir un prompt que funcionó — un email profesional quedó redondo, sin ese tono corporativo que querías evitar. Lo copiás a una nota del celular. "Mañana lo uso de nuevo", pensás.

El martes lo necesitás. Abrís la app de notas. No aparece. Lo habías guardado en la otra, la de la computadora. O en el borrador de WhatsApp que se va a vos mismo. O en un Google Doc sin título.

Ese prompt que funcionaba lo volvés a escribir desde cero. Te lleva quince minutos en lugar de cinco. Y el resultado, esta vez, no te termina de cerrar.

El costo de no tener biblioteca no es que pierdas prompts. Es que pensás el mismo problema dos veces.

Los cinco prompts que te conviene tener guardados esta semana

Te dejo cinco, listos para copiar. Cada uno tiene las cuatro letras de CAFÉ anotadas adentro entre corchetes — así vas viendo cómo están construidos mientras los usás.

1. Email profesional (el que mandás todas las semanas)

`` Sos un consultor independiente que le escribe a un contacto que conoce poco. [C] Contexto: le escribo para proponerle una reunión de 20 minutos sobre un proyecto puntual. [A] Acción: escribí el email. [F] Formato: máximo 10 líneas, con asunto incluido, sin jerga corporativa, con una sola pregunta al final. [E] Ejemplo de tono que me gusta: "Hola Laura, te escribo porque vi tu charla en Bafici y me quedó dando vueltas la idea de X..." ``

Qué hace cada parte: [C] le da rol y situación. [A] dice la tarea en un verbo. [F] pone los límites duros — líneas, tono, estructura. [E] le muestra cómo suena cuando vos escribís.

2. Resumen de reunión (de una transcripción larga)

`` [C] Esta es la transcripción de una reunión de 50 minutos con mi equipo sobre el lanzamiento de un producto nuevo. [A] Sacame tres cosas: decisiones tomadas, acciones pendientes con dueño, y temas que quedaron sin cerrar. [F] Formato: tres bloques con títulos, bullets cortos, sin parafrasear ni adornar. [E] Si algo no estaba claro en la reunión, marcalo con "[ambiguo]" en lugar de inventarlo. Transcripción: [pegás acá] ``

Qué hace cada parte: [E] en este caso no es un ejemplo de salida, es una regla de comportamiento — "si no sabés, decilo". Eso mata el 80% de las alucinaciones que te harían perder tiempo revisando.

3. Post de LinkedIn (sobre algo que aprendiste)

`` [C] Trabajo como [profesión] y acabo de aprender algo en un proyecto real: [describí en dos líneas qué fue]. [A] Escribí un post de LinkedIn en primera persona contando la experiencia. [F] Máximo 150 palabras, arranca con una frase corta que no sea un cliché ("hoy aprendí" está prohibido), una sola idea por párrafo, cierra con una pregunta genuina. [E] Tono: el de alguien que cuenta algo en el café, no el de alguien que da una charla TED. ``

Qué hace cada parte: La prohibición explícita ("hoy aprendí" está prohibido) funciona mejor que pedir creatividad en abstracto. La IA no sabe qué es un cliché hasta que se lo nombrás.

4. Tabla comparativa (para decidir rápido)

`` [C] Estoy evaluando tres opciones: [A], [B], [C]. Mi criterio principal es [precio/velocidad/lo que sea]. [A] Hacé una tabla comparativa. [F] Columnas: opción, pro principal, contra principal, precio, recomendación en una frase. [E] En la fila de recomendación no digas "depende" — elegí la que según los datos sale mejor para mi criterio y justificalo en seis palabras. ``

Qué hace cada parte: Forzar la recomendación en [E] evita la respuesta de IA educada que no dice nada. Si no le prohibís "depende", te lo va a decir.

5. Imagen para redes (prompt descriptivo)

`` [C] Necesito una imagen vertical para Instagram acompañando un post sobre trabajo remoto. [A] Generá una imagen fotorrealista. [F] Composición vertical 4:5, plano medio, luz natural de ventana, paleta cálida. [E] Escena: un escritorio de madera con una taza de café humeante al lado de una notebook abierta, al fondo una planta desenfocada. Sin caras, sin texto sobre la imagen, sin logos. ``

Qué hace cada parte: [E] acá es toda la imagen. Sin la escena descrita con detalles físicos, el modelo te va a dar el stock photo que tiene más cerca. Con escena, te da algo que parece pensado.

Lo que tenés que llevarte

1. Guardá todo prompt que usaste dos veces. Dos veces es el umbral. Si lo escribiste dos veces, vas a escribirlo diez — y no tiene sentido.

1. Adaptá, no copies a ciegas. Un prompt sin tu contexto adentro es genérico. Cambiá los nombres, los ejemplos, el tono. El esqueleto es del prompt; la carne es tuya.

1. Si CAFÉ no está, el prompt flaquea. Si te sale una respuesta rara, abrí el prompt y buscá cuál de las cuatro letras le falta. Casi siempre es Formato o Ejemplo.

Un martes cualquiera de 2025, Lucas — copywriter freelance en Buenos Aires, siete años de carrera — escribió por última vez un email corporativo desde cero. Le llevó cuarenta minutos. Tres reescrituras, dos cafés, un momento de "dale, mandá eso que ya está". Al día siguiente le tocaba uno parecido.

Esa noche se sentó a hacer algo que venía postergando: convertir ese email en un prompt guardado. Le sacó los datos del cliente, dejó las variables vacías, anotó arriba del archivo qué había funcionado y qué no. Quince minutos.

La semana siguiente el mismo tipo de email le llevó siete minutos: cinco de completar las variables, dos de revisar el output. El punto no es que ganó tiempo. El punto es que dejó de pensar el mismo problema dos veces.

Eso es una biblioteca de prompts. No es una colección de hits. Es un conjunto de decisiones que ya tomaste — sobre tono, formato, ejemplos, restricciones — para no tener que tomarlas de nuevo cada lunes.

Qué va en la biblioteca y qué no

Una regla dura: si lo vas a hacer una sola vez en la vida, no lo conviertas en prompt guardado. Escribilo, mandalo, olvidalo. La biblioteca es para lo que se repite.

Qué se repite en trabajo real: emails por tipo (venta, cobranza, seguimiento, introducción), síntesis por formato (reuniones, documentos largos, feedback de clientes), contenido social (posts LinkedIn, newsletters, imágenes), estructuras recurrentes (dashboards, tablas comparativas, briefs), y automatizaciones personales (revisar un texto, traducir con tu tono, ordenar notas sueltas).

Diez prompts cubren casi todo el volumen semanal de un profesional promedio. No necesitás cincuenta. Necesitás diez que funcionen y que encuentres rápido.

Los diez prompts, con nota de adaptación

Escritura profesional — 3 prompts

1. Email de venta soft (no pide cerrar, pide conversación)

“ Sos [rol], escribís a [decisor de función] en [industria]. [C] Contexto: no te contactaron; vos detectaste una oportunidad. [A] Escribí un email que proponga una conversación de 20 minutos. [F] Máximo 120 palabras, asunto incluido, un solo CTA, sin adjetivos de marketing. [E] Tono de pares, no de vendedor. Datos: prospect [nombre], empresa [X], problema que identifiqué [Z], mi solución específica [W]. “

Cómo adaptarlo: cambiá el rol y la industria. Lo crítico es el [E] final — si no ponés el problema específico que detectaste, la IA te escribe algo genérico que suena a newsletter.

2. Email de seguimiento post-propuesta (sin rogar)

“ [C] Mandé una propuesta hace [X días] a [nombre] por [servicio]. No respondió. [A] Escribí un email corto de seguimiento. [F] Máximo 6 líneas, seguro sin ser pedante, ofreciendo ayuda, con link a la propuesta. [E] Tono: como si supieras que tu propuesta vale — porque la vale. Nada de "disculpame por molestar". “

Cómo adaptarlo: el prompt funciona si en [E] prohibís explícitamente frases de sumisión. Si no lo hacés, la IA por default escribe medio suplicante.

3. Post de LinkedIn con caso real

“ [C] Acabo de terminar un proyecto con [cliente] en [industria]. Problema que tenían: [X]. Solución: [Y]. Resultado medible: [Z con número]. [A] Escribí un post de LinkedIn. [F] Máximo 180 palabras, arranca con una frase que no sea hook de gurú, tres párrafos cortos, cierra con una pregunta real. [E] Prohibido: "te cuento", "spoiler", "plot twist", emoji al inicio. Tono: el de alguien que cuenta algo en el café. “

Cómo adaptarlo: la lista de frases prohibidas es personal — agregá las que te pongan los ojos en blanco cuando scrolleás LinkedIn.

Formatos — 3 prompts

4. Tabla comparativa con recomendación forzada

“ [C] Estoy evaluando [N opciones] con criterio principal [X]. Datos: [pegá las opciones con sus características]. [A] Generá tabla comparativa. [F] Columnas: opción, pro principal, contra principal, [métrica clave], recomendación en una línea. [E] En la fila de recomendación no digas "depende" ni "ambas tienen sentido". Elegí una y justificala en seis palabras. “

5. Dashboard de KPIs para copiar a Sheets

“ [C] Negocio: [tipo]. Escala: [N clientes/productos]. Métricas que me importan: [lista]. [A] Diseñá estructura de dashboard. [F] Dos tablas: vista general (una fila por segmento) y detalle (una tabla por segmento). Columnas fijas: identidad, meta, actual, variación %, tendencia. [E] Salida en markdown o CSV, lista para pegar a Google Sheets. Sin explicaciones. “

6. Resumen ejecutivo de documento técnico

“ [C] Tengo un documento técnico de [X páginas] sobre [tema]. Audiencia del resumen: [ejecutivos no técnicos / board / inversor]. Decisión que necesitan tomar: [go/no-go / invertir / priorizar]. [A] Generá resumen ejecutivo. [F] Máximo 300 palabras, estructura: qué vimos → por qué importa → 3 hallazgos clave → recomendación. [E] Cero jerga. Si aparece un término técnico inevitable, explicalo en seis palabras. Documento: [pegás acá] “

Imágenes y social — 2 prompts

7. Imagen editorial para blog (vertical 3:4)

“ [C] Necesito imagen para artículo sobre [tema]. [A] Generá fotografía realista. [F] Composición vertical 3:4, 1200x1600, luz natural documental, paleta [cálida/fría/contrastada]. [E] Escena: [describe objeto principal, entorno, ángulo, detalle que fija la atención]. Sin caras identificables, sin texto sobre la imagen, sin logos. Estilo documental editorial. “

Cómo adaptarlo: la parte [E] es el 80% del resultado. Si no describís una escena con objetos concretos, vas a recibir el stock photo que el modelo tiene más a mano.

8. Hilo corto de redes (Instagram/X)

“ [C] Tema: [X]. Formato destino: [Instagram carrousel / hilo de X / Threads]. [A] Escribí [N] piezas encadenadas. [F] Primera pieza: gancho corto sin hashtags. Piezas 2 a N-1: una idea por pieza, sin cierre. Última pieza: CTA simple (pregunta, link, o nada). Extensión por pieza: [límite de plataforma]. [E] Prohibidos: "🧵", "1/", "hot take", "unpopular opinion". “

Apps/dashboards simples y automatizaciones — 2 prompts

9. Revisor de textos (tu mano invisible)

“ [C] Soy [rol], escribo [tipo de texto]. [A] Revisá el texto que pego abajo. [F] Tareas: corregir ortografía y gramática, acortar frases mayores a 25 palabras, reemplazar palabras rebuscadas por simples, mantener el tono [formal/casual/técnico]. [E] No cambies la estructura ni agregues ideas. Si una frase te suena ambigua, dejala como está y marcá "[revisar]" al margen. Devolvé el texto corregido primero; después, una lista corta de cambios importantes. Texto: [pegás acá] “

10. Ordenador de notas sueltas (brain dump a estructura)

“ [C] Abajo hay un brain dump — notas sueltas sobre [tema], en desorden, algunas a medio escribir. [A] Organizalas. [F] Salida: tres bloques — ideas principales (tres máximo), tareas concretas (con verbo al inicio), preguntas abiertas (que me quedan sin resolver). [E] Si una nota es ambigua o no entendés a dónde va, ponela en un bloque final "no clasificadas" en lugar de inventar categoría. Notas: [pegás acá] “

Caso de iteración: un prompt que no salió bien a la primera

La primera versión del prompt #3 (post de LinkedIn) era esta:

“ Escribí un post de LinkedIn sobre un proyecto que hice. Que suene auténtico y tenga un buen hook. “

El output: un post con "te cuento", emoji al inicio, hook genérico ("todos hablan de X, pero…"), tres hashtags predecibles. En otras palabras, exactamente lo que quería evitar.

La v2 — la que está arriba — agregó tres cosas: datos concretos en [C] (cliente, industria, problema, resultado), una restricción numérica en [F] (180 palabras, 3 párrafos), y una lista de frases prohibidas en [E]. El cambio que más impactó: la lista de prohibidos. No le estaba pidiendo a la IA que fuera creativa; le estaba sacando las muletillas que le salen por default.

Regla práctica que aprendí ahí: cuando un prompt da resultados genéricos, no le agregues "que sea original". Nombrá lo que no querés.

Para cerrar

¿Cuál de tus tareas repetitivas vas a convertir en prompt esta semana? Elegí una — la que te hace arrugar la frente los lunes — y pasá 20 minutos guardándola bien. Esa inversión se paga sola en dos semanas.

Si querés repasar la base de CAFÉ, volvé a Método CAFÉ. Si todavía dudás de qué es un prompt, pasá primero por Qué es un prompt.

En un Q&A de 2024, Sam Altman dijo, con la naturalidad de quien cree que lo que dice es obvio, que la era del prompt engineering se iba a morir: los modelos iban a volverse tan buenos adivinando la intención detrás de un pedido mal escrito que "saber prompting" iba a dejar de ser una habilidad diferencial. Era, más o menos, el mismo argumento que años atrás se había hecho sobre Google search: la búsqueda semántica iba a hacer irrelevante saber escribir una query bien.

Tres años después, los modelos efectivamente son mejores adivinando. Y al mismo tiempo — paradoja que vale mirar de cerca — la gente que más valor extrae de estas herramientas sigue siendo la que tiene biblioteca de prompts propios, construidos para su caso, mantenidos con el tiempo. La IA se volvió mejor para adivinar. Eso no reemplaza saber pedir.

Lo que Altman no previó — o previó pero subestimó — fue que el problema no era escribir prompts. El problema era la gestión de decisiones reutilizables en flujos de trabajo con IA. Y ese problema no se resuelve adivinando mejor; se resuelve con arquitectura.

La biblioteca como capa, no como colección

Una biblioteca de prompts madura no es una lista. Es una capa de abstracción sobre el modelo, con cuatro componentes que se piensan juntos.

Componente 1: prompts atómicos — prompts de una sola tarea, bien construidos con CAFÉ, con variables explícitas. Son las unidades de base. Un buen prompt atómico tiene entrada clara, salida predecible, y un comportamiento documentado cuando algo no está en su zona de confort ("marcar [ambiguo]", "devolver JSON vacío", "pedir aclaración").

Componente 2: prompts encadenados — cadenas donde el output de un prompt es el input del siguiente. El patrón clásico: investigación → síntesis → redacción → revisión. Cada eslabón es un prompt atómico; el pegamento es un contrato de formato entre ellos (típicamente JSON o markdown estructurado, nunca prosa libre).

Componente 3: meta-prompts — prompts que generan o mejoran otros prompts. Son la capa reflexiva. Un meta-prompt típico: "dado este prompt que me está dando resultados genéricos, identificá qué componente de CAFÉ está débil y devolveme una v2 con esa parte reforzada." Los meta-prompts no escalan tu producción; escalan tu producción de prompts.

Componente 4: prompts de evaluación — prompts diseñados para juzgar outputs de otros prompts. Este es el componente que más se pasa por alto. Si tu biblioteca tiene cincuenta prompts y no tenés manera sistemática de saber cuáles funcionan bien en qué contexto, no tenés biblioteca: tenés archivo histórico.

Workflows con prompt-como-input

El patrón más útil de todos los que aprendí en dos años haciendo esto es el de prompts encadenados con contrato de formato. Lo describo con un caso concreto de mi trabajo.

Cuando analizo la propuesta de un cliente para una auditoría de procesos, la cadena corre en cuatro pasos:

Paso 1 (extracción). Prompt atómico que toma el documento crudo y devuelve JSON con campos: stakeholders, procesos mencionados, métricas presentes, ambigüedades detectadas. Output obligatorio en JSON con schema fijo. Si un campo no está en el documento, se devuelve null — no se inventa.

Paso 2 (análisis). Prompt que toma el JSON del paso 1 y devuelve, para cada proceso, una hipótesis de oportunidad con nivel de confianza (alto/medio/bajo) y evidencia que soporta la hipótesis (citas textuales del documento original, no paráfrasis).

Paso 3 (priorización). Prompt que toma las hipótesis del paso 2 y las ordena por impacto estimado × facilidad de implementación, devolviendo top 5.

Paso 4 (redacción). Prompt que toma el top 5 del paso 3 y escribe el email de devolución al cliente, con el tono que mi biblioteca tiene guardado como "mi voz en email profesional".

Cuatro prompts atómicos, cuatro contratos de formato claros, un workflow que antes me llevaba tres horas y ahora me lleva cuarenta minutos. Pero lo importante no es el tiempo. Lo importante es que cada vez que encuentro un error en el output final, sé exactamente en qué paso se originó y puedo mejorar ese paso sin tocar los otros.

Eso es lo que Altman no vio: la ventaja no es escribir un buen prompt. Es diseñar un sistema donde los prompts se pueden debuggear por separado.

Meta-prompts: automatizar la mejora

El meta-prompt más útil que tengo guardado es este — lo vas a reconocer porque es agnóstico de modelo:

`` [C] Tengo un prompt que usé [N] veces y me está dando resultados que no me conforman. Voy a pegarte el prompt y tres outputs representativos. [A] Hacé tres cosas: (1) identificá qué componente de CAFÉ (Contexto, Acción, Formato, Ejemplo) está más débil; (2) listá las decisiones implícitas que el prompt deja en manos del modelo y que serían mejor decididas explícitamente; (3) devolveme una v2 del prompt que fije esas decisiones. [F] Salida: tres secciones ("Diagnóstico", "Decisiones implícitas", "Prompt v2"). Prompt v2 debe ser directamente utilizable, no una descripción de qué cambiaría. [E] Si los outputs son genéricos, el problema casi siempre es Ejemplo. Si son largos cuando los querías cortos, es Formato. Si se van por la tangente, es Contexto. Si no hacen lo que pedís, es Acción. Prompt actual: [...]. Tres outputs representativos: [...]. ``

Lo que hace este meta-prompt es convertir la reescritura de prompts — una tarea que cualquiera puede hacer mal intuitivamente — en un proceso con diagnóstico explícito. Vos no estás pidiendo "mejoralo". Estás pidiendo un diagnóstico estructurado y una reescritura fundamentada.

Prompts para evaluar outputs

La evaluación sistemática es lo que separa una biblioteca de juguete de una biblioteca de trabajo. El patrón base es tener, por cada prompt importante, un prompt-evaluador que juzga los outputs contra criterios explícitos.

Ejemplo: para el prompt de post de LinkedIn que aparece en Fácil y Normal, tengo este evaluador:

`` [C] Evaluás posts de LinkedIn en contra de cinco criterios objetivos. [A] Dado el post que te pego abajo, devolveme una tabla con un score de 0 a 2 en cada criterio y una línea de justificación. [F] Criterios: (1) gancho sin cliché (0=cliché de gurú, 2=frase que suena a persona real); (2) una idea por párrafo (0=idea desordenada, 2=limpio); (3) cierre con pregunta real (0=pregunta retórica o CTA marketing, 2=pregunta que invita respuesta auténtica); (4) ausencia de jerga de LinkedIn (0="plot twist", "unpopular opinion", etc, 2=cero); (5) longitud apropiada (0=muy corto o muy largo para el contenido, 2=ajustado). [E] No moralices, no sugieras mejoras. Score y justificación en una línea por criterio. Total: suma simple. Post: [...] ``

Con este evaluador corriendo sobre los últimos veinte posts que generé con el prompt principal, tengo una distribución empírica de qué criterios fallan más seguido. Si el criterio 4 (ausencia de jerga) está fallando sistemáticamente, sé exactamente qué parte del prompt principal hay que endurecer — en este caso, expandir la lista de frases prohibidas.

Esto no es academia. Es la diferencia entre una biblioteca que crece de manera dirigida y una que crece acumulando archivos que no sabés si siguen funcionando.

Anti-patterns: qué no hacer

Tres patrones que aparecen una y otra vez en prompts mal construidos, y que los meta-prompts y evaluadores no siempre detectan automáticamente.

"Hacelo bien." El más común y el más letal. Decirle al modelo "que quede bien" o "que sea profesional" no le da información — le da una aspiración sin criterio. "Bien" para vos puede ser conciso; para el modelo, por default, suele ser largo y adornado. Reemplazo correcto: métricas observables (número de palabras, lista de elementos obligatorios, lista de elementos prohibidos).

El prompt-párrafo. Veinte instrucciones colgadas en una sola oración larga, separadas por comas. El modelo procesa eso, pero aplica las instrucciones de manera desigual — las del final pesan menos que las del principio. Reemplazo correcto: estructura visual con viñetas o con delimitadores (CAFÉ con sus cuatro bloques separados es justamente esto).

Ausencia de formato de salida. El error sutil. Pedís el análisis de un documento y recibís un ensayo cuando querías bullets; pedís bullets y recibís prosa cuando querías JSON. El modelo elige un formato por defecto si vos no elegís uno. Reemplazo correcto: el componente F de CAFÉ siempre incluye una indicación explícita de estructura — aunque sea "devolvé la respuesta como tres párrafos" en lugar de no decir nada.

Ethan Mollick escribió en 2024, en su newsletter One Useful Thing, una frase que condensa bien el asunto: el prompting no es un ritual mágico, es una forma aplicada de comunicación — y como toda comunicación, funciona mejor cuando las instrucciones son específicas y las expectativas son negociadas explícitamente.

Tesis editorial

La conversación pública sobre IA en 2026 insiste en el drama de los modelos — quién lanzó qué, qué benchmark rompió quién, cuándo llega el próximo salto. Esa conversación deja fuera lo que en realidad diferencia a los profesionales que producen resultados consistentes de los que están todavía explorando.

No es "saber prompting" como categoría genérica. Eso, efectivamente, se está commoditizando — los modelos son mejores adivinando, como Altman predijo. Lo que no se commoditiza es tener un archivo propio de decisiones reutilizables, construidas para tu contexto, mantenidas con el tiempo, evaluadas contra criterios explícitos.

La ventaja competitiva en 2026 no es la herramienta. Es la acumulación. El profesional que hace tres años guarda y refina sus prompts ha construido un activo que no tiene la persona que recién arranca, aunque los dos usen el mismo modelo con las mismas capacidades. Y ese activo no es imitable leyendo listas de "los mejores prompts" — porque lo que lo hace valioso no son los prompts individuales, es la curaduría sobre tu propio trabajo.

Por eso, compromiso editorial: vamos a mantener una Biblioteca CAFÉ pública, con prompts probados y etiquetados por caso de uso, actualizada con lo que va funcionando en trabajo real. Si tenés un prompt que te está resolviendo algo bien, mandalo a la Sala de Redacción de IA en Primera Plana — lo revisamos, lo documentamos con su CAFÉ, y si rinde, entra al catálogo con crédito al autor.

Una biblioteca viva. Construida entre lectores. Mantenida contra la realidad, no contra benchmarks.