19 Fórmulas y Estructuras de Prompts para ChatGPT: Más Allá de lo Básico

En 2025, interactuar con inteligencias artificiales como ChatGPT de OpenAI, Grok de xAI o Gemini de Google se ha vuelto esencial para innumerables tareas, desde la creación ágil de contenido hasta la automatización eficiente de procesos complejos. Sin embargo, obtener resultados precisos, relevantes y realmente útiles no siempre es una tarea sencilla. Es en este contexto donde cobra importancia la ingeniería de prompts, un conjunto de técnicas avanzadas que transforma interacciones comunes en diálogos poderosos y productivos con las principales herramientas de IA del mercado.

En esta guía, descubrirás 19 fórmulas y estructuras de prompts para ChatGPT y otros LLM probadas y validadas, diseñadas especialmente para mejorar la calidad y la precisión de tus interacciones con diferentes modelos. Ya seas creador de contenido, profesional del marketing, educador o alguien en busca de ideas más claras y soluciones creativas, estas estructuras te permitirán aprovechar al máximo el potencial de las herramientas de inteligencia artificial disponibles hoy en día —desde OpenAI y Google hasta Anthropic y Microsoft.

Aprende a crear la fórmula de prompt perfecta para ChatGPT, Claude, Perplexity o cualquier otro LLM, descubre ejemplos prácticos de prompts y domina cómo estructurarlos.

¿Listo para desbloquear el potencial de la IA? Sumérgete en ejemplos detallados y estrategias adaptables a tus necesidades, complementados por nuestra nueva guía sobre técnicas, frameworks y fórmulas de prompt. Ya sea para crear contenido o para obtener insights, estas estructuras revolucionarán tu experiencia con la IA. Si alguna vez te preguntaste qué es un prompt estructurado, aquí encontrarás la respuesta en forma de ejemplos prácticos y aplicables.

eBook Gratis: Descubriendo la Ingeniería de Prompt

Domina el arte de los prompts en 43 páginas y desbloquea el potencial de las IAs LLM.

Descargar Ahora

Ejemplos de Fórmulas y Estructuras de Prompts

RTF: Papel, Tarea, Formato

La estructura RTF es un enfoque eficaz y sencillo para formular prompts que orientan claramente las interacciones con modelos de IA como ChatGPT, Claude de Anthropic o Gemini de Google. Esta metodología ayuda a definir con claridad el rol que debe asumir la IA (Rol), la actividad específica o problema a resolver (Tarea), y el formato esperado para la respuesta (Formato).

Al utilizar la estructura RTF, se obtienen respuestas más alineadas con tus expectativas, facilitando el acceso a información precisa o soluciones estructuradas, especialmente útiles en aplicaciones prácticas como la creación de contenido o el análisis rápido.

Veamos brevemente los componentes:

• Rol (Role): Define quién realiza la acción en el prompt. Puede ser una persona, una entidad o la propia IA asumiendo un papel específico.
• Tarea (Task): Especifica claramente lo que se debe hacer. Debe describir directamente la acción deseada o la información solicitada.
• Formato (Format): Indica cómo deseas que se estructure la respuesta. Puede incluir listas, textos explicativos, tablas, entre otros formatos prácticos.

Ejemplo práctico de la estructura RTF::

Como especialista en nutrición (Papel), proporcione una lista de cinco alimentos ricos en proteínas (Tarea) en formato de lista numerada (Formato).

ChatGPT puede responder algo como:

1. Pollo
2. Huevos
3. Quinoa
4. Almendras
5. Yogur Griego

Este ejemplo ilustra claramente cómo aplicar la estructura RTF para generar respuestas organizadas y específicas. Al definir un rol (especialista en nutrición), especificar una tarea concreta (listar alimentos ricos en proteínas) y el formato deseado (lista numerada), se incrementa significativamente la calidad de la respuesta obtenida de la IA.

Para una explicación detallada y más ejemplos sobre cómo utilizar la estructura RTF, consulta la guía completa:
👉 RTF: Cómo crear prompts eficaces con Rol, Tarea y Formato

CTF: Contexto, Tarea, Formato

La estructura CTF es una herramienta poderosa de la ingeniería de prompts, que permite establecer claramente el escenario (Contexto) en el que ocurre la interacción con la IA, especificar la acción exacta esperada (Tarea) e indicar el modo en que deseas que se presente la respuesta (Formato). Este método optimiza significativamente las respuestas obtenidas no solo en ChatGPT, sino también en otras herramientas de IA, como Claude de Anthropic o Gemini de Google.

Al definir con claridad estos tres elementos, puedes obtener respuestas más útiles y precisas, especialmente eficaces en situaciones prácticas como generación de contenido, análisis específicos o resolución estructurada de problemas.

Desglosemos los componentes de la estructura CTF:

• Contexto (Context): Presenta información esencial para situar claramente la situación o el problema. El contexto guía la comprensión de la IA sobre el escenario específico del prompt.
• Tarea (Task): Describe de manera directa y precisa lo que esperas que la IA haga. Debe detallar claramente el objetivo o acción deseada.
• Formato (Format): Define cómo deseas recibir la respuesta: puede ser una lista, un párrafo estructurado, una tabla u otro formato práctico.

Supón que necesitas ayuda de ChatGPT para compilar una lista de consejos prácticos para ahorrar energía en el hogar. Aplicando esta estructura de prompt, se vería así:

• Contexto: “Ante el aumento de las tarifas eléctricas y la creciente preocupación por la sostenibilidad ambiental, muchas personas buscan formas de reducir el consumo energético en sus hogares.”
• Tarea: “Elabora una lista de consejos prácticos y fáciles de implementar que los propietarios puedan usar para ahorrar energía.”
• Formato: “Presenta los consejos en una lista numerada con una breve descripción para cada uno.”

Ejemplo práctico de CTF:

Considerando el aumento de las tarifas de energía y la preocupación por la sostenibilidad, cree una lista numerada de consejos prácticos de ahorro de energía para hogares. Los consejos deben ser fáciles de implementar y acompañados de una breve descripción explicativa.

Este ejemplo ilustra claramente cómo usar la estructura CTF para obtener respuestas detalladas y específicas de la IA. Al proporcionar un contexto claro, especificar la tarea deseada y definir el formato de la respuesta, mejoras considerablemente la calidad de las respuestas generadas.

Para una explicación detallada y más ejemplos sobre cómo utilizar la estructura CTF, consulta la guía completa:
👉 CTF: Cómo crear prompts eficaces usando Contexto, Tarea y Formato

PECRA: Propósito, Expectativa, Contexto, Pedido, Acción

La estructura PECRA es una herramienta versátil de la ingeniería de prompts que enfatiza la claridad y especificidad al interactuar con modelos de lenguaje como ChatGPT, Grok y DeepSeek. Desglosemos cada componente:

• Propósito (Purpose): Define el motivo por el cual se crea el prompt. Ayuda a aclarar la intención general de la interacción.
• Expectativa (Expectation): Describe el resultado o tipo de respuesta que se espera recibir del modelo.
• Contexto (Context): Proporciona información adicional necesaria para que el modelo comprenda el prompt y genere una respuesta adecuada.
• Solicitud (Request): Especifica claramente lo que se está pidiendo al modelo.
• Acción (Action): Indica la acción concreta que se desea que el modelo realice.

Imaginemos que deseas que ChatGPT cree un plan de estudios para un estudiante que se está preparando para un examen importante de matemáticas. Veamos cómo aplicar la estructura PECRA:

• Propósito: “El propósito de este prompt es ayudar a un estudiante a prepararse de manera efectiva para un examen de matemáticas.”
• Expectativa: “Espero recibir un plan de estudios detallado que cubra los temas principales necesarios para el examen.”
• Contexto: “El estudiante tiene 2 semanas hasta el examen, puede estudiar aproximadamente 3 horas por día, y tiene dificultades principalmente con álgebra y geometría.”
• Solicitud: “Con base en esta información, por favor crea un plan de estudios.”
• Acción: “Organiza el plan comenzando por los fundamentos del álgebra, seguido de geometría, e incluye repasos regulares.”

Ejemplo práctico de PECRA:

Considerando un estudiante que se está preparando para un examen importante de matemáticas en 2 semanas y puede dedicar 3 horas diarias al estudio, con dificultades en álgebra y geometría, cree un plan de estudios detallado. El plan debe empezar con los fundamentos del álgebra, progresar hacia la geometría e incluir revisiones regulares, apuntando a una preparación efectiva para el examen.

Este ejemplo ilustra cómo puede utilizarse la estructura PECRA para formular un prompt claro y detallado, orientando a ChatGPT a generar una respuesta que cumpla con las expectativas específicas del usuario.

Para una explicación detallada y más ejemplos sobre cómo utilizar la estructura PECRA, consulta la guía completa:
👉 PECRA: Cómo crear prompts eficaces con Propósito, Expectativa, Contexto, Solicitud, Acción

CREATE: Caracterización, Requisición, Ejemplos, Ajustes, Tipo, Extras

La estructura CREATE es un método integral para formular prompts, con el objetivo de lograr una interacción eficiente y enfocada con modelos de IA como ChatGPT. Este enfoque detallado permite al usuario especificar claramente el contexto y las expectativas de la interacción. A continuación, los componentes:

• Caracterización (Character): Define un rol específico para el modelo, guiando sus respuestas de acuerdo con un perfil o función predeterminada.
• Solicitud (Request): Especifica de forma clara y objetiva qué se espera del modelo, detallando la tarea a realizar.
• Ejemplos (Examples): Presenta ejemplos de salidas o resultados esperados, proporcionando al modelo una referencia clara del tipo de contenido deseado.
• Ajustes (Adjustment): Permite solicitar mejoras o modificaciones específicas en respuestas anteriores, orientando al modelo hacia las necesidades de la tarea.
• Tipo (Type of output): Define el formato esperado de la respuesta (texto narrativo, lista, plan, etc.).
• Extras (Extras): Ofrece la posibilidad de añadir información adicional o contextual, enriqueciendo el prompt y permitiendo respuestas más precisas y alineadas con las expectativas del usuario.

Imaginemos que deseas que Gemini cree una guía de viaje personalizada para una ciudad que planeas visitar. Así aplicamos CREATE:

• Caracterización: “Actuando como un guía turístico local con experiencia,”
• Solicitud: “crea una guía personalizada.”
• Ejemplos: “Incluye categorías como alojamiento, gastronomía, atracciones turísticas y consejos de transporte.”
• Ajustes: “Prioriza opciones económicas y adecuadas para familias.”
• Tipo: “Organiza la guía en secciones bien definidas, con recomendaciones y breves descripciones.”
• Extras: “Viajaré en julio, así que incluye eventos y actividades de temporada.”

Ejemplo práctico de CREATE:

Actuando como un experimentado guía de viajes local, crea una guía personalizada para mi viaje a Barcelona en julio. Incluye alojamiento, gastronomía, atracciones turísticas y consejos de transporte, priorizando opciones que sean amigables con el presupuesto y adecuadas para familias. Organiza la guía en secciones claramente definidas, con recomendaciones y breves descripciones de cada ítem, y no olvides añadir eventos y actividades estacionales relevantes para el período de mi visita.

Este ejemplo demuestra cómo utilizar la estructura CREATE para elaborar un prompt detallado y específico, guiando a Gemini para producir una respuesta alineada con las expectativas y necesidades del usuario.

Para una explicación detallada y más ejemplos sobre cómo utilizar la estructura CREATE, consulta la guía completa:
👉 CREATE: Cómo crear prompts eficaces con Caracterización, Solicitud, Ejemplos, Ajustes, Tipo, Extras

CREO: Contexto, Pedido, Explicación, Resultado

La estructura CREO es una metodología enfocada en optimizar la formulación de prompts para interacciones más efectivas con modelos de lenguaje como Grok, Perplexity y ChatGPT. Se enfoca en la importancia del contexto, una solicitud clara, la explicación de la tarea y la definición del resultado esperado.

• Contexto (Context): Proporciona la información de fondo necesaria para que el modelo entienda la situación o el tema.
• Solicitud (Request): Especifica claramente lo que se espera que el modelo haga.
• Explicación (Explanation): Detalla la tarea para que el modelo comprenda mejor el objetivo.
• Resultado (Outcome): Describe el tipo de respuesta o resultado que se espera obtener del modelo.

Supongamos que deseas que ChatGPT cree una lista de sugerencias para mejorar la productividad personal. Veamos cómo aplicar CREO:

• Contexto: “Teniendo en cuenta que muchas personas trabajan desde casa y enfrentan distracciones constantes,”
• Solicitud: “crea una lista de sugerencias.”
• Explicación: “Estas sugerencias deben ser prácticas y fáciles de implementar para quienes trabajan desde casa.”
• Resultado: “Espero una lista que incluya técnicas de gestión del tiempo, configuración del entorno de trabajo y consejos de bienestar.”

Ejemplo práctico de CREO:

Considerando que muchas personas trabajan desde casa y enfrentan distracciones frecuentes, crea una lista de sugerencias prácticas y fáciles de implementar para aumentar la productividad personal. Estas sugerencias deben abordar técnicas de gestión del tiempo, configuración del ambiente de trabajo y consejos de bienestar, con el objetivo de mejorar el enfoque y la eficiencia en el entorno doméstico.

Este ejemplo ilustra cómo puede utilizarse la estructura CREO para formular prompts claros y objetivos, orientando a ChatGPT a generar respuestas que respondan de forma eficaz a las necesidades específicas del usuario.

Para una explicación detallada y más ejemplos sobre cómo utilizar la estructura CREO, consulta la guía completa:
👉 CREO: Cómo crear prompts eficaces con Contexto, Solicitud, Explicación, Resultado

PAIN: Problema, Acción, Información, Próximos Pasos

La estructura de prompt PAIN es una metodología dentro de la ingeniería de prompts que se enfoca en identificar y resolver problemas específicos mediante la IA. Esta guía permite formular solicitudes claras que conduzcan a soluciones precisas y aplicables.

• Problema (Problem): Identifica el problema que necesita resolverse, aclarando el desafío o la necesidad del usuario.
• Acción (Action): Especifica la acción o tipo de ayuda que se espera del modelo, orientándolo hacia la solución del problema.
• Información (Information): Solicita datos detallados o aclaraciones que el modelo pueda proporcionar para comprender mejor el contexto.
• Próximos pasos (Next Steps): Solicita un plan de acción, recursos o etapas a seguir para solucionar el problema o alcanzar el objetivo.

Imaginemos que estás teniendo dificultades para organizar eficientemente tu tiempo y deseas que ChatGPT te ayude a crear un plan de gestión del tiempo. Así se aplicaría PAIN:

• Problema: “Tengo dificultades para gestionar mi tiempo de forma efectiva.”
• Acción: “Necesito un plan personalizado de gestión del tiempo.”
• Información: “¿Qué estrategias o herramientas recomendarías?”
• Próximos pasos: “Proporcióname un plan paso a paso que pueda comenzar a aplicar de inmediato.”

Ejemplo práctico de PAIN:

Estoy luchando para gestionar mi tiempo de manera efectiva y necesito un plan de manejo del tiempo personalizado. ¿Qué estrategias o herramientas recomendarías? Por favor, proporciona un plan paso a paso que pueda comenzar a seguir inmediatamente, considerando que mi día es frecuentemente interrumpido por tareas inesperadas.

Este ejemplo muestra cómo puede aplicarse la estructura PAIN para crear un prompt enfocado y eficaz, llevando a ChatGPT a ofrecer soluciones prácticas y personalizadas para los problemas específicos del usuario.

Para una explicación detallada y más ejemplos sobre cómo utilizar la estructura PAIN, consulta la guía completa:
👉 PAIN: Cómo crear prompts eficaces con Problema, Acción, Información, Próximos pasos

TREF: Tarea, Requisito, Expectativa, Formato

La estructura TREF es un enfoque directo y específico de la ingeniería de prompts, diseñado para aclarar lo que se desea lograr, los criterios que deben cumplirse, el resultado esperado y el formato en que debe entregarse la información.

• Tarea (Task): Qué estás pidiendo exactamente al modelo. Debe ser una acción o conjunto de acciones claras.
• Requisito (Requirement): Criterios o condiciones específicas que la respuesta debe cumplir.
• Expectativa (Expectation): El resultado esperado de la interacción, es decir, el tipo de información o solución deseada.
• Formato (Format): Cómo deseas que se presente la información o solución (lista, texto, tabla, etc.).

Supongamos que deseas que Grok escriba un resumen sobre las tendencias actuales en tecnología de energías renovables. Aplicando TREF:

• Tarea: “Redacta un resumen sobre las tendencias actuales en tecnología de energía renovable.”
• Requisito: “El resumen debe incluir tanto avances tecnológicos como desafíos actuales.”
• Expectativa: “Espero una visión clara y concisa, apta para informar al público general.”
• Formato: “El resumen debe estar estructurado en párrafos y no superar las 300 palabras.”

Ejemplo práctico de TREF:

Por favor, escribe un resumen de máximo 300 palabras sobre las tendencias actuales en tecnología de energía renovable, incluyendo avances tecnológicos y desafíos. El resumen debe estar estructurado en párrafos, ofreciendo un panorama claro y conciso adecuado para informar al público en general.

Este ejemplo muestra cómo puede usarse la estructura TREF para crear un prompt detallado y específico, orientando a Grok a generar una respuesta que no solo satisfaga una necesidad informativa concreta, sino que también cumpla con criterios definidos de contenido y formato.

Para una explicación detallada y más ejemplos sobre cómo utilizar la estructura TREF, consulta la guía completa:
👉 TREF: Cómo crear prompts eficaces con Tarea, Requisito, Expectativa, Formato

GRADE: Meta, Pedido, Acción, Detalle, Ejemplos

La estructura GRADE es una técnica eficaz para redactar prompts que comuniquen claramente la intención, detallen la solicitud, especifiquen la acción deseada, aporten información contextual y presenten ejemplos que orienten la respuesta.

• Meta (Goal): El objetivo general del prompt. Define lo que se espera lograr con la interacción.
• Solicitud (Request): Qué se le está pidiendo específicamente al modelo.
• Acción (Action): Qué debe hacer el modelo como respuesta.
• Detalle (Detail): Información adicional que aporta contexto o especificaciones más precisas.
• Ejemplos (Examples): Casos o muestras concretas que ilustran el tipo de respuesta o contenido esperado.

Supón que deseas que Perplexity cree una guía introductoria sobre cómo invertir en criptomonedas para principiantes. Veamos cómo se aplicaría GRADE:

• Meta: “Crear una guía introductoria accesible sobre inversión en criptomonedas para principiantes.”
• Solicitud: “Desarrolla una guía que explique los conceptos básicos de la inversión en criptomonedas.”
• Acción: “Incluye secciones sobre qué son las criptomonedas, cómo empezar a invertir y consejos de seguridad.”
• Detalle: “La guía debe ser fácil de entender para personas sin conocimientos previos.”
• Ejemplos: “Proporciona ejemplos de plataformas de inversión populares y define términos como ‘blockchain’ y ‘monedero digital’.”

Ejemplo práctico de GRADE:

Por favor, crea una guía introductoria sobre cómo invertir en criptomonedas, dirigida a principiantes. La guía debe introducir conceptos básicos, incluir secciones sobre qué son las criptomonedas, cómo empezar a invertir, y consejos de seguridad. Asegúrate de que el contenido sea accesible para alguien sin conocimiento previo, proporcionando ejemplos de plataformas populares de inversión y explicando términos como 'blockchain' y 'wallet digital'.

Este ejemplo demuestra cómo puede utilizarse la estructura GRADE para elaborar un prompt detallado y específico, orientando a Perplexity a producir una guía introductoria completa y accesible sobre un tema complejo como la inversión en criptomonedas.

Para una explicación detallada y más ejemplos sobre cómo utilizar la estructura GRADE, consulta la guía completa:
👉 GRADE: Cómo crear prompts eficaces con Meta, Solicitud, Acción, Detalle, Ejemplos

ROSES: Rol, Objetivo, Escenario, Solución Esperada, Etapas

La estructura ROSES está diseñada para facilitar la comunicación detallada de un problema y cómo deseas que sea abordado, especificando el rol, el objetivo, el escenario, la solución esperada y los pasos para alcanzarla. Esta metodología es especialmente útil para solicitudes complejas o cuando se necesita una respuesta bien estructurada y profunda. A continuación, los componentes:

• Rol (Role): Define quién realiza la acción o desde qué perspectiva se responde. Puede ser el propio modelo asumiendo un rol específico.
• Objetivo (Objective): Qué se espera lograr con el prompt. Aclara la finalidad de la solicitud.
• Escenario (Scenario): Describe el contexto o situación en la que se inserta el problema o tarea.
• Solución Esperada (Expected Solution): El tipo de respuesta o resultado que se desea obtener.
• Etapas (Steps): Las acciones o fases que deben seguirse para llegar a la solución.

Imaginemos que deseas que ChatGPT te ayude a planificar una campaña de marketing digital para un nuevo producto. Así aplicarías la estructura ROSES:

• Rol: “Como especialista en marketing digital…”
• Objetivo: “…el objetivo es desarrollar una campaña eficaz para lanzar un nuevo producto tecnológico.”
• Escenario: “Se trata de un dispositivo innovador de monitoreo de salud que se conecta a smartphones. El público objetivo son jóvenes adultos interesados en tecnología y fitness.”
• Solución Esperada: “Se espera un plan de campaña que incluya estrategias en redes sociales, marketing con influencers y email marketing.”
• Etapas: “1. Identificar las principales plataformas utilizadas por el público objetivo. 2. Seleccionar influencers del nicho de tecnología y fitness. 3. Diseñar una serie de correos electrónicos para antes y después del lanzamiento.”

Ejemplo práctico de ROSES:

Como un experto en marketing digital, crea una campaña de marketing digital para el lanzamiento de un nuevo dispositivo de monitoreo de salud que se conecta a smartphones. El producto está dirigido a jóvenes adultos interesados en tecnología y fitness. El plan debe incluir estrategias para redes sociales, influencers digitales y marketing por correo electrónico, comenzando por la identificación de las principales plataformas de redes sociales, selección de influencers en el nicho de tecnología y fitness, y desarrollo de una serie de correos electrónicos para el compromiso antes y después del lanzamiento.

Para una explicación detallada y más ejemplos sobre cómo utilizar la estructura ROSES, consulta la guía completa:
👉 ROSES: Cómo crear prompts eficaces con Rol, Objetivo, Escenario, Solución Esperada, Etapas

RDIREC: Rol, Definición, Intención, Pedido, Ejemplo, Aclaración

La estructura RDIREC es una metodología detallada para la formulación de prompts que requieren respuestas complejas y bien argumentadas. Incluye el rol, la definición de términos clave, la intención detrás del pedido, ejemplos específicos y aclaraciones para evitar ambigüedades. Componentes:

• Rol (Role): Define el punto de vista o función del modelo o del usuario.
• Definición (Definition): Aclara términos clave o conceptos fundamentales para comprender el prompt.
• Intención (Intent): Explica el propósito o meta del prompt.
• Solicitud (Request): Qué se está pidiendo específicamente, de manera clara y directa.
• Ejemplo (Example): Proporciona ejemplos concretos para guiar el tipo de respuesta esperada.
• Aclaración (Clarification): Información adicional para evitar confusiones y afinar la respuesta.

Supongamos que deseas que ChatGPT cree un contenido sobre la importancia de la ciberseguridad para pequeñas y medianas empresas. Aplicando RDIREC:

• Rol: “Como consultor en ciberseguridad…”
• Definición: “…define ‘ciberseguridad’ y explica su relevancia para el entorno empresarial actual, especialmente en PYMEs.”
• Intención: “El objetivo es concienciar a los dueños de pequeñas empresas sobre los riesgos cibernéticos y fomentar medidas de protección.”
• Solicitud: “Elabora una guía introductoria sobre ciberseguridad, destacando prácticas recomendadas y estrategias de mitigación de riesgos.”
• Ejemplo: “Incluye ejemplos de ataques como phishing y ransomware, y sus consecuencias para los negocios.”
• Aclaración: “Enfatiza la importancia de la capacitación del personal, copias de seguridad periódicas y actualizaciones de software como medidas preventivas.”

Ejemplo práctico de RDIREC:

Como un consultor de ciberseguridad, defina 'ciberseguridad' y explique su importancia en el contexto empresarial actual, enfocándose en PMEs. El objetivo es crear una guía introductoria que concientice sobre los riesgos cibernéticos y promueva la adopción de medidas de seguridad. Incluya ejemplos de ataques como phishing y ransomware, destacando las consecuencias para las empresas. Detalle la relevancia del entrenamiento de empleados, copias de seguridad regulares y actualizaciones de software como estrategias preventivas.

Este ejemplo muestra cómo puede usarse la estructura RDIREC para formular un prompt complejo, guiando a ChatGPT a generar un contenido educativo y detallado sobre ciberseguridad para pymes, con definiciones claras, ejemplos ilustrativos y aclaraciones que orientan eficazmente la respuesta.

Para una explicación detallada y más ejemplos sobre cómo utilizar la estructura RDIREC, consulta la guía completa:
👉 RDIREC: Cómo crear prompts eficaces con Rol, Definición, Intención, Solicitud, Ejemplo, Aclaración

RSCET: Rol, Situación, Complicación, Expectativa, Tarea

La estructura RSCET es ideal para desarrollar prompts enfocados en situaciones complejas, donde se requiere una respuesta que considere el escenario, los problemas presentes, las expectativas y la acción específica a realizar. Cada componente:

• Rol (Role): Define quién está involucrado o desde qué perspectiva responde el modelo.
• Situación (Situation): Describe el contexto donde se sitúa el problema o tarea.
• Complicación (Complication): Expone los retos o dificultades presentes en la situación.
• Expectativa (Expectation): Explica el resultado deseado de la interacción.
• Tarea (Task): Indica la acción concreta que debe ejecutar el modelo.

Imaginemos que deseas que Gemini te ayude a diseñar una estrategia para superar un desafío de marketing digital en una startup tecnológica. Aplicando RSCET:

• Rol: “Como especialista en marketing digital…”
• Situación: “…la startup ‘TechNova’ está lanzando una nueva app de productividad que ayuda a gestionar tiempo y proyectos.”
• Complicación: “Aunque la app es de alta calidad, TechNova enfrenta fuerte competencia y dificultad para alcanzar al público objetivo.”
• Expectativa: “Se espera diseñar una estrategia innovadora que posicione la app en un mercado saturado.”
• Tarea: “Desarrolla un plan de marketing que incluya tácticas de SEO, marketing de contenidos y redes sociales, destacando los beneficios de la app.”

Ejemplo práctico de RSCET:

Como un experto en marketing digital, desarrolle una estrategia para la startup 'TechNova', que está lanzando una nueva aplicación de productividad. A pesar de la calidad del producto, la empresa enfrenta una fuerte competencia y desafíos para alcanzar a su público. El objetivo es crear un plan de marketing que utilice SEO, marketing de contenido y redes sociales, destacando los diferenciadores de la aplicación y su capacidad para resolver problemas específicos de los usuarios.

Este ejemplo demuestra cómo puede aplicarse la estructura RSCET para elaborar un prompt que describe un escenario desafiante, orientando a Gemini a desarrollar una estrategia de marketing digital creativa y enfocada para superar las complicaciones especificadas.

Para una explicación detallada y más ejemplos sobre cómo utilizar la estructura RSCET, consulta la guía completa:
👉 RSCET: Cómo crear prompts eficaces con Rol, Situación, Complicación, Expectativa, Tarea

RASCEF: Rol, Acción, Pasos, Contexto, Ejemplos, Formato

La estructura RASCEF es un enfoque detallado para la formulación de prompts que enfatiza la claridad al comunicar tareas complejas, incorporando el rol asumido, las acciones necesarias, los pasos a seguir, el contexto relevante, ejemplos ilustrativos y el formato deseado para la respuesta. Esta estructura es ideal para situaciones que requieren instrucciones precisas y resultados bien definidos. A continuación, los componentes:

• Rol (Role): Define quién está realizando la tarea o desde qué perspectiva se aborda.
• Acción (Action): Describe la acción principal que debe ejecutarse.
• Pasos (Steps): Detalla los pasos concretos o procedimientos necesarios para completar la tarea.
• Contexto (Context): Proporciona la información de fondo relevante para comprender la situación o el problema.
• Ejemplos (Examples): Incluye ejemplos o casos prácticos que sirvan de modelo.
• Formato (Format): Especifica cómo debe organizarse o presentarse la respuesta.

Supongamos que deseas que ChatGPT desarrolle un plan para aumentar la visibilidad online de una nueva marca de café artesanal. Usando RASCEF:

• Rol: “Como consultor de marketing digital especializado en marcas de café artesanal…”
• Acción: “…desarrolla un plan estratégico para aumentar la visibilidad online de la marca.”
• Pasos: “1. Identificar el público objetivo. 2. Seleccionar las plataformas de redes sociales más adecuadas. 3. Crear contenido atractivo que resalte la singularidad del café. 4. Implementar campañas de anuncios pagados. 5. Medir y ajustar la estrategia en función del análisis de datos.”
• Contexto: “La marca es nueva en el mercado y ofrece una selección única de cafés de origen único, pero tiene dificultades para destacarse en un mercado competitivo.”
• Ejemplos: “Incluye ejemplos de contenidos como publicaciones sobre el origen del café, vídeos del proceso de tostado, y testimonios de clientes.”
• Formato: “El plan debe presentarse en un documento estructurado con secciones claras para cada etapa del proceso.”

Ejemplo práctico de RASCEF:

Como consultor de marketing digital especializado en marcas de café artesanal, elabora un plan estratégico para aumentar la visibilidad online de una nueva marca de café. El plan debe incluir pasos para identificar el público objetivo, elegir las plataformas de redes sociales adecuadas, crear contenido atractivo, implementar campañas de anuncios pagados y medir el éxito de la estrategia. Considera el contexto de un mercado competitivo y proporciona ejemplos de contenido. Presenta el plan en un documento estructurado con secciones para cada etapa.

Este ejemplo demuestra cómo la estructura RASCEF facilita la creación de un prompt detallado y orientado a la acción, permitiendo a ChatGPT generar un plan de marketing digital completo y bien organizado para la marca de café artesanal.

Para una explicación detallada y más ejemplos sobre cómo utilizar la estructura RASCEF, consulta la guía completa:
👉 RASCEF: Cómo crear prompts eficaces con Rol, Acción, Pasos, Contexto, Ejemplos, Formato

APE: Acción, Propósito, Expectativa

La estructura APE es una metodología concisa que se enfoca en tres elementos clave para la formulación de prompts eficaces: la acción deseada, el propósito de dicha acción y la expectativa de resultado. Desglosemos sus componentes:

• Acción (Action): Qué deseas que el modelo haga.
• Propósito (Purpose): El motivo o la intención detrás de la acción.
• Expectativa (Expectation): Qué tipo de respuesta esperas como resultado.

Imagina que deseas que Meta AI redacte un contenido informativo sobre el impacto de la inteligencia artificial en la educación. Aplicando APE:

• Acción: “Escribe un artículo sobre el impacto de la inteligencia artificial en la educación.”
• Propósito: “El propósito es informar a los lectores sobre cómo la IA está transformando la enseñanza y el aprendizaje.”
• Expectativa: “Espero un análisis que cubra tanto los beneficios como los desafíos del uso de IA en la educación, con ejemplos concretos.”

Ejemplo práctico de APE:

Escribe un artículo detallando el impacto de la inteligencia artificial en la educación, con el propósito de informar a los lectores sobre las transformaciones en los métodos de enseñanza y aprendizaje. Espero un análisis que explore los beneficios y desafíos, incluyendo ejemplos concretos para ilustrar estos puntos.

Este ejemplo muestra cómo puede utilizarse la estructura APE para crear un prompt claro y objetivo, orientando a Meta AI a producir un contenido informativo y bien fundamentado sobre el tema propuesto.

Para una explicación detallada y más ejemplos sobre cómo utilizar la estructura APE, consulta la guía completa:
👉 APE: Cómo crear prompts eficaces con Acción, Propósito, Expectativa

TAG: Tarea, Acción, Meta

La estructura TAG es una herramienta eficiente para definir prompts centrados en la obtención de resultados. Se basa en tres elementos esenciales: la tarea a realizar, la acción necesaria para completarla y el objetivo final. Esta metodología proporciona una dirección clara y enfocada para la interacción con el modelo. Componentes:

• Tarea (Task): Qué se necesita hacer. Define el alcance de la solicitud.
• Acción (Action): Qué pasos o proceso se deben seguir para completar la tarea.
• Meta (Goal): El resultado deseado o el propósito final de la tarea.

Supongamos que necesitas ayuda de ChatGPT para planificar un evento de networking para profesionales del sector tecnológico. Así aplicarías TAG:

• Tarea: “Organizar un evento de networking para profesionales de tecnología.”
• Acción: “Identifica los elementos clave para que el evento sea exitoso, como ubicación, temas de discusión y posibles invitados.”
• Meta: “Crear un entorno propicio para generar conexiones profesionales valiosas y duraderas.”

Ejemplo práctico de TAG:

Organiza un evento de networking para profesionales del área tecnológica. Para ello, identifica los elementos clave que contribuirán al éxito del evento, incluyendo la elección del lugar, los temas de discusión relevantes y la selección de invitados especiales. El objetivo es crear un ambiente que promueva intercambios valiosos y fomente conexiones profesionales duraderas entre los participantes.

Este ejemplo ilustra cómo puede aplicarse la estructura TAG para generar un plan claro y objetivo para la organización de un evento, detallando la tarea, las acciones necesarias y el objetivo final deseado.

Para una explicación detallada y más ejemplos sobre cómo utilizar la estructura TAG, consulta la guía completa:
👉 TAG: Cómo crear prompts eficaces con Tarea, Acción, Meta

ERA: Expectativa, Rol, Acción

La estructura ERA se centra en definir claramente la expectativa del usuario, el rol que el modelo debe asumir y las acciones específicas que deben tomarse para lograr el resultado deseado. Esta metodología ayuda a guiar al modelo hacia respuestas alineadas con los objetivos del usuario. A continuación, el desglose:

• Expectativa (Expectation): El resultado deseado de la interacción. Define el objetivo final de la solicitud.
• Rol (Role): El papel o la función que debe asumir el modelo (o el usuario). Esto contextualiza la respuesta dentro de un escenario específico.
• Acción (Action): Las acciones o procesos concretos que deben ejecutarse para cumplir la tarea.

Supón que deseas que DeepSeek te ayude a crear un plan de estudios para una certificación en tecnología de la información. Aplicando ERA:

• Expectativa: “Desarrollar un plan de estudios efectivo que cubra todos los temas necesarios para una certificación en tecnología de la información en un plazo de tres meses.”
• Rol: “Como tutor virtual con experiencia en preparación para certificaciones en TI…”
• Acción: “…elabora un cronograma detallado que incluya recursos de aprendizaje, distribución temática equilibrada y técnicas de repaso eficaces.”

Ejemplo práctico de ERA:

Como un tutor virtual especializado en la preparación para exámenes de certificación en tecnología de la información, desarrolla un plan de estudios detallado para un examen de certificación que se realizará en tres meses. El plan debe incluir un cronograma de estudios, recursos de aprendizaje recomendados, distribución equilibrada de los temas y técnicas de revisión efectivas, con el objetivo de cubrir todos los temas necesarios para el examen.

Este ejemplo demuestra cómo puede utilizarse la estructura ERA para solicitar a DeepSeek la creación de un plan de estudios detallado y estructurado, estableciendo claramente la expectativa, el rol asumido por el modelo y las acciones específicas que deben tomarse.

Para una explicación detallada y más ejemplos sobre cómo utilizar la estructura ERA, consulta la guía completa:
👉 ERA: Cómo crear prompts eficaces con Expectativa, Rol, Acción

RACE: Rol, Acción, Contexto, Expectativa

La estructura RACE es un método integral para la creación de prompts eficaces, enfocado en especificar el rol, la acción deseada, el contexto de la solicitud y la expectativa de resultado. Esto permite que el modelo entienda claramente qué hacer, por qué hacerlo y cómo entregar la respuesta. Componentes:

• Rol (Role): Define quién realiza la acción o desde qué perspectiva se responde.
• Acción (Action): Qué debe hacer exactamente el modelo.
• Contexto (Context): Proporciona información relevante para entender la situación o problema.
• Expectativa (Expectation): Establece el objetivo o tipo de resultado esperado.

Supongamos que deseas optimizar el diseño de tu e-commerce para mejorar la experiencia del usuario. Aplicando RACE:

• Rol: “Como diseñador UX…”
• Acción: “…evalúa el diseño actual del sitio y propone mejoras concretas.”
• Contexto: “El sitio tiene una alta tasa de abandono del carrito y comentarios de usuarios sobre dificultad para encontrar productos.”
• Expectativa: “Obtener sugerencias prácticas para mejorar la navegación, facilitar la búsqueda y reducir el abandono del carrito.”

Ejemplo práctico de RACE:

Como un diseñador de UX, evalúa el diseño actual de nuestro sitio web de comercio electrónico, teniendo en cuenta que enfrentamos una alta tasa de abandono de carrito y comentarios de usuarios que indican dificultades para encontrar productos. Basado en esto, sugiere mejoras específicas que puedan hacer la navegación más simple y la búsqueda de productos más intuitiva, con el objetivo de reducir la tasa de abandono de carrito.

Este ejemplo muestra cómo puede utilizarse la estructura RACE para formular un prompt detallado y enfocado, solicitando a ChatGPT un análisis crítico y sugerencias de mejora para un sitio web de comercio electrónico, basado en un contexto específico y con una expectativa de resultado clara.

Para una explicación detallada y más ejemplos sobre cómo utilizar la estructura RACE, consulta la guía completa:
👉 RACE: Cómo crear prompts eficaces con Rol, Acción, Contexto, Expectativa

COAST: Contexto, Objetivo, Acciones, Escenario, Tarea

La estructura COAST está diseñada para asegurar que un prompt cubra todos los aspectos necesarios de una solicitud compleja. Desde el contexto hasta la tarea concreta, pasando por el objetivo, las acciones específicas y el escenario, COAST permite estructurar prompts detallados y orientados a soluciones. Veamos los componentes:

• Contexto (Context): Información de fondo que establece la base de la situación.
• Objetivo (Objective): Qué se desea lograr.
• Acciones (Actions): Qué pasos deben seguirse.
• Escenario (Scenario): Condiciones específicas en las que se desarrolla la solicitud.
• Tarea (Task): Lo que el modelo debe entregar o hacer específicamente.

Supón que deseas que Claude elabore una estrategia para aumentar la participación en un programa de bienestar corporativo. Aplicando COAST:

• Contexto: “La empresa lanzó un programa de bienestar para empleados, pero la participación es baja.”
• Objetivo: “Aumentar la participación de los empleados en el programa.”
• Acciones: “Identificar barreras, crear incentivos y desarrollar canales de comunicación efectivos.”
• Escenario: “Muchos empleados trabajan de forma remota y desconocen los beneficios disponibles.”
• Tarea: “Crear un plan detallado que aborde esos puntos y mejore el engagement con el programa.”

Ejemplo práctico de COAST:

Dado el contexto de baja participación en el recientemente lanzado programa de bienestar corporativo, desarrolla una estrategia para aumentar el compromiso de los empleados. Identifica las principales barreras a la participación, propone incentivos atractivos y estructura canales de comunicación efectivos, considerando el escenario de trabajo remoto de muchos empleados. La tarea es crear un plan detallado que aborde estos puntos, con el objetivo de mejorar significativamente la participación en el programa.

Este ejemplo demuestra cómo puede utilizarse la estructura COAST para construir un prompt detallado y completo, guiando a Claude a desarrollar una estrategia compleja que aborde múltiples aspectos, desde el análisis del problema hasta la propuesta de soluciones concretas.

Para una explicación detallada y más ejemplos sobre cómo utilizar la estructura COAST, consulta la guía completa:
👉 COAST: Cómo crear prompts eficaces con Contexto, Objetivo, Acciones, Escenario, Tarea

RISE: Papel, Entrada, Etapas, Expectativa

La estructura RISE está diseñada para guiar la formulación de prompts que requieren un enfoque paso a paso para alcanzar un resultado deseado, centrándose en el rol del interlocutor, los insumos necesarios para iniciar la acción, las etapas del proceso y la expectativa del resultado. Es ideal para tareas que implican instrucciones o procesos complejos. Desglose de los componentes:

• Rol (Role): Define la función o perspectiva desde la cual se ejecuta la tarea, ya sea el usuario o el modelo.
• Entrada (Input): Especifica la información o recursos necesarios para comenzar la tarea o proceso.
• Pasos (Steps): Detalla las acciones sucesivas que deben realizarse para completar la tarea.
• Expectativa (Expectation): Clarifica el resultado o el objetivo final que se espera alcanzar.

Supón que deseas que ChatGPT te ayude a planificar y ejecutar una investigación de mercado para un nuevo producto. Aplicando RISE:

• Rol: “Como analista de investigación de mercado…”
• Entrada: “…con acceso a datos demográficos del público objetivo y herramientas de investigación online…”
• Pasos: “1. Definir claramente el público objetivo. 2. Elaborar un cuestionario centrado en los aspectos clave del producto. 3. Elegir la plataforma de encuestas más adecuada. 4. Analizar los datos recopilados para extraer insights relevantes.”
• Expectativa: “Espero obtener un informe detallado con insights sobre la aceptación del producto en el mercado objetivo, incluyendo recomendaciones para la estrategia de marketing.”

Ejemplo práctico de RISE:

Como un analista de investigación de mercado, con acceso a datos demográficos del público objetivo y herramientas de investigación online, planifica y ejecuta una investigación para un nuevo producto. El proceso debe incluir la definición del público objetivo, la elaboración de un cuestionario, la elección de la plataforma de investigación y el análisis de los datos recopilados. El objetivo es obtener un informe con insights sobre la aceptación del producto en el mercado, acompañado de recomendaciones para la estrategia de marketing.

Este ejemplo demuestra cómo puede aplicarse eficazmente la estructura RISE para crear un prompt detallado y orientado, facilitando la ejecución de una tarea compleja como la planificación y realización de una investigación de mercado, siguiendo pasos específicos para alcanzar un resultado bien definido.

Para una explicación detallada y más ejemplos sobre cómo utilizar la estructura RISE, consulta la guía completa:
👉 RISE: Cómo crear prompts eficaces con Rol, Entrada, Pasos, Expectativa

SPARK: Situación, Problema, Aspiración, Resultados, Suerte o Destino

La estructura SPARK es un enfoque narrativo y profundo para la formulación de prompts, ideal para explorar situaciones complejas. Permite identificar problemas, establecer aspiraciones, anticipar resultados positivos y considerar factores externos como la suerte o el destino. A continuación, los componentes:

• Situación (Situation): Describe el contexto actual en el que se encuentra el problema o la necesidad.
• Problema (Problem): Define el desafío central que debe abordarse.
• Aspiración (Aspiration): Presenta el estado ideal o meta que se desea alcanzar.
• Resultados (Results): Anticipa los beneficios esperados al alcanzar dicha aspiración.
• Suerte o Destino (Kismet): Considera elementos imprevisibles o externos que pueden influir en el resultado.

Supón que quieres que ChatGPT desarrolle una estrategia innovadora para aumentar el engagement de una app de bienestar. Aplicando SPARK:

• Situación: “La app de bienestar ‘WellLife’ ha recibido comentarios positivos sobre su interfaz y funciones, pero el uso activo ha disminuido en los últimos meses.”
• Problema: “El principal reto es la falta de engagement sostenido; los usuarios descargan la app, pero no la utilizan con regularidad.”
• Aspiración: “Queremos que ‘WellLife’ se convierta en una parte esencial de la rutina diaria de bienestar de los usuarios.”
• Resultados: “Esperamos un aumento en la frecuencia de uso, mayor retención y comentarios positivos sobre las nuevas iniciativas.”
• Suerte o Destino: “Reconocemos que factores externos como tendencias del mercado o nuevas tecnologías pueden afectar el resultado.”

Ejemplo práctico de SPARK:

Dada la situación actual de la aplicación de bienestar 'WellLife', con feedback positivo pero baja participación de los usuarios, el desafío es aumentar el compromiso continuo. Aspiramos a hacer de 'WellLife' una parte indispensable de la rutina de bienestar de los usuarios. Esperamos, como resultado, un aumento en el uso diario y mejor retención de usuarios, aunque reconocemos que factores externos pueden impactar estos resultados. Desarrolla una estrategia innovadora para alcanzar estos objetivos.

Este ejemplo demuestra cómo puede utilizarse la estructura SPARK para crear un prompt detallado y orientado a soluciones, abordando una situación compleja mediante el análisis del contexto, objetivos aspiracionales, resultados deseados y variables externas.

Para una explicación detallada y más ejemplos sobre cómo utilizar la estructura SPARK, consulta la guía completa:
👉 SPARK: Cómo crear prompts eficaces con Situación, Problema, Aspiración, Resultados, Suerte o Destino

Preguntas Frecuentes

Conclusión

Dominar la ingeniería de prompts es la clave para desbloquear todo el potencial de IAs como ChatGPT, Claude, Gemini, Grok y Perplexity. Las 19 fórmulas y estructuras de prompts presentadas en esta guía —como RTF, PECRA y COAST— ofrecen caminos prácticos para transformar interacciones genéricas en conversaciones realmente productivas con modelos de lenguaje avanzados.

Ya sea para crear contenido, resolver problemas, automatizar tareas o generar insights estratégicos, estas estructuras te ayudarán a comunicarte con más claridad, intención y eficacia.

Empieza con fórmulas simples como RTF ("Como especialista, enumera 5 consejos…") o personaliza proyectos más complejos con PECRA. Combina estructuras como CTF + PAIN o CREATE + GRADE para adaptar el prompt a tu situación. La fórmula ideal comienza con claridad, contexto y un objetivo bien definido —y esta guía es tu punto de partida.

La ingeniería de prompts va más allá de hacer buenas preguntas: crea puentes entre humanos e IA, guiando a la máquina hacia resultados útiles, creativos y personalizados. Experimenta, adapta, combina. Con el tiempo, tu capacidad para obtener respuestas valiosas y precisas evolucionará junto con tus prompts.

¿Quieres profundizar? Explora la Guía práctica con técnicas, frameworks y fórmulas, y accede a los contenidos detallados de cada estructura. Tu próximo prompt puede ser el más poderoso que hayas creado.