Prompt engineering para equipos corporativos: capacitación para hablarle a la IA

En una capacitación reciente para un banco en Lima, hice un experimento en vivo que dejó a los 60 participantes sin palabras. Dividí al grupo en dos equipos y les pedí que usaran ChatGPT para analizar el mismo dataset de ventas trimestrales. El primer grupo escribió: “Analiza estos datos.” El segundo usó un prompt estructurado con rol, contexto, tarea específica, formato de salida y ejemplos. La diferencia fue brutal: el primer grupo obtuvo un resumen genérico de 3 líneas que no servía para nada. El segundo obtuvo un análisis de tendencias con 5 causas raíz priorizadas, recomendaciones accionables con timeline, en formato tabla, listo para presentar al directorio.

Esa diferencia se llama prompt engineering. Y es la habilidad que separa a los equipos que usan IA como juguete de los que la usan como herramienta estratégica.

Qué es prompt engineering y por qué es la habilidad más importante de 2026

Prompt engineering es el arte y la ciencia de comunicarte efectivamente con la IA para obtener resultados útiles, específicos y accionables. No es programación. No necesitas saber código. Es aprender a dar instrucciones claras, igual que le darías un brief a un consultor senior.

Según la guía oficial de OpenAI, un buen prompt puede mejorar la calidad de las respuestas entre un 50% y un 300%. Y según el World Economic Forum, prompt engineering está entre las habilidades de más rápido crecimiento global, junto con literacy en IA y pensamiento analítico.

En mis 13 años en empresas como Falabella, Glovo y PedidosYa, la capacidad de comunicar con claridad siempre fue lo que diferenciaba a los equipos de alto rendimiento. Hoy, esa capacidad se aplica tanto a las personas como a la IA.

El framework RCEFT que enseño en mis talleres

Después de años probando frameworks de prompt engineering (Chain of Thought, Few-Shot, Role-Based), desarrollé RCEFT, un framework práctico que funciona para cualquier profesional sin importar su nivel técnico:

R - Rol: Define quién es la IA en esta conversación. “Actúa como analista financiero senior con 15 años de experiencia en retail en Perú.” Esto le da contexto de expertise y tono.

C - Contexto: Proporciona la información de fondo. “Tenemos datos de ventas de 15 tiendas en Lima, con una caída del 12% vs. año anterior. El directorio necesita entender las causas antes de aprobar el presupuesto de Q2.”

E - Especificidad: Define exactamente qué necesitas. “Analiza las causas priorizadas por probabilidad de impacto y propón 5 acciones correctivas con estimación de costo e impacto esperado.”

F - Formato: Indica cómo quieres la respuesta. “Tabla con columnas: Causa, Probabilidad (Alta/Media/Baja), Impacto Estimado en S/, Acción Correctiva, Timeline, Responsable Sugerido.”

T - Tips/Ejemplos: Da ejemplos o pistas para guiar la respuesta. “Un ejemplo de causa: reducción de tráfico peatonal por apertura de competidor en Mall del Sur. Un ejemplo de acción: campaña de retención con descuento del 15% dirigida a clientes dentro de 2km.”

Lo mejor de RCEFT es que funciona en ChatGPT, Claude, Gemini y Copilot. No dependes de una herramienta específica.

Los 5 errores que destruyen la calidad de los outputs

En mis capacitaciones con más de 200,000 personas, veo los mismos errores una y otra vez:

Error 1: Prompts vagos. “Hazme un reporte” vs. “Genera un reporte ejecutivo de 2 páginas sobre ventas Q1 2026 para el directorio, con gráficos comparativos vs. Q1 2025 y 3 recomendaciones priorizadas por impacto.” La diferencia entre lo útil y lo inútil está en la especificidad.

Error 2: Cero contexto. La IA no sabe en qué industria estás, qué decisión necesitas tomar, ni quién es tu audiencia. Si no le das contexto, te dará respuestas genéricas que podrían aplicar a cualquier empresa en cualquier país.

Error 3: No definir formato de salida. Si no le dices cómo quieres la respuesta, la IA decide por ti. Y casi siempre elige párrafos largos cuando lo que necesitabas era una tabla o bullet points.

Error 4: Un solo intento. Los mejores resultados vienen de iterar. El primer prompt es el borrador. El segundo lo refina. El tercero lo perfecciona. Según la Prompt Library de Anthropic, los usuarios que iteran obtienen resultados significativamente superiores.

Error 5: Ignorar las fortalezas de cada modelo. Según Anthropic, Claude es superior en razonamiento y documentos largos. Según OpenAI, ChatGPT destaca en versatilidad y plugins. Usar el modelo equivocado para la tarea equivocada es como usar Excel para diseñar un logo.

Prompt engineering por área funcional

Lo que hace único nuestro enfoque es que adapto los prompts y frameworks a cada área de la empresa con ejemplos reales de la industria del participante:

Finanzas: Análisis de estados financieros, proyecciones de cash flow, detección de anomalías en gastos, automatización de reportes regulatorios. En Falabella, donde detecté un problema de S/8 millones con análisis de datos, el análisis riguroso fue la clave.

Marketing: Creación de campañas segmentadas, análisis de competencia, segmentación de audiencias por comportamiento, y generación de copy A/B. En Glovo, donde logramos un 40% más de eficiencia, los prompts analíticos transformaron nuestra estrategia.

Operaciones: Optimización de rutas, predicción de demanda, generación de SOPs, y análisis de eficiencia de procesos. En PedidosYa, estas herramientas habrían potenciado el 30% de mejora operativa que logramos.

RRHH: Job descriptions alineadas a competencias, análisis de encuestas de clima, screening inteligente de CVs con MissCV, y diseño de planes de desarrollo.

Legal: Análisis de contratos, identificación de riesgos y cláusulas problemáticas, apoyo en compliance, y generación de borradores de documentos legales.

Resultados medibles de nuestras capacitaciones

Según Learn Prompting, el prompt engineering aumenta la productividad entre un 20% y un 50%. En nuestras capacitaciones con más de 200,000 personas, los resultados son aún más contundentes:

• 65% de reducción en tiempo de generación de documentos
• 80% de mejora en calidad percibida de outputs de IA
• 85% de adopción sostenida después de 3 meses (vs. 30% sin capacitación)
• 90%+ de satisfacción en todos nuestros programas formativos

Como docente en educadora y speaker y con experiencia en Goodyear y Mondelez, sé que la diferencia entre un programa que funciona y uno que se olvida está en la práctica con datos reales. Nuestros workshops no son teoría: son el punto de partida para transformar cómo tu equipo trabaja con IA.

📩 missyera.com/contacto
📱 WhatsApp: +51 944 189 280

— Gera (Miss Yera)

Preguntas frecuentes

— Gera (Miss Yera)