La ingeniería de prompts: un breve bosquejo a nivel general

“Quien domina los prompts, domina la conversación con la inteligencia artificial.”

🪄 ¿Qué es la ingeniería de prompts?

La ingeniería de prompts (prompt engineering) es el arte y la ciencia de diseñar instrucciones eficaces para interactuar con modelos generativos como ChatGPT, Claude, Gemini o Mistral. Un prompt no es simplemente una pregunta, sino una construcción estratégica que guía el comportamiento del modelo.

Según McTear y Ashurkina (2024), esta práctica está emergiendo como una competencia clave para diseñadores de conversación, programadores y educadores, al permitir controlar cómo y qué genera un modelo de lenguaje.

Estructura típica de un prompt efectivo:

• Rol: define el papel de la IA (ej. “actúa como profesor de historia”).
• Tarea: explica qué debe hacer (ej. “resume este texto en 150 palabras”).
• Formato: especifica la salida esperada (tabla, lista, ensayo…).
• Ejemplos: opcionales, ayudan a modelar el estilo deseado (few-shot prompting).
• Restricciones: limitaciones o criterios de exclusión (evitar tecnicismos, citar fuentes, etc.).

💡 Un buen prompt no solo obtiene una respuesta: construye una interacción pedagógica eficaz.

🎓 ¿Por qué los docentes deben dominar esta competencia?

La integración de la IA en la educación ya no es futurista: es estructural. La ingeniería de prompts permite a los docentes:

✅ Diseñar rúbricas automáticas y personalizadas

✅ Recibir retroalimentación formativa asistida por IA

✅ Elaborar materiales diferenciados según niveles de competencia

✅ Generar simulaciones de tutoría para promover autonomía del estudiante

✅ Apoyar la evaluación continua con tareas formativas generadas por IA

Como señala la revisión sistemática de Vázquez et al. (2025), la ingeniería de prompts está emergiendo como una de las habilidades esenciales de la docencia digital.

📚 Fundamentos académicos y marcos teóricos

Numerosos trabajos recientes exploran el impacto del prompt engineering en la educación:

• Jacobsen y Weber (2025) identifican cinco beneficios clave: eficiencia, personalización, pensamiento crítico, motivación y autoevaluación.
• Chen et al. (2025) revelan que el few-shot prompting mejora significativamente la precisión en entornos STEM de K-12.
• El marco o framework CLEAR (Concise, Logical, Explicit, Adaptive, Reflective) ha sido propuesto como guía para construir prompts pedagógicos eficaces.
• McTear y Ashurkina (2024) describen técnicas avanzadas como Chain-of-Thought, ReAct y Self-Consistency para razonamiento estructurado.

📖 La ingeniería de prompts es tanto una técnica como una pedagogía emergente.

🧪 Aplicaciones prácticas en el aula

Algunas aplicaciones clave:

Aplicación

¿Para qué sirve?

🧑‍🏫 Generación de rúbricas

Crea criterios de evaluación adaptados a la materia y nivel

💬 Feedback inmediato

Evaluación automatizada con sugerencias personalizadas

📖 Co-creación de contenido

IA como colaboradora para crear materiales junto al alumnado

🧠 Metacognición guiada

Promueve pensamiento crítico y autorregulación del aprendizaje

📊 Evaluación personalizada

Adapta tareas a perfiles y necesidades específicas

Ejemplo práctico de prompt:

“Actúa como tutor experto. Evalúa este texto (pegar texto) y ofrece 3 sugerencias de mejora en tono amable y orientado al aprendizaje.”

🛠 Técnicas avanzadas de prompt engineering

Según The Prompt Report (Amatriain et al., 2024) y Prompt Design and Engineering (Lo, 2024), estas son algunas técnicas clave:

• Chain of Thought: descompone tareas complejas paso a paso.
• ReAct: combina razonamiento con acciones concretas.
• Self-Consistency: genera múltiples respuestas y selecciona la mejor.
• Meta-Prompting: creación de prompts que diseñan otros prompts.
• Tree of Thought: explora rutas alternativas antes de tomar una decisión.

Además, se emplean system prompts para definir el comportamiento base de asistentes conversacionales (McTear & Ashurkina, 2024).

🧭 Buenas prácticas y consideraciones críticas

✔️ Lo que sí conviene hacer:

• Definir con claridad la tarea, el rol y el formato esperado.
• Adaptar la complejidad al nivel de los estudiantes.
• Usar la IA como complemento, no como sustituto.
• Evaluar siempre la salida generada por la IA.

❌ Lo que conviene evitar:

• Prompts vagos o ambiguos (“Explícame esto”).
• Automatización ciega sin mediación pedagógica.
• Ignorar los sesgos presentes en el modelo.
• Reemplazar el juicio docente con confianza ciega en la IA.

🌍 Una nueva pedagogía aumentada

La ingeniería de prompts no es solo una habilidad técnica: es una nueva dimensión pedagógica. Representa un cambio de paradigma en la enseñanza, donde los docentes ya no solo transmiten contenido, sino que diseñan entornos interactivos mediados por IA.

Los docentes no serán reemplazados por IA, sino por quienes sepan trabajar con ella.

— Adaptado de Chen et al. (2025)

📎 Recursos recomendados

📘 Promptoteca para docentes →

https://iaforteachers.com

🛠 Editor visual de prompts →

https://bolt.new

📚 Curso gratuito “Prompt Design Essentials” →

https://learnprompting.org

📢 Canal Telegram de novedades → @IAforTeachers

📚 Referencias (formato APA)

• Amatriain, X., et al. (2024). The Prompt Report: A Systematic Survey of Prompt Engineering Techniques. Prompt Institute.
• Chen, X., Wang, J., & Li, S. (2025). A Systematic Review on Prompt Engineering in Large Language Models for K-12 STEM Education. Educational Technology & Society.
• Jacobsen, M., & Weber, C. (2025). The Promises and Pitfalls of LLMs as Feedback Providers. AI in Education Journal, 42(1), 33–49.
• Lo, B. (2023). The CLEAR Path: A Framework for Enhancing Information Literacy through Prompt Engineering. University of Dublin Press.
• McTear, M., & Ashurkina, M. (2024). Advanced Prompt Engineering Techniques. Springer AI Series.
• Vázquez, D., Romero, C., & Fernández, M. (2025). Prompt Engineering in Higher Education: A Systematic Review to Help Inform Curricula. Computers & Education, 190, 104748.