"Ayúdame con una presentación." Cuatro palabras, cero contexto útil. Claude te devolverá algo, pero esencialmente está adivinando tu audiencia, tus objetivos y tu formato todo a la vez. Compara eso con un prompt que especifica diez diapositivas, una audiencia de ventas trimestrales y tres temas clave. El mismo modelo, un resultado radicalmente distinto.
Hemos estado usando Claude de forma intensiva en nuestros propios proyectos en Baur Software, para todo, desde la redacción de entregables para clientes hasta el análisis de datos y la planificación de sprints. En el camino, hemos aprendido que la calidad de lo que obtienes casi siempre depende de la estructura de lo que introduces. Cada detalle que omites es una decisión que le delegas a la IA. A veces está bien. A menudo, no lo está.
Este es el marco al que hemos llegado.
El marco SCOPE
Nos resulta útil pensar en los prompts eficaces a través de cinco dimensiones. Lo llamamos SCOPE:
Specifics (Especificaciones) — ¿Qué necesitas exactamente? Define con precisión la tarea, el entregable y las restricciones.
Context (Contexto) — ¿Para quién es esto? ¿Cuál es la situación? ¿Qué información de fondo necesita el modelo?
Output format (Formato de salida) — ¿Cómo debe estructurarse la respuesta? ¿Una tabla? ¿Puntos con viñetas? ¿Dos párrafos? ¿Un esquema de diapositivas?
Perspective (Perspectiva) — ¿Debe el modelo adoptar un rol o un punto de vista? ("Actúa como un director financiero que revisa este informe.")
Examples (Ejemplos) — ¿Puedes mostrar cómo se ve un buen resultado? Incluso un solo ejemplo mejora drásticamente la calidad de la salida.
No necesitas las cinco cada vez. Pero cuando un prompt no funciona, revisa cuál de estas te falta: ahí suele estar el problema.
Crédito: Nelson Spence https://www.linkedin.com/in/nelson-spence-rsps-icpr/
Antes y después: la diferencia en la práctica
Veamos tres escenarios reales donde aplicar SCOPE transforma el resultado.
1. Creación de contenido
Antes:
Write something about cybersecurity.
Esto podría producir cualquier cosa, desde una explicación para niños hasta una tesis doctoral. Claude no tiene forma de calibrarlo.
Después:
I need a blog post about cybersecurity best practices for small business owners. The audience isn't very tech-savvy, so the content should be easy to understand, practical with actionable tips, and slightly humorous to keep their interest. Provide an outline for a 1,000-word post covering the top 5 practices these business owners should adopt.
Qué cambió: añadimos contexto (dueños de pequeñas empresas, no expertos en tecnología), especificaciones (las 5 mejores prácticas, 1000 palabras) y formato de salida (un esquema). Ahora el modelo sabe exactamente en qué carril mantenerse.
2. Análisis de datos
Antes:
Analyze our sales data.
Después:
I've attached a spreadsheet called 'Sales Data 2023'. Analyze this data and present findings in this format: 1. Executive Summary (2-3 sentences) 2. Key Metrics: total sales per quarter, top product category, highest growth region 3. Trends: 3 notable trends with brief explanations 4. Recommendations: 3 data-driven suggestions with rationale Then suggest three types of visualizations that would communicate these findings effectively.
Qué cambió: en lugar de una solicitud abierta, definimos una estructura de salida específica con secciones claras. También hicimos referencia al documento por su nombre y pedimos recomendaciones accionables, no solo una descripción.
3. Pensamiento estratégico
Antes:
Help me prepare for a negotiation.
Después:
You are a fabric supplier for my backpack manufacturing company. I'm preparing for a negotiation to reduce prices by 10%. As the supplier, provide: 1. Three potential objections to our price reduction request 2. For each objection, a counterargument from my perspective 3. Two alternative proposals you might offer instead of a straight price cut Then switch roles and advise me, as the buyer, on how to best approach this negotiation.
Qué cambió: la perspectiva hace el trabajo pesado aquí. Al pedirle al modelo que interprete el papel del otro lado primero, obtienes objeciones y contraargumentos que se sienten realistas en lugar de genéricos. El cambio de rol al final te da un plan de acción práctico.
El ciclo de refinamiento
Incluso los grandes prompts a veces necesitan una segunda pasada. La clave está en dar retroalimentación específica en lugar de una insatisfacción vaga.
No digas:
Make it better.
Di:
Good start. Please adjust: 1. Make the tone more casual and friendly 2. Add a specific customer example in the second section 3. Shorten the second paragraph — focus on benefits, not features
Piénsalo como darle retroalimentación a un colega. "Esto no está del todo bien" no ayuda. "Sube la conclusión y elimina la jerga" es accionable. Aquí aplica el mismo principio.
Referencia rápida: consejos por tipo de tarea
Para resúmenes y preguntas sobre documentos: especifica el enfoque ("resume la sección de tendencias de IA en 2 párrafos"), pide citas ("haz referencia a páginas específicas") y nombra el documento de forma explícita.
Para lluvia de ideas: establece una meta de cantidad ("dame 10 ideas"), pide categorización ("agrupa por dificultad" o "indica cuáles son de bajo costo") y solicita una breve justificación para cada sugerencia.
Para comparaciones: pide un formato de tabla con criterios específicos. En lugar de "compara estas herramientas", di "compara Asana, Trello y Microsoft Project según precio, escalabilidad, facilidad de uso y tamaño de equipo más adecuado".
Cuando las cosas salen mal
Tres modos de fallo comunes y cómo solucionarlos:
El modelo tiene confianza pero se equivoca. Añade esto a tu prompt: "Si no estás seguro de algo de esto, dilo en lugar de adivinar." Claude señalará la incertidumbre cuando se le da permiso explícito para hacerlo.
La respuesta es demasiado amplia o superficial. Tu prompt probablemente sea demasiado amplio. Divídelo en pasos. En lugar de pedir una estrategia de marketing completa de una sola vez, trabaja el análisis de mercado, luego la definición de audiencia y después la selección de canales, uno a la vez.
El modelo parece olvidar el contexto. Claude no conserva memoria entre conversaciones. Si estás iniciando un chat nuevo, vuelve a incluir toda la información de fondo relevante. No asumas que "recuerda" tu sesión anterior.
La conclusión
Escribir prompts eficaces no se trata de burlar el sistema ni de memorizar frases mágicas. Se trata de una comunicación clara: decirle al modelo qué necesitas, para quién es y cómo debe verse el resultado.
Repasa SCOPE la próxima vez que redactes un prompt. Si el resultado aún no es el adecuado, refínalo con retroalimentación específica. Dos turnos bien estructurados casi siempre superarán a diez turnos vagos.
Los modelos se vuelven más inteligentes cada mes. El cuello de botella está cada vez más del lado de la entrada, y eso está enteramente bajo tu control.
Esta publicación forma parte de una serie continua en la que compartimos lo que hemos aprendido construyendo proyectos reales con Claude en Baur Software. Hemos cubierto por qué importa tu configuración de programación con IA y cómo AWS Bedrock y Claude Code forman la capa de infraestructura que sostiene todo. Escribir buenos prompts es la siguiente pieza del rompecabezas. Pero saber cómo hablarle al modelo solo te lleva hasta cierto punto. En algún momento, lo que estás construyendo se vuelve lo bastante complejo como para que los buenos prompts no sustituyan a una buena arquitectura. Cuando tu prototipo hecho a intuición empieza a parecerse menos al globo que imaginabas y más a una granada con hojas de sierra pegadas, ahí es donde entramos nosotros.