Hace 5 meses, cuando monté mi primer agente de negocio, el resultado fue basura.
No exagero. Le pedí a un agente que me escribiera posts para LinkedIn y lo que me devolvió parecía un correo corporativo de 2014. Frases como "En el dinámico ecosistema del emprendimiento digital" y "Es fundamental adoptar un enfoque holístico". Cero utilidad. Cero personalidad. Tiempo perdido.
El agente era Claude — el mismo que hoy me genera 10 posts de LinkedIn a la semana que suenan a mí y que mis seguidores no distinguen de los que escribo a mano. Misma herramienta. Mismo modelo. La diferencia fue el prompt.
Y esa es la lección más cara que aprendí en estos 5 meses: la IA no es buena ni mala. Tu prompt es bueno o malo. El agente rinde exactamente en proporción a la calidad de las instrucciones que le das.
Hoy te cuento el método que uso para escribir los prompts de mis 6 agentes de negocio. Sin teoría de manual. Solo lo que me ha funcionado después de escribir, iterar y tirar a la basura cientos de prompts.
Por qué el prompting de negocio es diferente del prompting normal
- Prompts de negocio para agentes IA
- Instrucciones estructuradas que un emprendedor escribe para que sus agentes de inteligencia artificial ejecuten tareas de negocio con precisión. A diferencia de un prompt conversacional, un prompt de negocio incluye contexto del proyecto, restricciones operativas, formato de salida esperado y criterios de éxito medibles.
Escribir un prompt para ChatGPT en una conversación puntual es una cosa. Escribir el prompt que va a gobernar un agente que trabaja solo — todos los días, sin que tú estés mirando — es otra completamente distinta.
La diferencia es parecida a la que hay entre decirle algo a un compañero en el pasillo y escribir el manual de operaciones de un empleado nuevo. En el pasillo puedes ser vago: "Oye, hazme un resumen de esto". Si no sale bien, le corriges en el acto. Pero un agente de negocio ejecuta solo. Si el prompt es vago, el resultado es vago. Y te enteras cuando ya es tarde.
Cuando cofundé GuruWalk aprendí algo que aplica directamente aquí: cuanto más claras son las instrucciones, menos micromanagement necesitas. Los mejores guías de free tour no eran los que preguntaban todo — eran los que tenían un briefing tan bueno que solo te contactaban cuando había algo realmente inesperado. Lo mismo pasa con los agentes IA.
Hay 3 diferencias clave entre un prompt conversacional y un prompt de negocio:
- Persistencia. Un prompt de negocio se ejecuta una y otra vez. Si tiene un fallo sutil, ese fallo se repite cientos de veces antes de que lo detectes.
- Autonomía. No estás ahí para corregir sobre la marcha. El prompt tiene que anticipar los casos borde por ti.
- Medibilidad. El resultado de un prompt de negocio se mide en métricas reales: tiempo ahorrado, calidad del output, errores por semana. No es "a ver qué sale".
Mi framework de 4 capas para prompts de negocio
Después de 5 meses iterando, mis prompts siempre siguen la misma estructura. Cuatro capas, en este orden. Si me salto una, noto la diferencia en los resultados.
No inventé esto de la nada. Llegué a esta estructura después de iterar los prompts de Ariel (mi agente de LinkedIn), Rafiki (blog), Remy (investigación) y Lentejo (newsletter). Cada vez que algo fallaba, analizaba qué capa faltaba o estaba mal definida. Siempre era una de estas cuatro.
Capa 1: Contexto — quién eres y qué haces
Es la capa que más gente se salta. Y la que más impacto tiene.
El agente no sabe nada de tu negocio. No sabe que llevas 12 años emprendiendo, que cofundaste GuruWalk, que tu tono es directo y sin filtro. Si no se lo dices, inventa. Y lo que inventa suele ser genérico y corporativo — el modo por defecto de los LLMs.
En mis prompts, el contexto ocupa entre 5 y 10 líneas. Incluye quién soy, qué hago, cuál es mi audiencia y qué tono uso. No es un CV — es lo mínimo que un empleado nuevo necesitaría saber para no meter la pata el primer día.
Un ejemplo real del prompt de Ariel, mi agente de LinkedIn:
Eres el agente de LinkedIn de Pablo Pérez-Manglano. Pablo es solopreneur, cofundó GuruWalk, lleva 12 años emprendiendo y ahora gestiona su negocio con 6 agentes IA. Su audiencia son emprendedores hispanos que quieren usar IA para escalar sin contratar. Tono: directo, primera persona, sin jerga corporativa, admite errores.
Esas 4 frases transformaron los resultados. Antes, sin contexto, el agente escribía para un público genérico con tono de manual. Después, los posts sonaban a Pablo.
Capa 2: Tarea — qué quieres exactamente
Aquí el error más común es ser demasiado amplio. "Escríbeme un post para LinkedIn" es una tarea terrible. Es como decirle a un freelance "hazme algo de marketing". ¿Qué tipo de post? ¿Sobre qué tema? ¿Qué longitud? ¿Qué hook?
La tarea tiene que ser específica, medible y completa. Yo sigo una regla simple: si un humano competente leería mi tarea y me haría 3 preguntas de clarificación, el prompt es malo. Si lo lee y puede ponerse a trabajar sin preguntar nada, está bien.
La diferencia entre una tarea vaga y una buena es brutal en resultados. Esto es lo que he visto con mis propios agentes:
| Tipo de tarea | Ejemplo | Resultado típico |
|---|---|---|
| Vaga | "Escribe un post de LinkedIn" | Texto genérico, tono corporativo, sin hook |
| Específica | "Escribe un post de LinkedIn sobre X tema, hook de pregunta, 150-200 palabras, con dato real, CTA a comentarios" | Post publicable con 1-2 ediciones menores |
La tarea específica no tarda más en escribirse. Son 20 segundos extra. Pero el resultado pasa de inservible a publicable.
Capa 3: Restricciones — qué NO hacer
Esta es la capa que más me costó aprender. Durante las primeras semanas, mis prompts solo decían qué hacer. No decían qué NO hacer. Y los agentes hacían exactamente lo que les pedía... más un montón de cosas que no quería.
Las restricciones son las barandillas del agente. Sin ellas, se sale del camino en formas creativas e inesperadas.
Mis restricciones más recurrentes (las que aplico a casi todos mis agentes):
- No uses emojis excesivos — máximo 1-2 por post
- No inventes datos — si no tienes la cifra, di que no la tienes
- No uses frases como "en el mundo actual", "sin lugar a dudas", "es importante destacar"
- No generes contenido más largo de lo pedido
- No cambies el nombre de Pablo ni inventes citas de terceros
Cada una de esas restricciones existe porque un agente hizo exactamente eso al menos una vez. Las restricciones no se inventan — se descubren. Cada fallo te regala una nueva restricción.
La regla que sigo es pragmática: cada vez que un agente me entrega algo que no quiero, no corrijo el output. Corrijo el prompt añadiendo una restricción que evite que vuelva a pasar. Así el prompt evoluciona y mejora con cada iteración.
Capa 4: Formato de salida — cómo quieres el resultado
Esta capa parece menor, pero es la que más tiempo ahorra en el día a día. Si no le dices al agente cómo quieres el resultado, te lo da en el formato que le parece. Y luego tú pasas 15 minutos reformateando.
En mis prompts, el formato de salida es explícito:
- Para posts de blog: "Entrega el post completo en Markdown con frontmatter YAML, H2s, H3s, y mínimo 3 internal links"
- Para LinkedIn: "Entrega solo el texto del post, sin comillas, sin explicación, listo para copiar y pegar"
- Para investigación de mercado: "Entrega un informe con 4 secciones (tendencias, demanda, competencia, audiencia), cada una con 3-5 bullets y fuentes citadas"
- Para análisis de datos: "Entrega tabla comparativa con métricas + 3 recomendaciones accionables priorizadas por impacto"
El formato de salida también incluye lo que NO quieres: "No incluyas introducción ni despedida. No añadas disclaimer sobre IA". Suena obvio hasta que tu agente te entrega un informe de mercado que empieza con "Como modelo de lenguaje, debo aclarar que..." y termina con "Espero que esta información te haya sido útil".
¿Quieres montar tu propio equipo de agentes de IA?
Cada semana comparto lo que funciona (y lo que no) montando agentes reales para mi negocio. Sin teoría, sin humo.
🎁 Al suscribirte recibes mi guía: cómo llegué a 500 subs en <1 mes con agentes IA.
Antes y después: 3 ejemplos reales de mis agentes
La teoría está bien, pero los números convencen más. Aquí van 3 transformaciones reales de prompts de mis agentes.
Ariel (LinkedIn): Con el prompt original sin estructura, generaba posts que yo reescribía al 80%. Tardaba más en editar que en escribir desde cero. Después de aplicar las 4 capas, la tasa de reescritura bajó al 10-15%. Hoy publica posts diarios que solo reviso por encima.
Rafiki (blog): El primer post que generó tenía 4.000 palabras cuando le pedí 2.000, cero enlaces internos, y el frontmatter mal formateado. Tres iteraciones de prompt después, genera posts de la longitud correcta con frontmatter SEO completo, bloques GEO y enlaces internos automáticos.
Remy (investigación): Empezó entregando "resúmenes" de 3 párrafos sin fuentes ni estructura. Inútil para tomar decisiones. Después de definir el formato de salida (4 secciones, bullets, fuentes), ahora entrega informes que leo en 25 minutos y me bastan para tomar decisiones de negocio con datos.
La constante: en los tres casos, el agente era el mismo (Claude). La herramienta era la misma (Claude Code). Lo único que cambió fue el prompt.
Los 5 errores que más dinero me han costado
No me gusta la gente que solo cuenta los aciertos. Los errores enseñan más. Estos son los 5 que más tiempo y resultados me costaron:
Error 1: Prompt de una línea. "Escríbeme posts de LinkedIn". Eso fue literalmente mi primer prompt para Ariel. El resultado era tan malo que casi descarto la idea de usar agentes para contenido. Lo que fallaba era la ausencia total de contexto y restricciones.
Error 2: Restricciones después de los hechos. Al principio corregía los outputs en vez de corregir los prompts. Editaba cada post a mano sin actualizar las instrucciones. Después de 2 semanas cometiendo los mismos errores, entendí que el prompt es el sistema y el output es solo el síntoma.
Error 3: Contexto genérico. "Eres un experto en marketing digital". Eso no le dice nada al agente. Le dice que sea como los 10 millones de "expertos en marketing digital" que ha visto en internet. El resultado es un promedio de todo lo genérico que existe. El contexto tiene que ser específico de tu negocio.
Error 4: No definir formato de salida. Me pasó con Remy. Le pedía investigación de mercado y me devolvía textos narrativos de 2.000 palabras. Bonitos, bien escritos, imposibles de escanear. Cuando definí el formato (secciones, bullets, fuentes), el informe se convirtió en algo accionable.
Error 5: Prompt estático. Los primeros 2 meses no tocaba los prompts después de la primera versión. Craso error. El prompt es un organismo vivo. Tu negocio cambia, tu audiencia evoluciona, tus necesidades se sofistican. Si el prompt no evoluciona con ellos, el agente se queda atrás.
Cómo itero un prompt (mi proceso de 3 pasos)
Iterar un prompt no es arte — es método. Y el método es simple.
Cada vez que un agente me entrega algo que no me convence, sigo exactamente estos 3 pasos:
Paso 1: Ejecutar y evaluar. Lanzo el agente con el prompt actual. Evalúo el resultado con una pregunta simple: ¿puedo usar esto tal cual, necesita ediciones menores, o es basura? Si es la tercera, paso al diagnóstico.
Paso 2: Diagnosticar la capa que falla. El fallo siempre está en una de las 4 capas. Tono incorrecto → falta contexto. Resultado incompleto → tarea poco específica. Contenido no deseado → faltan restricciones. Formato inusable → falta definir la salida. Identificar la capa correcta es el 80% del trabajo.
Paso 3: Ajustar solo la capa que falla. No reescribo todo el prompt. Cambio solo la parte que causa el problema. Una restricción nueva, una línea de contexto, un detalle en la tarea. Cambios quirúrgicos. Y vuelvo al paso 1.
En mi experiencia, 2-3 iteraciones bastan para pasar de un prompt mediocre a uno que funciona. 5 iteraciones para uno excelente. Más de 5 significa que el problema no está en el prompt sino en la tarea — quizá estás pidiendo algo que el agente simplemente no puede hacer bien.
El coste de cada iteración es bajo: 5-10 minutos de análisis y 2 líneas cambiadas. Pero el retorno compuesto es enorme. Un prompt bueno que funciona 6 meses ahorra cientos de horas.
Cuánto tiempo invierto en prompts vs cuánto ahorro
Los números reales. Porque si no hay números, es opinión.
En los primeros 2 meses invertí unas 15-20 horas en total escribiendo e iterando los prompts de mis 6 agentes. Parece mucho. Pero esos 6 agentes me ahorran, según mis métricas reales, entre 80 y 100 horas mensuales de trabajo.
La cuenta: 20 horas de inversión inicial ÷ 90 horas de ahorro mensual = se amortiza en menos de una semana del primer mes. Después de eso, todo es ganancia neta. Y los prompts solo necesitan ajustes menores — 1-2 horas al mes como mucho.
Comparado con contratar un equipo humano equivalente — que costaría entre 12.000 y 16.000 €/mes en sueldos brutos más Seguridad Social — la inversión de tiempo en prompting es ridículamente barata. Es la tarea con mayor ROI de mi negocio, sin discusión.
Regla final: el prompt es el producto
Si montas un negocio con agentes IA, tu activo más valioso no son los agentes. No es la suscripción a Claude Max. No es el servidor. Es la colección de prompts que has ido afinando durante meses.
Los prompts son tu know-how operativo empaquetado en instrucciones que un agente ejecuta. Son como los SOPs de una empresa, pero que se ejecutan solos. Si mañana se cae tu servidor, lo levantas en una hora. Si pierdes tus prompts refinados, necesitas meses para reconstruir la misma calidad de operación.
Yo los tengo todos versionados en archivos CLAUDE.md dentro de mis repos. Cada cambio queda en el historial de Git. Puedo ver cómo evolucionó cada prompt, cuándo añadí cada restricción, qué fallo lo motivó. Es la documentación más valiosa de mi negocio — y la más barata de mantener.
Si estás empezando con agentes IA, no pierdas el tiempo buscando el agente perfecto o la herramienta mágica. Dedica ese tiempo a escribir buenos prompts. El framework de 4 capas es un punto de partida sólido. Después, tus propios errores te irán enseñando el resto.
El 80 % de la gente que dice que la IA no funciona en su negocio tiene un problema de prompts, no de tecnología. He visto al mismo agente pasar de inútil a indispensable cambiando 3 líneas de instrucciones.