La forma más rápida de enseñar a la IA exactamente lo que quieres no consiste en describirlo, sino en mostrárselo. Dos o tres ejemplos concretos del resultado que buscas suelen funcionar mucho mejor que una explicación equivalente.
Esta técnica se denomina prompting con pocos ejemplos (few-shot prompting) y es una de las estrategias más potentes para redactar prompts. Sin embargo, los principiantes la utilizan muy poco: intentan definir el resultado con adjetivos y se frustran cuando el modelo se aproxima, pero no acierta del todo.
Este artículo explica en qué consiste, cuándo utilizarlo y cómo aplicarlo correctamente mediante ejemplos prácticos.
Por qué los ejemplos funcionan mejor que las descripciones
Haz este experimento mental. Imagina que te pido que reproduzcas el tono de mi empresa en un texto de marketing. Podría describirlo como «cercano pero profesional, cálido pero no informal, seguro pero nunca arrogante, con lenguaje sencillo pero no simplista». Tras leer esas indicaciones, probablemente las entenderías, pero escribirías algo bastante distinto de lo que yo esperaba.
En cambio, si te mostrara tres párrafos breves escritos por la empresa que representan bien ese tono, sin añadir ninguna explicación, tendrías una idea mucho más clara de cómo reproducirlo. Probablemente acertarías al primer intento.
El modelo se enfrenta a tus instrucciones de la misma manera. Adjetivos como «cercano», «profesional» y «seguro» son ambiguos; los ejemplos concretos no. El modelo puede detectar patrones en los ejemplos, mientras que debe interpretar el significado de los adjetivos.
Este fenómeno se ha estudiado en la literatura sobre aprendizaje en contexto: los grandes modelos de lenguaje suelen generalizar mejor a partir de unos pocos ejemplos que de descripciones del mismo comportamiento. Por eso el consejo «muestra, no lo cuentes» también resulta acertado aquí.
Cuándo usar prompting con pocos ejemplos
Algunas situaciones en las que los ejemplos te ayudarán más que cualquier otra técnica de prompting:
Coincidir con un tono específico. “Escribe en el tono de nuestra empresa.” Si no puedes definir el tono con tres adjetivos claros, muestra dos o tres ejemplos en su lugar.
Producir un formato coherente. En cualquier tarea donde el resultado deba mantener siempre la misma estructura —descripciones de productos, mensajes de error, respuestas de API, informes semanales o actualizaciones de estado—, muestra el formato en vez de describirlo.
Resultados poco habituales. «Escribe un hilo de Twitter como lo hace [una persona concreta que sigues]». «Genera títulos para un blog interno». «Escribe comentarios de código como los redacta nuestro equipo». Estas tareas siguen convenciones difíciles de expresar con palabras.
Reproducir un estilo para traducción, resumen o reescritura. “Reescribe esto en el mismo estilo que estos tres ejemplos que te mostraré.”
Cualquier resultado que siempre corriges de la misma manera. Si editas repetidamente la respuesta del modelo en la misma dirección —acortarla, sustituir una palabra o ajustar la estructura—, proporciónale ejemplos ya corregidos.
Estructura básica
Un prompt con pocos ejemplos tiene tres partes: una instrucción breve, dos o tres ejemplos y la nueva tarea.
Genera una descripción de un producto en una sola línea para una herramienta de SaaS B2B. Ajusta el estilo a los ejemplos que te muestro.
Ejemplo 1: Producto: ProjectHub Descripción: Un espacio compartido para equipos de proyectos que están cansados de cambiar entre cinco herramientas para hacer un trabajo.
Ejemplo 2: Producto: TimeFlow Descripción: Una aplicación de seguimiento de tiempo para personas que odian las aplicaciones de seguimiento de tiempo.
Ejemplo 3: Producto: ClearStack Descripción: Una herramienta de informes que convierte hojas de cálculo en decisiones.
Ahora escribe una para: Producto: PromptDesk Descripción:
El modelo generará algo acorde con el estilo: breve, con personalidad, ligeramente desenfadado y centrado en una frustración o un público concreto. Sin los ejemplos, el resultado sería genérico; con ellos, encajará mucho mejor.
Tres ejemplos prácticos
Veamos tres situaciones reales en las que el prompting con pocos ejemplos transforma el resultado.
1. Comentarios de informes de errores en el estilo de tu equipo
Imagina que tu equipo redacta los tickets de Jira de una forma específica: breves, centrados en el impacto para el usuario y sin jerga. Quieres que la IA siga ese mismo estilo.
Redacta una descripción de un ticket de Jira siguiendo el formato que se muestra a continuación.
Ejemplo 1: Al iniciar sesión con Google, el usuario ve durante un instante un idioma incorrecto antes de que se actualice la interfaz. Ocurre siempre en Chrome para ordenadores. No impide continuar, pero produce una mala impresión.
Pasos:
- Cerrar sesión
- Volver a iniciar sesión con Google
- Observar el destello inicial de la página
Esperado: el idioma permanece consistente Real: aparece brevemente el inglés, aparentemente el idioma predeterminado
Ejemplo 2: El botón de exportar a CSV devuelve un archivo vacío en informes semanales con >1000 filas. Los informes más pequeños se exportan correctamente.
Pasos:
- Abrir informe semanal con 1000+ filas
- Hacer clic en Exportar → CSV
- Abrir el archivo descargado
Esperado: datos completos Real: el archivo tiene 0 bytes
Ahora redacta uno para: Problema: Los usuarios de Safari indican que el menú móvil no se cierra después de pulsar un enlace. Recargar la página lo corrige. Parece un problema con el confinamiento del foco.
El modelo producirá cada vez un ticket que reproduzca la estructura y el tono. Sin los ejemplos, probablemente obtendrías una versión algo más larga y formal.
2. Reescritura en el estilo de la marca
Imagina que tienes el borrador de un correo y quieres adaptarlo al estilo de la marca. Decir al modelo «sé más cálido» produce resultados irregulares; mostrarle ejemplos aporta coherencia.
Reescribe el correo electrónico siguiente para que coincida con el estilo de estos ejemplos. El estilo es: directo, sin relleno corporativo, ligeramente autoconsciente, nunca dice “sinergia” ni “aprovechar”.
Ejemplo 1: “Hemos pospuesto el lanzamiento una semana. El cambio de escalado automático era más grande de lo que pensábamos. Nueva fecha de envío: viernes 22.”
Ejemplo 2: «Un pequeño favor: ¿podrías revisar este borrador? Sobre todo la segunda sección. Creo que se alarga demasiado, pero no estoy seguro».
Ejemplo 3: «Aviso: mañana voy a cuestionar el plazo durante la reunión. Las cifras no cuadran y prefiero señalarlo ahora que incumplirlo después».
Reescribe esto en el mismo estilo:
[pasta tu borrador]
El modelo producirá un texto que suene como los ejemplos, no como prosa corporativa genérica. Puedes guardar este prompt en un GPT personalizado y reutilizarlo siempre que necesites adaptar rápidamente un texto al estilo de la marca.
3. Extracción estructurada
Imagina que tienes facturas en PDF y quieres que el modelo extraiga sus datos con un formato limpio. El método habitual consiste en cargar una factura, mostrar un ejemplo del resultado deseado y después solicitar la extracción de las demás.
Extrae datos de facturas en PDF en este formato exacto de JSON.
Ejemplo:
Entrada: [factura PDF donde el proveedor es “Lufthansa”, la fecha es 2026-04-12, el total es 423.50 EUR, los elementos de la factura son vuelo + tarifa de equipaje]
Salida:
{ "vendor": "Lufthansa", "date": "2026-04-12", "currency": "EUR", "total": 423.50, "line_items": [ {"description": "Flight TLL-LHR", "amount": 387.00}, {"description": "Checked bag", "amount": 36.50} ], "category": "Travel" }Ahora extrae de esta factura: [adjunta nuevo PDF]
Obtienes una salida limpia y coherente. Sin el ejemplo, la estructura del JSON podría variar entre facturas y complicar su procesamiento posterior.
Errores comunes con prompting con pocos ejemplos
Tres errores a tener en cuenta:
Ejemplos que se contradicen entre sí. Si tus tres ejemplos varían en estilo, el modelo no sabrá cuál seguir. Elige un conjunto ajustado y consistente.
Muy pocos ejemplos. Uno solo no suele bastar, porque el modelo puede interpretarlo como un caso aislado. Dos suelen ser el mínimo y tres ofrecen un buen equilibrio para la mayoría de las tareas. Más de cinco rara vez ayuda y empieza a consumir la ventana de contexto.
Ejemplos que contienen errores que no quieres reproducir. El modelo imitará cualquier patrón presente en ellos, incluidas erratas, frases torpes o decisiones estructurales accidentales. Revisa los ejemplos antes de compartirlos.
Un error especialmente sutil consiste en mostrar ejemplos de entrada, pero no de salida. «Aquí tienes tres artículos para los que quiero que escribas títulos: [tres artículos]». Eso es zero-shot, no few-shot: el modelo no ha visto cómo es un buen título. Compáralo con lo siguiente:
Aquí tienes tres artículos con el tipo de títulos que me gustaría. Ajusta el estilo:
Ejemplo 1: [artículo] → Título: ”…” Ejemplo 2: [artículo] → Título: ”…” Ejemplo 3: [artículo] → Título: ”…”
Ahora escribe un título para: [nuevo artículo]
La pareja entrada → salida es la unidad básica del few-shot. Sin la salida, el modelo no dispone del patrón que debe aprender.
Cómo construir una biblioteca de ejemplos
Cuando empieces a utilizar few-shot, acumularás conjuntos de «ejemplos que funcionaron». Consérvalos en:
- GPT personalizados o Proyectos de Claude: pega los ejemplos en el campo de instrucciones para que permanezcan disponibles.
- Un administrador de fragmentos de texto (TextExpander, Raycast, Espanso) — atajos que se expanden en tus ejemplos.
- Un archivo de notas organizado por caso de uso (“ejemplos de voz de marca”, “ejemplos de formato de tickets”, “ejemplos de títulos”) que puedas pegar rápidamente.
Después de seis meses construyendo esta biblioteca tendrás una herramienta personal que ningún «paquete de prompts» genérico podrá igualar, porque estará adaptada a tu trabajo.
Los ejemplos superan a los adjetivos
Cuando puedas describir el resultado, hazlo. Cuando no puedas —porque reconoces el estilo, pero no sabes expresarlo por completo—, muestra dos o tres ejemplos. Dedicar dos minutos a buscarlos puede ahorrarte veinte minutos corrigiendo una respuesta que ninguna descripción habría evitado.
Los ejemplos superan a los adjetivos, pero pocas personas los utilizan de forma sistemática. Quienes lo hacen suelen obtener mejores respuestas que quienes escriben descripciones cada vez más largas e ingeniosas. Pruébalo en el próximo prompt donde el estilo sea importante y observa qué ocurre.
