Logo de Area 73

Metodologías: Cómo preguntar a la IA

ASPECCTprompt-engineeringbest-practicesartificial-intelligence

La calidad de las respuestas de un modelo depende en gran medida de la calidad del prompt. ASPECCT es una forma simple y potente de estructurar lo que pides para obtener resultados consistentes.

Qué es ASPECCT

  • A — Audiencia: define para quién es la salida.
  • S — Style (Estilo): tono y registro (técnico, mentor, formal…).
  • P — Purpose (Propósito): objetivo claro de la tarea.
  • E — Examples (Ejemplos): entradas/salidas de referencia.
  • C — Constraints (Restricciones): límites de palabras, formato, prohibiciones.
  • Cxt — Context (Contexto): lo que el modelo debe saber del dominio/situación.
  • T — Type of Output (Tipo de salida): formato esperado (lista, tabla, JSON, Markdown).

Para muestra un botón

Prompt Final:

” Escribe una lista breve (T) que explique los beneficios de serverless (P) para CTOs de startups (A) usando un tono conciso y técnico (S). Debe tener menos de 80 palabras y usar viñetas (C). Contexto: estamos preparando documentación interna para desarrolladores sin experiencia con AWS (Cxt).”

¿Es buena la metodología ASPECCT?

ASPECCT encapsula principios de prompting ampliamente recomendados por la industria: dar instrucciones claras y específicas, aportar contexto, mostrar ejemplos y fijar un formato de salida.

Estas prácticas están alineadas con las guías oficiales de las compañías que se dedican a general modelos:

  • OpenAI: guías de prompting y mejores prácticas (instrucciones claras, descomponer tareas, dar ejemplos y formato de salida).
  • Anthropic: estrategias de prompting (rol/persona, restricciones, contexto, formato y razonamiento paso a paso cuando conviene).
  • Google (Gemini): diseño de prompts con objetivos, contexto, ejemplos y formato de respuesta.

No hay evidencias independientes de que un único marco supere a los demás en todos los casos; ASPECCT es sólido porque cubre los elementos que más influyen en la calidad de la respuesta, y es fácil de aplicar de forma consistente.

Otras alternativas

Como en todo y en especial cunado estmoas al principio de estas nueva era existen otras alternativas también muy válidas.

  • CO-STAR (Context, Objective, Style, Tone, Audience, Response): equivalente funcionalmente a ASPECCT con énfasis explícito en tono y en la forma de respuesta. Útil cuando el branding/voz es crucial.

  • CRISPE: variantes populares ponen foco en restricciones, rol/persona, entradas de usuario, pasos y ejemplos. Útil para tareas operativas repetibles con checklist estricto.

  • Buenas prácticas de proveedor (OpenAI, Anthropic, Google): combinan los mismos principios con recomendaciones tácticas (p. ej., dividir problemas, usar ejemplos, pedir formato estructurado).

  • En problemas de razonamiento, es recomendable añadir técnicas como “razonamiento paso a paso” o “descomposición en subtareas”.

  • En outputs estructurados, especifica esquema y validación (p. ej., JSON estrictamente tipado).

Una aproximación a la creación del prompt

  1. Completa la checklist ASPECCT antes de escribir el prompt.
  2. Redacta un primer borrador.
  3. Pide el resultado en el formato exacto (Type of Output) y dentro de los límites (Constraints).
  4. Itera con 1–2 ejemplos (Examples) si la salida no cumple.
  5. Refuerza propósito, audiencia y estilo si notas deriva.

Bibliografía y referencias