Por qué fallan los prompts vagos de IA:"hazme un dashboard"

Por qué fallan los prompts vagos de IA: un prompt como “hazme un dashboard” falla aproximadamente el 80 % de las veces, porque la IA rellena cada hueco que dejas con una suposición estadísticamente media: las herramientas equivocadas, la estructura equivocada, ninguna seguridad, ninguna conexión con tu producto real. La solución no es escribir más palabras. Es dejar menos huecos.

Es la lección más cara que aprenden los fundadores no técnicos cuando empiezan a construir con IA. La buena noticia: a otra persona le costó más de 200 prompts fallidos trazar la salida, y el patrón se aprende en diez minutos.

Por qué fallan los prompts vagos de IA: la historia de dos prompts

Dos prompts, la misma funcionalidad, la misma IA. El primero: “Hazme un dashboard para el programa de aceleración.” Once palabras. Perfectamente claro para un compañero humano.

¿El resultado? La IA construyó… algo. No coincidía con la base de datos existente. Trajo una librería de diseño totalmente distinta a la del resto del producto. Sin actualizaciones en vivo. Sin separación entre los datos de los clientes, un problema de seguridad real. Parecía terminado y falló en ejecución. Tiempo para arreglarlo: 2–3 horas de ida y vuelta.

El segundo prompt pedía el mismo dashboard, pero explicaba el contexto: de qué tabla de la base de datos salen los números, qué archivos existentes muestran los patrones que hay que copiar, dónde debe vivir exactamente cada archivo nuevo, cómo comprobar que funciona y una lista corta de atajos que la IA no podía tomar.

El resultado: perfecto. A la primera. Quince minutos. Funcionando hoy en producción.

La misma IA. La misma funcionalidad. La única variable fue el prompt.

Por qué la IA rellena tus huecos con la media de otros

Este es el modelo mental que explica el 80 % de fallos. La IA ha leído millones de dashboards. Cuando dices “hazme un dashboard”, no pregunta qué base de datos usas, qué sistema de diseño sigue tu producto ni cómo se separan los datos de tus clientes. Responde en silencio a todas esas preguntas por sí misma, con la respuesta más común de todo lo que ha leído.

La respuesta más común no es, casi por definición, tu respuesta. Tu producto tiene una base de datos concreta, convenciones concretas, reglas de seguridad concretas. Cada detalle que omites se sustituye por la media de internet. Once palabras de prompt significan docenas de decisiones delegadas a una suposición estadística, y basta una suposición errónea (normalmente el modelo de datos) para que todo carezca de valor.

Un desarrollador junior humano haría preguntas aclaratorias. La IA casi nunca. Te entrega sus suposiciones con total seguridad, que es justo el modo de fallo que se convierte en la trampa del vibe coding: semanas sintiéndote productivo sobre código que en silencio no encaja con tu producto.

La escalera de cinco intentos, de lo vago a lo entregado

Nadie escribe prompts precisos el primer día. Esta es la evolución real: cinco intentos con el mismo tipo de petición y lo que produjo cada uno:

El gran avance es el intento cinco. En lugar de pegar ejemplos en los prompts, haces referencia a archivos que ya existen en tu producto. La IA los lee, absorbe el patrón y lo aplica. Esto le da la vuelta a un miedo común: una base de código que crece no ralentiza a la IA, la acelera, porque más ejemplos que funcionan significan mejor contexto.

El libroThe Solopreneur RevolutionLuis Gonçalves sobre cómo crear un negocio de solopreneur con IA sin dejar tu empleo.Consigue el libro →

Qué, cómo, ejemplos

Toda la escalera se comprime en tres líneas que merece la pena pegar encima de tu escritorio:

Los malos prompts describen QUÉ quieres. Los buenos prompts describen CÓMO construirlo. Los prompts de producción señalan EJEMPLOS de cómo lo construiste antes.

“Hazme un dashboard” es puro QUÉ. Añadir tus herramientas y tu estructura te lleva al CÓMO. Señalar tus propios archivos que funcionan (“sigue el patrón de este archivo”) es el nivel de los EJEMPLOS, y es donde la IA deja de adivinar y empieza a replicar lo que ya funciona en tu producto.

Fíjate en lo que esto te pide. No habilidad de programación: decisiones. ¿Qué patrón debe seguir esto? ¿Dónde viven los datos? ¿Qué no debe hacer jamás? Son preguntas de arquitectura, y te corresponde responderlas a ti. Ese reparto de papeles es el tema de tú eres el arquitecto.

El coste real de los prompts vagos de IA

La trampa es que el prompt vago parece productivo. Escribes una frase, la IA produce cientos de líneas, algo aparece en pantalla. Dopamina para todos. El coste llega después: 2–3 horas de retrabajo por funcionalidad, código que no encaja con el resto de tu producto y, lo más caro, agujeros de seguridad que no ves porque nunca le dijiste a la IA tus reglas.

Multiplícalo por un producto real y la diferencia no son horas, son meses. La versión precisa del prompt del dashboard tardó unos minutos más en escribirse y ahorró las 2–3 horas de arreglos. Ese intercambio, minutos de reflexión por horas de retrabajo, es toda la economía de construir con IA.

Entonces, ¿qué lleva la versión precisa? Hay exactamente cinco elementos (contexto, estructura, validación, restricciones y casos límite) y merecen un artículo propio: la anatomía de un prompt de producción. Apréndelos una vez y “hazme un dashboard” será el último prompt vago que escribas.

12 semanasTu carrera corporativa nunca fue el planSolicita plaza en el Solopreneur Accelerator.Solicitar ahora →

Preguntas frecuentes

¿Es una limitación del modelo de IA?

No: es una limitación de la información que le das. El mismo modelo produjo tanto el dashboard roto como el perfecto. La IA no puede leer las convenciones de tu producto de la nada; solo puede usar lo que le des o adivinar. Los mejores modelos mejoran la calidad de las suposiciones, pero una suposición sobre tu base de datos concreta sigue siendo una suposición.

¿Funcionan siempre mejor los prompts más largos?

No. La precisión gana a la longitud. Pegar un ejemplo de 200 líneas en un prompt funcionó, pero era largo y lento; una indicación de una línea hacia un archivo existente funcionó mejor. El objetivo es tener menos preguntas sin responder, no más palabras.

No soy técnico: ¿cómo sé qué detalles dar?

Sabes más de lo que crees. Dónde viven los datos, qué debe hacer la funcionalidad, qué no debe hacer jamás y a qué parte existente de tu producto debe parecerse: son decisiones de producto, no habilidades de programación. El papel es el de arquitecto, no el de constructor: tú tomas las decisiones y la IA teclea.

¿Qué contiene un prompt de producción completo?

Cinco elementos: contexto (qué patrones y ejemplos seguir), estructura (dónde va exactamente cada cosa), validación (cómo demostrar que funciona), restricciones (qué no hacer) y casos límite (los modos de fallo que la IA olvida). El desglose completo con un antes y un después está en la anatomía del prompt de producción.