OpenAI y LinkedIn: por qué saber escribir prompts se ha vuelto clave para la carrera profesional

Saber escribir prompts claros ha dejado de ser una habilidad de nicho para frikis y se convierte rápidamente en un requisito básico del mercado laboral. Con el auge de las herramientas de IA, los empleadores no solo miran la experiencia del candidato, sino también si sabe obtener de los modelos un resultado claro y útil.

Por qué importa

Ya en 2024, Microsoft y LinkedIn registraron un cambio en las expectativas de los empleadores: el 66% de los directivos en EE. UU. decía que no contrataría a alguien sin habilidades de IA, y el 71% estaba dispuesto a elegir a un candidato con menos experiencia si sabe trabajar con estas herramientas. Es una señal importante: la IA ya no se valora como un extra agradable, sino como parte de la cualificación cotidiana, sobre todo en puestos donde hay que buscar información con rapidez, redactar textos, analizar datos y automatizar tareas rutinarias.

El problema es que tener acceso a ChatGPT u otro modelo casi no garantiza nada. Un usuario puede abrir la interfaz, hacer una pregunta y recibir una respuesta pobre no porque el modelo sea malo, sino porque la petición es vaga. Cuanto mayor es la competencia, más se nota la diferencia entre quien "le pregunta algo al bot" y quien plantea la tarea de modo que el modelo ayude de verdad en el trabajo.

Dónde se equivoca la gente

La investigación de OpenAI sobre cómo se usa ChatGPT señala el mismo problema desde otro ángulo: la mayoría de los usuarios emplea la herramienta de forma ineficaz. El material aporta una cifra reveladora: alrededor del 73% de las peticiones se formulan en lenguaje cotidiano. Para una persona esa frase puede sonar normal, pero el modelo suele interpretarla de forma demasiado literal, pierde el contexto, no entiende las restricciones y devuelve una respuesta genérica o directamente inútil.

«La mayoría de los usuarios utiliza mal la herramienta».

El error principal es esperar telepatía del modelo. Si el prompt no dice quién es el público objetivo, qué formato se necesita, qué se considera un buen resultado y qué restricciones importan, la red neuronal rellena los huecos con suposiciones. A veces el resultado parece un texto seguro y pulido, pero en el fondo no resuelve la tarea. Por eso la calidad de la respuesta depende a menudo no de la "magia del modelo", sino de lo claramente que la persona haya fijado el marco, el rol y los criterios del resultado.

Cómo escribir mejor

Los autores de la guía proponen tratar el prompt como un breve encargo técnico, no como un mensaje de chat. Los modelos funcionan mejor cuando se les da de antemano contexto, objetivo y formato de salida. Cuanto más concreta es la petición, menor es la probabilidad de que la respuesta caiga en tópicos o empiece a inventar en lugar de cumplir la tarea. En la práctica no hacen falta fórmulas complejas: importa más la disciplina al redactar que un repertorio de palabras de moda.

• Indica el rol del modelo: editor, analista, reclutador, desarrollador.
• Da el contexto de la tarea: para quién es la respuesta, en qué situación y con qué fin.
• Fija el formato del resultado: lista, carta, tabla, plan, código.
• Añade restricciones: extensión, tono, hechos sin invenciones, prohibición de suposiciones innecesarias.
• Si la respuesta es floja, afina paso a paso en lugar de reescribir toda la petición desde cero.

Un buen prompt no tiene por qué ser largo, pero sí inequívoco. Si necesitas un análisis de un artículo para Telegram, dilo: define la extensión, el estilo, las ideas clave y lo que no se debe hacer. Si necesitas analizar candidatos, enumera los criterios de evaluación.

Este enfoque sirve no solo para hablar con la IA. Disciplina el pensamiento: entiendes mejor tu propia tarea, detectas antes los huecos y ahorras tiempo en rehacer cosas sin fin.

Qué significa

En 2026, el prompting se parece cada vez menos a un "truco de IA" aislado y más a una nueva forma de alfabetización digital. Los empleadores ya tienen en cuenta esta habilidad al contratar, y los modelos recompensan a quienes saben plantear tareas con claridad. No gana quien tiene un chatbot abierto, sino quien sabe convertir una idea difusa en una petición precisa y obtener un resultado medible.