Prompts encadenados: cómo dividir una tarea compleja en pasos

Cuando una tarea tiene varias partes —investigar, estructurar, redactar, revisar— meterlo todo en un solo prompt suele dar un resultado mediocre en cada parte. Dividir la tarea en pasos encadenados, donde cada respuesta alimenta al siguiente prompt, casi siempre da mejores resultados.

Por qué funciona mejor dividir la tarea

Cuando le pides a la IA que haga varias cosas distintas a la vez, tiene que repartir su "atención" entre todas ellas dentro de una sola respuesta, y es fácil que alguna quede menos desarrollada que las demás. Si en cambio divides el trabajo en pasos, cada prompt se centra en una sola cosa, puedes revisar y corregir el resultado de cada paso antes de avanzar al siguiente, y el error de un paso no se arrastra silenciosamente hasta el final sin que te des cuenta.

Ejemplo: escribir un artículo largo

En vez de pedir "escríbeme un artículo completo sobre X", divídelo así: primero pide una lista de posibles enfoques o ángulos para el tema y elige uno; después pide un esquema con los apartados principales de ese enfoque; revisa y ajusta el esquema tú mismo; luego pide que desarrolle cada apartado por separado, uno a uno; y termina pidiendo una revisión final de coherencia y tono sobre el texto completo ya unido. Cada paso es más fácil de evaluar por separado que intentar juzgar un artículo entero generado de un tirón.

Ejemplo: analizar un documento largo

Primero pide un resumen general del documento para orientarte. Después, con ese resumen como contexto, pide que profundice en la sección concreta que más te interesa. Por último, pide que compare esa sección con lo que dice el resto del documento, para detectar contradicciones o matices que se pierden si solo lees por encima. Ir de lo general a lo específico evita perderte en detalles antes de tener el panorama completo.

Cómo mantener el hilo entre pasos

Si la conversación es la misma de principio a fin, el modelo ya tiene el contexto de los pasos anteriores y no hace falta repetirlo. Si por lo que sea necesitas abrir una conversación nueva a mitad del proceso, copia y pega el resultado relevante del paso anterior al principio del nuevo prompt, para que no se pierda el hilo de lo que ya habíais construido juntos.

Cuándo NO merece la pena encadenar

Para tareas sencillas y de un solo paso —traducir una frase, resumir un párrafo corto, corregir una errata— encadenar prompts es perder el tiempo; ahí un solo prompt directo funciona perfectamente. La técnica de encadenar rinde sobre todo en tareas con varias fases claramente distintas, donde el resultado de una fase condiciona cómo debería ser la siguiente.

Un truco final: pide un plan antes de ejecutar

Para tareas muy complejas, antes de pedir directamente el resultado, pide: "no lo hagas todavía, primero dime en qué pasos dividirías esta tarea". Revisa ese plan, ajústalo si algo no te convence, y solo entonces pide que empiece a ejecutarlo paso a paso. Es la forma más fiable de evitar que la IA se lance por un camino que no era el que tenías en mente, descubriéndolo solo al final.

Ejemplo: planificar un proyecto personal desde cero

Supón que quieres montar una tienda online pero no sabes por dónde empezar. En vez de pedir "ayúdame a montar una tienda online", divide el proceso: primero pide una lista de las decisiones principales que hay que tomar antes de empezar (qué vender, en qué plataforma, qué presupuesto inicial); elige tus respuestas a cada una; después pide un plan de los pasos técnicos concretos según esas decisiones; y por último pide una lista de errores comunes que conviene evitar en cada paso. Encadenar así el proceso da un resultado mucho más adaptado a tu caso concreto que pedir "un plan para montar una tienda online" de golpe, que tiende a devolver algo genérico que sirve para cualquiera y no específicamente para ti.

Guarda el hilo completo como referencia

Cuando termines una tarea encadenada de varios pasos que te haya dado buen resultado, guarda la secuencia completa de prompts que usaste en un documento aparte. La próxima vez que tengas una tarea de naturaleza parecida —aunque sea sobre un tema distinto— puedes reutilizar esa misma estructura de pasos, adaptando solo el contenido concreto, en vez de tener que pensar de nuevo cómo dividir el trabajo desde cero.