Si has estado programando últimamente, seguro lo has notado: la forma en que escribimos código está cambiando. Según datos recientes de GitHub y Microsoft, la Inteligencia Artificial ya genera hasta el 46% del nuevo código en proyectos colaborativos. Y no solo eso, usar estas herramientas bien puede aumentar tu productividad hasta en un 55%.
Pero aquí está el «pero» (y la razón de este artículo): tener la herramienta no es suficiente. El éxito depende casi totalmente de la calidad de tus instrucciones, lo que llamamos «prompts«.
Si alguna vez le pediste algo a la IA y te devolvió un código que no servía para nada, el problema probablemente no fue la IA, sino cómo se lo pediste. En este artículo, vamos a ver cómo pasar de principiante a experto en «susurrarle al código», utilizando prácticas recomendadas para herramientas como GitHub Copilot, Cursor o CodeWhisperer.
La regla de oro: sé específico y claro
El error número uno es la ambigüedad. Los prompts vagos generan resultados impredecibles. Piénsalo como si le estuvieras explicando una tarea a un desarrollador junior que acaba de unirse al equipo: necesita detalles.
Ejemplo práctico:
❌ Mal prompt: «Escribe una función para sumar».
✅ Buen prompt: «Implementa una función en Python llamada suma_numeros que tome dos enteros positivos y devuelva su suma, con manejo de errores para entradas no numéricas».
Al definir el lenguaje, el nombre y el manejo de errores, maximizas la precisión.
El contexto es el rey
¿Sabías que herramientas como Copilot «leen» lo que estás haciendo? Analizan tus archivos abiertos, tus comentarios y el código que rodea a tu cursor.
Para ayudar a la IA a entender el entorno de tu proyecto y reducir errores:
- Abre los archivos relevantes: Mantén abiertas las pestañas de los archivos que se relacionan con lo que quieres programar.
- Comenta tu código: Usa comentarios descriptivos antes de pedirle que genere el código. Por ejemplo: «Lee todos los archivos del repositorio y entiende las dependencias antes de generar código».
- Usa buenas prácticas: Nombres de variables descriptivos (como snake_case o camelCase consistentes) ayudan a la IA a alinearse con tu estilo.
Técnicas «avanzadas» (Que en realidad son simples)
Una vez que dominas lo básico, puedes usar técnicas que mejoran drásticamente el resultado en tareas complejas. Aquí te dejo las más efectivas según nuestra investigación:
Few-Shot Prompting (dar ejemplos)
No asumas que la IA adivinará el patrón. Proporciona entre 1 y 5 ejemplos de «entrada-salida».
- Cuándo usarlo: Transformaciones de datos o patrones repetitivos.
- El Prompt: «Entrada: [objeto A], Salida: [nombre A]. Ahora aplica esto al siguiente array…«.
Chain-of-Thought (razonamiento paso a paso)
Para problemas lógicos, pídele a la IA que piense antes de escribir.
- Cuándo usarlo: Debugging o algoritmos complejos.
- El Prompt: «Paso 1: Analiza el input. Paso 2: Identifica errores. Paso 3: Propón arreglos. Ahora implementa la función«.
Rol y Restricciones
Dile a la IA quién debe ser.
- El Prompt: «Actúa como un desarrollador senior en C++ enfocado en eficiencia. Genera el código sin usar bibliotecas externas».
Errores comunes (y cómo evitarlos)
A veces, saber qué no hacer es igual de importante. Aquí tienes una tabla rápida para verificar tus prompts:
| Error Común | Solución | Impacto |
| Prompts vagos | Añade detalles específicos y ejemplos. | Evitas outputs irrelevantes. |
| Falta de contexto | Abre archivos relacionados y comenta. | Evitas código que no encaja en tu proyecto. |
| No iterar | Refina basándote en la primera respuesta. | Ahorras tiempo de corrección manual. |
| Ignorar verificación | Integra tests y pide a la IA que se critique a sí misma. | Evitas bugs y vulnerabilidades. |
El factor humano
Es fundamental recordar que estas herramientas complementan, no reemplazan, tu juicio humano. Aunque la IA puede aumentar tu velocidad, tú eres el responsable de validar la lógica, la seguridad y las pruebas.
Un consejo final: Empieza con prompts simples. Mide los resultados. Si ves que la IA se confunde, aplica la técnica de «descomposición»: rompe la tarea grande en subproblemas más pequeños (ej: «Primero filtra los datos, luego calcula el promedio»).
Dominar el «arte del prompt» te permitirá dejar de luchar contra la herramienta y empezar a colaborar con ella.