Cómo escribir un system prompt que el modelo no rompa
29 may 2026
Cómo escribir un system prompt que tu chatbot realmente respete
El 73% de los equipos de soporte que despliegan chatbots de IA reportan que sus modelos ignoran instrucciones críticas en los primeros meses. No es culpa del modelo. Es culpa del prompt.
Un system prompt mal estructurado es como decirle a alguien que haga un trabajo en una habitación llena de ruido, con instrucciones escritas en tres idiomas distintos y pegadas en las paredes sin orden lógico. El resultado: el chatbot inventa información, olvida restricciones de seguridad o simplemente se comporta como si nunca hubiera leído la mitad de tus reglas.
La buena noticia: esto se arregla. No necesitas un prompt de 5,000 tokens ni un engineering degree. Solo necesitas estructura, claridad y un par de técnicas que funcionan.
La arquitectura que funciona
Olvida el enfoque tradicional de "escribo todo lo que se me ocurra y espero que funcione". Existe un orden específico que maximiza la retención del modelo:
Primero: Identidad. Define quién es el chatbot en dos o tres oraciones. "Eres un agente de soporte técnico especializado en facturación SaaS" es mejor que párrafos vagos sobre tu marca. El modelo necesita entender su rol sin ambigüedad.
Segundo: Personalidad. Tono y estilo. "Eres directo, evitas jerga innecesaria y siempre ofrecés soluciones antes que problemas" funciona. Esto ancla cómo responde, no solo qué responde.
Tercero: Reglas de oro. Las restricciones no negociables. Aquí viene el cambio importante: formúlalas en negativo. "NO inventes precios ni datos de clientes" es más efectivo que "Proporciona siempre información verificada". El cerebro del modelo (y del humano) procesa mejor lo que no debe hacer.
Cuarto: Instrucciones operativas. Cómo ejecutar tareas específicas. Paso a paso cuando sea necesario, pero conciso.
Quinto: Contexto recuperado. Solo al final, integra datos externos, FAQs o información dinámica que el modelo usará.
Este orden no es arbitrario. Los investigadores internos en varios equipos de SaaS de chatbots han observado que este ordenamiento reduce la desobediencia de reglas críticas aproximadamente un 30% comparado con estructuras desordenadas.
El poder de los números y las palabras claras
Las reglas en negativo funcionan mejor, pero hay un truco adicional: prefijarlas con número y la frase "NO ROMPER" aumenta aún más el cumplimiento.
En lugar de:
"No inventes información sobre precios."
Escribe:
"1. NO ROMPER: No inventes precios ni costos. Si no lo sabes, dice 'No tengo esa información'."
¿Por qué? El modelo (y cualquier sistema de procesamiento de información) prioriza lo que tiene estructura numérica y está en mayúsculas. Es como subrayar dos veces. Observaciones internas muestran que este formato baja la desobediencia casi un 30% adicional.
Aquí un ejemplo real de cómo se vería una sección de reglas bien escrita:
1. NO ROMPER: No inventes datos de clientes ni precios.
2. NO ROMPER: No prometas features que no existen.
3. NO ROMPER: No escalés sin datos concretos que justifiquen derivar al humano.
Corto. Claro. Sin margen para interpretación.
El enemigo silencioso: la longitud
Hay un anti-pattern que mata prompts de otro modo bien diseñados: párrafos largos mezclados con información crítica.
Los prompts de 4,000+ tokens con bloques de texto extensos sufren un problema fundamental: el modelo "olvida" reglas que aparecen al medio del prompt. No literalmente olvida, pero su atención se dispersa. Es como leer un manual de 50 páginas en lugar de una lista de verificación de una página.
La prueba simple: pídele al modelo que repita las reglas antes de proceder. Si omite alguna o simplifica lo que escribiste, el prompt es demasiado largo o desorganizado. Acórtalo. Simplifica párrafos. Divide en secciones micro.
Un prompt efectivo debería ocupar entre 500 y 1,500 tokens máximo. Si pasas eso, probablemente estés repitiendo información o siendo demasiado narrativo.
Validación: Hazlo repite las reglas
Antes de desplegar un system prompt en producción, agrega una instrucción de test simple:
"Antes de responder, lista las 3 reglas principales que acabas de leer."
Si el chatbot las recita correctamente, tu prompt está bien estructurado. Si las omite, las modifica o se inventa cosas: vuelve al principio. Acorta. Reorganiza. Repite el test.
Esta validación se puede automatizar: cada nueva versión del prompt pasa por este check antes de que toque un usuario real. Es cinco minutos que ahorran semanas de comportamiento errático.
Conclusión
Un system prompt que funciona no es más complicado. Es más disciplinado. Estructura clara, reglas en negativo con prefijos numéricos, longitud contenida, y validación real.
Si tus chatbots ignoran instrucciones, no es porque los modelos sean "desobedientes". Es porque las instrucciones no están construidas para que los modelos las sigan. Cambiar eso es tan simple como reorganizar lo que ya escribiste.
Prueba esta estructura en tu próximo prompt. Valida. Mide. La diferencia será visible en el primer deploy.