Prompt Chaining
Como encadenar prompts para trabajar mejor con IA
Si usas ChatGPT a diario, es probable que hayas vivido más de una vez esta escena: escribes una petición larga y específica, esperas una respuesta en base a tus expectativas… y te devuelve algo genérico, vago o directamente inútil. No eres el único al que le pasa. La mayoría empezamos así, creyendo que cuanto más le pidamos a la IA de turno en un solo mensaje, mejor será el resultado. Pero si lo piensas bien, ocurre justo lo contrario. Si que hay que dar contexto, información y todo aquello que sea necesario para que ejecute lo que le pidamos, pero pedir muchas cosas de golpe, puede ser contraproducente.
Trabajar con IA generativa no se parece a pedir un deseo. Se parece más a cocinar por pasos. No le das todos los ingredientes a la vez para que “se las apañe”. Organizas el proceso: primero decides qué quieres hacer, luego preparas los ingredientes, después cocinas cada parte y, al final, emplatas con intención. Eso, aplicado a modelos como ChatGPT, se llama prompt chaining, o encadenamiento de prompts.
Este enfoque es útil para cualquier persona que ya use modelos de lenguaje, desde quien redacta discursos o notas para prensa, hasta quien sintetiza informes, prepara documentación para reuniones o diseña flujos de trabajo con herramientas como n8n. Encadenar prompts no es complicar. Es sistematizar. Y eso es justo lo que permite obtener mejores resultados de forma más constante.
Qué es el prompt chaining (y por qué deberías usarlo)
Prompt chaining significa dividir una tarea compleja en una secuencia de pasos simples, en los que cada uno se construye sobre la salida del anterior. En lugar de pedirle a la IA un texto final desde el inicio, le pedimos primero una idea, luego una estructura, después una primera redacción, y al final una revisión adaptada al público. Lo que estamos haciendo es trasladar nuestra lógica de trabajo al diálogo con el modelo.
¿Y por qué funciona mejor así?
Reduce errores y ambigüedades. Cada paso es más claro que una petición compleja de una sola vez.
Permite ajustar el proceso. Si algo no convence, puedes volver atrás o modificar un paso, sin rehacer todo.
Favorece el control sobre el resultado. Especialmente útil cuando trabajas para públicos diferentes o en contextos sensibles (como la administración pública o la política).
Imagina que tienes que preparar un informe para una sesión de trabajo. En lugar de pedir a ChatGPT algo como “escríbeme un informe breve sobre el estado del proyecto X con tono institucional y resumen ejecutivo”, podrías usar este enfoque:
Paso 1: “¿Qué puntos clave habría que incluir en un informe sobre el proyecto X, dirigido a responsables políticos?”
Paso 2: “Con base en esos puntos, genera una estructura para un informe de 500 palabras.”
Paso 3: “Redacta una primera versión siguiendo esa estructura.”
Paso 4: “Ajusta el tono para hacerlo más directo y claro para una audiencia no técnica.”
Este encadenamiento se adapta mejor al modo en que tú ya trabajas, y evita depender de un único disparo de precisión con un prompt milagroso.
Cómo usar prompt chaining en tu día a día
Ejemplos prácticos para profesionales que ya trabajan con IA
Una de las grandes ventajas del prompt chaining es que no necesitas cambiar tu forma de trabajar, solo traducirla al diálogo con el modelo. A continuación, te muestro tres escenarios habituales en los que encadenar prompts puede marcar la diferencia. Todos están pensados para quienes trabajan con contenidos, discursos, informes o flujos de automatización.
Creación de contenidos para redes o notas públicas
Cuando gestionas comunicación institucional o política, la claridad y el tono importan tanto como el contenido. Aquí un ejemplo de prompt chaining para generar una publicación en redes sociales adaptada a distintos públicos.
Contexto: quieres anunciar un nuevo programa de formación digital impulsado por tu administración.
Paso 1 – Definir el enfoque
Prompt: “¿Qué enfoques comunicativos podría usar para anunciar un nuevo programa de formación digital destinado a jóvenes en situación de desempleo?”
Paso 2 – Elegir uno y generar borrador
Prompt: “Redacta una publicación para redes sociales que use un tono esperanzador, con foco en oportunidades laborales, basada en el [enfoque elegido].”
Paso 3 – Ajustar según el canal o público
Prompt:
Para Instagram: “Adapta este texto con un lenguaje más cercano, emojis y hashtags.”
Para LinkedIn: “Haz que el mensaje sea más institucional, centrado en innovación pública y alianzas.”
Paso 4 – Generar alternativas para pruebas A/B
Prompt: “Dame tres versiones del mismo mensaje, cada una con un tono diferente: inspirador, técnico e institucional.”
Con este encadenamiento puedes no solo mejorar el contenido, sino también alinear el mensaje con los canales y audiencias sin rehacer todo cada vez.
Preparación de informes ejecutivos o policy briefings
En entornos donde la precisión y el contexto son esenciales, como la administración pública, el chaining aporta estructura y claridad al trabajo con informes o resúmenes para toma de decisiones.
Contexto: has asistido a una reunión técnica y tienes las notas o el acta. Necesitas generar un resumen ejecutivo para responsables políticos.
Paso 1 – Sintetizar los puntos clave
Prompt: “Resume estas notas de reunión en tres bloques: situación actual, decisiones tomadas, y temas pendientes.”
Paso 2 – Extraer mensajes para responsables políticos
Prompt: “De ese resumen, redacta una versión orientada a responsables políticos, en tono claro y sin tecnicismos.”
Paso 3 – Elaborar conclusiones o recomendaciones
Prompt: “A partir de esa versión, redacta tres recomendaciones claras y breves, con impacto político o institucional.”
Paso 4 – Generar resumen para email o intervención pública
Prompt: “Conviértelo en un párrafo de cierre para incluirlo en una intervención de dos minutos.”
Este flujo puede aplicarse a documentos extensos, transcripciones de reuniones o informes técnicos, generando materiales adaptados sin perder coherencia ni precisión.
Automatización de tareas con n8n y ChatGPT
Si ya usas herramientas como n8n, puedes llevar el prompt chaining un paso más allá y automatizar partes del proceso. Veamos un ejemplo sencillo: gestión de reuniones.
Contexto: usas una herramienta como Google Meet, Zoom o Teams para grabar y transcribir reuniones. Quieres extraer información útil y distribuirla automáticamente.
Flujo automatizado con n8n y ChatGPT:
Entrada: al terminar la reunión, se guarda el archivo de transcripción en Google Drive, verás que automáticamente se guarda en “meet recordings”.
n8n – Paso 1: extrae el contenido y lo envía a ChatGPT con el prompt:
“Divide esta transcripción en bloques temáticos: decisiones, tareas, bloqueos.”n8n – Paso 2: segundo prompt encadenado:
“Resume cada bloque temático en un párrafo breve.”n8n – Paso 3: otro prompt:
“Genera un resumen ejecutivo en 5 frases para enviar por email.”n8n – Paso 4: el contenido generado se envía automáticamente por correo al equipo correspondiente.
Aquí, cada paso es un prompt encadenado al anterior, pero además se integra en un flujo automatizado.
Beneficios y errores comunes del prompt chaining
Encadenar prompts no es una técnica avanzada reservada a perfiles técnicos. Es simplemente aplicar una lógica de trabajo conocida —planificar, ejecutar, revisar— al uso cotidiano de modelos de lenguaje. A continuación, revisamos por qué esta técnica mejora tu forma de trabajar con IA y qué errores debes evitar para sacarle todo el partido.
Beneficios que notarás desde el primer uso
Mayor claridad en los resultados
Dividir una tarea compleja en pasos intermedios permite a la IA centrarse en una cosa a la vez. Esto evita respuestas genéricas o confusas, y genera salidas más precisas y útiles.Más control sobre el proceso
Puedes intervenir en cada etapa: revisar una propuesta de estructura, ajustar el tono, modificar el enfoque. Así se evita tener que empezar de cero cuando algo no encaja.Menor carga cognitiva
En lugar de tener que pensar en “el prompt perfecto”, solo necesitas pensar en el primer paso. A partir de ahí, la conversación se convierte en una colaboración progresiva con el modelo.Escalabilidad y reutilización
Una vez diseñado un flujo de prompts encadenados que funciona, puedes reutilizarlo en otros proyectos o tareas similares. Incluso puedes convertirlo en una plantilla para ti o tu equipo.Mejora continua
Cada paso sirve también como punto de aprendizaje: puedes ver qué funciona, qué necesita ajuste y dónde incorporar tu experiencia o la del equipo humano.
Errores comunes que conviene evitar
Pedir demasiado en el primer prompt
Solicitar al modelo que genere un contenido completo, revise el tono, adapte a un público y resuma todo en una sola instrucción suele llevar a resultados mediocres. Es mejor pensar en pasos intermedios.No revisar el output de cada paso
El prompt chaining requiere pausas conscientes. Si asumes que cada salida es perfecta y no la revisas, los errores se acumulan y empeoran el resultado final.Encadenar sin lógica o sin coherencia entre pasos
Es importante que cada paso tenga una relación clara con el anterior. Si introduces instrucciones que no se apoyan en el contexto generado, el modelo puede perder el hilo.No adaptar los prompts al estilo o público objetivo
Una estructura encadenada puede ser muy eficaz, pero si no cuidas el tono o el lenguaje en cada paso, el resultado final puede no estar alineado con lo que necesitas comunicar.Automatizar sin validación
Si usas herramientas como n8n para automatizar flujos, asegúrate de incluir validaciones intermedias, especialmente cuando se trata de publicaciones públicas o documentos oficiales. El siguiente video os puede servir de referencia.
Consejos para empezar con buen pie
Empieza con tareas que ya realizas habitualmente. Redactar un email, preparar una nota, resumir una reunión. Solo necesitas traducir ese proceso en pasos lógicos.
Guarda tus cadenas de prompts exitosas. Pueden servirte como plantillas futuras o como punto de partida para casos similares.
Aprovecha el contexto del modelo. Si estás usando ChatGPT con historial o memoria activada, puedes construir sobre conversaciones anteriores para no repetir todo en cada paso.
No busques la perfección desde el principio. La clave del prompt chaining es iterar: probar, ajustar, mejorar.
Del prompt al proceso
El valor de los modelos de lenguaje no está solo en lo que generan, sino en cómo los integramos en nuestros procesos. Encadenar prompts es una forma sencilla de convertir la interacción con IA en una rutina controlada, auditable y adaptable. Ya no se trata solo de obtener respuestas, sino de diseñar sistemas de trabajo paso a paso que combinan el criterio humano con la capacidad generativa de la IA.
Este enfoque te permite:
Delegar tareas específicas sin perder el control del mensaje.
Reducir tiempos sin comprometer la calidad.
Convertir cada conversación con la IA en un proceso estructurado.
Herramientas a tener en cuenta
Os he comentado el uso de n8n y mostrado un flujo en el que el output de un primer prompt es el input del siguiente, pero no solo se queda ahí la cosa, hay varias herramientas que podéis probar y que seguro alguna os mejorará la vida:
¿Y después qué? Diseñar comportamiento
Al aplicar prompt chaining, no solo organizas mejor tus tareas. Empiezas a pensar en términos de diseño de comportamiento. Cada paso que defines, cada condición que introduces, cada ajuste que haces… es una instrucción clara para un sistema.
Eso es exactamente lo que hacen los agentes o los flujos automatizados: convertir procesos humanos en instrucciones estructuradas. El chaining es el primer peldaño.
Y lo mejor es que ya lo estás haciendo. Si puedes encadenar cuatro prompts con lógica, puedes estructurar un agente con tareas, condiciones y salidas múltiples. Lo difícil no es la tecnología. Lo difícil —y lo valioso— es saber qué pasos son necesarios, en qué orden, con qué criterio. Eso ya forma parte de tu trabajo.
Encadenar prompts no es complicar el uso de IA. Es convertirla en una herramienta fiable de trabajo. Un paso cada vez. Un resultado mejor.
Gracias por tanto!
Me lo guardo.