Contratación · July 21, 2026 · 9 min de lectura

Ingeniería de prompts por rol: cómo se ve lo bueno en cada vertical de tu equipo

La ingeniería de prompts es hoy una habilidad esencial en casi todos los roles, pero lo 'bueno' se ve completamente distinto para una persona de ingeniería, de análisis, de soporte o un SDR. Una guía práctica por vertical con casos de uso reales.

← Parte de The five pillars of a hire: what great assessments actually measure

Hace un año, 'la ingeniería de prompts' sonaba a una especialidad de nicho. Hoy es una habilidad básica en casi todos los roles que tocan un teclado, y es una de las cosas más claras que revela el AI Sandbox. Pero esto es lo que la mayoría de los equipos de contratación pasa por alto: hacer buenos prompts no se ve igual en todos los puestos. Lo que distingue a alguien fuerte en ingeniería no es lo que distingue a alguien fuerte en soporte. Esta es una guía práctica, por vertical, de cómo se ve realmente lo 'bueno'.

La ingeniería de prompts no es una sola habilidad: toma la forma del rol

La competencia de fondo es universal: dar a la herramienta contexto y restricciones claras, y luego verificar y corregir lo que devuelve. Forma parte de la fluidez en AI, y la señal más fuerte es siempre la misma: detectar a la AI cuando se equivoca con toda seguridad. Pero la tarea y los modos de fallo son específicos de cada rol, por lo que los trucos de redacción predicen poco y una tarea realista y relevante para el rol sí lo hace. Así se manifiesta en las verticales que evaluamos.

Ingeniería de software

Pide a un asistente que escriba un cliente de API asíncrono con lógica de reintentos. Una persona candidata fuerte especifica las restricciones desde el inicio (patrones asíncronos modernos, manejo explícito de errores sobre las excepciones correctas), lee el código generado y detecta los problemas sutiles —una llamada obsoleta, un reintento que silencia el error equivocado, un caso límite que falta— y luego los corrige y los prueba. Aquí, hacer buenos prompts es inseparable de la revisión de código. Descubre qué más evaluar en una evaluación de ingeniería.

• Bien: acota la solicitud, lee el resultado, detecta código obsoleto o inseguro y verifica con una prueba rápida.
• Flojo: pega la función generada y la despliega, con casos límite sin manejar y todo.

Análisis de datos

Pide una consulta SQL —por ejemplo, ingresos netos por mes excluyendo cuentas de prueba internas— o la interpretación de un resultado. Una persona candidata fuerte define la métrica y las exclusiones en el prompt, luego contrasta los números con lo que sabe y cuestiona un agregado convincente pero engañoso en lugar de pegarlo en un informe. La habilidad de hacer prompts y el criterio analítico son el mismo músculo. Más sobre la evaluación de análisis de datos.

• Bien: especifica la métrica y las exclusiones, contrasta el resultado y desconfía de un número que los datos no respaldan.
• Flojo: acepta una consulta plausible y reporta una cifra que, en silencio, no cuadra.

Soporte al cliente

Pide a la AI que redacte una respuesta a un cliente molesto. Una persona candidata fuerte le da la política relevante y el tono que busca, luego revisa el borrador en cuanto a precisión, suaviza cualquier cosa que suene robótica o desdeñosa y elimina una promesa excesiva que el modelo dejó colar. En soporte, el prompt es solo la mitad del trabajo: la edición es donde se nota el criterio. Consulta la evaluación de soporte al cliente.

• Bien: aporta política y tono, verifica la precisión, ajusta hacia una empatía genuina y recorta las promesas excesivas.
• Flojo: envía una respuesta genérica de la AI que está equivocada en la política o desafinada en el tono.

Desarrollo de ventas

Pide un correo en frío dirigido a una persona compradora específica. Una persona candidata fuerte alimenta la herramienta con contexto real (quién es el comprador, la propuesta de valor, la única solicitud clara), personaliza el resultado, lo recorta hasta algo que un VP ocupado realmente leería y detecta cualquier 'dato' alucinado sobre el prospecto antes de que salga. El prompt lo prepara; el criterio lo mantiene creíble. Más en la evaluación de desarrollo de ventas.

• Bien: aporta contexto, personaliza, ajusta hasta una solicitud precisa y detecta un detalle inventado.
• Flojo: dispara un envío genérico basado en plantilla, a veces con un dato inventado dentro.

Gestión de producto

Pide un primer borrador de una especificación o una priorización. Un PM fuerte plantea el problema y las restricciones con claridad, usa la AI para obtener un punto de partida rápido y luego aplica verdadero criterio de producto: detecta una suposición defectuosa, recorta el alcance que el modelo añadió de más y lo ancla en usuarios y métricas en lugar de desplegar el borrador tal cual. Consulta la evaluación de gestión de producto.

• Bien: plantea el problema, usa la AI para un borrador y luego aplica criterio: detecta suposiciones erróneas y lo vincula a objetivos reales.
• Flojo: despliega una especificación generada por AI sin ninguna reflexión de producto por encima.

Más a fondo: una guía completa para cada rol

Cada vertical tiene su propio análisis en profundidad: las mejores prácticas, un prompt de ejemplo, las señales de fortaleza frente a debilidad y cómo lo evaluamos:

• Ingeniería de prompts para ingenieros de software: prompting como revisión de código a la inversa
• Ingeniería de prompts para analistas de datos: definiciones precisas y luego desconfía del número
• Ingeniería de prompts para atención al cliente: el borrador es fácil, la edición es el trabajo
• Ingeniería de prompts para el desarrollo de ventas: contexto que entra, credibilidad que sale
• Ingeniería de prompts para product managers: la IA redacta, el criterio decide

Cómo evaluarlo

No puedes medir nada de esto con un cuestionario sobre prompts, y desde luego no puedes medirlo prohibiendo la AI. Lo mides colocando a la persona candidata en una tarea realista y relevante para su rol con herramientas de AI disponibles y observando cómo trabaja, que es exactamente lo que hace una evaluación con AI Sandbox, y cómo se puntúa la fluidez en AI como un pilar. Es la manera honesta de evaluar el trabajo tal como se hace realmente, la idea central de la contratación AI-native. Puedes ver cómo se compone una evaluación ajustada al rol para descubrir dónde encajan los prompts en cada vertical.

La ingeniería de prompts no es un truco de redacción por el que contratas. Es criterio ante la seguridad equivocada de una AI, y se ve distinto en cada asiento de la mesa.