Qué es un prompt

Un prompt no es una palabra clave. Una palabra clave se coteja contra un índice y devuelve documentos; un prompt se procesa como texto y arrastra consigo todo lo que lo acompaña. Esa diferencia explica por qué la lógica de medición del SEO clásico no se traslada directamente a las respuestas generadas.

Lo que llega al modelo casi nunca es solo lo que la persona escribe. Delante suele ir una instrucción de sistema que fija papel, tono y límites, y que el usuario no ve. Detrás va el historial de la conversación, y en muchos productos también fragmentos de documentos recuperados en ese momento o resultados devueltos por herramientas. Todo eso ocupa la ventana de contexto y participa en el cálculo con el mismo derecho que la pregunta.

Conviene además separar el prompt del producto. En una API el prompt es exactamente lo que se envía. En un asistente de consumo, entre el texto tecleado y el modelo hay capas de producto que reescriben, resumen o amplían la entrada. Cuando alguien compara resultados entre la interfaz web y la API del mismo proveedor, esa diferencia suele explicar buena parte de la discrepancia.

Cada token del prompt entra en el cálculo de la distribución de probabilidad del token siguiente. No hay un paso previo que extraiga la intención y descarte la forma: la forma es parte de la entrada. Por eso cambios que a una persona le parecen irrelevantes desplazan el resultado.

La magnitud está medida. Un estudio sobre variaciones que conservan el significado, como separadores, mayúsculas, espaciado y orden de los ejemplos, encontró diferencias de hasta 76 puntos de exactitud dentro de una misma tarea y un mismo modelo. Otro trabajo, con 6,5 millones de casos sobre 20 modelos y 39 tareas, mostró que al reformular la instrucción no solo se mueven las puntuaciones absolutas: cambia también qué modelo queda por delante.

A eso se suma el orden. Lo que aparece antes condiciona todo lo que viene después, así que una lista de opciones dentro del prompt puede favorecer a la primera por su posición. Y luego está el muestreo: con la temperatura por encima de cero, el mismo prompt admite varias continuaciones y la respuesta se sortea entre ellas. En los buscadores con IA hay una capa más, porque el sistema no ejecuta la frase escrita, sino que la descompone en varias consultas paralelas por subtemas y redacta a partir de ese conjunto. El texto tecleado es el punto de partida, no la consulta que corre por debajo.

Quien mide la visibilidad de una marca en respuestas de IA mide siempre, también, su propio cuestionario. La cifra del panel no dice «cuánto se cita a la marca», sino «cuánto se cita a la marca cuando se pregunta así». Cambiar veinte prompts por otros veinte igual de razonables mueve el número sin que haya cambiado nada en el mercado.

De ahí que dos proveedores de medición entreguen porcentajes distintos para la misma empresa en la misma semana y tengan razón los dos. Sus conjuntos de preguntas son distintos: uno pregunta por categoría de producto, otro por el problema del usuario, otro nombra la marca dentro de la pregunta y con eso casi garantiza que aparezca en la respuesta. La discrepancia no es un fallo de uno de ellos, es la propiedad de aquello que se está midiendo.

La decisión que se deriva es concreta. El conjunto de prompts se fija, se documenta y se versiona antes de mirar el primer resultado, igual que un panel de palabras clave, y toda comparación temporal vale solo dentro del mismo conjunto. Si se añaden preguntas a mitad de trimestre, la serie se rompe y la subida del mes siguiente no significa nada. Lo mismo vale al contratar a un proveedor externo: sin ver su cuestionario, su porcentaje no es interpretable.

• Fija el conjunto de prompts por escrito antes de la primera medición y guárdalo con número de versión y fecha.
• Cubre varias formas de preguntar por lo mismo, por categoría, por problema, por comparación y por recomendación, y cuenta cada grupo por separado en vez de promediarlo todo.
• Separa los prompts que nombran la marca de los que no: los primeros miden qué se dice de ti, los segundos si apareces sin que te inviten.
• Repite cada prompt varias veces por modelo y anota la frecuencia de aparición, porque una sola ejecución no representa el comportamiento del sistema.
• Registra junto a cada resultado el modelo, la fecha, el idioma y el país, ya que los cuatro modifican la respuesta.
• Documenta también la instrucción de sistema cuando midas por API; sin ella, otro equipo no puede reproducir tus números.

• Meter la marca dentro del prompt y presentar la mención resultante como visibilidad ganada.
• Ampliar o retocar el conjunto de prompts a mitad de un periodo y seguir comparando la serie como si fuera continua.
• Comparar cifras de dos herramientas sin revisar antes si sus cuestionarios son equiparables.
• Traducir los prompts palabra por palabra a otros idiomas y suponer que miden lo mismo, cuando la forma habitual de preguntar cambia en cada mercado.
• Redactar los textos de la web para un prompt concreto, que puede dejar de usarse en cuanto cambie la interfaz o el modelo.