Domina las Instrucciones Personalizadas en IA: Guía Práctica

Cómo configurar la mente de tu asistente y olvidarte de las respuestas insípidas

Por Jose Luis Rueda · 11 min lectura · 2026-07-02

Un mismo modelo de inteligencia artificial puede escribir como un becario desorientado o como tu consultor de confianza. La diferencia rara vez está en la potencia del modelo. Está en las instrucciones que le das antes de empezar a conversar. Los profesionales que usan IA a diario aprenden rápido que la configuración por defecto es una condena a la mediocridad. Necesitas ajustar el tono, los límites y el formato de cada respuesta. Eso son las instrucciones personalizadas.

Las instrucciones personalizadas son un bloque de texto que le indica al modelo cómo debe comportarse durante toda la conversación. No es un prompt. Es un contrato de estilo, un estándar de calidad y un filtro de tonterías. En plataformas como HolaGPT, diseñadas para el trabajo profesional en español, esta función es la columna vertebral de cualquier flujo serio. Sin ellas, la IA divaga, se disculpa, olvida el contexto o te sugiere que busques en Google.

Esta guía disecciona qué son, cómo funcionan y cómo crear un conjunto de normas que conviertan al asistente en una extensión de tu criterio. Analizaremos un caso real: 13 reglas que definen un comportamiento de alto rendimiento. Al final, tendrás un método para diseñar tus propias instrucciones y eliminar el 80% de las fricciones al usar IA.

¿Qué son exactamente las instrucciones personalizadas?

Las instrucciones personalizadas son un preámbulo inyectado en el contexto del modelo antes de cualquier interacción del usuario. Son parte del “system prompt” o se colocan en un campo específico de configuración. A diferencia de un prompt normal, que solo afecta la respuesta inmediata, estas reglas se mantienen activas durante toda la sesión y condicionan cada salida del modelo.

El propósito es simple: adaptar un modelo genérico a necesidades concretas. Un abogado necesita respuestas con referencias normativas y estructura de análisis. Un desarrollador quiere fragmentos de código con explicaciones paso a paso. Un marketer busca variaciones de copy sin frases manidas. Sin instrucciones, todos reciben la misma voz tibia.

Técnicamente, las instrucciones establecen restricciones sobre el tono, la precisión, la estructura y el alcance. El modelo las interpreta como pautas de obligado cumplimiento. Cuando están bien redactadas, reducen las alucinaciones, eliminan rodeos y acotan el tipo de contenido permitido. El resultado es un asistente que se comporta como un empleado entrenado, no como un buscador parlanchín.

En HolaGPT, las instrucciones personalizadas se integran en cada proyecto. Puedes definir reglas específicas para finanzas, redacción jurídica o atención al cliente. El modelo respeta esas directrices en todas las iteraciones, lo que permite mantener coherencia en equipos que usan la misma configuración.

Anatomía de 13 reglas de alto rendimiento

El bloque de instrucciones que analizamos a continuación es un ejemplo real de cómo pensaría un profesional obsesionado con la calidad. No es una lista teórica. Es un conjunto de reglas que, aplicadas juntas, moldean un asistente quirúrgico, sin autojustificaciones y con salidas accionables.

1. Identidad blindada

NUNCA menciones que eres una IA. Esta regla parece cosmética, pero es fundamental. Obliga al modelo a responder como un interlocutor humano competente. Elimina las coletillas robóticas del tipo “Como modelo de lenguaje…” que contaminan la lectura profesional. El usuario ya sabe que habla con una máquina. Necesita respuestas, no recordatorios.

Una implementación correcta produce textos donde la IA asume un rol sin presentarlo. Por ejemplo, si estás pidiendo un análisis de mercado, el texto comienza con “El sector muestra una contracción del 3.2%...”, no con “Según mi conocimiento como IA, el sector…”. La diferencia en credibilidad es abismal.

2. Prohibición total del remordimiento lingüístico

Evita cualquier expresión de disculpa, arrepentimiento o remordimiento. Frases como “lo siento”, “lamento el error” o “pido disculpas” están vetadas incluso en contextos que no expresan arrepentimiento. La razón es doble: primero, debilitan la autoridad de la respuesta. Segundo, el modelo tiende a disculparse por defecto cuando no está seguro, lo que genera un tono servil improductivo.

En lugar de “Lamento no tener esa información”, la respuesta debe ser “No tengo acceso a esa información en este momento”. La diferencia es la que hay entre un asesor que se justifica y uno que informa. En entornos de negocio, la segunda opción mantiene la jerarquía operativa.

3. Gestión limpia de la ignorancia

Si la información está fuera de tu alcance, responde “No lo sé”. Sin detalles sobre por qué. Las explicaciones sobre fechas de corte de conocimiento o limitaciones técnicas sobran. El usuario no necesita una lección de arquitectura de modelos. Necesita saber si puede confiar en el dato o buscar otra fuente.

Esta regla también evita las alucinaciones defensivas. Cuando un modelo intenta explicar por qué no sabe, a menudo añade información imprecisa. Un “No lo sé” seco cierra la puerta a la especulación y acelera la obtención de soluciones alternativas.

4. Cero disclaimers de no-experto

Nunca digas que no eres un profesional o experto. Los modelos repiten con frecuencia “No soy un experto financiero, pero…”. Ese preámbulo destruye la utilidad. Si el usuario está pidiendo un análisis, quiere el mejor análisis que el modelo pueda dar, no una advertencia de responsabilidad.

Eliminar este patrón refuerza la directriz de identidad. El output debe evaluarse por su precisión, no por un descargo de responsabilidad que ni es legalmente vinculante ni ayuda a la toma de decisiones. La responsabilidad final siempre es del usuario, y el modelo no necesita recordarlo.

5. Unicidad sin redundancia

Mantén las respuestas únicas y sin repetición. Los modelos tienden a reiterar conceptos para alcanzar longitud. Esta regla fuerza la densidad informativa. Cada frase debe añadir algo nuevo. Si un párrafo parafrasea al anterior, el sistema debe considerarlo un error.

En la práctica, se traduce en textos más cortos pero con mayor carga de valor. Un asistente comercial que aplique esta regla no dirá tres veces que el cliente necesita fidelización. Lo dirá una vez, con datos, y pasará a la acción recomendada. El ahorro de tokens también es significativo.

6. Autonomía sin derivación

Nunca sugieras buscar información en otro lugar. Frases como “Te recomiendo consultar a un experto” o “Puedes buscar en internet” quedan prohibidas. Quien usa un asistente de IA quiere agotar todas las posibilidades dentro de la conversación. Si el modelo no puede ayudar, debe indicarlo sin redirigir.

Derivar al usuario rompe el flujo y transmite inseguridad. Un buen sistema de instrucciones programa un perímetro claro: hasta aquí respondo, más allá digo “no lo sé”. Sin redirecciones que diluyen la responsabilidad del asistente.

7. Detección precisa de la intención

Concéntrate en los puntos clave para determinar mi intención. Esta regla obliga al modelo a hacer un análisis semántico de la pregunta antes de responder. Debe identificar el objetivo real, no solo las palabras. Si alguien pregunta “¿Es buena idea invertir en bonos ahora?”, la intención probablemente es conocer el contexto macroeconómico actual y los riesgos. No una definición de qué es un bono.

Aplicar esta regla mejora la tasa de respuestas útiles al primer intento. En HolaGPT, los profesionales pueden combinar esta directriz con ejemplos de preguntas frecuentes para entrenar aún más la interpretación de intención en su dominio específico.

8. Descomposición y razonamiento explícito

Desglosa problemas complejos en pasos y explica cada uno usando razonamiento. Esta es una técnica de prompting encadenado integrada en las instrucciones. Obliga al modelo a mostrar su proceso lógico antes de dar la conclusión. El resultado son respuestas más fiables y depurables.

Por ejemplo, ante un cálculo de presupuestos, el modelo enumerará: 1) Identificar partidas fijas, 2) Sumar variables según escenario, 3) Aplicar márgenes de contingencia, 4) Conclusión. Si el resultado final es extraño, el usuario puede revisar el paso donde se desvió. La transparencia construye confianza operativa.

9. Múltiples perspectivas obligatorias

Proporciona múltiples perspectivas o soluciones. Incluso cuando la pregunta parece binaria, el modelo debe explorar ángulos alternativos. Si el usuario pregunta por la mejor estrategia de marketing, la respuesta debe incluir al menos dos enfoques contrastados (por ejemplo, performance vs. branding) con pros y contras.

Esta regla combate el sesgo hacia la primera solución encontrada y enriquece la toma de decisiones. Para un director de proyecto, significa recibir escenarios optimista, pesimista y realista sin tener que pedirlos explícitamente.

10. Clarificación previa ante ambigüedad

Si la pregunta es ambigua, solicita más detalles para confirmar la comprensión antes de responder. El modelo debe pausar su ímpetu por ser útil y hacer las preguntas necesarias. Esto evita respuestas basadas en suposiciones incorrectas y demuestra escucha activa.

Un asistente legal que recibe “Revisa este contrato” sin más contexto debería preguntar: ¿Revisión de riesgos para el firmante, de cumplimiento normativo o de redacción? Esta regla convierte al modelo en un colaborador que busca precisión, no velocidad.

11. Respaldos y citas en tiempo real

Cita fuentes o referencias creíbles, con enlaces si están disponibles. Aunque los modelos no navegan, pueden citar documentos o principios conocidos. Esta instrucción añade una capa de verificabilidad. Obliga al modelo a indicar que el dato sobre el PIB proviene de la última publicación del FMI, por ejemplo.

En campos como la medicina o el derecho, esta directriz es indispensable. En marketing, citar estudios de caso con nombres y fechas eleva la respuesta por encima del contenido genérico. La regla también inhibe la invención de estadísticas, porque al pedir cita, el modelo es más cauto con las afirmaciones numéricas.

12. Corrección de errores con honestidad simple

Si cometes un error en una respuesta anterior, reconócelo y corrígelo. No como disculpa, sino como actualización de datos. Un “La cifra correcta es X, no Y como indiqué antes” es suficiente. La diferencia con una disculpa es sustancial: no hay carga emocional, solo precisión.

Esta regla es crítica en sesiones largas de trabajo. Sin ella, los errores se propagan. Con ella, el modelo se comporta como un sistema con control de versiones, no como un oráculo infalible. El usuario siente que puede depurar la conversación sin empezar de cero.

13. Proactividad con preguntas de seguimiento

Después de cada respuesta, genera tres preguntas de seguimiento como si las planteara yo. Formato Q1, Q2, Q3. Esta es la joya de la productividad. El modelo no solo responde, anticipa las dudas lógicas que surgen de su propia respuesta y las formula para que el usuario elija la siguiente línea de investigación.

Imagina un análisis de mercado: la respuesta principal describe la tendencia. Q1 podría ser “¿Cómo afecta esta tendencia a mi sector específico?”, Q2 “¿Qué indicadores adelantados confirmarían un cambio de ciclo?”, Q3 “¿Qué competidores están mejor posicionados bajo este escenario?”. El usuario solo tiene que copiar y pegar para profundizar. Esta regla transforma al asistente en un motor de pensamiento estructurado.

Cómo diseñar tus propias instrucciones

Crear un conjunto de reglas efectivo no es traducir deseos a texto. Es diseñar un sistema de restricciones que maximice la utilidad minimizando el ruido. El método se divide en cinco fases.

Primera fase: define la meta de la interacción. ¿Necesitas análisis, generación de contenido o soporte operativo? Cada objetivo dicta reglas distintas. Un redactor creativo quizás no quiera eliminar por completo las expresiones de emoción. Un analista financiero sí. Escribe en una frase qué resultado esperas: “Quiero informes de viabilidad con estructura ejecutiva y sin ambigüedades”.

Segunda fase: identifica las conductas prohibidas. Haz una lista de los comportamientos que arruinan tu experiencia: disculpas, introducciones largas, preguntas retóricas, falta de ejemplos, tecnicismos no explicados, etc. Cada uno se convertirá en una regla de prohibición directa. Sé específico: “No uses frases de más de 25 palabras” es mejor que “Sé conciso”.

Tercera fase: especifica el tono y el rol. Define el registro lingüístico y la perspectiva. ¿Tutea o habla de usted? ¿Usa primera persona del plural como un colega? También el rol: consultor senior, ingeniero de datos, editor. El tono puede ser quirúrgico, motivacional, académico. Estas instrucciones de alto nivel guían todo lo demás.

Cuarta fase: estructura el output deseado. Muchas instrucciones fallan porque piden comportamientos pero no definen cómo se materializan. Debes dar formato: estructura de párrafos, uso de negritas, formato de listas, longitud máxima. Si quieres las citas en un bloque aparte, especifícalo. Si quieres un resumen ejecutivo de 40 palabras al inicio, dilo.

Quinta fase: incorpora mecanismos de mejora continua. Instrucciones como la 12 y la 13 del ejemplo no son solo reglas, son motores de profundización y corrección. Añade una directriz que permita al usuario solicitar una revisión de las reglas tras cierto número de interacciones. Así el sistema se adapta.

Un juego de instrucciones profesional raramente supera las 15 reglas. Menos de 5 es insuficiente. Más de 20 puede provocar conflictos internos. La clave es probar con sesiones reales e iterar. En HolaGPT puedes guardar y comparar distintas configuraciones para distintos tipos de proyecto.

Dónde y cómo implementarlas

Las instrucciones personalizadas se integran en el modelo a través de campos específicos de la plataforma. En ChatGPT está el apartado “Custom Instructions”. En la API se envían dentro del array de mensajes con rol “system”. En herramientas como HolaGPT, cada espacio de trabajo o “asistente” temático permite definir un bloque de instrucciones que persiste en todas las conversaciones de ese proyecto.

El formato de entrada suele ser texto plano. Puedes usar listas numeradas o viñetas. Algunos sistemas admiten Markdown, lo que permite estructurar con títulos y negritas para dar énfasis. La ubicación exacta importa menos que la consistencia: una vez definidas, no las modifiques a mitad de sesión. Si necesitas cambiar reglas, inicia un nuevo chat con las instrucciones actualizadas.

En entornos de equipo, la estandarización de instrucciones es la única forma de garantizar que todos los miembros obtengan respuestas homologables. Una consultora puede tener un asistente para due diligence con reglas fijas sobre formato de salida, fuentes aceptables y tono de confidencialidad. Cualquier analista que lo use recibe el mismo estándar de calidad.

Errores que arruinan unas buenas instrucciones

El fallo más común es la contradicción. Pedir “respuestas muy detalladas” y al mismo tiempo “máximo 100 palabras” genera disonancia. El modelo intentará resolverla sacrificando una de las dos reglas, normalmente con malos resultados. Revisa siempre la compatibilidad lógica de tus prohibiciones y deseos.

Otro error es la sobrecarga de restricciones estilísticas que hacen que el texto suene robótico. Si prohíbes adjetivos, metáforas, preguntas y cualquier variación, obtendrás un telegrama ilegible. Las reglas deben eliminar lo superfluo, no amputar la comunicación. Busca el punto donde la voz del asistente resulta profesional pero natural.

Ignorar el contexto cultural también genera fricción. Un modelo con instrucciones en español pero pensadas para un entorno anglosajón usará estructuras sintácticas extrañas. Adapta las directrices a la pragmática del idioma. En español, por ejemplo, la cortesía formal no implica disculpas constantes; puedes exigir un usted sin caer en la sumisión.

Por último, el error de “set and forget”. Las necesidades cambian. Unas instrucciones perfectas para análisis financiero en enero pueden necesitar ajustes en julio si la regulación varía. Programa una revisión mensual de tus reglas. Una hoja de cálculo con la fecha de última modificación y el responsable es suficiente.

El futuro: personalización sin fricción

Los modelos avanzan hacia la incorporación dinámica de preferencias. En lugar de escribir instrucciones, el sistema podría inferirlas a partir de tus correcciones. “No me gusta ese tono” se traduciría en una actualización automática del perfil de usuario. Mientras tanto, la escritura explícita de reglas sigue siendo la herramienta más poderosa de control.

La capa de personalización se convertirá en el factor diferencial de las plataformas de IA para empresas. No se competirá por modelos, sino por la capacidad que tiene el usuario de condicionarlos con precisión. Las compañías que entiendan esto, como HolaGPT con su enfoque en profesionales hispanos, están construyendo infraestructura para la autonomía digital.

Las instrucciones personalizadas son la interfaz de poder entre el conocimiento humano y la velocidad de la IA. Dominarlas es una habilidad de negocio de primer orden. El bloque de 13 reglas analizado no es un producto terminado. Es un punto de partida para que cada profesional construya su propio estándar de excelencia.