Durante los últimos dos años he observado cómo la ingeniería de prompts aparecía y maduraba. La premisa era sencilla: la inteligencia artificial responde a una instrucción clara, y cuanto mejor sea la instrucción, mejor será la respuesta. Esa premisa se está disolviendo ahora silenciosamente. El prompt no está desapareciendo, pero su función está evolucionando.

La razón merece ser examinada, porque dice algo sobre la naturaleza de la comprensión. En esencia, un prompt es una explicación comprimida de un problema. Pide al usuario que tome todo lo relevante y lo comprima en una única instrucción mínima. La compresión es eficiente, pero también implica pérdidas. El matiz que se pierde durante la compresión suele ser precisamente el matiz que importaba.

Hasta hace poco, ese nivel de resumen era inevitable. Los primeros modelos estaban físicamente limitados a procesar solo una cantidad moderada de texto, o tokens, a la vez, de modo que la brevedad era una necesidad técnica más que una habilidad. Ahora esa limitación ha desaparecido en gran medida. Los sistemas agénticos de IA actuales funcionan con ventanas de contexto que han pasado de unos pocos miles de tokens a cientos de miles y, en algunos casos, a más de un millón. Un modelo puede ahora mantener un proyecto entero, un año de correspondencia, un conjunto de contratos y toda una conversación extensa sin perder un solo hilo.

Cuando desaparece la limitación, cambia el comportamiento óptimo. Ya no hay ninguna ventaja en comprimirlo todo en una única instrucción perfecta. Resulta mucho más eficaz desarrollar la comprensión progresivamente: decir algo, ver qué respuesta llega, corregirla, añadir una condición, cuestionar una suposición y volver a empezar. La precisión deja de ser una propiedad de la petición y pasa a ser una propiedad del intercambio.

Esto importa porque estos sistemas dependen, sobre todo, del contexto. Su resultado es una función de aquello con lo que se les ha proporcionado trabajar y de hasta qué punto ese material describe con precisión el problema en cuestión. Un diálogo no es más que una forma más eficiente de proporcionar ese contexto que una única instrucción, porque permite que los detalles relevantes afloren progresivamente.

No se trata de una idea nueva. Es una de las ideas más antiguas que tenemos. Los diálogos socráticos no eran un recurso literario; eran una reflexión sobre cómo funciona el conocimiento. Sócrates rara vez afirma algo; pregunta, sigue una respuesta con otra pregunta, expone una contradicción, acota una definición y vuelve a preguntar. La afirmación subyacente al método es que la verdad no se transmite de una mente a otra como un paquete. Se descubre gradualmente, mientras dos partes examinan juntas un problema.

Lo que está surgiendo en la interacción entre humanos y máquinas se parece notablemente a eso. Pensemos en un directivo que prepara un proyecto complejo. El instinto propio de la era de los prompts era redactar un informe detallado y pedir un plan. El enfoque dialógico comienza de otra manera. ¿Cuál es el objetivo real? ¿Qué limitaciones son fijas y cuáles se dan simplemente por supuestas? ¿Qué partes se comprenden de verdad y cuáles se están suponiendo? Cada respuesta abre una nueva pregunta. El proyecto se descompone en partes y cada una se examina según sus propios términos.

Solo al final pide el usuario un documento. El plan, el resumen, el registro de riesgos — ya no son el punto de partida del ejercicio, sino su residuo. Registran una conclusión a la que ya se ha llegado, en lugar de fabricar una que aún no existe.

Esto tiene una consecuencia práctica que muchas organizaciones aún no han asimilado. Si la calidad del resultado depende de la calidad del intercambio, entonces la habilidad escasa no es la formulación. Es saber preguntar. Las personas que más obtienen de estos sistemas rara vez son las más técnicas. Son las que saben qué preguntar, en qué orden y cuándo una respuesta todavía no es suficientemente buena.

Sería un error concluir que las conversaciones más largas son automáticamente mejores. Un diálogo que divaga acumula contexto sin acumular claridad, y el contexto no es gratuito: un ser humano debe leerlo, retenerlo, cuestionarlo y, en última instancia, conciliarlo. La disciplina que hacía valioso un buen prompt no desaparece. Simplemente pasa del resumen de una idea a la estructura de su examen.

Por consiguiente, la conversación por voz con la IA se está convirtiendo en el entorno natural para esto, porque hablar estructura las ideas, para nosotros, de forma más rápida, sencilla y natural que escribir. Como resultado, la tecnología se está volviendo sensorial. Hoy, una persona que no sabe programar pero puede mantener una conversación rigurosa con la IA está bien preparada para el trabajo que viene. Una persona que sabe programar pero no puede pensar con claridad o expresar una idea con precisión no lo estará.

El prompt sobrevivirá, pero como movimiento inicial y no como una única instrucción destinada a resolver un problema mientras transporta discretamente un conjunto de suposiciones no examinadas. A medida que aumente nuestra dependencia de estos sistemas, exigirán aportaciones más claras y mejor formuladas, y la forma más fiable de producirlas resultará ser la más antigua que tenemos. Aprender a dar instrucciones a las máquinas no será suficiente. Tendremos que aprender a razonar en voz alta delante de una tecnología que escucha de forma crítica y sentirnos cómodos haciéndolo — para descubrir, en el intercambio, lo que realmente pensamos.