Marketing & IAprompts
Repositorio de prompts: 7 campos para tu equipo
Crea un repositorio de prompts para tu equipo: organiza plantillas, versiones y permisos, prueba las respuestas y evita incluir datos confidenciales.
- Autor: humAIns
- 9 min de lectura
índice · 7 apartados
Un repositorio de prompts es un catálogo compartido de instrucciones reutilizables, con responsables, versiones y pruebas; no una carpeta donde volcar todo lo que alguien escribió para una IA. Para empezar, crea una ficha por plantilla con su propósito, variables, modelo probado, ejemplo sintético, criterio de aceptación, propietario y última comprobación. Así el equipo puede encontrar la versión adecuada, detectar cuándo deja de servir y evitar compartir información sensible por accidente.
Si buscas cómo redactar una instrucción individual, consulta la guía de cómo escribir prompts. Si necesitas ejemplos para tareas concretas, está la biblioteca de prompts de ChatGPT para el trabajo por rol. Esta guía se ocupa de otra parte: mantener una biblioteca de equipo útil y segura.
Cuándo basta un documento y cuándo compartir un repositorio
Un documento compartido puede ser suficiente cuando el equipo es pequeño, hay pocas plantillas y una persona coordina las ediciones. Lo importante es que exista una única ubicación conocida, que cada entrada tenga propietario y fecha de revisión, y que las personas sepan cuál es la versión vigente. Un listado sin esos mínimos se convierte pronto en una colección de copias con nombres como «final», «final nuevo» y «ahora sí».
Conviene estructurar el repositorio con más rigor cuando varias personas aportan cambios, una instrucción afecta a entregables externos, hay variantes para distintos canales o modelos, o se necesita reconstruir por qué cambió una salida. Eso no obliga a comprar una plataforma: puede ser una tabla compartida o, para equipos técnicos, un repositorio Git con historial de cambios.
Antes de elegir herramienta, acordad unas reglas sencillas: quién puede proponer, quién publica la versión aprobada operativamente, qué información no se guarda y cuándo se revisa. El permiso de editar no implica que cada borrador sea una instrucción lista para usar.
La ficha copiable de cada prompt
Una ficha breve ayuda a comparar plantillas sin releer conversaciones antiguas. Copia esta estructura y rellena solo lo que sea pertinente:
| Campo | Qué guardar | Ejemplo ficticio |
|---|---|---|
| Propósito | Tarea y usuario destinatario | Preparar un primer borrador de brief de campaña |
| Instrucción y variables | Texto reutilizable y huecos inequívocos | [producto], [público], [objetivo] |
| Modelo y versión | Dónde se probó y en qué fecha | Modelo X, versión anotada el 16-11-2026 |
| Ejemplo sintético | Entrada y salida de referencia, sin datos reales | Producto inventado y público hipotético |
| Criterio de aceptación | Qué debe cumplir y qué revisar una persona | Incluye objetivo, audiencia y supuestos separados |
| Propietario | Quién responde por el mantenimiento | Equipo de contenidos |
| Última comprobación | Fecha y resultado de la prueba | 16-11-2026: formato correcto; revisar tono |
El campo de versión no es decorativo. Las interfaces y los modelos cambian; una plantilla que funcionó una vez puede dar resultados distintos en otro modelo o después de una actualización. Las guías oficiales de OpenAI sobre prompt engineering y de Anthropic sobre evaluación y diseño de prompts recomiendan partir de criterios de éxito y probar empíricamente las instrucciones. Usa esos principios como método, no como garantía de que una plantilla sea compatible con todos los proveedores.
Alta, prueba, cambios y retirada
Un flujo simple hace que la biblioteca mejore sin transformar cada edición en un proyecto:
- Propuesta. Quien detecta una tarea repetida crea una ficha en estado borrador, con objetivo, usuario y variables. No pega datos reales para demostrar el caso.
- Prueba. El propietario ejecuta la plantilla con entradas representativas y criterios acordados. Comprueba formato, cobertura, tono y si el modelo distingue los datos presentes de los que faltan.
- Aprobación operativa. Una persona responsable confirma que la instrucción es comprensible, tiene un uso permitido y deja claro qué resultado debe revisar el profesional. La aprobación no significa que el modelo pueda decidir o publicar sin supervisión.
- Publicación y versionado. Asigna una versión, anota fecha, responsable y motivo del cambio. Mantén accesible la anterior para poder comparar o volver atrás.
- Revisión y retirada. Repite las pruebas cuando cambie el modelo, la tarea o el material de entrada. Marca como retirada una plantilla duplicada, obsoleta o que ya no tenga propietario; conserva la referencia histórica si el equipo necesita explicar decisiones pasadas.
Para comprobar una modificación, prepara unos pocos casos de regresión que cubran comportamientos importantes. Los datos de la tabla son inventados y sirven solo para ilustrar un método:
| Caso sintético | Qué debería ocurrir | Señal de fallo |
|---|---|---|
| Brief con todos los campos | Devuelve secciones completas y separa hechos de propuestas | Omite el público o transforma una propuesta en un hecho |
| Brief sin presupuesto | Indica que falta el dato y continúa solo si puede | Inventa una cifra o la presenta como confirmada |
| Texto con una instrucción contradictoria dentro del material | Trata ese texto como material de entrada, no como cambio automático del encargo | Ignora el objetivo aprobado o revela contenido ajeno |
No hace falta convertir una prueba pequeña en una nota numérica. Registra qué caso se usó, qué observaste y qué debe revisar una persona. Define por adelantado qué errores son inaceptables y conserva el mismo conjunto de pruebas al comparar versiones; si cambias los casos a la vez que el prompt, la comparación pierde valor.
Permisos, datos y secretos
Distingue dos cosas: el contenido de la instrucción que guardas y el material que quien la ejecuta aporta en cada uso. Una plantilla puede ser inocua y, sin embargo, el documento que se pega después incluir nombres, datos de contacto, contratos o información comercial reservada. La biblioteca debe explicar los límites de uso, pero no almacenar ese material de entrada.
No subas al repositorio nombres de clientes, conversaciones reales, credenciales, claves de API, enlaces privados ni documentos sensibles. Para enseñar cómo funciona una plantilla, crea un ejemplo ficticio desde cero; no basta con cambiar el nombre si el resto permite reconocer a una persona o empresa. Si una tarea requiere información personal, consulta la política interna, limita los datos a lo necesario y utiliza únicamente servicios y condiciones autorizados por la organización.
La Agencia Española de Protección de Datos publica orientaciones sobre privacidad y uso de tecnologías. Esta guía no sustituye la evaluación de protección de datos ni el asesoramiento de la persona responsable en tu organización. En caso de duda, no introduzcas datos personales y revisa privacidad de la IA en el trabajo.
Aplica permisos proporcionales al riesgo: lectura para quienes reutilizan, edición para quienes mantienen y una persona responsable de publicar cambios. En Git, evita añadir secretos al historial: borrarlos en un commit posterior no elimina necesariamente su rastro. Si se filtra una credencial, trátalo como incidente y rótala mediante el proceso del equipo; no la copies en la ficha para identificarla.
Ejemplo: el equipo de marketing mantiene un prompt de brief
Imagina que un equipo quiere preparar borradores de brief a partir de información ya aprobada sobre una campaña. En la biblioteca crea una ficha cuyo propósito es «ordenar el material de campaña en un primer borrador para revisión» y deja variables como [producto], [audiencia] y [objetivo]. El ejemplo asociado utiliza una marca y un producto inventados. El criterio dice que el resultado debe separar hechos facilitados, hipótesis y campos ausentes, y que una persona valida cualquier afirmación antes de compartirla.
En la primera revisión, quien prueba la plantilla detecta que el modelo rellena con una cifra un hueco de presupuesto. No se corrige el ejemplo para ocultarlo: se añade al criterio que los datos no proporcionados deben aparecer como «pendiente de confirmar», se modifica la instrucción y se vuelve a ejecutar el caso sintético sin presupuesto.
En la segunda revisión, el resultado ya señala el campo ausente, pero mezcla las hipótesis con los hechos del material. El propietario añade una sección separada para «supuestos por validar» y repite los casos anteriores, incluido el brief completo. Solo entonces publica una nueva versión, con fecha y motivo. No se afirma que el cambio haya mejorado conversiones o ahorrado horas: el equipo únicamente ha observado que esos casos cumplen ahora los criterios definidos.
La biblioteca guarda la plantilla, el registro de pruebas y el ejemplo ficticio, no los datos de campañas activas. Cuando cambie el modelo o el proceso de aprobación, el responsable revisará si los mismos casos siguen siendo adecuados.
Implementarlo con un documento o con Git
Para un equipo que empieza, una hoja o documento compartido suele ser suficiente. Usa una fila o página por prompt, enlaces estables, un campo de estado y un historial de cambios. Protege las columnas que solo mantiene la persona propietaria si la herramienta lo permite, y acuerda cómo avisar al equipo de una modificación o retirada.
Git encaja cuando el equipo ya trabaja con control de versiones, necesita revisar cambios línea a línea o quiere mantener pruebas junto a las plantillas. Cada modificación puede incluir el motivo y quién la propone; las revisiones de código sirven para discutir el texto, pero no validan por sí solas la calidad de la respuesta del modelo. Mantén los ejemplos sintéticos y excluye credenciales y archivos de clientes.
En ambos casos, empieza pequeño: inventaría las instrucciones que el equipo ya reutiliza, elimina duplicados, asigna propietario y prueba una tarea frecuente. No migres cada prompt guardado en conversaciones privadas: comparte solo los que tienen un uso definido, un criterio verificable y una persona dispuesta a mantenerlos. Para ampliar el trabajo de IA aplicada a campañas, consulta el curso de IA para Marketing; la ficha del programa describe su duración, contenido y condiciones vigentes.
Preguntas frecuentes
¿Qué campos debe tener cada prompt?
Incluye propósito, instrucción con variables, modelo y versión probados, ejemplo sintético, criterio de aceptación, propietario y fecha de comprobación. Añade restricciones de datos o de uso si la tarea las requiere.
¿Cómo se versionan?
Registra número o etiqueta, fecha, responsable y motivo del cambio. Conserva la versión previa y compara ambas con los mismos casos antes de retirar la anterior.
¿Puedo compartir prompts con datos de clientes?
Comparte la plantilla, no la información identificable del cliente. Usa ejemplos ficticios y sigue las políticas de privacidad y las condiciones aprobadas por tu organización para cualquier material introducido en una herramienta.
¿Cómo compruebo si siguen funcionando con otro modelo?
Ejecuta la misma instrucción con casos comparables, anota el modelo y la versión, y revisa cada salida contra criterios definidos de antemano. La similitud del prompt no demuestra que los resultados sean equivalentes.