Ir al contenido principal
Español— Elegir un idioma
Menú

Prompts condicionales y ramificados

Lección 11 de 16 Actualizado el 5 de noviembre de 2026 Principiante
En esta página
  1. Escribe una regla «si/entonces»
  2. Combina múltiples criterios
  3. Clasifica una lista entera en una sola pasada
  4. Produce múltiples versiones del mismo mensaje
  5. Anida condiciones
  6. Usa condiciones como barreras de seguridad
  7. Tu turno
  8. Puntos clave

Hasta ahora, tus prompts han seguido un camino lineal: una instrucción, un resultado. Las situaciones profesionales reales rara vez son tan dóciles. ¿Qué haces cuando la respuesta correcta depende de una característica que no conocerás hasta procesar el caso, o cuando necesitas cubrir múltiples escenarios en una sola pasada? Los prompts condicionales y ramificados absorben esta variabilidad: en lugar de escribir un prompt separado para cada escenario, escribes la regla que los discrimina una sola vez.

Escribe una regla «si/entonces»

El condicional más simple describe los casos posibles y la acción asociada a cada uno. Imagina que moderas reseñas en el perfil de tu negocio: los comentarios llegan a diario, mezclados, y no todos requieren la misma respuesta.

Analiza esta reseña de cliente y responde adecuadamente.

Reglas:
- Si la reseña es positiva: agradece cálidamente e invítales
  a dejar una reseña en Google
- Si la reseña es negativa: discúlpate, pide
  detalles sobre el problema y ofrece contacto directo
- Si la reseña es una pregunta: responde con hechos y ofrece
  profundizar por correo electrónico
- Si la reseña es spam: indica simplemente "SPAM - eliminar"

Reseña: "[PEGAR RESEÑA AQUÍ]"

Este único prompt cubre cuatro casos y te permite procesar docenas de reseñas sin reescribir nada entre ellas. El cambio es más profundo de lo que parece: ya no clasificas por adelantado para elegir el prompt correcto; la clasificación forma ahora parte de la instrucción.

Combina múltiples criterios

Cuando la respuesta depende de dos o tres variables a la vez, escribe tus condiciones como un árbol de decisión. Un orientador laboral no da el mismo consejo a un profesional junior que cambia de carrera que a un directivo senior que quiere montar una empresa; el siguiente prompt codifica ese discernimiento de una vez por todas.

Eres un orientador laboral profesional.
Un candidato proporciona la siguiente información.
Adapta tus recomendaciones a su perfil.

Perfil del candidato:
- Experiencia: [JUNIOR (0-2 años) / INTERMEDIO (3-7 años) / SENIOR (8+ años)]
- Sector actual: [SECTOR]
- Objetivo: [ASCENSO / CAMBIO DE CARRERA / CREAR EMPRESA]
- Restricción: [GEOGRÁFICA / SALARIAL / TIEMPO / NINGUNA]

Reglas de adaptación:
- Si JUNIOR + ASCENSO: céntrate en habilidades a adquirir
  y formación relevante
- Si JUNIOR + CAMBIO DE CARRERA: enfatiza habilidades transferibles
  y sugiere puentes concretos
- Si INTERMEDIO + ASCENSO: propone estrategias de posicionamiento
  y networking dirigido
- Si INTERMEDIO + CREAR EMPRESA: evalúa la viabilidad y propone
  un plan de transición gradual
- Si SENIOR + ASCENSO: orienta hacia roles de liderazgo o
  asesoría, con marca personal
- Si SENIOR + CREAR EMPRESA: aprovecha la experiencia existente
  y la red de contactos

Si hay restricción GEOGRÁFICA: incluye opciones remotas primero.
Si hay restricción SALARIAL: prioriza opciones de ingresos rápidos.
Si hay restricción de TIEMPO: propone un plan acelerado.

Fíjate en la estructura más que en el contenido: la intersección entre experiencia y objetivo determina el fondo del consejo, mientras que la restricción actúa como un filtro aplicado sobre el resultado. Separar estos dos niveles en lugar de combinarlo todo evita escribir dieciocho reglas cuando con nueve basta, y te permite añadir una cuarta restricción mañana sin reescribir todo el árbol.

Clasifica una lista entera en una sola pasada

El mismo mecanismo convierte una tarea manual de cualificación en una única operación. En una exportación de leads, las condiciones actúan como una rejilla de puntuación, y la tabla impone un entregable que el equipo de ventas puede usar de inmediato, sin reformatear.

Aquí tienes una lista de 10 leads de ventas. Para cada uno, evalúa
la prioridad y propone la acción de seguimiento adecuada.

Reglas de puntuación:
- Si el lead visitó la página de precios: CALIENTE -> proponer una llamada
- Si el lead descargó un libro blanco: TIBIO -> enviar un
  correo de nurturing personalizado
- Si el lead solo se suscribió al boletín: FRÍO -> añadir
  a la secuencia automatizada
- Si el lead solicitó una demo: MUY CALIENTE -> llamar en 24 h

Para cada lead, produce:
| Nombre | Comportamiento | Puntuación | Acción recomendada | Mensaje personalizado (2 líneas) |

Leads:
1. Marie L. - visitó precios + descargó el libro blanco "Guía de ROI"
2. Thomas D. - se suscribió al boletín hace 3 meses, sin actividad desde entonces
3. Sophie R. - solicitud de demo recibida ayer, empresa de 200 empleados
[...]

Una precaución antes de pegar una lista como esta: implica datos personales. Comprueba qué permiten tu plan y las normas de tu empresa. En los planes Business, Enterprise y Edu, OpenAI no usa tu contenido para entrenar sus modelos por defecto; en los planes personales, podría usarse para entrenamiento a menos que lo hayas desactivado en la configuración de control de datos. En cualquier caso, conserva solo la información necesaria para la clasificación, por ejemplo un nombre de pila y una inicial en lugar de nombre completo y dirección.

Produce múltiples versiones del mismo mensaje

Una variante útil consiste en no pedir una elección, sino todas las ramas a la vez. Esta es la situación típica de un anuncio delicado que debe circular entre diferentes audiencias sin contradecirse nunca de un canal a otro.

Estamos preparando un anuncio sobre una reestructuración del equipo de ventas.
Escribe 3 versiones del mensaje según el contexto.

Escenario A - Reunión de equipo (tono directo, transparente):
El anuncio se hace en persona al equipo afectado.
Prioridad: honestidad y abordar preocupaciones.

Escenario B - Correo interno a toda la empresa (tono factual, tranquilizador):
Información general enviada a todos los empleados.
Prioridad: claridad y estabilidad del mensaje.

Escenario C - Comunicación a clientes (tono profesional, confiado):
Mensaje destinado a clientes clave que tienen un contacto dedicado.
Prioridad: continuidad del servicio y confianza.

Para cada escenario, produce:
1. El mensaje completo (máx. 200 palabras)
2. Las 3 preguntas probables y respuestas preparadas
3. El principal punto de vigilancia

Obtener las tres versiones en una sola respuesta no es solo un ahorro de tiempo; es una victoria de coherencia: el modelo tiene las otras dos a la vista mientras redacta cada una, algo que no ocurriría si abrieras tres conversaciones separadas.

Construye un árbol de condiciones Cuatro pasos: describe los casos posibles; escribe una regla si/entonces para cada uno; incluye un caso por defecto; prueba con tres entradas que activen ramas diferentes. SI, ENTONCES, SINO Construye un árbol de condiciones 1 Caso Describe los casos posibles 2 Reglas Si…, entonces… 3 Por defecto Un caso por defecto 4 Prueba Tres entradas diferentes Una condición vaga como "si el tono es medio" no significa nada para el modelo: hazla observable.
Basado en el artículo "Best practices for prompt engineering with the OpenAI API" del Centro de Ayuda de OpenAI (noviembre de 2026).

Anida condiciones

Para compensaciones realmente complejas, anida condiciones como harías en una nota de alcance. El ejemplo siguiente hace que la recomendación dependa de un primer tramo presupuestario y luego, dentro de cada tramo, de un segundo criterio que no es el mismo en todas partes: ciclo de ventas para presupuestos extremos, madurez del mercado para el tramo intermedio.

Ayúdame a elegir la mejor estrategia de adquisición de clientes.

Parámetros de decisión:
- Presupuesto mensual: [IMPORTE]
- Ciclo de ventas: [CORTO (< 1 mes) / LARGO (> 3 meses)]
- Madurez del mercado: [MADURO / EMERGENTE]

Lógica de recomendación:
SI presupuesto < 5.000 €:
  SI ciclo CORTO -> SEO + marketing de contenidos
  SI ciclo LARGO -> LinkedIn orgánico + nurturing por email
SI presupuesto 5.000-20.000 €:
  SI mercado MADURO -> Google Ads + retargeting
  SI mercado EMERGENTE -> Contenidos + eventos del sector
SI presupuesto > 20.000 €:
  SI ciclo CORTO -> Google Ads + LinkedIn Ads + SDR
  SI ciclo LARGO -> ABM (Account Based Marketing) + eventos

Para cada recomendación, detalla:
1. Asignación de presupuesto por canal
2. KPIs a seguir
3. Resultados esperados a 3 y 6 meses

Usa condiciones como barreras de seguridad

Las reglas condicionales no solo sirven para orientar el contenido: pueden monitorizar la calidad de la salida mientras se escribe. Cada «si» se convierte en una instrucción de autocorrección que el modelo aplica a su propio texto, en lugar de dejarte descubrir el problema durante la revisión.

Escribe un artículo de blog de 800 palabras sobre tendencias de comercio electrónico en 2026.

Barreras de seguridad:
- Si mencionas una estadística, cita la fuente o indica
  "estimación" entre paréntesis
- Si afirmas que una tendencia es "la más importante", justifica
  con al menos 2 argumentos
- Si un párrafo supera las 100 palabras, divídelo en dos
- Si usas un término técnico, añade una explicación entre
  paréntesis la primera vez
- Si no encuentras un ejemplo concreto para un punto, márcalo
  con [AÑADIR EJEMPLO]

Tu turno

Construye y prueba tu propio árbol de decisión. Elige una tarea que repitas donde los escenarios varíen y ajústala a esta matriz.

[TU TAREA RECURRENTE]

Condiciones:
- Si [CONDICIÓN A] entonces [ACCIÓN A]
- Si [CONDICIÓN B] entonces [ACCIÓN B]
- Si [CONDICIÓN C] entonces [ACCIÓN C]
- Si no se aplica ninguna condición: [ACCIÓN POR DEFECTO]

Aplica estas condiciones a:
[TUS DATOS]

Luego, prueba con al menos tres entradas diferentes, elegidas para activar ramas distintas. Esta prueba casi siempre revela uno de los tres defectos clásicos. Una condición formulada en términos vagos —«si el tono es medio»— no significa nada para el modelo: sustitúyela por un criterio objetivo o proporciona un ejemplo de cada categoría. La ausencia de un caso por defecto deja al modelo improvisar en cuanto una entrada se sale del marco esperado, y ahí es donde aparecen respuestas incongruentes; la línea «else / en todos los demás casos» nunca sobra. Por último, más allá de seis o siete ramas, el prompt se vuelve imposible de mantener: no sabrás cuál produjo un resultado dado. Simplifica o divídelo en varios prompts encadenados.

Fuentes oficiales: Best practices for prompt engineering with the OpenAI API · How your data is used to improve model performance (Centro de Ayuda de OpenAI)

Puntos clave

  • Los prompts condicionales adaptan la respuesta a diferentes casos mediante reglas «si/entonces».
  • La ramificación multicriterio permite gestionar situaciones complejas en un único prompt.
  • El procesamiento por lotes con condiciones automatiza el análisis de listas enteras.
  • Los prompts multi-escenario producen varias versiones adaptadas a diferentes contextos.
  • Incluye siempre un caso por defecto y limita el número de ramas para mantener la claridad.
  • Antes de procesar datos personales, comprueba qué permiten tu plan y tu empresa, y minimiza los datos a lo estrictamente necesario.