Ingeniero de prompts: en qué consiste el trabajo, cuánto paga y si todavía existe

En resumen: un ingeniero de prompts diseña y depura las peticiones que se le hacen a los modelos de IA para que resuelvan una tarea real de forma fiable. Como puesto con nombre propio, el rol se ha disuelto casi por completo: la habilidad se mudó dentro de otros perfiles. Pero hay algo más interesante que eso. El 17 de julio de 2026 auditamos el mercado de cursos que venden esta «profesión» y descubrimos que los cursos con las palabras «prompt engineering» en el título enseñan casi cualquier cosa menos a depurar un prompt. Abajo: nuestras cifras, las reseñas literales y qué aprender en su lugar.

Qué hace de verdad un ingeniero de prompts

El nombre engaña. Suena a alguien que se pasa el día componiendo frases elegantes para un chatbot. En la práctica el trabajo se parece más a depurar software. El encargo es: «haz que el modelo dé un resultado utilizable con mil entradas distintas, no solo con tu ejemplo afortunado». De ahí sale el trabajo real:

• Acotar la tarea. Convertir un vago «que la IA se encargue de las consultas de clientes» en un requisito comprobable, con criterios claros de bien y mal.
• Diseñar el prompt. Rol, contexto, formato, ejemplos, restricciones: la base que verás en qué es un prompt y cómo escribirlo.
• Probar. Decenas de casos reales, una ejecución, una comparación entre versiones del prompt. Sin eso, estás adivinando.
• Pelear con los fallos. El modelo se inventa datos, ignora el formato, se rompe con entradas largas, se desvía de la instrucción. Todo eso se arregla en el prompt, en los datos o en la arquitectura.
• Conectar datos y sistemas. A menudo la respuesta tiene que apoyarse en la base de conocimiento de la empresa, no en la memoria del modelo.

Piénsalo antes de seguir: si el modelo fallara en tu tarea un caso de cada veinte, ¿cómo te enterarías de cuál? Saber responder a eso es media profesión. Y, como vamos a enseñarte ahora, es justo la pregunta que casi ningún curso del mercado responde.

De dónde salió el hype y por qué se desinfló

En 2023 los modelos eran más caprichosos y el mercado estaba desorientado. Un par de ofertas de trabajo ruidosas, con sueldos de seis cifras en dólares, llegaron a los titulares y apareció la sensación de una nueva fiebre del oro: «escribe texto en un chat y cobra como un ingeniero sénior». Luego pasaron tres cosas.

1. Los modelos se volvieron más listos. Las versiones actuales entienden mucho mejor una frase humana normal. Los conjuros mágicos del tipo «eres un genio y mi carrera depende de esto» dejaron de producir ningún efecto visible.
2. La habilidad resultó ser alfabetización, no profesión. Como saber usar un buscador o una hoja de cálculo: útil hasta decir basta, pero nadie contrata a un «operador de búsquedas» con plaza propia.
3. Los problemas reales resultaron más grandes que el prompt. Una empresa no necesita el texto de la petición; necesita un sistema que funcione, con datos, evaluación de calidad, control de coste y seguridad. Eso ya es otro rol.

El hype se desinfló en la contratación. No se desinfló en el negocio de vender formación. Esa parte goza de excelente salud, y es la única parte de la historia que se puede medir de verdad. Así que la medimos.

Nuestra investigación: cuánta gente ya «se ha formado como ingeniero de prompts»

El 17 de julio de 2026 sacamos datos de Udemy (a través de la API interna que hay detrás de sus páginas de curso) y de las páginas de reseñas de Coursera. Estos son seis cursos dedicados por entero al prompting. Cuatro llevan las palabras prompt engineering directamente en el título; los otros dos —«Google Prompting Essentials» y «Prompt and Context Engineering 101»— ponen el prompting en el título con otras palabras. Contaremos de las dos maneras.

• Prompt Engineering for ChatGPT (Vanderbilt, Jules White) — 698 444 inscritos, 7 915 reseñas, valoración 4,8, 19 horas.
• Generative AI: Prompt Engineering Basics (IBM) — 654 256 inscritos, 2 313 reseñas, 4,7, unas 10 horas.
• Google Prompting Essentials (Google) — 365 425 inscritos, 7 219 reseñas, 4,8, menos de 10 horas.
• Prompt Engineering Specialization (Vanderbilt) — 138 967 inscritos, 9 151 reseñas, 4,8, 39 horas.
• Prompt Engineering with ChatGPT Masterclass (RPATech, Udemy) — 118 803 alumnos, 57 836 reseñas, 4,48, 4 horas, 41 clases.
• Prompt and Context Engineering 101 (Mike Wheeler, Udemy) — 84 942 alumnos, 24 401 reseñas, 4,31: la peor valoración de nuestra muestra.

Súmalos: esos seis dan 2 060 837 inscripciones. Ponte estricto y quédate solo con los cuatro que llevan prompt engineering literalmente en el título, y aun así te salen 1 610 470. La conclusión no se mueve ni un centímetro en ninguno de los dos casos. Para hacerte una idea de la escala: el curso no técnico más grande de Coursera, Google AI Essentials, tiene 1 876 929 inscritos; Generative AI for Everyone, de Andrew Ng, tiene 814 083. En Udemy el líder, Generative AI for Beginners de Aakriti E-Learning, tiene 409 492 alumnos frente a 121 079 reseñas y una valoración de 4,53.

Esto importa más que cualquier horquilla salarial. Si «ingeniero de prompts» fuera una profesión escasa, dos millones de personas formadas en cursos sobre exactamente esa habilidad ya la habrían cubierto. El nicho no está vacío: está abarrotado. Entrar diciendo «he hecho un curso de prompt engineering» es ponerse en una cola donde cientos de miles de personas llevan escrita la misma línea.

Una salvedad en nuestra contra: «inscrito» en Coursera y «terminado» no son lo mismo, y ninguna de las dos plataformas publica datos de finalización. Así que dos millones es un techo de la competencia, no un recuento de profesionales. Pero el suelo tampoco es, desde luego, «escasez».

Los requisitos: no hace falta código en ningún sitio

Leímos el apartado de requisitos de los cursos más vendidos. Literalmente: «No prerequisites as ChatGPT is a tool anyone can access and use immediately» (Ballinger). «No coding skills needed» (Wheeler). «A desire to learn» (Aakriti). «No prior experience with AI or programming is needed» (Complete AI Guide).

Léelo como una señal de mercado, no como una invitación. Una barrera de entrada equivalente a «ganas de aprender» significa que el curso no filtra a nadie, y por tanto su certificado no le aporta información a ningún empleador. Una profesión en la que se entra sin ningún requisito no se paga como una profesión. No es un juicio moral: es aritmética de la oferta.

También te dice qué venden los cursos en realidad. No un empleo. Acceso a una herramienta que ya no tiene barrera de acceso.

Cuánto cuesta: el descuento de Udemy no existe

Un hallazgo aparte, y el motivo por el que nos metimos en la API. Todo el mundo conoce la rebaja permanente de Udemy: el escaparate de un marketplace se le da muy bien presentar un precio como una oportunidad que se esfuma. En vez de discutir con el escaparate, pedimos la respuesta en bruto de su propio endpoint de precios. Aquí está, sin procesar:

• "price": {"amount": 24.99, "currency": "EUR"}
• "list_price": {"amount": 24.99, "currency": "EUR"}
• "saving_price": {"amount": 0.0}
• "has_discount_saving": false
• "discount_percent": 0

El precio es igual al precio de tarifa. Ahorro: cero. Porcentaje de descuento: cero. La bandera de «hay descuento» es literalmente false. Haga lo que haga la cuenta atrás de la página, no guarda ninguna relación con estos campos.

Las cifras reales a 17.07.2026: 11 de los 12 cursos más vendidos cuestan 19,99 €; uno (Complete AI Guide) cuesta 24,99 €. El Udemy Personal Plan cuesta 20,00 €/mes, o 10,00 €/mes en promoción. Coursera Plus cuesta 50 €/mes o 343 €/año con 14 días para devolverlo. Los programas propios de Google en Coursera salen a 49 $/mes tras una prueba de 7 días.

La conclusión práctica: no dejes que el temporizador te meta prisa. Pagas 19,99 € hoy, 19,99 € mañana y 19,99 € el mes que viene. Lo único que consigue la cuenta atrás es que no leas las reseñas con calma. Y las reseñas merecen leerse.

El hallazgo central: los cursos con «prompt engineering» en el título no enseñan prompting

Repasamos las reseñas y agrupamos las quejas. El grupo más denso es el de la gente que compró un curso justo por la habilidad que anunciaba el título y no la obtuvo. Literales, con autor y estrellas:

• «There is nothing teached about creating a good prompt. It is just an overview of types of prompts» — Geralt O., 01.07.2026, 2★ (Wheeler).
• «No specific guidance on prompt engineering… what to avoid while asking, how to organize your thoughts, how to give feedback to AI based on its answers» — Bharat Ram A., 05.06.2026, 1.5★ (Wheeler).
• «i thought it would go deeper in prompts and have more examples and sessions to master or enhance our current prompts» — Manuel L., 15.06.2026, 2★ (PE for Everyone).
• «Too much background on ChatGPT. Get me to how to prompt GPT» — Mark R., 16.09.2025, 1.5★ (Academind).

Fíjate bien en Bharat Ram A. Enumera tres cosas: qué evitar al preguntar, cómo ordenar tus ideas y cómo darle a la IA feedback sobre sus respuestas. El tercer punto es depuración. Un alumno de pago describió con sus propias palabras el agujero del mercado, porque salió a buscarlo y no estaba.

Manuel L. quiere «master or enhance our current prompts»: la misma petición con otras palabras. Mejorar un prompt que ya existe. No aprender una fórmula: arreglar algo que ya está ahí y no funciona lo bastante bien. Cuatro personas independientes, cuatro cursos distintos, una misma clase que falta.

Y aquí está la queja que explica cómo se llegó a esto. Sobre el curso de prompt engineering con más inscritos de Coursera:

«I finished week 2. And all the lessons could be in 1 lesson. I jumped to week 3, 4, 5 and 6, and I see some concept reapeted» — Shai Mizrachi, 22.07.2023, 1★ (Vanderbilt).

Y sobre el formato en general:

«why read straight from the slide? I can do that. This was not a helpful course at all» — Janie I., 02.07.2026, 1★ (Justin Barnett).

Merece la pena parar aquí. «I can do that» no es una queja sobre un mal profesor. Es constatar que un vídeo que no pasa de ser una diapositiva leída en voz alta pierde contra el texto por definición: el texto viene con el ritmo del lector y con transcripción, gratis. Quien paga 42 horas de su vida al Complete AI Guide está comprando, en tiempo, algo que podría haber leído en una.

Dos más, del mismo grupo y de otros cursos: «50% of this course is reading script like a robot from the slides» — Shashank T., 13.04.2026, 1★. Y sobre el curso de RPATech, con 118 803 alumnos: «Written by AI, delivered by AI. The slides are way too crowded to be useful» — Bradley M., 16.04.2026, 1★.

El agujero estructural: nadie comprueba que hayas aprendido

Ahora la parte que más importa para este tema. Un curso de prompt engineering está obligado a corregir prompts. Y hay exactamente una forma de corregir un prompt: ejecutarlo en un modelo y mirar la respuesta. Una plataforma de vídeo no tiene ningún modelo dentro de la lección. Así que no hay con qué corregir. Esto es lo que sale por el otro lado:

«you send your assignments and immediatly you got your results: 100% correct. I am still speechless. I put all that effort in and have no idea whether I my answer was correct or not» — Shinysheep, 21.09.2023, 1★ (Vanderbilt Prompt Engineering).

Eso no es un profesor vago. Es la consecuencia de una arquitectura: la plataforma no puede evaluar físicamente un prompt, así que da el aprobado. Las quejas vecinas riman todas:

• «Videos are too short and superficial so you end up memorizing sentence by sentence to pass quizzes. Not a learning experience» — Laurie J Phillips, 12.04.2024, 3★ (IBM).
• «quizzes give unhelpful feedback for incorrect answers and just say 'watch the video again'» — Cory Covino, 04.05.2024, 2★ (IBM).
• «All the coding is done in the labs for you. You won't have to debug anything or figure anything out, just press shift-enter» — Cornelius Griggs, 1★ (Generative AI with LLMs).

Griggs describe la misma enfermedad en formato laboratorio: el ejercicio se ejecuta, así que parece práctica, pero nunca hubo nada en juego. «Just press shift-enter» y «100% correct» son el mismo suceso.

Y la guinda. La Prompt Engineering Specialization de Vanderbilt exige una suscripción de pago a ChatGPT+ para hacer las tareas. Un curso que ya estás pagando vía Coursera Plus (50 €/mes) te manda fuera a buscar el modelo. Economía del alumno: unos 70 €/mes por ver vídeos y recibir un «100% correct» automático. Sobre el precio exacto de la suscripción a ChatGPT te seremos francos: no logramos sacarlo de la fuente primaria, todos los dominios de OpenAI devolvieron 403, y la cifra de ~20 $ es secundaria. Los 50 € de Coursera Plus sí salen de su propia página.

El contenido se pudre, y los alumnos lo ven

«Most content is from 2024. This course is not bad for its time, but just too dated now» — Martin F., 27.05.2026, 2★, sobre un curso cuya ficha dice «actualizado 04.2026».

«The content is mostly from 2023. …I invested my 41 hours and Im learning content which is from 2023» — Harsh A., 09.04.2026, 1.5★ (Complete AI Guide).

A veces lo viejo pasa directamente a ser falso: «Stable diffusion, Dalle and Midjourney are not GAN architecture powered. They're diffusion models» — Jose C., 12.05.2026, 1★. El alumno está corrigiendo al curso, y el error vive no solo en la clase sino en los test: es decir, una respuesta correcta se marca como mal.

La causa es aburrida y estructural: volver a grabar vídeo sale caro, editar texto no cuesta casi nada. En un campo donde las herramientas cambian cada trimestre, esa diferencia lo decide todo. Fíjate en la distancia entre el «actualizado 04.2026» de la ficha y el «casi todo el contenido es de 2024» de la reseña: la fecha de la ficha mide cuándo alguien tocó el curso, no cuándo el contenido era cierto.

Sobre los sueldos, con honestidad

Seguro que has visto artículos con cifras concretas. Trátalos con cuidado: los números suelen salir de un puñado de anuncios ruidosos en el pico del hype, de agregadores con muestras minúsculas o de informes de empresas a las que les conviene que el tema interese. Hoy no existe un «sueldo medio de ingeniero de prompts» fiable, porque no existe un puesto estable y extendido con ese nombre. Aquí no publicamos ninguna cifra salarial a propósito: no tenemos ninguna fuente por la que pondríamos la mano en el fuego, y inventarse un número verosímil es exactamente lo que hacen los artículos de los que te estamos advirtiendo.

Lo que sí se puede decir sin mentir: te pagan por un rol, no por prompts. Ingeniero de ML, científico de datos, desarrollador de IA, product manager con especialización en IA: esos puestos tienen mercado real y horquillas reales, y el prompting es uno de tantos requisitos, no un sustituto del resto. Si ves un «conviértete en ingeniero de prompts en un mes y gana X», eso vende un mito, no orientación profesional.

Puedes comprobarlo en cinco minutos sin fiarte de nosotros: abre cualquier portal de empleo y busca la frase exacta «prompt engineer», y después «AI engineer» o «machine learning engineer». La diferencia en el número de resultados te dirá más del mercado que cualquier encuesta salarial. Ya que estás, lee los requisitos de las pocas ofertas que sí aparezcan: casi seguro pedirán código, datos y experiencia en el sector, con el prompting como un punto de diez.

Pon eso al lado de nuestras cifras de inscripciones y el cuadro se cierra. Oferta: 2 060 837 inscripciones en cursos que enseñan exactamente esta habilidad. Demanda: un término de búsqueda que apenas devuelve resultados. De esa combinación no sale ningún sueldo.

Qué aprender en lugar de la «profesión»: a depurar

Juntemos los hallazgos. Todo el mundo enseña «esta es la fórmula del prompt». Casi nadie enseña: el prompt no ha funcionado, ¿qué cambias primero? Las cuatro reseñas de arriba piden justo eso. Lo cual la convierte en la habilidad que te separa de dos millones de personas con certificado.

Depurar un prompt es un ciclo, no una iluminación:

1. Nombra el síntoma con precisión. No «mala respuesta», sino: se inventó un dato; ignoró el formato; demasiado genérico; tono equivocado; se rompió con una entrada larga; respondió a otra pregunta. Enfermedades distintas, curas distintas. La mayoría se queda en «malo» y luego reescribe al azar.
2. Cambia una cosa cada vez. Toca cinco y nunca sabrás cuál funcionó. Es literalmente la misma regla que en cualquier depuración.
3. Prueba con varias entradas. Una respuesta buena no es un resultado, es una casualidad. Los modelos no son deterministas; una sola ejecución es una muestra de tamaño uno.
4. Define qué significa «bien». Mientras no haya criterio no estás depurando: estás barajando frases hasta que te guste alguna. Este es el paso que separa el oficio del pasatiempo.
5. Versiona tus prompts. v1, v2, v3 y qué cambió exactamente entre ellos. Dentro de una semana no te acordarás.
6. Reconoce cuándo el problema no es el prompt. Que falten datos no es una cuestión de redacción. Ningún prompt recupera un dato que el modelo nunca recibió. Darse cuenta pronto ahorra días.

Y ahora lo que Udemy y Coursera no pueden ofrecer físicamente. Abajo tienes prompts que funcionan. Cada bloque tiene un botón de Ejecutar: púlsalo aquí mismo y mira cómo llega una respuesta en vivo. Esa es la comprobación que una plataforma de vídeo no puede instalar; no porque no quiera, sino porque no hay ningún modelo en la lección.

Ejercicio 1: diseccionar un prompt malo

Ya está pegado un prompt genuinamente flojo, del tipo que escribe todo el mundo al principio. Ejecútalo y mira qué vuelve.

Eres profesor de depuración de prompts. Disecciona el prompt de abajo.

PROMPT A REVISAR:
"Escribe un post sobre nuestro nuevo producto. Que quede bonito y profesional."

Haz exactamente cuatro cosas:
1. Enumera la información que falta para que la respuesta pueda ser buena siquiera.
2. Nombra los criterios que aquí se piden pero no se pueden verificar, y explica por qué.
3. Predice tres formas concretas en que la respuesta a este prompt saldrá mal.
4. Da una versión mejorada más una tabla: qué cambié -> por qué.

No me halagues. Sé conciso.

Ejercicio 2: predecir los fallos antes de ejecutar

El gesto que marca a un ingeniero: primero pensar dónde se rompe, después ejecutar. El prompt es autosuficiente: la tarea está descrita dentro.

Contexto: voy a darle a una IA esta instrucción para gestionar los correos de soporte.

INSTRUCCIÓN:
"Lee el correo del cliente y clasifícalo como: devolución, envío,
problema técnico u otro. Responde con una sola palabra."

No sigas esa instrucción. En su lugar, haz un análisis de riesgos:
- Cinco formas en que dará un resultado incorrecto con correos reales.
- Para cada una, un correo de ejemplo (2-3 frases) que lo provoque.
- Qué añadir exactamente a la instrucción para cerrar cada caso.
- Aparte: cuáles de estos problemas NO se pueden arreglar con el prompt, y por qué.

Formato: una tabla.

Ejercicio 3: un conjunto de pruebas y una definición de «bien»

El paso que los cursos se saltan y el empleador comprueba.

Ayúdame a construir un conjunto de pruebas para un prompt.

Función del prompt: convertir notas en bruto de una reunión en una lista de tareas
con responsable y fecha límite.

Dame:
1. Diez entradas de prueba - notas breves de reunión, de 3-5 líneas cada una.
   Haz que tres sean casos límite: sin fechas límite mencionadas; con una contradicción;
   una discusión en la que al final no se decidió nada.
2. Para cada entrada, qué cuenta como respuesta correcta.
3. Una rúbrica de cinco criterios puntuados 0/1 cada uno, con umbral de aprobado.
4. Una entrada en la que lo correcto sea negarse y hacer una pregunta.

Escríbelo como un documento acabado, sin preámbulo.

Ejercicio 4: un examen en vivo sobre la habilidad

Ponte a prueba. Aquí no habrá ningún «100% correct» automático.

Examíname sobre depuración de prompts. Reglas:

- Me das UN caso: una tarea, un prompt y la mala respuesta del modelo.
- El caso te lo inventas tú: realista, de trabajo de oficina.
- Yo respondo qué cambiaría primero y por qué.
- Tú me corriges con dureza: qué se me pasó, qué diagnostiqué mal,
  qué hipótesis habría sido más fuerte que la mía y por qué.
- No me des la razón por educación. Si me equivoco, dilo sin rodeos.
- Después de corregir, dame el siguiente caso, más difícil.

Empieza por el primer caso. No expliques teoría antes.

Errores típicos de quien «aprende prompts»

• Coleccionar conjuros. Una lista de 500 prompts no es una habilidad. La habilidad es arreglar el único prompt que de verdad necesitas. Toma nuestros ejemplos de prompts como material de partida, no como recetas.
• Estudiar sin tarea. Un prompt sin un problema real detrás es un ejercicio en el vacío. De ahí sale aquello de «only theory is discussed which we already know» — Aditya Nagavolu, 19.11.2023, 1★.
• Una ejecución equivale a una conclusión. El modelo no es determinista. Que te guste la primera respuesta no demuestra nada.
• Tocar cinco cosas a la vez. Un clásico. Ha mejorado y nadie sabe por qué.
• Creer en el certificado. Mira las cifras de arriba: 698 444 personas en un solo curso. Un certificado no es una señal.
• Correr por culpa de un temporizador. has_discount_saving: false. La cuenta atrás no va del precio, va de tu atención.
• Confundir duración con profundidad. 42 horas y 545 clases en un curso, y la queja más repetida es el relleno: «The course is far too drawn out… padding the course with filler» — Victoria X., 13.02.2026, 2★.

En qué acaba convirtiéndose la gente buena con los prompts

• Ingeniero o desarrollador de IA: construye productos encima de los modelos, con integraciones, agentes y búsqueda sobre bases de conocimiento. Hace falta código.
• Product o project manager con enfoque de IA: sabe dónde encaja la IA, qué rompe y cómo medir el beneficio. Menos código, más cabeza de producto.
• Especialista en calidad de IA: monta conjuntos de pruebas, evalúa salidas, caza regresiones. Poco glamur, mucho valor. Ojo: es justo la habilidad que los cursos sustituyen por un «100% correct» automático, y por eso sigue escaseando.
• Un especialista amplificado en su propio campo: un profesional del marketing, un abogado, un analista o un docente que hace su trabajo bastante más rápido. El camino más habitual y el más infravalorado.

Una tendencia aparte son los agentes de IA: sistemas que ejecutan tareas de varios pasos con herramientas. Ahí el prompt es solo una capa, pero sin él no funciona nada. Una historia vecina es el vibe coding, donde el código se escribe dialogando con un modelo.

Cómo elegir un curso, si aun así quieres uno

Leímos cientos de reseñas y lo redujimos todo a cuatro preguntas. Hazlas a cualquier curso, incluido el nuestro.

1. ¿Dónde voy a ejecutar el prompt? Si la respuesta es «en otra pestaña, con otra suscripción», el curso no va a corregir tu trabajo. Mira Vanderbilt y ChatGPT+.
2. ¿Quién corrige mi prompt? Si es un corrector automático por palabras clave, recibirás un «100% correct» y cero información. Shinysheep puso «all that effort» y no aprendió nada sobre su propia respuesta.
3. ¿Enseña a depurar? Abre el temario y busca la clase en la que un prompt falla. Si no la hay, el curso va de una fórmula, no del trabajo.
4. ¿Cuándo se actualizó el contenido de verdad? No por la fecha de la ficha, sino por las reseñas del último mes. Martin F. encontró material de 2024 en un curso que decía haberse actualizado en abril de 2026.

Y una salvedad honesta sobre nuestros propios datos: la proporción de reseñas negativas (≤3.5★) en Udemy es del 9,61% en Generative AI for Beginners y del 10,36% en el Complete AI Guide; en Coursera está entre el 1,5% y el 3,5%. Dicho de otro modo: la inmensa mayoría de los alumnos está satisfecha, y nosotros leímos a la minoría a propósito. No lo hacemos para demostrar que los cursos son malos, sino porque la minoría descontenta es quien formula con más precisión lo que le falta al producto. Un alumno contento dice «gran curso». Bharat Ram A. te dice qué clase faltaba. Otra limitación que merece mencionarse: el filtro de estrellas de Coursera funciona en el lado del cliente, así que las citas a las que pudimos llegar salen de la página por defecto que ve cualquier visitante; no escogimos a dedo desde el fondo de un filtro de 1★, pero tampoco podemos afirmar que lo viéramos todo.

Por dónde empezar

1. Coge tu propia tarea, no una de manual. La que haces a mano todas las semanas.
2. Aprende la base. Rol-tarea-contexto-formato, ejemplos dentro del prompt, restricciones, permiso para decir «no lo sé».
3. Móntate un conjunto de pruebas. Diez entradas reales y una idea clara de cómo es una respuesta correcta. Eso es lo que separa a un ingeniero de un entusiasta. El ejercicio 3 de arriba te lo monta en una sola ejecución.
4. Aprende a cazar invenciones. Entender por qué se producen las alucinaciones de la IA, y las técnicas contra ellas, es la mitad del valor práctico.
5. Compara modelos. La misma tarea se comporta distinto en cada uno: mira la comparación entre ChatGPT, Claude y Gemini.
6. Lleva un diario. El prompt, qué falló, qué cambiaste, qué salió. Dentro de un mes ese diario es tu portafolio, y convence mucho más que un certificado que tienen otras 698 444 personas.

La conclusión, sin hype

«Ingeniero de prompts» como profesión independiente fue, en buena medida, un fenómeno de una temporada. La habilidad no se ha ido a ninguna parte: dejó de ser un puesto y pasó a formar parte del trabajo normal con IA. Nuestras mediciones añaden la otra mitad de la historia: los sitios que enseñan esta «profesión» le venden la fórmula del prompt a millones de personas y no venden lo único que vale dinero, que es la capacidad de arreglar un prompt que no funcionó. El motivo no son unos autores vagos. Es que no se puede corregir un prompt sin un modelo vivo dentro de la lección, y una plataforma de vídeo no lo tiene. Así que aprende donde puedas pulsar Ejecutar. La parte práctica está en nuestro artículo sobre la IA en el trabajo, la angustia del «¿me van a sustituir?» la tratamos en ¿reemplazará la IA mi trabajo?, y los fundamentos están en qué es un prompt. Si lo quieres de forma sistemática, tenemos nuestro curso de prompt engineering.