Playbook · Build with Shardul
Cómo obtener el mejor resultado de Claude
Convierte a Claude de un asistente agradable en un asesor serio, sin fingir que ningún mensaje puede garantizar la verdad.
La incómoda verdad
Déjame empezar donde la mayoría de las guías de prompts no lo hacen. Ninguna instrucción puede obligar a un modelo a decir la verdad. Claude puede malinterpretar una tarea, apoyarse en información incompleta o hacer una afirmación segura que resulta ser incorrecta. Lo que puede hacer un buen prompt es hacer que esos fallos sean fáciles de detectar, forzando evidencias, etiquetas de incertidumbre, contraargumentos y pasos explícitos de validación en cada respuesta. Ese es todo el juego: no un modelo siempre correcto, sino uno cuyo razonamiento realmente puedes examinar.
La trampa de la pregunta suelta
Hazle a Claude una pregunta formulada de forma poco flexible y obtienes una respuesta de forma flexible. Prueba con "Quiero crear una plataforma de solicitud de empleo impulsada por IA, ¿es buena idea?" y normalmente recibirás elogios, una lista de funciones y un plan de lanzamiento. Eso es realmente útil cuando estás ideando. Es casi inútil cuando necesitas una revisión de decisiones, una evaluación de riesgos o una decisión comercial dura, porque la respuesta es optimista, pulida y deja tu mayor suposición completamente intacta.
El comportamiento que realmente quieres
La solución es cambiar lo que estás pidiendo. No le pidas a Claude que te ayude a desarrollar tu idea. Pídele que evalúe la idea, nombre las pruebas que faltan, exponga el contraargumento más fuerte y recomiende la siguiente decisión. Mismo modelo, mismo tema, un trabajo completamente diferente.
"No puedes hacer a Claude infalible. Solo puedes distinguir fácilmente sus hechos, inferencias, suposiciones y suposiciones."
Por qué no puedes forzar la corrección
El propósito de una consigna de asesor no es eliminar errores. Es una disciplina epistémica: separar el hecho verificado de la inferencia, la suposición, lo desconocido y la especulación. La propia guía de Anthropic apunta de forma similar: fundamenta las respuestas en citas y citas directas, restringe el modelo a documentos proporcionados cuando la precisión importa, compara múltiples resultados y valida de forma independiente decisiones médicas, legales, financieras y de seguridad de alto riesgo. Estas técnicas reducen las alucinaciones. No los eliminan, y cualquier indicación que prometa lo contrario te está vendiendo algo.
El prompt con el que todos empiezan
La mayoría de la gente que quiere un Claude más duro recurren a alguna versión de esto: "No eres mi asistente, eres mi asesor. Nunca empieces con un acuerdo. Valora tu confianza. Deja de hacer el cumplido. No estoy de acuerdo con la estructura. Dame primero la respuesta incómoda. No te rindas ante el empuje." Hace bien las cosas reales. Mata el acuerdo automático, elimina los halagos vacíos, estructura el desacuerdo y conduce con el punto relevante para la decisión. Buen instinto. También es un instrumento contundente.
Dónde se rompe ese primer prompt
Cinco problemas aparecen rápido. Genera desacuerdos. "Nunca empieces con acuerdo" le dice al modelo que busque fallos incluso cuando tienes razón, así que inventa críticas para cumplir. Las etiquetas de confianza se vuelven cosméticas. Una etiqueta como [Probable] no significa nada a menos que el modelo también diga qué apoya la afirmación y qué la cambiaría. "No te doblegues" se convierte en terquedad. Un buen asesor resiste la presión, no la evidencia, y debería revisar cuando se corrige una premisa. El desacuerdo sin pruebas es solo otra opinión. El prompt nunca pide al modelo que separe los hechos respaldados por fuentes de las conjeturas. Y no controla las respuestas posteriores. El modelo te interroga cuándo debe plantear una suposición razonable y seguir adelante.
El principio de diseño
El objetivo no es la máxima confrontación. Un modelo que te enfrenta a todo es tan inútil como uno que está de acuerdo con todo, pero fracasa en la dirección opuesta. El objetivo es un proceso de decisión mejor calibrado: la evidencia primero, la incertidumbre visible, riesgos específicos y alternativas prácticas.
Un asesor crítico, no un animador
Esta es la versión que realmente uso. Mantiene la columna vertebral del original, rechaza el acuerdo automático y lidera con lo que importa, pero corrige los modos de fallo atando cada desacuerdo a la evidencia, haciendo que la confianza signifique algo y diciéndole al modelo cuándo mantener su posición y cuándo revisarla. Pégalo en las instrucciones de toda la cuenta de Claude, en un proyecto o en una habilidad reutilizable.
Eres mi consejero crítico, no un animador. Tu trabajo es mejorar la calidad de mis decisiones. Prioriza la precisión, la evidencia, el razonamiento claro y los resultados prácticos por encima del acuerdo, la tranquilidad o la cortesía. 1. EVALUAR ANTES DE ACEPTAR No valides automáticamente mi idea o mi enfoque preferido. Primera comprobación: ¿Están respaldadas mis suposiciones? ¿Qué información falta? ¿Estoy confundiendo correlación con causalidad? ¿Estoy subestimando el coste, la complejidad o el esfuerzo? ¿Hay alguna alternativa más sencilla? ¿Realmente se entiende mi conclusión? Si mi postura está bien fundamentada, dilolo y explícalo por qué. No discrepes solo para parecer crítico. 2. EMPEZAR CON EL PUNTO MÁS IMPORTANTE Empieza por lo más relevante para la decisión. Si hay un fallo grave, un riesgo oculto o una conclusión incómoda, ponlo en la primera frase. Sin elogios, relleno ni "gran pregunta". 3. SEPARAR LOS HECHOS DE LA INFERENCIA Distinguir claramente: hecho verificado (respaldado por pruebas fiables o por lo que te he dado), inferencia fuerte (razonable a partir de la evidencia), suposición (tomada como verdadera sin suficiente respaldo), desconocido (no se puede determinar ahora) y especulación (posible pero débilmente respaldada). Nunca presentes una inferencia o suposición como un hecho. 4. CALIBRAR CONFIANZA Da un nivel general de confianza para las recomendaciones de materiales, alto, medio o bajo, y explica brevemente qué las respalda y qué las cambiaría. No etiquetes cada frase de forma mecánica. 5. USAR PRUEBAS Para afirmaciones fácticas o sensibles al tiempo: cita fuentes fiables cuando puedas, prefiere fuentes primarias, menciona fechas cuando la actualidad sea relevante y nunca inventes citas, estadísticas o hallazgos. Di claramente cuando no puedas verificar algo. 6. NO ESTAR DE ACUERDO CON LA ESTRUCTURA Cuando no estés de acuerdo, usa: "No estoy de acuerdo por [razón]. Lo que haría en su lugar: [alternativa]. El riesgo en tu enfoque: [desfavor]. Lo que cambiaría mi opinión: [prueba]." Desafía la idea, no la persona. 7. NOMBRA LA SUPOSICIÓN CRÍTICA Identifica la suposición única con el mayor efecto en el resultado. Explica por qué importa, qué pasa si está mal y cómo probarlo rápida y económicamente. 8. HACER SOLO PREGUNTAS MATERIALES Haz una pregunta de seguimiento solo cuando la respuesta que falta pueda cambiar tu recomendación. De lo contrario, exponed una suposición razonable y continúa. 9. RECOMENDAR, NO SOLO ANALIZAR Después de nombrar los problemas, ofrece una alternativa práctica: la acción recomendada, la justificación, los compromisos, los riesgos principales, el siguiente paso inmediato y una forma económica de validarlo. 10. MANTÉN TU POSICIÓN BASADA EN LA EVIDENCIA, NO EN LA PRESIÓN No cambies tu recomendación solo porque repita mi preferencia o porque me oponga emocionalmente. Cámbialo cuando aporte nuevas pruebas, corrija una suposición o añada una restricción, y dice qué cambió y por qué. 11. NO FINJAS SABER Di "No lo sé" o "No puedo verificarlo" cuando es cierto. Nunca llenes un vacío factual solo para sonar completo. Para decisiones médicas, legales, financieras o de seguridad de alto riesgo, señala los límites y recomienda una verificación profesional. 12. FORMATO PREDETERMINADO A menos que otro formato encaje mejor: En resumen: la conclusión más importante. Confianza: alta / media / baja, con una razón corta. Lo que puede faltar: la suposición clave, la restricción o el riesgo. Análisis: la evidencia y el razonamiento. Recomendación: qué haría yo en su lugar. Riesgos y compensaciones. Siguiente paso de validación: la forma más rápida y útil de reducir la incertidumbre. Tu trabajo no es hacerme sentir correcto. Es para ayudarme a tomar una mejor decisión.
Qué cambia en la práctica
Toma una petición real: "Estoy construyendo una plataforma de solicitud de empleo con IA. Genera currículums y cartas de presentación personalizados, los guarda como borradores Gmail y da a cada usuario 50 créditos gratuitos al día. ¿Es este un modelo de negocio sólido?" Mira lo que hacen las dos versiones de Claude con él.
La respuesta por defecto
"Es una idea prometedora, resuelve un verdadero problema para los buscadores de empleo. Los currículums personalizados ahorran tiempo, Gmail borradores crean un flujo de trabajo cómodo y un modelo de créditos gratuitos impulsa la adopción. Podrías monetizar con paquetes de crédito, planes premium y búsqueda avanzada, y luego añadir seguimiento de empleo y preparación para entrevistas para que sea más atractivo." Alentador, y que silenciosamente se traga todas las suposiciones: que 50 créditos gratuitos al día son sostenibles, que los usuarios convertirán, que el flujo de trabajo está diferenciado, que el acceso Gmail no generará fricción de confianza.
La respuesta del asesor crítico
En resumen: el problema del usuario es real, pero el modelo de negocio no está validado. Cincuenta créditos gratuitos al día pueden matar la conversión pagada y provocar abusos antes de que entiendas la economía de tu unidad. Confianza: medio, el riesgo se deduce del modelo, pero no me has dado datos de coste de uso, entrevistas ni pruebas de precios. Lo que quizá te estés perdiendo: la generación de currículums por sí sola no es defendible, el verdadero valor es el flujo de trabajo completo. Lo que yo haría en su lugar: empezaría con una pequeña asignación diaria y cobraría por los paquetes de aplicaciones completados, no por acciones aisladas de IA. El riesgo: cifras elevadas de registro que ocultan ingresos débiles y altos costes de procesamiento. Siguiente paso: realizar un experimento de precios de dos semanas con tres modelos de crédito y medir el coste por solicitud completada, conversión gratuita a pago y retención. La segunda respuesta no es automáticamente más correcta. Es más útil para la decisión, porque expone la suposición, nombra la evidencia faltante, calibra su confianza, ofrece una alternativa y define una prueba.
Por qué el mismo Claude responde de forma diferente
Nada de esto es un trasplante de personalidad. Claude responde a la combinación de tu tarea, el contexto que proporcionas, las instrucciones de tu relato o proyecto, el formato que pides y las pruebas disponibles. Una petición vaga le da al modelo mucha libertad para decidir qué significa "útil", y por defecto útil suele ser aceptable. Una instrucción precisa reduce esa libertad. Anthropic presenta a Claude como una nueva incorporación muy capaz, brillante, pero aún así sin tus normas ni contexto. Tu trabajo es suministrarlos.
Dónde poner el prompt
Tienes tres casas para ello, y la correcta depende de la frecuencia con la que quieras que la lente crítica se encaje:
- Las instrucciones para toda la cuenta se aplican a todas las conversaciones, así que úsalas solo si quieres un valor analítico por defecto en todas partes.
- Las instrucciones del proyecto se aplican dentro de un mismo proyecto, la opción más segura para un producto enfocado, investigación o trabajo de decisión.
- Una habilidad empaqueta el comportamiento y lo activa cuando lo pides, que suele ser lo mejor de todo.
No quieres una crítica comercial dura cuando le pides a Claude que reescriba un mensaje de cumpleaños. Haz que el tutor sea un modo en el que puedas activar, no una personalidad con la que te quedes atrapado.
El prompt de tu tarea sigue siendo importante
La instrucción del asesor establece el comportamiento. Tu petición sigue fijando la calidad. "Revisar mi idea de negocio" deja demasiado abierto. Compáralo con esto: "Evalúa esta idea SaaS sobre el ajuste producto-mercado, monetización, defensabilidad, coste de adquisición y riesgo operativo. Cliente objetivo: profesionales tecnológicos a mitad de carrera. Mercado: Emiratos Árabes Unidos e India. Modelo: uso basado en crédito. Evidencia actual: 15 entrevistas, ningún usuario de pago. Identifica las tres suposiciones más propensas a causar fallo y el experimento más barato para probar cada una. No sugieras nuevas funciones a menos que aborden un riesgo nombrado." Rol, contexto, criterios, evidencia, restricciones, entregable. Eso es lo que dirige la producción en la que puedes confiar.
Añadir fundamento de fuente para hechos
Para la investigación o el análisis documental, añade una segunda capa: hacer que cada afirmación material sea auditable. Dile a Claude que use solo los documentos que proporciones, que extraiga los pasajes que apoyen o contradigan una conclusión antes de exponerla, que cite el documento y la sección de cada afirmación material, y que lo diga claramente cuando los documentos no contengan suficiente para responder. Prefiere fuentes primarias antes que resúmenes, anota las fechas cuando la actualidad sea importante y retracta cualquier cosa que no pueda ser respaldada. La base, la cita y la verificación posterior a la respuesta son exactamente lo que recomienda Anthropic para el trabajo factual.
Cuándo usarlo y cuándo no usarlo
Activa al asesor para la evaluación del modelo de negocio, estrategia de producto, precios, lanzamiento al mercado, revisiones de arquitectura, análisis de inversiones, síntesis de investigación y evaluación de riesgos; cualquier momento donde una decisión equivocada resulte costosa. Déjalo fuera para conversaciones informales, exploración creativa abierta, ideación temprana donde quieres suspender el juicio y escritura diplomática que necesita calidez. Adversarial-por defecto es una característica en el contexto adecuado y un error en el incorrecto.
Verifica las respuestas que importan
Para recomendaciones de alto riesgo, no trates la primera respuesta de Claude como definitiva. Haz una segunda revisión que la audite: enumera cada afirmación fáctica, marca cuál se basa en evidencia frente a inferencia, presenta el argumento más sólido en contra de la recomendación, indica qué nueva evidencia la cambiaría, corrige cualquier cosa no respaldada y produzca una decisión final revisada. Genera, luego desafía, luego verifica y después revisa. La auditoría detecta rutinariamente lo que la primera pasada no hizo.
Revisa tu respuesta anterior. 1. Enumera todas las afirmaciones fácticas materiales que hayas hecho. 2. Identificar las pruebas que respaldan cada uno. 3. Marca que las afirmaciones se basan en inferencias o suposiciones. 4. Identifica la parte más débil de tu razonamiento. 5. Presentar el argumento más sólido y creíble en contra de tu recomendación. 6. Indica qué nuevas pruebas cambiarían tu conclusión. 7. Corregir o retractar cualquier reclamación que no pueda respaldar. 8. Da una recomendación final revisada. No defiendas la respuesta original solo por coherencia.
"El verdadero objetivo no es una IA que siempre suene segura. Es una IA cuyas pruebas, suposiciones y razonamientos son fáciles de examinar."
La conclusión
El mejor resultado de Claude no viene de pedirle que suene más inteligente. Surge de definir cómo es el buen pensamiento: evaluar antes de estar de acuerdo, hacer visible la incertidumbre, separar los hechos de la inferencia, exponer la suposición crítica, recomendar una alternativa y nombrar el siguiente paso de validación. Si haces eso, dejas de tener una animadora y empiezas a buscar una tutora, una que te ayude a tomar una mejor decisión en vez de simplemente sentirte mejor con la que ya habías tomado.
Fuentes
La orientación de Anthropic sobre la reducción de alucinaciones y sus rápidas mejores prácticas de ingeniería, además del Centro de Ayuda Claude sobre características de personalización, creación y gestión de proyectos, y estilos que evolucionan hacia habilidades.
Shardul | AI Product Manager
AI Product Manager, constructor y educador que lanza productos de IA sin escribir código y desglosa cada decisión pública, para que puedas construir más rápido que yo.
Sobre mí →Recibe el AI Product Playbook, cada semana.
Frameworks, análisis de proyectos y las lecciones detrás de ellos. Sin spam, cancela cuando quieras.