Contexto del proyecto
El ejercicio parte de una idea sencilla: muchas empresas ya utilizan herramientas de inteligencia artificial,
pero no siempre saben cómo pedirles lo que necesitan. Un prompt mal planteado suele generar respuestas genéricas. Un prompt bien estructurado puede convertirse en una herramienta de análisis, ventas, diagnóstico o automatización.
En este caso trabajé con ejemplos vinculados a pymes, ventas consultivas, automatizaciones y negocios locales, especialmente en un contexto empresarial canario. La intención era crear prompts reutilizables, no simples pruebas aisladas.
Objetivo
El objetivo principal fue comprobar cómo cambia la calidad de las respuestas de la IA cuando se modifica la forma de pedir: asignando un rol, aportando ejemplos, solicitando razonamiento previo o definiendo un formato concreto de salida.
- Crear prompts útiles para situaciones comerciales reales.
- Comparar respuestas con y sin ejemplos previos.
- Analizar decisiones empresariales con mayor contexto.
- Preparar salidas adaptadas a distintos usos: cliente, equipo interno o automatización.
1. Role prompting aplicado a ventas B2B
El primer ejercicio consistió en convertir a la IA en un consultor de ventas B2B especializado en pymes canarias.
La situación planteada era una objeción comercial habitual: “Ahora mismo no es buen momento, estamos en temporada alta y no tenemos tiempo para reuniones.”
En vez de pedir una respuesta genérica, el prompt definía un contexto concreto: venta consultiva, enfoque relacional, creación de confianza y necesidad de no cerrar la oportunidad de forma precipitada.
Prompt trabajado
Rol:
Eres un consultor de ventas B2B que conoce muy bien el tejido empresarial de las pymes canarias.
Tarea:
Debes proponer respuestas apropiadas para resolver las objeciones que recibe un comercial de una pyme
cuando ofrece una reunión o intenta avanzar hacia un posible cierre de venta.
Objeción a analizar:
"Ahora mismo no es buen momento, estamos en temporada alta y no tenemos tiempo para reuniones."
Contexto:
Estamos ante una situación de venta consultiva y relacional. No se trata de una venta transaccional.
El comercial debe moverse en un entorno de creación de confianza.
Salida:
Proporciona una breve introducción indicando qué has analizado y por qué.
Después, expón al menos 3 respuestas posibles para tratar esa objeción sin dar por cerrada la oportunidad,
manteniendo un enfoque profesional, cercano y relacional.Qué demuestra este ejercicio
Este caso demuestra que asignar un rol claro mejora la orientación de la respuesta.
La IA deja de responder como un asistente genérico y empieza a actuar como un perfil especializado.
En ventas B2B esto es especialmente útil porque permite adaptar el tono, la estrategia y el tipo de respuesta al contexto real del cliente.
2. Few-shot prompting para mejorar emails comerciales
El segundo ejercicio se centró en emails comerciales. La prueba consistía en dar dos ejemplos previos de correos y pedir a la IA que generase un tercero respetando el estilo, pero mejorando el llamado a la acción.
Esta técnica se conoce como few-shot prompting: en lugar de explicar desde cero lo que queremos, damos ejemplos para que el modelo entienda el patrón de comunicación.
Ejemplos usados
Ejemplo 1:
Hola, Juan.
Soy Luís de la consultoría IAbanana. He visto tu publicación en Linkedin en cuanto al anuncio de la nueva apertura de oficinas en Telde. Me preguntaba si tienes todo organizado para el uso de la IA y las automatizaciones que tienes en marcha para el nuevo personal. La formación y puesta en marcha lleva su tiempo y quisiera ver contigo cómo llevas este asunto al respecto.
Saludos.
Ejemplo 2:
Hola, Victoria.
Soy Raúl de la empresa Informatica Guanche. Se acerca los plazos de presentación de los distintos modelos a Hacienda y es un momento clave para que todos los ordenadores estén al 100 %, sin fallos, operativos y con buena velocidad, sin hablar de la conectividad por cable y Wifi. ¿Tienes a alguien que te lleve el mantenimiento? ¿Cómo van esos equipos? me gustaría hablar contigo sobre ello y estoy encantado de hacer una auditoría sin compromiso.
Saludos.Prompt trabajado
Rol:
Actúa como un experto comercial con habilidades de escritura persuasiva.
Tarea:
Analiza los dos ejemplos de emails comerciales y genera un tercero siguiendo el mismo estilo de comunicación,
tono y contexto lingüístico, pero mejorando el llamado a la acción.
Contexto:
La tasa de apertura de correos es inferior al 10 % y los correos leídos apenas reciben respuesta.
Salida:
Entrega un ejemplo de email mejorado y, al final, explica por qué has usado esa estructura
para que sirva como referencia en próximos casos.Conclusión práctica
Cuando la IA recibe ejemplos, puede mantener mejor el estilo deseado. Esto resulta útil para equipos comerciales, freelancers o negocios que quieren crear mensajes personalizados sin sonar artificiales ni excesivamente agresivos.
La clave no está solo en pedir “escríbeme un email”, sino en mostrarle a la IA cómo se comunica la empresa, qué tono usa y qué debe mejora.
3. IA para toma de decisiones: diagnóstico de un chatbot en hostelería
El tercer ejercicio analizaba si una pyme de hostelería en Gran Canaria debería implementar un chatbot
de atención al cliente. La prueba comparaba una respuesta directa frente a una respuesta donde se pedía razonar antes de concluir.
El resultado fue relevante: cuando se solicita un análisis más ordenado, el modelo tiende a pedir más datos antes de dar una recomendación cerrada. Esto mejora la precisión del diagnóstico.
Prompt trabajado
Rol:
Asume el rol de consultor de negocio especializado en el sector de la hostelería.
Tarea:
Analiza la idoneidad de implementar un chatbot de atención al cliente para una empresa de hostelería,
teniendo en cuenta el volumen de negocio, número de llamadas, consultas por distintas vías
y sistema actual de reservas.
Contexto:
Debes preguntar cuando te falten datos para ajustar de forma precisa la utilidad del chatbot
para el negocio descrito.
Salida:
Presenta un diagnóstico sobre la utilidad o no de un chatbot.
Si consideras que puede ser útil, plantea una estructura fundamental para trabajarlo en otro chat,
incluyendo un prompt listo para copiar y pegar.Aprendizaje obtenido
En decisiones empresariales, la IA no debería usarse solo para obtener una respuesta rápida. Su mayor valor aparece cuando ayuda a ordenar variables, detectar información faltante y plantear una recomendación más prudente.
En este caso, antes de recomendar un chatbot, es necesario conocer datos como:
- Volumen de consultas repetitivas.
- Canales actuales de atención: teléfono, WhatsApp, web, redes sociales o email.
- Tipo de reservas y frecuencia de cambios o cancelaciones.
- Capacidad interna para mantener actualizado el sistema.
- Impacto real en ahorro de tiempo o mejora de atención.
Salida:
4. Output formatting: una misma respuesta en texto, tabla y JSON
El cuarto ejercicio trabajaba la importancia del formato de salida. No siempre necesitamos que la IA responda igual. A veces conviene una explicación clara para un cliente, otras veces una tabla para una reunión interna y, en otros casos, una estructura JSON para integrarla en herramientas como Make, n8n o una aplicación.
Prompt trabajado
Rol:
Eres un consultor de negocio experto en automatizaciones.
Tarea:
Analiza la viabilidad y utilidad de aplicar automatizaciones al negocio que se proponga.
Contexto:
Debes tener suficiente contexto para saber en qué punto se encuentra el negocio.
Evalúa si puede implantar automatizaciones directamente o si antes necesita resolver otros aspectos previos.
Salida:
Entrega la respuesta en tres formatos:
1. Texto libre.
2. Tabla.
3. JSON.
Cuándo usar cada formato
| Formato | Uso recomendado |
|---|---|
| Texto libre | Para explicar un diagnóstico a un cliente no técnico. |
| Tabla | Para reuniones internas, comparativas o propuestas comerciales. |
| JSON | Para pasar información estructurada a Make, n8n, un CRM o una app de automatización. |
Resultado del caso práctico
El trabajo permitió construir una pequeña metodología de uso empresarial de IA basada en cuatro principios:
- Definir el rol: para orientar el criterio del modelo.
- Aportar ejemplos: para mantener estilo, tono y contexto.
- Pedir diagnóstico antes de concluir: para mejorar la calidad de la recomendación.
- Elegir el formato de salida: para que la respuesta sea útil en el siguiente paso del proceso.
La conclusión principal es clara: la inteligencia artificial aporta más valor cuando se usa con método.
No basta con escribir una petición rápida. Hay que definir contexto, objetivo, restricciones y formato.
Aplicaciones reales para empresas
Este tipo de trabajo puede aplicarse en distintas áreas de una pyme o negocio profesional:
- Preparación de respuestas comerciales ante objeciones frecuentes.
- Creación de emails personalizados para captación B2B.
- Diagnóstico inicial de automatizaciones.
- Análisis de idoneidad de chatbots o asistentes virtuales.
- Estandarización de propuestas comerciales.
- Generación de documentación estructurada para CRM o herramientas de automatización.
Mi enfoque
Mi enfoque no consiste en usar IA de forma aislada, sino en conectarla con procesos reales de negocio: ventas, atención al cliente, automatización, CRM y toma de decisiones.
La diferencia está en diseñar instrucciones útiles, probar resultados y adaptar la salida al uso final: una conversación comercial, una propuesta, una automatización o una decisión interna.
Herramientas y capacidades trabajadas
- Prompt Engineering aplicado a negocio.
- IA generativa para ventas B2B.
- Análisis de objeciones comerciales.
- Few-shot prompting para emails.
- Diagnóstico de automatizaciones.
- Estructuración de salidas en texto, tabla y JSON.
- Aplicación práctica en Make, n8n, CRM o documentación comercial.
Conclusión
Este caso práctico demuestra cómo la inteligencia artificial puede convertirse en una herramienta útil para empresas cuando se utiliza con criterio. Un buen prompt no es solo una frase bien escrita: es una forma de trasladar contexto, intención y estructura a una herramienta que puede ayudar a pensar, vender, diagnosticar y automatizar mejor.
Para una pyme, esto puede marcar la diferencia entre obtener respuestas genéricas o construir procesos más claros, reutilizables y orientados a resultados.