La IA no empieza en el prompt. Empieza en la dirección.

Casi todo el discurso sobre inteligencia artificial gira alrededor del prompt: la fórmula que se copia, la plantilla que promete resultados, el truco del día. Es el lugar equivocado para empezar. Cuando la salida de un modelo es mediocre, casi nunca el problema está en cómo redactaste la última frase. Está en todo lo que no decidiste antes de escribirla: qué querías exactamente, con qué criterio ibas a juzgar el resultado y dentro de qué límites debía moverse. El prompt es solo la superficie. Debajo está la decisión, y ahí es donde se gana o se pierde el resultado. La IA no empieza en el prompt. Empieza en la dirección.

Dirigir antes de generar

Llamo dirección por contexto al trabajo que ocurre antes del primer token, y se apoya en tres decisiones. El contexto: qué situación, qué público y qué propósito real tiene lo que vas a generar. El criterio: cómo vas a distinguir un buen resultado de uno simplemente aceptable, decidido antes de verlo. Y las restricciones: qué está expresamente fuera de juego. Un modelo de lenguaje produce eligiendo, una y otra vez, entre un abanico enorme de continuaciones posibles. Lo que tú aportas no es una orden mágica, es una forma de estrechar ese abanico hasta que lo más probable coincida con lo que de verdad quieres. Cuanta más dirección das —que no es lo mismo que dar más instrucciones—, menos margen tiene el sistema para desviarse. El prompt es el último eslabón de esa cadena, nunca el primero.

Por qué añadir atributos no basta

Aquí aparece una distinción práctica que cambia la forma de trabajar: no es lo mismo sumar características que excluir lo que no quieres. El argumento es casi geométrico. Añadir un atributo reordena las preferencias del modelo dentro del mismo espacio de salidas posibles. Excluir un antipatrón elimina una región entera de ese espacio. Por eso una pieza central de mi método es lo que llamo Vía Negativa: definir con precisión lo que algo no es. Antes de pedir un tono, descarto los tonos que lo arruinarían. Antes de generar una imagen, nombro lo que no debe aparecer en ella. No lo presento como una ley demostrada, sino como un principio de diseño: doy tanto peso a lo que descarto como a lo que pido, y en mi práctica diaria ese hábito acerca el resultado al objetivo con más fiabilidad que acumular adjetivos.

Un método, no una intuición

Nada de esto es sensibilidad ni buen gusto. Es un sistema con piezas concretas que se reutilizan de un proyecto a otro: un andamiaje de contexto que evita partir de cero cada vez, un manifiesto de antipatrones que recoge los errores que ya he aprendido a evitar, y un registro de decisiones que deja trazable por qué cada elemento es como es. Lo pruebo donde el coste de equivocarme es mío. Mis propios canales de contenido —un proyecto de cocina como El Cuchinero, entre otros— funcionan como laboratorio: producción real, con público real, donde una mala decisión se nota de inmediato. Si una pieza del método no mejora el trabajo, lo descubro en mi propio terreno antes de proponérsela a nadie. El método no nació en una pizarra; nació ahí, corrigiendo lo que no funcionaba.

Un ejemplo concreto

Pongamos un caso. Para dirigir un vídeo de receta no empiezo escribiendo el guion. Empiezo fijando el contexto —un registro humano, costumbrista, sin estridencias— y el criterio de éxito por orden: primero que retenga, después que el espectador quede satisfecho, luego la claridad culinaria y, solo al final, la identidad de marca. A continuación declaro las restricciones: nada de tono publicitario, nada de superlativos vacíos, nada de prisa que atropelle el plato. Recién entonces escribo el prompt, ya sea para el guion, para la locución o para la imagen. Las herramientas cambian —generación de vídeo, síntesis de voz, edición— pero el orden no se mueve. Cuando el contexto, el criterio y las restricciones están bien puestos, el prompt casi se escribe solo y el resultado se parece a lo que tenía en la cabeza, sin pelearme con la máquina para conseguirlo.

De dirigir contenido a dirigir agentes

El vídeo y la locución son mi caso de uso actual, no el techo. La misma idea —dirección antes que prompt— se vuelve más necesaria, no menos, cuando lo que diriges es un agente de IA que actúa de forma autónoma y encadena decisiones por su cuenta. Un error de criterio en una sola imagen se corrige a mano en un minuto. Ese mismo error en un agente que ejecuta veinte pasos seguidos se arrastra y se multiplica en cada paso. Dirigir un agente es, sobre todo, decidir de antemano tres cosas: qué debe perseguir, cómo medirá si va bien y qué no puede hacer bajo ningún concepto. Cuando cambia la capa de producción, las piezas que gobiernan la dirección siguen siendo válidas. Por eso entiendo el método como algo aplicable mucho más allá del contenido audiovisual.

El principio que cedo y la operación que defiendo

No me atribuyo la idea de fondo. El principio general —la tecnología amplifica las fuerzas humanas que ya existían, en lugar de sustituirlas— lo formuló Kentaro Toyama como Ley de la Amplificación en su libro Geek Heresy (2015). Su consecuencia es tan incómoda como honesta: si la dirección humana es pobre, la IA amplifica esa pobreza, solo que más rápido y a mayor escala. Lo que aporto no es ese principio, que cedo abiertamente, sino su operación: un método concreto y reproducible para que la amplificación juegue a favor. Y me obligo a una disciplina que considero parte del trabajo, no un adorno: afirmaciones acotadas y falsables, documentación abierta y con fecha, y resultados publicados incluso cuando no confirman lo que yo esperaba. La autoridad la da el método reproducible, no el volumen de lo que uno publica.

El trabajo, fechado y con DOI, está aquí: https://orcid.org/0009-0000-5026-6673