Prompt engineering

Few-shot prompting: dar ejemplos a la IA para guiarla mejor

El few-shot prompting consiste en dar 2 a 5 ejemplos a la IA antes de tu solicitud. Guía práctica con casos reales para principiantes.

Por Jérémie Chiari

7 de julio de 2026 10 min de lectura

¿Le has pedido a ChatGPT que redacte emails profesionales, pero el tono nunca te convence? ¿Quieres que Claude genere títulos atractivos, pero los resultados son demasiado genéricos? El few-shot prompting resuelve este problema mostrando a la IA exactamente lo que quieres, en lugar de simplemente describirlo. Esta técnica consiste en proporcionar 2 a 5 ejemplos concretos antes de tu solicitud real. La IA analiza estos ejemplos, identifica el patrón y reproduce el mismo estilo para tu caso. Es como mostrar a alguien cómo doblar una camisa en lugar de explicarlo verbalmente: el resultado es inmediato y preciso. En esta guía, descubrirás cómo usar el few-shot prompting para obtener respuestas que coincidan exactamente con tus expectativas, sin jerga técnica ni habilidades de programación.

¿Qué es el few-shot prompting y cómo funciona?

El few-shot prompting es una técnica que consiste en dar varios ejemplos a la IA antes de hacerle tu pregunta o solicitud real. A diferencia del zero-shot (sin ejemplos) donde simplemente describes lo que quieres, el few-shot muestra concretamente el formato, el tono y la estructura esperados.

El término "few-shot" significa literalmente "algunos ejemplos": generalmente entre 2 y 5. Si das más, corres el riesgo de sobrecargar el contexto sin ganar eficiencia. Si das menos, la IA podría no captar el patrón completo.

Concretamente, aquí está la estructura de un prompt few-shot:

Das 2 a 5 ejemplos del resultado esperado
Presentas tu caso real
La IA genera una respuesta que sigue el mismo patrón

Tomemos un ejemplo simple. Quieres que la IA transforme descripciones de productos en frases atractivas para Instagram:

Sin few-shot (resultado aleatorio): "Escribe una frase atractiva para Instagram para este producto: zapatillas de running ligeras."

Con few-shot (resultado coherente): "Transforma estas descripciones en frases para Instagram:

Producto: mochila impermeable Frase: Tu aventura nunca se detiene. Ni siquiera bajo la lluvia. 🎒

Producto: botella térmica Frase: 24h de frescura. Cero compromisos. Tu nuevo aliado. 💧

Producto: linterna frontal recargable Frase: La noche se convierte en tu terreno de juego. Ilumina tu camino. 🔦

Ahora, haz lo mismo para: Producto: zapatillas de running ligeras"

Con el few-shot, la IA entiende inmediatamente el tono (dinámico, corto), la estructura (3 frases cortas) y el estilo (tuteo, emoji al final). El resultado será coherente con tus ejemplos.

Por qué el few-shot prompting es más efectivo que la descripción

El few-shot prompting funciona mejor porque los ejemplos eliminan toda ambigüedad sobre lo que realmente esperas. Palabras como "profesional", "creativo" o "conciso" tienen significados diferentes según la persona. Un ejemplo vale más que mil explicaciones.

Según la documentación oficial de Anthropic (creador de Claude), el few-shot prompting mejora la precisión de las respuestas entre un 30 y 50% para tareas estructuradas. OpenAI confirma resultados similares con GPT-4.

Aquí está por qué esta técnica es tan poderosa:

Ahorro de tiempo inmediato En lugar de iterar 5 veces para explicar qué significa "tono profesional pero accesible", muestras 2 ejemplos y obtienes el resultado correcto a la primera.

Coherencia garantizada Cuando necesitas generar 20 descripciones de productos, el few-shot asegura que todas sigan exactamente el mismo formato. Perfecto para tareas repetitivas.

Aprendizaje del estilo La IA capta matices sutiles: longitud de las frases, vocabulario específico, estructura de párrafos, nivel de formalidad. Elementos difíciles de describir con palabras.

Reducción de errores Al mostrar lo que es correcto, también muestras lo que no lo es. La IA evita formatos o tonos inapropiados.

Un ejemplo concreto: quieres extraer información de facturas. Sin few-shot, debes describir precisamente cada campo, su formato, cómo manejar casos especiales. Con few-shot, muestras 3 ejemplos de facturas procesadas, y la IA reproduce exactamente el mismo tratamiento para las siguientes.

Cómo construir un buen prompt few-shot: el método paso a paso

Un prompt few-shot efectivo siempre sigue la misma estructura: contexto + ejemplos + instrucción + tu caso. Esta secuencia garantiza que la IA entienda exactamente lo que esperas.

Aquí está el método completo:

Paso 1: Definir el contexto

Comienza con una frase que explique la tarea global. Esto ayuda a la IA a entender el objetivo general.

Ejemplo: "Debes transformar opiniones de clientes en testimonios cortos para el sitio web."

Paso 2: Proporcionar 2 a 5 ejemplos

Elige ejemplos que representen bien la variedad de casos que encontrarás. Si tratas textos largos y cortos, muestra ambos. Si algunos casos son complejos, incluye uno.

Formato recomendado:

Entrada: [tu ejemplo de entrada]
Salida: [el resultado esperado]

Separa claramente cada ejemplo. Usa saltos de línea o separadores como "---".

Paso 3: Dar la instrucción final

Una frase simple que introduzca tu caso real: "Ahora, haz lo mismo para esta nueva opinión:" o "Aplica la misma transformación a:".

Paso 4: Presentar tu caso

Da la entrada para la cual quieres una salida, en el mismo formato que tus ejemplos.

Aquí está un ejemplo completo para transformar descripciones técnicas en lenguaje simple:

Transforma estas descripciones técnicas en frases comprensibles para todos:

Técnica: Procesador octa-core a 2,8 GHz con arquitectura ARM Cortex-A78
Simple: Un procesador de 8 núcleos ultra rápido que maneja todas tus aplicaciones sin ralentizaciones.

Técnica: Batería de polímero de litio 5000 mAh con carga rápida de 65W
Simple: Una batería que dura todo el día y se recarga completamente en 45 minutos.

Técnica: Pantalla AMOLED de 6,7 pulgadas resolución 2400x1080 píxeles, tasa de refresco 120 Hz
Simple: Una pantalla grande y brillante y fluida, perfecta para videos y juegos.

Ahora, simplifica esta descripción:
Técnica: Sensor de foto de 50 megapíxeles con estabilización óptica OIS y apertura f/1.8

La IA seguirá naturalmente el patrón: evitar jerga, explicar el beneficio concreto, mantener una frase corta.

Los errores frecuentes a evitar con el few-shot prompting

El error más común es dar ejemplos incoherentes entre sí, lo que confunde a la IA en lugar de guiarla. Si tus ejemplos siguen formatos diferentes, la IA no sabrá qué patrón seguir.

Aquí están los escollos clásicos y cómo evitarlos:

Ejemplos demasiado diferentes entre sí

Si tu primer ejemplo tiene 2 líneas, el segundo 10 líneas y el tercero 1 frase, la IA no sabe qué longitud adoptar. Mantén coherencia en la estructura.

Incorrecto:

Pregunta: ¿Qué es una VPN?
Respuesta: Una VPN cifra tu conexión.

Pregunta: ¿Cómo funciona el Bluetooth?
Respuesta: Bluetooth es una tecnología de comunicación inalámbrica que permite conectar dispositivos a corta distancia, generalmente hasta 10 metros, usando ondas de radio en la banda de frecuencia 2,4 GHz.

Correcto:

Pregunta: ¿Qué es una VPN?
Respuesta: Una VPN cifra tu conexión a internet para proteger tus datos y ocultar tu dirección IP.

Pregunta: ¿Cómo funciona el Bluetooth?
Respuesta: Bluetooth conecta dispositivos de forma inalámbrica a corta distancia usando ondas de radio seguras.

Demasiados ejemplos (más de 5)

Más allá de 5 ejemplos, gastas tokens sin mejorar la calidad. La IA ya ha entendido el patrón. Prefiere 3 ejemplos bien elegidos a 8 mediocres.

Ejemplos que no cubren casos límite

Si tratas datos que pueden estar faltantes o incompletos, muestra cómo manejar estos casos. Si no, la IA improvisará.

Olvidar separar claramente los ejemplos

Sin separación clara, la IA puede confundir dónde termina un ejemplo y dónde comienza el siguiente. Usa saltos de línea dobles o separadores.

Mezclar few-shot e instrucciones largas

Si das 3 ejemplos y luego 2 párrafos de instrucciones detalladas, cancelas la ventaja del few-shot. Deja que los ejemplos hablen por sí solos. Una instrucción final corta es suficiente.

Una buena prueba: relee tus ejemplos. Si tú, como humano, entiendes inmediatamente el patrón a seguir, la IA también lo hará. Si dudas, aclara tus ejemplos.

Casos de uso concretos del few-shot prompting para principiantes

El few-shot prompting destaca en todas las tareas repetitivas donde quieres un formato o estilo constante. Aquí hay aplicaciones prácticas que puedes usar hoy mismo, incluso sin experiencia.

Redacción de emails profesionales

Necesitas enviar emails de seguimiento a clientes. Muestra 2 ejemplos del tono que quieres (cordial pero conciso) y la IA genera los siguientes en el mismo estilo.

Creación de posts en redes sociales

Gestionas una cuenta de Instagram para tu negocio. Da 3 ejemplos de posts que funcionaron bien, y la IA crea nuevos posts que respeten tu tono y estructura.

Transformación de datos

Tienes una lista de 100 direcciones para formatear de manera coherente. Muestra 3 ejemplos del formato final, y la IA procesa el resto automáticamente.

Resúmenes de reuniones

Tomas notas durante reuniones y quieres transformarlas en actas estructuradas. Da 2 ejemplos de actas bien hechas, y la IA transforma tus próximas notas en el mismo formato.

Traducción con estilo específico

Traduce contenido de marketing del inglés al español. La traducción literal no funciona. Muestra 3 ejemplos de traducciones adaptadas (que mantienen el impacto), y la IA seguirá este enfoque.

Categorización de comentarios de clientes

Recibes cientos de opiniones. Muestra 4 ejemplos de opiniones ya categorizadas (positivo/neutral/negativo + tema), y la IA clasifica automáticamente las nuevas.

Tabla resumen:

Tarea	Número de ejemplos	Ahorro de tiempo
Emails tipo	2-3	70%
Posts en redes sociales	3-4	60%
Formateo de datos	2-3	85%
Resúmenes estructurados	2-3	50%
Traducción adaptada	3-5	65%
Categorización	4-5	80%

El few-shot prompting transforma tareas que tomarían horas en minutos. La inversión inicial (crear buenos ejemplos) se rentabiliza rápidamente.

Few-shot vs zero-shot vs one-shot: ¿qué técnica elegir?

El few-shot (2-5 ejemplos) conviene para tareas donde quieres un formato o estilo preciso, el zero-shot (0 ejemplos) para preguntas simples, y el one-shot (1 ejemplo) cuando el patrón es obvio. Cada enfoque tiene sus fortalezas.

Zero-shot: cuándo usarlo

El zero-shot significa dar una instrucción sin ningún ejemplo. Úsalo para:

Preguntas factuales simples ("¿Cuál es la capital de Portugal?")
Tareas obvias ("Traduce este texto al inglés")
Lluvia de ideas sin restricción de formato

Ventaja: rápido, sin preparación Desventaja: resultados variables, menos control

One-shot: el término medio

Un solo ejemplo es suficiente cuando el patrón es simple y repetitivo. Por ejemplo, para formatear fechas:

Formatea esta fecha: 15/03/2024 → 15 de marzo de 2024
Ahora: 22/07/2024

Ventaja: ahorra tokens, rápido de escribir Desventaja: riesgo de ambigüedad si el patrón es complejo

Few-shot: cuándo usarlo

El few-shot es ideal para:

Tareas con matices de estilo o tono
Formatos complejos con varios elementos
Situaciones donde la coherencia es crucial
Casos con excepciones o situaciones especiales

Ventaja: precisión máxima, resultados coherentes Desventaja: consume más tokens, requiere buenos ejemplos

¿Cómo elegir?

Hazte esta pregunta: "Si explicara esta tarea a un colega, ¿necesitaría mostrar ejemplos?"

Si sí, usa few-shot
Si un ejemplo sería suficiente, usa one-shot
Si las instrucciones verbales bastan, usa zero-shot

En caso de duda, comienza con zero-shot. Si el resultado no te satisface, pasa a few-shot. Verás inmediatamente la diferencia de calidad.

Para profundizar en tus habilidades de ingeniería de prompts, consulta nuestra guía completa sobre las 10 técnicas que realmente funcionan. Allí descubrirás cómo combinar few-shot con otros métodos como el chain-of-thought para hacer razonar a la IA paso a paso.

Conclusión

El few-shot prompting es la técnica más simple para obtener resultados coherentes y precisos con la IA. Al mostrar 2 a 5 ejemplos concretos en lugar de describir lo que quieres, eliminas toda ambigüedad y ahorras tiempo considerable. Este enfoque funciona para todas las tareas repetitivas: emails, posts en redes sociales, transformación de datos, resúmenes estructurados. Comienza identificando una tarea que repites frecuentemente, crea 3 ejemplos del resultado ideal, y deja que la IA reproduzca ese patrón. Los resultados te sorprenderán desde el primer uso.

Si estás comenzando con la IA, descubre cómo usar ChatGPT cuando eres principiante y explora 50 prompts útiles para usar todos los días para inspirarte.

Preguntas frecuentes

¿Cuántos ejemplos debo dar para few-shot prompting?

Entre 2 y 5 ejemplos son suficientes en la mayoría de casos. Con menos de 2, la IA podría no captar el patrón completo. Con más de 5, consumes tokens sin mejorar significativamente la calidad. Para tareas simples con un patrón obvio, 2-3 ejemplos funcionan perfectamente. Para formatos complejos o matices de estilo, apunta a 4-5 ejemplos que cubran diferentes situaciones.

¿El few-shot prompting funciona con todos los modelos de IA?

Sí, el few-shot prompting funciona con ChatGPT (GPT-3.5, GPT-4), Claude (todas las versiones), Gemini, Mistral y prácticamente todos los modelos de lenguaje modernos. Es una técnica universal que aprovecha la capacidad natural de estos modelos para identificar patrones. Los modelos más avanzados como GPT-4 o Claude 3 generalmente dan mejores resultados con menos ejemplos, pero el principio sigue siendo el mismo.

¿Cuál es la diferencia entre few-shot y fine-tuning?

El few-shot prompting consiste en dar ejemplos directamente en tu prompt, sin modificar el modelo. Es inmediato y no requiere habilidades técnicas. El fine-tuning, por su parte, consiste en reentrena el modelo en miles de ejemplos para modificar sus comportamientos base. El fine-tuning es más potente pero requiere habilidades de programación, tiempo e inversión. Para el 99% de casos de uso, el few-shot es más que suficiente.

¿Mis ejemplos deben ser reales o puedo inventarlos?

Puedes inventar tus ejemplos, siempre que representen fielmente el resultado que quieres obtener. Lo importante es que los ejemplos sean coherentes entre sí y muestren claramente el patrón a seguir. Si tratas datos sensibles, inventar ejemplos anonimizados es incluso recomendable. Solo asegúrate de que tus ejemplos inventados cubran bien la variedad de casos reales que encontrarás.

¿El few-shot prompting consume muchos tokens?

Sí, el few-shot prompting consume más tokens que el zero-shot porque incluyes varios ejemplos en cada prompt. Sin embargo, este costo se compensa ampliamente por dos factores: obtienes el resultado correcto a la primera (sin necesidad de regenerar 5 veces), y para tareas repetitivas, creas tus ejemplos una vez y los reutilizas cientos de veces. El retorno de inversión es excelente para cualquier tarea que repitas regularmente.

¿Puedo combinar few-shot con otras técnicas de prompting?

Absolutamente, el few-shot se combina muy bien con otras técnicas. Por ejemplo, puedes usar few-shot + chain-of-thought mostrando ejemplos donde la IA razona paso a paso. O combinar few-shot + rol pidiendo a la IA que actúe como experto mientras le muestras ejemplos del estilo esperado. Estas combinaciones son particularmente poderosas para tareas complejas. Comienza dominando el few-shot solo, luego experimenta con combinaciones.