El prompting en cadena es una técnica que divide una tarea compleja en una serie de prompts conectados, donde la respuesta de uno alimenta el siguiente.
En lugar de pedirle todo a ChatGPT en un solo mensaje, construyes un flujo paso a paso. Cada prompt tiene un objetivo específico y pequeño. El resultado final es más preciso, estructurado y útil.
¿Por qué un solo prompt no es suficiente para tareas grandes?
Cuando escribes un prompt largo con muchas instrucciones, ChatGPT divide su atención entre todos los elementos. El resultado suele ser superficial o incompleto. Las tareas complejas requieren profundidad en cada etapa.
Piensa en un reporte ejecutivo de ventas para FEMSA. Ese reporte necesita análisis de datos, redacción de conclusiones, recomendaciones estratégicas y un resumen directivo. Intentar obtener todo eso en un solo prompt produce un texto genérico. El prompting en cadena resuelve ese problema.
La estructura de una cadena de prompts
Una cadena de prompts sigue esta lógica:
- Prompt de preparación: Define el contexto, el objetivo final y los datos disponibles.
- Prompts intermedios: Procesan una parte específica de la tarea. Cada uno usa el output del anterior.
- Prompt de integración: Une todos los resultados en el entregable final.
Cada eslabón de la cadena tiene una sola responsabilidad. Eso mantiene la calidad alta en todo el flujo.
Caso práctico: Reporte ejecutivo de ventas
Sigue este ejemplo completo. El escenario: eres analista de negocio en una empresa distribuidora y necesitas preparar un reporte ejecutivo mensual de ventas para presentarlo a dirección.
Eslabón 1 — Definir el contexto y los datos
Objetivo: Establecer la base de trabajo antes de cualquier análisis.
Prompt 1:
Actúa como analista de negocio senior con experiencia en distribución de consumo masivo en México. Voy a preparar un reporte ejecutivo de ventas del mes de octubre. Los datos que tengo son: ventas totales de $4,200,000, meta del mes de $3,800,000, tres canales de venta (tiendas propias, distribuidores, e-commerce), y los canales con mejor y peor desempeño son e-commerce (+18% vs. meta) y tiendas propias (-9% vs. meta). Confirma que entendiste el contexto y espera mis instrucciones.
Por qué funciona: Estableces el rol, el contexto y los datos clave. Le pides a ChatGPT que confirme antes de continuar. Eso evita que el modelo haga suposiciones incorrectas en pasos posteriores.
Eslabón 2 — Análisis de desempeño por canal
Objetivo: Obtener un análisis profundo de cada canal de venta.
Prompt 2:
Con base en el contexto anterior, analiza el desempeño de los tres canales. Para cada canal indica: resultado vs. meta, posible causa del resultado y una oportunidad de mejora. Usa un formato de tabla con tres columnas: Canal, Desempeño, Observación.
Output esperado (ejemplo):
| Canal | Desempeño | Observación |
|---|---|---|
| E-commerce | +18% vs. meta | La campaña de Hot Sale impulsó el volumen. Oportunidad: replicar mecánica en Buen Fin. |
| Distribuidores | +2% vs. meta | Desempeño estable. Oportunidad: aumentar SKUs activos por distribuidor. |
| Tiendas propias | -9% vs. meta | Posible causa: reducción de tráfico en zonas urbanas. Oportunidad: revisar horarios y promociones locales. |
Por qué funciona: Le diste a ChatGPT un formato exacto de salida. Eso hace que el siguiente prompt pueda usar esa tabla directamente como insumo.
Eslabón 3 — Redacción de conclusiones ejecutivas
Objetivo: Convertir el análisis en lenguaje para directivos.
Prompt 3:
Usando la tabla anterior, redacta tres conclusiones ejecutivas. Cada conclusión debe tener máximo dos oraciones. El tono debe ser directo y orientado a decisiones. No uses lenguaje técnico ni jerga estadística.
Output esperado (ejemplo):
- El canal e-commerce superó la meta gracias a la campaña estacional; replicar esta mecánica en el Buen Fin puede consolidar el crecimiento digital.
- Los distribuidores mantienen un desempeño sólido; ampliar el catálogo activo es la palanca de crecimiento más accesible a corto plazo.
- Las tiendas propias requieren atención inmediata; una revisión de su modelo operativo local puede recuperar el volumen perdido en noviembre.
Eslabón 4 — Recomendaciones estratégicas
Objetivo: Generar acciones concretas con responsable y plazo.
Prompt 4:
Con base en las conclusiones anteriores, genera tres recomendaciones estratégicas. Cada recomendación debe incluir: acción específica, área responsable (Ventas, Marketing o Operaciones) y plazo sugerido (corto: 0–30 días, mediano: 31–90 días). Usa formato de lista numerada.
Output esperado (ejemplo):
- Acción: Diseñar la campaña de Buen Fin para e-commerce con la misma mecánica de octubre. Área: Marketing. Plazo: Corto (0–30 días).
- Acción: Negociar con distribuidores clave la incorporación de cinco SKUs adicionales. Área: Ventas. Plazo: Mediano (31–90 días).
- Acción: Auditar el desempeño operativo de las tres tiendas propias con menor venta. Área: Operaciones. Plazo: Corto (0–30 días).
Eslabón 5 — Resumen ejecutivo final
Objetivo: Integrar todo en un resumen de una página para dirección.
Prompt 5:
Ahora redacta un resumen ejecutivo de máximo 150 palabras que integre: el resultado general del mes, las tres conclusiones y las tres recomendaciones. El tono es formal. El lector es el director general de una empresa distribuidora mexicana. Empieza con el resultado global de ventas.
Este último prompt une todos los eslabones anteriores en un entregable listo para presentar. No necesitas editar manualmente nada porque cada paso anterior ya depuró la información.
Errores comunes
Error 1: Saltarse eslabones para "ahorrar tiempo" Si combinas el análisis y las conclusiones en un solo prompt, ChatGPT mezcla los niveles de profundidad. El análisis queda superficial y las conclusiones, genéricas. Respeta el orden de la cadena.
Error 2: No pasar el output al siguiente prompt Cada prompt debe referenciar explícitamente el resultado anterior. Frases como "con base en la tabla anterior" o "usando las conclusiones anteriores" son obligatorias. Sin esa referencia, el modelo empieza desde cero y pierde el hilo del reporte.
Error 3: Cadenas demasiado largas sin revisión intermedia Si avanzas cinco eslabones sin revisar los outputs intermedios, los errores se acumulan. Revisa cada respuesta antes de continuar. Si el eslabón 2 tiene un dato incorrecto, el eslabón 5 lo heredará.
Error 4: Cambiar el rol en medio de la cadena En la lección anterior viste que el rol define la perspectiva de todo el análisis. Si cambias el rol entre eslabones —de "analista de negocio" a "consultor de marketing"— el modelo cambia su enfoque y el reporte pierde coherencia. Mantén el mismo rol durante toda la cadena.
Cuándo usar prompting en cadena
| Situación | ¿Cadena necesaria? |
|---|---|
| Pregunta simple de definición | No |
| Reporte ejecutivo completo | Sí |
| Análisis con varias secciones independientes | Sí |
| Redacción de un solo párrafo | No |
| Plan de negocio o propuesta comercial | Sí |
| Respuesta rápida de datos | No |
Usa la cadena cuando la tarea tiene más de dos etapas distintas o cuando el entregable final tiene múltiples secciones que dependen entre sí.
Plantilla reutilizable para cualquier cadena
Guarda esta estructura base para tus próximas tareas:
- Eslabón 1 — Contexto: "Actúa como [rol]. El objetivo es [tarea final]. Los datos disponibles son [datos]. Confirma que entendiste y espera instrucciones."
- Eslabón 2 — Análisis: "Con base en el contexto anterior, analiza [elemento específico]. Usa el formato [tabla / lista / párrafo]."
- Eslabón 3 — Síntesis: "Con base en el análisis anterior, redacta [conclusiones / hallazgos]. Tono: [formal / directo]. Extensión: [límite]."
- Eslabón 4 — Acción: "Con base en las conclusiones anteriores, genera [recomendaciones / pasos]. Incluye [responsable / plazo / formato]."
- Eslabón 5 — Integración: "Integra todo lo anterior en un [reporte / resumen / presentación] de [extensión]. El lector es [perfil del destinatario]."
Esta plantilla aplica para reportes de ventas, análisis de competencia, propuestas comerciales o cualquier entregable profesional de múltiples secciones.