Cómo escribir prompts para ChatGPT que funcionen: la fórmula RTSC
La fórmula RTSC para escribir prompts que funcionen, con 5 ejemplos antes/después y errores frecuentes.
Escribe un post para LinkedIn. Hazme un email de venta. Explícame este código. Los tres prompts tienen el mismo problema: piden output sin dar contexto. El modelo improvisa — y el resultado parece sacado de una plantilla.
La fórmula RTSC corrige eso en 4 piezas. No es nueva ni inventada — es la destilación de lo que comparten los prompts que funcionan. Esta guía explica cada componente, muestra 5 casos antes/después y termina con los 5 errores que repiten el 80% de los usuarios.
Un prompt sólido cubre cuatro casillas. Si falta alguna, el modelo rellena con su mejor suposición — y ahí empiezan los outputs genéricos.
Le dices al modelo quién es en este intercambio. Eres copywriter B2B con 10 años de experiencia en SaaS cambia el output frente a Eres un asistente. Cuanto más específico el rol, más reconocible la voz.
Verbo en infinitivo + objeto concreto. Escribe 5 subject lines gana a Ayúdame con emails. El modelo necesita saber qué produce, no qué proceso seguir.
Formato y restricciones. Lista de 5 bullets, máximo 15 palabras cada uno, verbos al principio elimina las parrafadas de relleno. Si no especificas formato, el modelo elige el más genérico — normalmente párrafos largos.
Quién es el lector, en qué situación, qué restricciones reales hay. Audiencia: directores de marketing de empresas de 10-50 empleados. Restricción: no mencionar precio. Sin contexto el modelo escribe para todos — que es escribir para nadie.
Antes: Escríbeme un email de venta para mi producto.
Después: Eres copywriter B2B con experiencia en SaaS (R). Escribe un email de venta en frío para directores de operaciones de empresas de 50-200 empleados que sufren cuellos de botella en su proceso de aprobación de gastos (C). Tarea: presentar [producto] y conseguir una respuesta a la pregunta podemos hablar 15 minutos esta semana (T). Salida: máximo 90 palabras, subject + cuerpo, sin emojis, una sola pregunta al final (S).
El primer prompt devuelve un email genérico. El segundo, un email que un humano podría enviar tal cual.
Antes: Revisa este código.
Después: Eres senior engineer en Python con foco en performance (R). Revisa este código y lista los 3 problemas de rendimiento más probables en producción bajo 1000 req/s (C). Salida: tabla con columnas [problema | impacto | fix sugerido]. Ordena por gravedad (S). Tarea: revisión técnica, no estética (T). Código: [pega].
Antes: Resúmeme este artículo.
Después: Eres editor de un boletín semanal para fundadores de startup (R). Resume este artículo en 4 bullets accionables (T). Cada bullet: máximo 18 palabras, empieza con verbo, responde a qué hago yo el lunes con esto (S). Contexto: el lector tiene 90 segundos antes de su próxima reunión (C). Artículo: [pega].
Antes: Hazme una agenda de reunión.
Después: Eres facilitador de reuniones eficientes (R). Diseña la agenda de una reunión de 30 minutos sobre [tema], con 4 participantes (C). Tarea: maximizar decisiones tomadas (T). Salida: tabla con columnas [minutos | bloque | owner | output esperado]. Total exacto 30 minutos (S).
Antes: Compara estas opciones.
Después: Eres consultor estratégico (R). Compara las opciones A, B y C contra los criterios [coste, tiempo de implementación, riesgo] (T). Salida: tabla 3x3 con valoración cuantitativa donde sea posible, cualitativa donde no, + 1 frase de recomendación final (S). Contexto: decisión la toma un equipo no técnico con 10 minutos para revisar (C). Datos: [pega].
Hazlo creativo, que sea interesante, tono profesional pero cercano. El modelo no sabe qué significa creativo para ti. Sustituye por ejemplo concreto: tono como este texto: [pega 2 frases].
Quiero que sea corto pero exhaustivo, formal pero cercano, técnico pero simple. El modelo intenta cumplir todas y acaba mediocre en todas. Elige una dirección dominante.
El primer prompt rara vez es el mejor. Lanza una versión razonable, evalúa el output, cambia una variable cada vez. Tres iteraciones suelen bastar para llegar al output útil.
Si pides un tono, una estructura o un estilo, incluye un ejemplo de lo que consideras bueno. Los modelos copian patrones — si no les das uno, inventan uno genérico.
Si tu audiencia es España y no especificas español de España, tuteo, sin anglicismos, el modelo mezcla giros latinos o anglicismos. Una línea al final del prompt resuelve el 90% de los casos.
La fórmula RTSC funciona en cualquier modelo, pero cada uno responde mejor a ciertos prompts:
Si quieres probar el mismo prompt en los cuatro modelos sin pegarlo cuatro veces, Toollaxy cambia el modelo con un selector — útil para comparar respuestas en paralelo.
La fórmula RTSC funciona, pero escribir cada prompt desde cero es trabajo manual. El generador de prompts de Toollaxy aplica la fórmula automáticamente: eliges el objetivo, defines audiencia y modelo, obtienes el prompt listo. Para profundizar en prompts curados, ver la guía prompts para ChatGPT en español.
Empieza gratis. 100K tokens al mes en el plan free, sin tarjeta. Eliges el modelo, generas el prompt, lo pruebas. Si funciona, lo guardas y reutilizas.
Sin tarjeta. 100K tokens gratis.
La plataforma de herramientas de IA para creadores de contenido. Elige tu modelo, genera y publica.