Durante los primeros años de la IA nos obsesionamos con enseñarle qué hacer. Los próximos años consistirán en enseñarle qué evitar.

← Volver al blog

Hubo un momento en que escribir un buen prompt era casi un deporte. Mientras más largo, mejor; mientras más específico, más inteligente parecía quien lo escribía. Construíamos instrucciones interminables intentando controlar cada detalle del resultado, como si la inteligencia artificial fuera un becario nuevo al que hubiera que explicarle absolutamente todo.

Durante los primeros años de la IA nos obsesionamos con enseñarle qué hacer. Los próximos años consistirán en enseñarle qué evitar.

Esa lógica tenía sentido. Los primeros modelos necesitaban contexto, ejemplos y una enorme cantidad de instrucciones para producir resultados aceptables. Gran parte del trabajo consistía, precisamente, en reducir la incertidumbre del modelo.

Pero la tecnología evolucionó mucho más rápido que nuestros hábitos.

Los modelos actuales ya no necesitan que les describamos el mundo línea por línea. Han aprendido a reconocer patrones, inferir contexto, completar relaciones e interpretar referencias con una naturalidad que, hace apenas un par de años, parecía imposible. Paradójicamente, cuanto más capaces son, más importante se vuelve definir sus límites.

Ese cambio modifica una de las habilidades más importantes del trabajo con inteligencia artificial. El valor ya no está únicamente en describir con precisión aquello que queremos obtener; cada vez resulta más relevante dejar explícito aquello que no estamos dispuestos a aceptar.

En otras palabras, estamos dejando atrás la obsesión por el prompt perfecto para entrar en una etapa donde el verdadero diferencial está en el prompt negativo.

Puede parecer una diferencia menor, pero no lo es.

Cuando un modelo comprende mejor el contexto, también adquiere una mayor capacidad para interpretar aquello que omitimos. Y toda interpretación incorpora decisiones que nunca fueron nuestras. El modelo completa espacios vacíos con aquello que considera más probable, no necesariamente con aquello que resulta más conveniente para nuestro objetivo.

Ahí es donde el prompt negativo deja de ser un complemento para convertirse en una herramienta de dirección creativa.

Los buenos directores de arte nunca le dicen a un equipo únicamente qué construir. También establecen límites muy claros sobre aquello que no debe aparecer en una campaña, una fotografía o una identidad visual. Con la inteligencia artificial ocurre exactamente lo mismo: definir los límites es, muchas veces, más importante que describir el destino.

Un prompt como «genera un retrato editorial de un director creativo» puede producir resultados muy distintos dependiendo de cómo interprete el modelo la palabra editorial. Sin embargo, si añadimos restricciones como «no utilices estética cyberpunk, no agregues hologramas, evita piel plástica, no uses iluminación de ciencia ficción y elimina cualquier símbolo relacionado con inteligencia artificial», la calidad del resultado mejora de forma considerable. No porque el prompt sea más largo, sino porque la interpretación queda mucho más acotada.

Lo mismo ocurre al trabajar con modelos de lenguaje. Pedir un artículo sobre liderazgo es una instrucción demasiado abierta. En cambio, indicar que no utilice clichés, que evite frases motivacionales, que no invente estadísticas y que elimine el lenguaje corporativo obliga al modelo a recorrer un camino completamente distinto.

La evolución de los modelos nos está enseñando una lección interesante. Durante años creímos que escribir mejores prompts consistía en agregar información. Hoy empezamos a descubrir que, en muchos casos, consiste en eliminar ambigüedad.

Quizá esa sea la mayor transformación que estamos viviendo. Los primeros años de la inteligencia artificial estuvieron marcados por el esfuerzo de enseñarle qué hacer. Los próximos años, probablemente, estarán definidos por nuestra capacidad para enseñarle qué evitar.

Porque la inteligencia artificial ya sabe mucho.

Ahora el desafío consiste en decidir hasta dónde queremos que piense por nosotros.

Ejemplos de prompts negativos

Los prompts negativos no son universales. Cambian según el objetivo de cada proyecto, pero sí existen patrones que ayudan a reducir los errores más comunes de los modelos. A continuación encontrarás algunos ejemplos que puedes utilizar como punto de partida.

Retrato editorial

--no cartoon
--no anime
--no CGI
--no plastic skin
--no over retouching
--no exaggerated HDR
--no neon
--no cyberpunk
--no AI symbols
--no futuristic interface
--no holograms
--no lens flare
--no smiling stock photo
--no unrealistic eyes
--no low resolution
--no duplicate facial features

¿Qué estamos evitando?

La estética genérica de IA. El objetivo es obtener una fotografía editorial que parezca tomada por un fotógrafo y no generada por un modelo.


Dirección de arte para campañas publicitarias

--no stock photography
--no cliché advertising
--no generic business people
--no forced smiles
--no fake diversity
--no random objects
--no visual clutter
--no poor composition
--no centered composition
--no cheap gradients
--no oversaturated colors
--no clipart

¿Qué estamos evitando?

La estética de banco de imágenes que hace que muchas campañas parezcan iguales.


Paisajes surrealistas

--no cartoon
--no fantasy game
--no videogame aesthetics
--no low contrast
--no blurry background
--no repetitive elements
--no duplicated mountains
--no floating random objects
--no artificial textures
--no washed colors

¿Qué estamos evitando?

Que el surrealismo termine pareciendo un escenario de videojuego en lugar de una obra conceptual.


Producto premium

--no fingerprints
--no scratches
--no dust
--no reflections on logo
--no distorted packaging
--no warped labels
--no cheap plastic
--no poor lighting
--no background distractions
--no compression artifacts

¿Qué estamos evitando?

Errores que reducen inmediatamente la percepción de calidad del producto.


Video cinematográfico

--no shaky camera
--no jitter
--no flickering
--no frame interpolation artifacts
--no morphing
--no deformed hands
--no facial distortion
--no inconsistent lighting
--no abrupt cuts
--no floating limbs
--no unrealistic motion
--no low detail

¿Qué estamos evitando?

Los defectos más comunes en modelos de generación de video, especialmente problemas de consistencia temporal y deformaciones anatómicas.


Animación de personajes

--no lip sync errors
--no eye drifting
--no facial warping
--no inconsistent proportions
--no extra fingers
--no duplicated limbs
--no rubber body
--no unnatural walk cycle
--no broken perspective
--no clipping

¿Qué estamos evitando?

Los errores que hacen evidente que una animación fue generada con IA.


Ilustración minimalista

--no gradients
--no excessive texture
--no decorative elements
--no drop shadows
--no bevel effects
--no glossy finish
--no complex backgrounds
--no visual noise
--no unnecessary details

¿Qué estamos evitando?

Que una ilustración minimalista termine recargada por decisiones automáticas del modelo.

Personas leyeron este artículo: 0
Compartir
LinkedIn X WhatsApp

La conversación continúa.
Ideas incómodas para tiempos artificiales.

@EZTOCL ↗ ← Ver más