Cómo crear una plantilla de Prompt reutilizable en el Copilot de Fabric

João Barros 31 de August de 2026 4 min de lectura

Este tutorial muestra cómo crear una plantilla de prompt reutilizable en el Copilot de Fabric para automatizar tareas repetitivas —útil para estandarizar análisis, limpiar datos y acelerar respuestas coherentes. Aprenderás la razón de la plantilla y cómo implementarla paso a paso, con un ejemplo práctico.

Requisitos previos

Cuenta con acceso a Microsoft Fabric y permisos para usar el Copilot.
Conjunto de datos simple en OneLake o en el Warehouse (CSV con columnas tipo: id, nombre, valor, fecha).
No nociones básicas de prompts y de cómo abrir el Copilot en la interfaz del Fabric.

Paso 1: Definir el objetivo de la plantilla

Antes de escribir, clarifica qué hará la plantilla (ej.: limpiar valores nulos, estandarizar fechas, generar resumen por categoría). Definir el objetivo evita ambigüedad en el Copilot y permite crear variables en la plantilla.

Paso 2: Crear la estructura de la plantilla

Abre el Copilot en el Fabric y selecciona el modo de conversación para crear un nuevo prompt. Usa una estructura clara con marcadores entre << >> para variables que rellenarás después (por ejemplo, columna, formato, regla). Esto permite reutilizar el mismo prompt para diferentes columnas o conjuntos de datos.

Template: Limpeza e resumo de coluna
Objetivo: Limpar NULLs, padronizar formato e criar resumo estatístico.
Instruções:
- dataset: <>
- coluna alvo: <>
- formato data (se aplicável): <>
Tarefas:
1) Identificar valores nulos e frequências.
2) Substituir nulos por: <>.
3) Converter formato de data para <> (se coluna for data).
4) Gerar resumo: count, unique, nulls, mean/median (se numérico).
Produzir saída: passo a passo + código sugerido (SQL ou Python).

Paso 3: Probar la plantilla con un ejemplo simple

Rellena los marcadores con valores concretos y pide al Copilot que genere el código. Usa un conjunto de datos de prueba para validar las instrucciones. Pide SQL si trabajas en el Warehouse o Python/PySpark si estás usando Notebooks.

Exemplo de preenchimento:
<> = /OneLake/Marketing/sales.csv
<> = data_venda
<> = yyyy-MM-dd
<> = 1970-01-01
Prompt final: (cole o template preenchido no Copilot)

Paso 4: Refinar para errores comunes

Analiza la respuesta del Copilot y pide ajustes. Errores comunes: suposiciones sobre tipos de datos, formatos de fecha diferentes, o columnas con mezcla de texto/números. Ajusta la plantilla para incluir validaciones (ej.: verificar regex, mostrar ejemplos de valores problemáticos).

Adição ao template para validação:
- Mostrar até 10 exemplos de valores inválidos.
- Se mais de 10% inválidos, avisar e não aplicar transformação automática.

Paso 5: Crear variantes para SQL y Notebooks

Crea dos variantes de la misma plantilla: una que solicite SQL compatible con el Fabric Warehouse y otra que solicite código Python/PySpark para Notebooks. Mantén los marcadores iguales para facilitar la reutilización.

SQL variant snippet (exemplo gerado pelo Copilot):
SELECT
  COUNT(*) AS total,
  SUM(CASE WHEN data_venda IS NULL THEN 1 ELSE 0 END) AS nulls,
  MIN(data_venda) AS min_date,
  MAX(data_venda) AS max_date
FROM OPENROWSET('/OneLake/Marketing/sales.csv') AS t;

Verificar el resultado

Confirma que la plantilla funciona al aplicar la variante al conjunto de datos de prueba: verifica si las transformaciones se realizaron (nulos reemplazados, formatos normalizados) y si el resumen estadístico coincide con las expectativas. Prueba con otra columna para garantizar la reutilización. Registra cualquier mensaje de advertencia que la plantilla devuelva (ej.: porcentaje elevado de valores inválidos).

Conclusión

Después de crear y probar la plantilla, puedes guardarla y compartirla con el equipo para estandarizar tareas de limpieza y análisis en el Copilot de Fabric. Siguientes pasos: añadir metainstrucciones para manejar idiomas o crear plantillas más avanzadas con lógica condicional. Consejo: mantén los marcadores consistentes y documenta ejemplos de relleno para cada plantilla.