Prompt engineering para Microsoft Copilot: técnicas para mejores respuestas

El prompt engineering es la competencia más valiosa para sacar el máximo de Microsoft Copilot. No se trata de "trucos" — es un método sistemático para comunicar la intención de forma clara al modelo de lenguaje.

Anatomía de un buen prompt

Componentes:
1. ROL      — quién es Copilot en este contexto
2. TAREA    — qué debe hacer (verbo de acción específico)
3. CONTEXTO — datos relevantes, restricciones, audiencia
4. FORMATO  — cómo debe presentar la respuesta
5. TONO     — estilo de comunicación

Ejemplo débil:  "Resume esta reunión"

Ejemplo fuerte:
"Actúa como chief of staff. Resume la reunión de board adjunta
en 5 bullet points ejecutivos. Para cada punto incluye: decisión,
responsable y plazo. Usa lenguaje directo, sin jerga. Formato
Markdown. Audiencia: CEO sin contexto técnico."

Few-shot prompting — enseñar con ejemplos

Prompt:
"Clasifica tickets de soporte como: URGENTE, NORMAL, BAJO.
Criterio de urgencia: impacto en producción o bloqueo total.

Ejemplos:
'Sistema de facturación inaccesible desde la mañana' → URGENTE
'Actualizar el logotipo en el portal interno' → BAJO
'Informe mensual con datos de ayer en vez de hoy' → NORMAL

Clasifica ahora: 'El usuario no puede iniciar sesión desde la
 actualización de ayer — afecta a 30 personas del departamento financiero'"

Chain-of-thought — razonamiento paso a paso

Prompt:
"Analiza las ventas Q1 vs Q2 en los datos adjuntos. Piensa paso a paso:
1. Identifica la variación total
2. Identifica el producto/región con mayor crecimiento
3. Identifica el mayor descenso
4. Propón 2 acciones concretas basadas en el análisis"

Prompts para Power BI Copilot

// Más eficaces:
"Crea un visual de mapa coroplético mostrando ingresos por distrito
 de Portugal, con escala de color azul, para el año seleccionado en el filtro"

// Menos eficaces:
"Haz un mapa de ventas"

Conclusión

Invertir 2 minutos en un prompt bien estructurado ahorra 20 minutos de iteraciones. Rol + tarea + contexto + formato es la fórmula base. Para análisis complejos, añada chain-of-thought pidiendo razonamiento explícito antes de la respuesta final.