Las «palabras prohibidas» de ChatGPT y Claude: qué hay detrás del consejo viral
Un carrusel recomienda sustituir preguntas genéricas por instrucciones concretas. La idea puede ayudar, pero no acredita términos vetados: importan el objetivo, el contexto y cómo se comprueba la respuesta.
Por qué confiar en Pulso Diario
Ilustración editorial original
Pedir una explicación o un resumen no es, por sí mismo, una mala forma de hablar con una IA. Una publicación de Alpacka del 1 de octubre presenta ciertos términos como «palabras prohibidas» en ChatGPT y Claude, aunque sus láminas ofrecen consejos para redactar peticiones. El contenido no documenta una prohibición. Su parte aprovechable es otra: explicar mejor lo que necesitas puede reducir la ambigüedad, sin garantizar que la respuesta sea correcta.
El reclamo habla de prohibiciones; el contenido, de redacción
El carrusel contrapone peticiones abiertas con alternativas que añaden un papel profesional, un público, una extensión o un enfoque. Termina promocionando un banco de prompts. No aporta una norma de las plataformas ni pruebas de que las expresiones desaconsejadas estén bloqueadas.
Conviene separar las dos ideas. Una petición puede ser demasiado amplia para un objetivo concreto y seguir siendo perfectamente razonable como primera aproximación. Preguntar qué significa un concepto requiere una definición; cambiarlo por una búsqueda de perspectivas sorprendentes puede acabar respondiendo a otra pregunta.
Fuentes: [1] Alpacka · carrusel de Instagram, 1 de octubre de 2026
Lo que sí respaldan las guías oficiales
OpenAI recomienda distinguir instrucciones, contexto y ejemplos del resultado buscado. Anthropic aconseja expresar con claridad el formato, las restricciones y la finalidad de la tarea. Los ejemplos pueden ayudar a fijar el estilo o la estructura cuando eso importa.
No hace falta redactar una página para cada consulta. La información útil es la que cambia la respuesta: a quién va dirigida, qué material debe utilizar, qué decisión debe facilitar y qué debe conservar. Una petición breve con esos datos puede ser más concreta que una larga lista de adjetivos.
Fuentes: [2] OpenAI · guía de instrucciones, contexto y ejemplos · [3] Anthropic · buenas prácticas de prompting para Claude
Tres cambios concretos, sin fórmulas mágicas
Los siguientes ejemplos son propuestas de Pulso Diario. Conservan el encargo original y añaden condiciones que después se pueden revisar. No son resultados de una prueba comparativa entre modelos.
| Tarea | Petición inicial | Propuesta más precisa | Qué permite revisar |
|---|---|---|---|
| Resumen (documento) | Reduce este informe. | Resume este informe para dirección en 150 palabras. Conserva las cifras, separa decisiones pendientes y no añadas datos externos. | Extensión, cifras y decisiones. |
| Explicación (aprendizaje) | Aclárame qué es una API. | Explica qué es una API a alguien que usa aplicaciones pero no programa. Añade un ejemplo cotidiano y aclara dónde deja de servir la comparación. | Nivel, ejemplo y límites de la analogía. |
| Edición (correo) | Dale un tono más adecuado. | Revisa este correo para un cliente. Mantén las fechas y compromisos, elimina repeticiones y termina con la acción que debe realizar el destinatario. | Fidelidad, claridad y siguiente paso. |
Un papel experto orienta el tono, no acredita conocimientos
Asignar un rol puede enfocar la respuesta: Anthropic lo propone como una forma de guiar el comportamiento y el tono. Pero pedir la voz de un especialista no aporta por sí solo datos, acceso a documentación ni una validación de sus conclusiones.
Lo mismo ocurre con las peticiones de dureza o de originalidad. Nuestra lectura es que pueden cambiar el estilo sin mejorar el fundamento. Para revisar una propuesta, resulta más útil pedir objeciones concretas, la evidencia que las sostiene y qué información podría cambiar la conclusión. Ser crítico también permite concluir que una parte del trabajo ya está bien.
Fuentes: [3] Anthropic · buenas prácticas de prompting para Claude
Pedir más razonamiento no siempre mejora el resultado
OpenAI advierte, en su guía para modelos de razonamiento, de que ciertas instrucciones para forzar un desarrollo paso a paso pueden resultar innecesarias e incluso perjudicar el rendimiento. Recomienda peticiones claras, restricciones específicas y un objetivo definido.
Eso no impide solicitar una explicación comprobable. Puedes pedir las fuentes utilizadas, los supuestos relevantes, las operaciones necesarias para revisar un cálculo o las razones principales de una recomendación. Son elementos del resultado que te ayudan a evaluarlo; una narración más larga no garantiza mayor rigor.
Fuentes: [4] OpenAI · recomendaciones para modelos de razonamiento
Cómo comprobar si tu nuevo prompt funciona mejor
Anthropic sitúa antes de la optimización dos requisitos: definir qué sería un resultado satisfactorio y disponer de una forma de evaluarlo. También señala que no todos los problemas se resuelven modificando instrucciones.
Una prueba sencilla, propuesta por Pulso Diario, es aplicar ambas versiones a varios encargos representativos, con el mismo modelo y los mismos documentos. Revisa fidelidad a las fuentes, cumplimiento del formato, información omitida y trabajo de corrección necesario. Cambia un elemento cada vez para entender qué ha influido.
Si la respuesta mejora la redacción pero sigue inventando cifras, el problema principal permanece. Si falta el documento del que debe salir la respuesta, añadir adjetivos al prompt tampoco lo aporta. Y si una variante funciona solo con un ejemplo elegido, aún falta comprobar que sea útil en los demás.
Fuentes: [5] Anthropic · criterios de éxito y límites de la mejora de prompts

Ilustración editorial original
Una plantilla breve para empezar
Esta es una plantilla orientativa de Pulso Diario; elimina los campos que no hagan falta:
Necesito [resultado] para [destinatario y finalidad]. Usa [texto, archivos o fuentes disponibles]. Entrega [formato y extensión]. Conserva [datos o condiciones esenciales]. Evita [errores concretos]. Si falta información que cambie la respuesta, indícala antes de asumirla.
Para continuar la conversación, señala el fallo observado: por ejemplo, que el resumen ha omitido una fecha o que la propuesta excede el presupuesto. Esa corrección es más fácil de comprobar que pedir, sin más detalle, una nueva versión superior.
Aprender a encargar y revisar vale más que memorizar frases para la IA
El consejo útil no consiste en desterrar palabras normales del vocabulario. Consiste en reconocer qué necesita saber la herramienta para resolver una tarea y qué necesitarás tú para juzgar la respuesta. Convertir esa habilidad en un repertorio de frases supuestamente secretas dificulta entender por qué una petición funciona.
Tampoco conviene atribuir cada fallo al usuario. Un encargo claro puede recibir una respuesta errónea. La responsabilidad práctica es compartida: formular bien la tarea, elegir herramientas adecuadas y conservar una comprobación proporcional a la importancia del resultado.
Opinión de Pulso Diario · elaborada a partir de los hechos y fuentes citadosFuentes y límites de verificación
Se recuperaron el texto y la fecha de la publicación de Alpacka y se inspeccionaron sus cuatro imágenes. Las recomendaciones se contrastaron con las guías oficiales de OpenAI y Anthropic consultadas el 4 de octubre de 2026. Parte de esa documentación se dirige a desarrolladores y a familias concretas de modelos: no garantiza el mismo efecto en todas las versiones de ChatGPT o Claude. No se realizó una evaluación experimental de los pares de prompts del carrusel; la tabla y la plantilla son ejemplos originales, no resultados medidos. El análisis se limita al uso de expresiones corrientes para pedir ayuda y no pretende describir todas las políticas de seguridad. Las dos ilustraciones son originales generadas con IA; no se reutilizaron las imágenes de Instagram al no disponer de una licencia verificada.
Fuentes: [1] Alpacka · carrusel de Instagram, 1 de octubre de 2026 · [2] OpenAI · guía de instrucciones, contexto y ejemplos · [3] Anthropic · buenas prácticas de prompting para Claude · [4] OpenAI · recomendaciones para modelos de razonamiento · [5] Anthropic · criterios de éxito y límites de la mejora de prompts
Comentarios · ¿qué duda te queda?
¿Qué dato te ayudaría a entender mejor esta noticia? Comparte tu pregunta o señala un posible error con su fuente. Usaremos las dudas para orientar nuevas explicaciones, sin prometer una respuesta individual.
Los comentarios se revisan antes de publicarse. Respeta a los demás, aporta argumentos y evita publicidad o datos personales. Puedes eliminar tus propios comentarios.
Google se cargará al pulsar. Privacidad.
Has accedido con Google.











