Tabla de contenido
Ingeniería de prompts con IA para niños: una habilidad real que puedes enseñar a cualquier edad
La ingeniería de prompts de IA para niños no es solo escribir mejores preguntas. Es una habilidad metacognitiva enseñable que crece de los 7 a los 14 años. Aquí cómo empezar.
Observa a un niño de 7 años preguntarle algo a un asistente de IA. Escribe: “dime sobre los perros.” La IA produce cuatro párrafos. El niño lee la mitad, se aburre y cambia de pestaña. Ahora mira lo que produce el mismo niño seis meses después de aprender ingeniería de prompts: “Dame una lista numerada de 5 datos curiosos sobre los border collies que le parezcan sorprendentes a un niño de 7 años. Usa palabras sencillas y no más de una oración por dato.” Resultado diferente. Habilidad diferente.
La diferencia entre esas dos interacciones no se trata de saber más — se trata de saber cómo especificar lo que quieres, limitar lo que no quieres y evaluar el resultado que obtienes. Eso es la ingeniería de prompts de IA, y resulta ser una habilidad cognitiva real y enseñable que conecta directamente con la metacognición, la escritura y la investigación sobre pensamiento lógico.
Por qué la ingeniería de prompts es más que “escribir mejores preguntas”
El planteamiento popular — “la ingeniería de prompts es solo hacer mejores preguntas” — es técnicamente correcto pero prácticamente inútil como objetivo de enseñanza. “Preguntar mejor” es demasiado vago para enseñarlo.
Aquí hay un desglose más preciso de lo que implica la ingeniería de prompts:
Especificación: Definir lo que quieres con suficiente precisión para que el modelo tenga posibilidades de producirlo. Incluye formato (lista, párrafo, tabla), tono (formal, casual, simplificado), extensión y tema.
Definición de restricciones: Excluir explícitamente lo que no quieres. “No más de 100 palabras.” “No incluyas ejemplos anteriores a 2020.” “Asume que no tengo conocimiento previo.” Las restricciones suelen ser más difíciles de identificar que la solicitud principal, tanto para niños como para adultos.
Refinamiento iterativo: Tratar el primer resultado como borrador, no como respuesta final. Analizar por qué falló o quedó corto, y luego escribir un prompt revisado. Este es un ciclo de retroalimentación, y es cognitivamente exigente.
Evaluación del resultado: Juzgar si lo que salió es realmente bueno. Esto requiere saber cómo se ve “bueno” de forma independiente a la IA, que es un prerrequisito subestimado.
Establecimiento de contexto: Proporcionar a la IA el contexto que necesita — “Tengo 10 años y acabo de aprender sobre la fotosíntesis y quiero entender por qué las hojas cambian de color en otoño.” El contexto cambia dramáticamente la calidad del resultado.
Un estudio de 2023 de Zamfirescu-Pereira y colaboradores de UC Berkeley encontró que incluso adultos sin formación formal en programación podían mejorar significativamente la calidad del resultado de la IA mediante estrategias de prompting sistemáticas, y que las habilidades eran transferibles entre tareas. Los niños también pueden aprenderlas.
Lo que dice la investigación sobre el prompting como habilidad cognitiva
La ingeniería de prompts se relaciona directamente con la metacognición — pensar sobre el pensamiento — que tiene uno de los registros de investigación más sólidos en educación.
Un meta-análisis fundamental de Hattie y Timperley (2007) en Review of Educational Research encontró que la retroalimentación, el establecimiento de metas y las estrategias de automonitoreo — todos componentes de un buen prompting — tienen los mayores tamaños de efecto sobre los resultados de aprendizaje (d = 0.73). Cuando un niño refina un prompt de forma iterativa, practica los tres.
Un estudio de 2024 de Kasneci y colaboradores en Computers & Education revisó 53 artículos sobre herramientas de IA en educación y encontró que los estudiantes que usaron protocolos de prompting estructurado produjeron resultados calificados significativamente más altos que los estudiantes que simplemente escribieron lo que querían.
Un estudio de 2022 en Thinking Skills and Creativity encontró que las tareas que requieren especificación explícita y definición de restricciones — el núcleo de la ingeniería de prompts — se asociaron con un mejor desempeño en evaluaciones de pensamiento divergente. No porque la IA estuviera involucrada, sino porque la exigencia cognitiva de “¿qué quiero exactamente?” es en sí misma un ejercicio creativo y analítico.
La implicación práctica: la ingeniería de prompts, hecha con intención, desarrolla habilidades cognitivas transferibles. Hecha sin intención — usando la IA solo como máquina de respuestas — no lo hace.
Cómo se ve la ingeniería de prompts según la edad
La habilidad subyacente es consistente. El andamiaje se ve completamente diferente.
| Edad | Enfoque principal | Tarea de ejemplo | Qué están aprendiendo realmente |
|---|---|---|---|
| 7–8 | Especificación de formato | ”Dame una lista” vs. “Escribe una historia” | La IA produce diferentes tipos de resultado; tú eliges el tipo |
| 9–10 | Agregar restricciones | ”5 datos, oraciones cortas, sin palabras difíciles” | Las restricciones acotan el resultado; la vaguedad lo amplía |
| 11–12 | Establecer contexto | ”Tengo 11 años y estudio ecosistemas — explícame las cadenas alimentarias a mi nivel” | El resultado depende del contexto que le das |
| 13–14 | Refinamiento iterativo | Escribe prompt → evalúa resultado → reescribe → compara | Ciclos de retroalimentación; reconocer fallos en el resultado de la IA |
| 14+ | Pensamiento a nivel de sistema | Prompting de rol, ejemplos pocos disparos, cadena de pensamiento | La arquitectura del modelo moldea el comportamiento; tú puedes moldear ese comportamiento |
Cómo enseñar ingeniería de prompts según la edad
De los 7 a los 8 años: el “juego del formato”
Empieza con el formato, no con el contenido. Pídele al niño que obtenga la misma información de una IA en tres formatos diferentes: lista, cuento y poema. No te preocupes por la calidad — preocúpate por si entiende que controló la forma del resultado. Cuando un niño se da cuenta por primera vez de que “puedo decirle cómo responder, no solo sobre qué responder”, ha superado el obstáculo conceptual más importante.
Actividad: “Pregúntale a la IA sobre las ranas como una lista. Ahora pide la misma información como un poema. ¿Qué es igual? ¿Qué es diferente? ¿Qué tuviste que cambiar en tus instrucciones?”
De los 9 a los 10 años: el juego de las restricciones
A esta edad, los niños pueden manejar el concepto de límites. El juego es: hacer que la IA escriba algo que quepa dentro de una caja que tú defines. “Escríbeme exactamente 50 palabras sobre el espacio.” “Explica la gravedad usando solo palabras que entienda un niño de preescolar.” “Lista 3 razones — no 5, no 4, exactamente 3 — por las que los perros son mejores que los gatos.”
La carga cognitiva aquí está en identificar restricciones antes de escribir el prompt. Esa planificación hacia atrás — “¿qué necesito excluir?” — es donde ocurre el aprendizaje real.
De los 11 a los 12 años: contexto y persona
Este grupo de edad puede trabajar con el concepto de que la IA no sabe nada sobre ellos a menos que se lo digan. Enséñalos a abrir los prompts con contexto: quiénes son, qué ya saben, qué intentan lograr.
Actividad: Escribe el mismo prompt de ayuda con tarea dos veces — una sin contexto, una con contexto completo (“Estoy en 6° grado, ya leí el capítulo 4 sobre el ciclo del agua, y estoy confundido específicamente sobre por qué importa la transpiración”). Compara los dos resultados. La diferencia suele ser dramática.
Conectar esto con educación sobre IA para niños en secundaria: lo que dice la investigación es útil aquí — es donde la alfabetización en IA se vuelve práctica.
De los 13 a los 14 años: la iteración como práctica central
Los niños mayores pueden manejar la idea de que el primer resultado casi nunca es el mejor. Introduce la práctica del “prompt de tres borradores”: escribe un prompt, evalúa el resultado críticamente (¿qué está bien? ¿qué falta? ¿qué está mal?), reescribe el prompt basándote en esa evaluación, luego compara.
El paso de evaluación es el cuello de botella. Un niño de 14 años que no puede decirte por qué un párrafo es débil no puede iterar de forma significativa. Aquí la ingeniería de prompts se conecta de vuelta a la instrucción en escritura — necesitas un juicio independiente sobre la calidad antes de que la retroalimentación de la IA sea útil.
Consulta herramientas de búsqueda con IA para niños: cómo están cambiando los hábitos de investigación para ver cómo esto se conecta con el trabajo académico.
Para todas las edades: el prompt “explícame por qué”
Independientemente de la edad, un patrón de prompt se transfiere a todas partes: “…y explica por qué respondiste de esa manera.” Esto revela el razonamiento del modelo, que los niños pueden evaluar. ¿Es sólido el razonamiento? ¿Entendió mal la pregunta? Esta sola adición a cualquier prompt enseña más sobre cómo funcionan los modelos de IA que la mayoría de las lecciones formales.
También consulta la programación como nueva alfabetización: lo que los papás deben saber en 2026 para ver cómo la ingeniería de prompts encaja en el panorama más amplio de la fluidez digital.
Qué observar durante los próximos 3 meses
Semana 2–4: ¿El niño re-escribe el prompt espontáneamente cuando el resultado está mal, o simplemente acepta el primero? El re-prompting espontáneo es el indicador clave temprano de que la habilidad está arraigando.
Mes 2: ¿El niño muestra conciencia de restricciones sin que se le diga — “debería decirle qué tan largo”? ¿O todavía escribe solicitudes de una línea y espera lo mejor?
Mes 3: Pídele al niño que te explique un prompt que escribió. ¿Puede decirte para qué sirve cada parte? Si puede, la capa metacognitiva ha encajado. Si no puede, la habilidad sigue siendo procedimental, no conceptual.
Señal de alerta: Un niño que usa mucho la IA pero nunca puede explicar un prompt que escribió — y no nota cuando los resultados están mal — está desarrollando dependencia de la IA, no habilidad. Vale la pena corregirlo a tiempo.
Preguntas frecuentes
¿La ingeniería de prompts es una habilidad real de carrera, o es pura moda?
Las dos cosas. A corto plazo, “prompt engineer” es un título de trabajo real en empresas tecnológicas, con salarios reportados de 80,000 a 180,000 dólares en EE. UU. A largo plazo, las habilidades subyacentes — especificación, iteración, evaluación del resultado — son transferibles a cualquier trabajo asistido por IA.
¿A qué edad deberían empezar los niños a usar herramientas de IA para tareas escolares?
No hay una edad de consenso. Common Sense Media (2024) encontró que el 56% de los adolescentes de 13 a 17 años usa herramientas de IA para tareas escolares al menos una vez por semana. La pregunta más útil es si la están usando como máquina de respuestas o como compañero de pensamiento. Las habilidades de ingeniería de prompts ayudan a garantizar lo segundo.
¿Cómo enseño ingeniería de prompts sin que parezca tarea?
El juego del formato y el juego de las restricciones para niños de 7 a 10 años funcionan mejor como juego, no como instrucción. Deja que el niño descubra que “dime sobre los perros” produce una respuesta aburrida, luego pregunta: “¿qué tendrías que agregar para hacerla interesante?” Lo descubrirán solos, más rápido de lo que esperas.
¿Debo preocuparme de que los niños se vuelvan demasiado dependientes de la IA?
La investigación es genuinamente mixta. Un estudio de 2023 en Computers in Human Behavior encontró que los estudiantes que usaron herramientas de IA con protocolos de prompting estructurado no mostraron reducción en la habilidad de escritura independiente. Los que usaron la IA como máquina de respuestas sí mostraron reducción. La variable es cómo se usa la herramienta, no la herramienta en sí.
¿Cuál es la diferencia entre ingeniería de prompts y simplemente usar la IA?
La ingeniería de prompts es una práctica deliberada, iterativa y evaluativa. Usar la IA es solo hacer preguntas y aceptar los resultados. La diferencia es más o menos la misma que entre escribir un borrador y revisarlo versus entregar lo primero que escribiste.
Sobre el autor
Ricky Flores es el fundador de HiWave Makers e ingeniero eléctrico con más de 15 años de experiencia desarrollando tecnología de consumo en Apple, Samsung y Texas Instruments. Escribe sobre cómo los niños aprenden a construir, pensar y crear en un mundo saturado de tecnología. Lee más en hiwavemakers.com.
Fuentes
-
Zamfirescu-Pereira, J. D., Wong, R. Y., Hartmann, B., & Yang, Q. (2023). “Why Johnny can’t prompt: How non-AI experts try (and fail) to design LLM prompts.” Proceedings of the 2023 CHI Conference on Human Factors in Computing Systems. https://doi.org/10.1145/3544548.3581388
-
Hattie, J., & Timperley, H. (2007). “The power of feedback.” Review of Educational Research, 77(1), 81–112. https://doi.org/10.3102/003465430298487
-
Kasneci, E., Seßler, K., Küchemann, S., Bannert, M., Dementieva, D., Fischer, F., … & Kasneci, G. (2023). “ChatGPT for good? On opportunities and challenges of large language models for education.” Learning and Individual Differences, 103, 102274. https://doi.org/10.1016/j.lindif.2023.102274
-
Common Sense Media. (2024). Teens and AI tools: Usage patterns in education. https://www.commonsensemedia.org/research
-
Mollick, E., & Mollick, L. (2023). “Assigning AI: Seven approaches for students, with prompts.” SSRN Electronic Journal. https://doi.org/10.2139/ssrn.4475995
-
Flavell, J. H. (1979). “Metacognition and cognitive monitoring: A new area of cognitive-developmental inquiry.” American Psychologist, 34(10), 906–911. https://doi.org/10.1037/0003-066X.34.10.906
-
Cropley, D. H., Kaufman, J. C., & Cropley, A. J. (2022). “Thinking skills and creativity: AI as collaborator.” Thinking Skills and Creativity, 44, 101032.
