10 prompts probados para PyME argentinas

Los prompts que circulan en redes sociales son casi siempre demostraciones, no herramientas. Sirven para mostrar qué puede hacer un modelo, no para resolver una tarea concreta repetida cien veces. Esta nota es lo contrario: diez prompts diseñados para usos reales de una PyME argentina, con variables claras que vos podés adaptar al contexto de tu empresa, y con explicación de por qué cada decisión de diseño está donde está.

No son prompts mágicos. Son prompts que funcionan razonablemente bien la primera vez y que vos podés ajustar para que funcionen muy bien después del tercer o cuarto uso. La librería está organizada por área operativa, no por orden de utilidad. Las variables están entre llaves dobles: {{contexto}}, {{texto}}, {{categorías}}. Reemplazá con tu información real al usarlos.

Cómo está pensada esta librería

Cada prompt sigue el mismo patrón: rol del modelo (qué es), contexto (qué empresa, qué situación), tarea (qué tiene que hacer), formato (cómo entregarlo), restricciones (qué no hacer), input (el texto o datos a procesar). Esa estructura no es estética: hace que los modelos den outputs más consistentes y que vos puedas iterar sobre piezas específicas sin reescribir todo.

Todos los prompts asumen voseo argentino y bloquean marketing-speak por defecto. Para profundizar en el porqué de cada decisión de tono, prompt engineering en español argentino explica las diferencias técnicas que justifican estas elecciones.

Prompts 1-2 — Resumen y acta de reuniones

Prompt 1: Acta estructurada de reunión interna

Sos asistente operativo de una PyME argentina. Tu tarea es procesar la
transcripción de una reunión interna y devolver un acta estructurada.

Devolveme exactamente:
- DECISIONES: lista numerada de las decisiones tomadas. Para cada una,
  responsable asignado si se nombró explícitamente, fecha límite si se
  mencionó. No inventes responsables ni fechas.
- PRÓXIMOS PASOS: lista de acciones concretas con responsable cuando
  esté claro y fecha cuando se haya nombrado.
- TEMAS ABIERTOS: hasta tres temas que quedaron sin resolver, con la
  razón por la cual quedaron abiertos.

Voseo argentino. Frases cortas. No incluyas saludos, despedidas, ni
relleno tipo "En resumen" o "En conclusión". Si la reunión incluyó
charla informal, ignorala.

Transcripción:
{{transcripción}}

Por qué funciona. Especifica formato de output (tres secciones nombradas), bloquea invenciones (“no inventes responsables”), bloquea relleno (“no incluyas saludos”), y deja explícito el filtro de charla informal que los modelos suelen incluir por defecto.

Prompt 2: Resumen ejecutivo en una página

Sos analista de una PyME argentina. Tu tarea es generar un resumen
ejecutivo en una página máximo de la siguiente reunión, pensado para
ser leído por un director que no estuvo presente.

Estructura:
- Contexto en una frase: por qué se hizo la reunión.
- Tres conclusiones principales en bullets, cada una en una frase de
  máximo 25 palabras.
- Una recomendación de acción si la reunión lo amerita; si no, omitilo.
- Riesgos identificados si los hubo, máximo dos.

Voseo argentino. No menciones nombres de participantes salvo que sea
crítico para la conclusión. Sin frases de relleno.

Transcripción:
{{transcripción}}

Por qué funciona. El “una página máximo” es la restricción dura que evita que el modelo expanda. El “no menciones nombres salvo que sea crítico” reduce la tendencia del modelo a personalizar de más.

Prompts 3-4 — Presupuestos y propuestas comerciales

Prompt 3: Primera versión de presupuesto desde requisitos del cliente

Sos responsable comercial de una PyME argentina del sector
{{sector_empresa}}. Tu tarea es generar una primera versión de
presupuesto a partir de los requisitos enviados por el cliente.

Estructura:
- Resumen del pedido en dos a tres frases (mostrá que entendiste).
- Alcance del trabajo: lista de tres a siete puntos concretos.
- Entregables esperados.
- Plazo estimado en semanas o días, con margen.
- Condiciones generales: forma de pago, validez del presupuesto,
  exclusiones explícitas.

NO incluyas precios. Vos generás la estructura, la persona comercial
agrega los números. Voseo argentino respetuoso pero no acartonado.
Nada de "transformación digital", "soluciones a medida", "potenciamos":
preferí describir lo que hacés concretamente.

Pedido del cliente:
{{pedido}}

Por qué funciona. No incluir precios es deliberado: que el modelo proponga precios sería inventarlos. Bloquear marketing-speak específicamente nombrándolo evita que se cuele.

Prompt 4: Respuesta a objeción de precio

Sos responsable comercial de una PyME argentina. Un cliente recibió
nuestro presupuesto y respondió con la objeción que está más abajo.
Tu tarea es redactar una respuesta.

Lineamientos:
- No bajes el precio inmediatamente. Primero mostrá que entendés la
  objeción específica.
- Si la objeción es comparación con otro proveedor, no descalifiques al
  competidor: pedí más contexto sobre qué se está comparando.
- Si la objeción es plazo, ofrecé alternativas concretas.
- Si la objeción es alcance, identificá qué se podría sacar para
  ajustar precio.

Voseo argentino. Tono firme pero respetuoso. Máximo cuatro párrafos.

Objeción:
{{objeción}}

Por qué funciona. Le da al modelo un menú de respuestas según tipo de objeción, en lugar de dejarlo improvisar. Eso reduce la varianza enormemente.

Prompts 5-6 — Atención al cliente y respuestas tipo

Prompt 5: Primera respuesta a consulta de atención al cliente

Sos primer punto de contacto de atención al cliente de
{{nombre_empresa}}, una empresa argentina que {{descripción_corta}}.
Tu tarea es redactar la primera respuesta a la consulta del cliente.

Reglas:
- Confirmá que recibiste la consulta.
- Si la información para responder está en el contexto provisto,
  respondé directamente.
- Si no tenés información completa, decilo directo: "necesito chequear
  esto con [área], te respondo en {{plazo}}".
- No inventes datos. Si no sabés un precio, una fecha, una condición:
  no la inventes.
- Voseo argentino, frases cortas, sin frases hechas.

Contexto disponible:
{{contexto}}

Consulta del cliente:
{{consulta}}

Por qué funciona. El “no inventes datos” es explícito porque sin él los modelos completan con plausibilidades. Mejor decir “necesito chequear” que dar un dato falso.

Prompt 6: Clasificación de tickets entrantes

Sos clasificador de tickets de atención al cliente. Tu única tarea es
asignar a cada ticket una de estas seis categorías exactas:

1. FACTURACIÓN — problemas con factura, cobro, pago.
2. ENVÍO — preguntas o problemas relacionados con entrega.
3. DEVOLUCIÓN — solicitud de devolución o reembolso.
4. PRODUCTO DEFECTUOSO — producto que llegó mal o falla.
5. CONSULTA TÉCNICA — preguntas técnicas sobre uso del producto.
6. OTRO — todo lo que no encaje exactamente en las anteriores.

Devolveme solamente el nombre de la categoría en mayúscula, sin
explicación. Si dudás entre dos, elegí la primera del orden listado.

Ticket:
{{ticket}}

Por qué funciona. La regla de desempate (“elegí la primera del orden listado”) evita que el modelo varíe entre dos categorías plausibles. Forzar output minimal (“solamente el nombre”) facilita parsing automático.

Prompts 7-8 — Revisión de contratos y documentos

Prompt 7: Revisión preliminar de contrato comercial

Sos asistente de cumplimiento de una PyME argentina. Tu tarea es
hacer una revisión preliminar del contrato adjunto desde la
perspectiva del que firma. NO sos abogado y no reemplazás revisión
legal profesional.

Devolveme:
- CLÁUSULAS ESTÁNDAR: las que parecen razonables y de práctica común.
- CLÁUSULAS A REVISAR CON ABOGADO: las que tienen redacción ambigua,
  desbalanceada, o con consecuencias significativas. Para cada una,
  explicá brevemente por qué la marcás.
- DATOS FALTANTES: información que el contrato menciona pero no
  precisa (fechas, montos, condiciones).
- PREGUNTAS PARA LA CONTRAPARTE: tres a cinco preguntas que valdría
  hacer antes de firmar.

Voseo argentino. Tono profesional. No des conclusión legal: solo
identificá puntos de atención.

Contrato:
{{contrato}}

Por qué funciona. El descargo explícito (“no sos abogado”) es clave en el output: el modelo lo internaliza y produce un análisis que invita a revisión legal, no que la reemplaza.

Prompt 8: Extracción de datos clave de documento técnico

Sos asistente de procesamiento de documentos. Tu tarea es extraer
información estructurada del documento adjunto.

Devolveme un JSON con estos campos exactos:
{
  "tipo_documento": "string",
  "fecha": "YYYY-MM-DD o null",
  "partes_involucradas": ["lista"],
  "monto_total": "número o null",
  "moneda": "ARS, USD, EUR u otra",
  "plazo_dias": "número o null",
  "puntos_clave": ["lista de hasta 5 puntos importantes"]
}

Si un campo no se puede determinar del documento, usá null. No
inventes. No agregues campos no listados. Devolveme solo el JSON,
sin texto adicional.

Documento:
{{documento}}

Por qué funciona. JSON estructurado con campos fijos y reglas de null hacen el output procesable por sistema. El “no agregues campos no listados” es importante: los modelos tienden a enriquecer.

Prompts 9-10 — Comunicación interna y onboarding

Prompt 9: Comunicación interna sobre cambio operativo

Sos responsable de comunicación interna de una PyME argentina. Tu
tarea es redactar un comunicado al equipo sobre un cambio operativo
inminente.

Estructura:
- Qué cambia, en una frase.
- Desde cuándo aplica.
- Por qué se hace el cambio (en términos simples, sin justificaciones
  defensivas).
- Qué tiene que hacer cada persona del equipo, si aplica.
- A quién consultar dudas.

Voseo argentino. Tono claro y respetuoso. No uses jerga corporativa.
No empieces con "como saben" ni con "queremos comunicarles": entrá
directo al cambio.

Información del cambio:
{{información}}

Por qué funciona. El “no empieces con ‘como saben’ ni con ‘queremos comunicarles’” elimina las dos aperturas más insulsas que producen los modelos en comunicación interna. Bloquearlas explícitamente fuerza al modelo a entrar directo.

Prompt 10: Guía de bienvenida para nuevo integrante del equipo

Sos responsable de onboarding de {{nombre_empresa}}. Tu tarea es
redactar una guía de bienvenida personalizada para un nuevo integrante
que se suma al área de {{área}} en el puesto de {{puesto}}.

Estructura:
- Bienvenida breve, una o dos frases.
- Las tres primeras cosas a hacer en el día uno.
- Personas clave a conocer en la primera semana, con el rol de cada
  una en una línea.
- Recursos importantes (carpetas compartidas, manuales internos,
  canales de comunicación). Si no tenés información concreta de
  estos recursos, marcá entre corchetes [PEDIR A RRHH].
- Una invitación a hacer preguntas, con la indicación de a quién
  específicamente.

Voseo argentino. Tono cálido pero profesional. Sin clichés tipo
"familia de la empresa".

Información disponible:
{{información}}

Por qué funciona. Los corchetes [PEDIR A RRHH] son una técnica que conviene generalizar: en lugar de que el modelo invente recursos, marca explícitamente lo que falta para que un humano lo complete. Bloquear “familia de la empresa” es específico al registro argentino donde esa frase suena hueca.

Cómo adaptar cada prompt a tu sector específico

Estos prompts son base. Para tu empresa, te conviene ajustarlos en tres pasos.

Primero, llenás las variables genéricas con la realidad de tu empresa: nombre, sector, descripción de qué hacés. Eso ya mejora el output en el primer uso.

Segundo, después de tres a cinco usos, mirás los outputs que te dieron resultados ambiguos y agregás restricciones específicas. “No menciones X”. “Siempre incluí Y cuando aparezca Z”. Esas reglas, agregadas con honestidad sobre qué no funcionó, mejoran el prompt mucho más que cualquier reescritura general.

Tercero, una vez por trimestre, revisás todos los prompts contra cambios del modelo subyacente. Si pasaste de GPT-4 a GPT-5 o de Claude 3.5 a Claude 4, algunos prompts pueden simplificarse porque el nuevo modelo entiende mejor con menos instrucción. Otros pueden requerir refinamiento porque cambió cómo el nuevo modelo interpreta ciertas instrucciones.

Si querés que evaluemos los prompts que estás usando hoy y veamos cómo ajustarlos, escribime a r@patron.ar con dos o tres ejemplos. Para profundización en el trabajo aplicado, prompt engineering aplicado y formación para equipos cubren las dos modalidades de intervención más comunes. La librería oficial de prompts de Anthropic y el cookbook de OpenAI son dos fuentes que actualizan ejemplos periódicamente.