Goal Engineering: la fórmula que reemplaza al prompting clásico

El prompting clásico se centra en la instrucción: qué debe hacer la IA y cómo. Pero cuando la IA puede planificar y usar herramientas por sí misma, esa instrucción paso a paso se convierte en un freno. Nace así el Goal Engineering: describir el objetivo, no el procedimiento.

### La regla de oro

Basura entra, basura sale. Si tu contexto es vago o tu objetivo confuso, ningún modelo te salvará el resultado. La calidad de lo que recibes es directamente proporcional a la claridad de lo que defines.

### Los ingredientes de un buen objetivo

1. Resultado esperado — qué entregable quieres exactamente: un informe, una tabla, un plan.

2. Contexto y fuentes — qué archivos, datos o referencias debe usar (y cuáles no).

3. Límites y permisos — qué puede tocar, qué no, cuándo debe pedirte confirmación.

4. Criterios de calidad — cómo sabrás que el trabajo está bien hecho: formato, tono, extensión, verificaciones.

### Un ejemplo

En vez de: *"Abre el Excel, suma la columna de ventas y haz un gráfico"* (procedimiento), escribe: *"Analiza las ventas del trimestre en este archivo, detecta las 3 tendencias más importantes y entrégame un informe de una página con conclusiones accionables"* (objetivo).

La segunda versión deja que la IA decida el mejor camino — y suele sorprenderte.

### Cuándo volver al procedimiento

Si ya tienes un método que funciona y quieres repetirlo igual cada vez, no lo improvises: guárdalo como una skill. El agente la activará cuando detecte que la tarea la necesita, y obtendrás resultados consistentes sin reescribir instrucciones.

La idea final: el valor ya no está en preguntar mejor, sino en delegar con claridad.