Por qué tus prompts de IA ya no funcionan como antes (el gran divorcio Claude vs GPT)

Llevas meses usando la IA en el trabajo. Te has acostumbrado a un cierto estilo de preguntar. Funciona. O funcionaba.

De repente, algo ha cambiado. Mandas el mismo prompt de siempre y la respuesta es seca, corta, o directamente incompleta. Piensas: «¿Me he vuelto malo en esto? ¿La IA se ha vuelto más tonta?»

Si te preguntas por qué tus prompts de IA ya no funcionan igual, la respuesta no está en ti. Está en que Claude y GPT han tomado caminos completamente opuestos en los últimos meses y nadie te lo ha contado.

Tus prompts ya no funcionan igual porque Claude y GPT han tomado caminos opuestos: Claude se ha vuelto literalista extremo —hace solo lo que le pides, sin inferir nada— mientras que GPT ha ido hacia la autonomía, interpretando y completando aunque no se lo pidas explícitamente. Las guías de prompting publicadas por Anthropic y OpenAI lo confirman: son filosofías de diseño distintas, no diferencias de versión.

—

Por qué los prompts ya no funcionan igual: el gran divorcio de 2026

Hasta hace no mucho, Claude y ChatGPT competían en el mismo carril: los dos intentaban adivinar lo que querías, rellenaban huecos, añadían contexto aunque no se lo pidieras y producían respuestas generosas aunque el prompt fuera vago.

Ese modelo de «te ayudo aunque me pidas a medias» se acabó, al menos en una de las dos plataformas.

Anthropic y OpenAI han publicado guías de prompting y de diseño de sus modelos con filosofías divergentes. No es un rumor ni una interpretación. Es una decisión consciente documentada, y los efectos se notan en el día a día.

Las versiones más recientes de Claude han ido hacia el literalismo extremo. Hacen exactamente lo que les pides. No más, no menos. Si no das un dato, no lo usan aunque sea clave. Si no dices que desarrollen, no desarrollan. Si no pides estructura, no estructuran.

Las últimas versiones de GPT han ido hacia la autonomía radical. Decides el objetivo y los límites, y actúa. Interpreta, completa, infiere. A veces se pasa; a veces acierta de pleno. Pero raramente se queda corto.

—

Qué nota un directivo en la práctica

Imagina que llevas tres meses usando el mismo prompt para resumir informes de clientes. Algo así:

«Resume este informe de cliente y dime los puntos clave.»

Hace seis meses, con cualquiera de los dos, te llegaba un resumen estructurado con los puntos más importantes, el tono adecuado y quizás alguna recomendación espontánea.

Hoy, con Claude, recibes un resumen básico y punto. Sin estructura especial, sin recomendaciones, sin nada que no hayas pedido explícitamente. No porque Claude sea peor. Sino porque has pedido «resume y dame puntos clave», y eso es exactamente lo que hace.

Con GPT, en cambio, recibes el resumen, los puntos clave, quizás una sección de riesgos que no has pedido, y posiblemente una propuesta de siguientes pasos. Porque GPT ha decidido que eso es lo que necesitas.

Ninguno de los dos está equivocado. Simplemente operan con filosofías distintas.

—

El problema del prompt universal

Durante mucho tiempo circuló la idea de que había técnicas de prompting que funcionaban «en cualquier IA». Que si aprendías a escribir bien tus prompts, podías usarlos en cualquier herramienta.

Eso ya no es cierto.

El mismo prompt que con GPT te da un entregable completo y bien desarrollado, con Claude te da una respuesta correcta pero escueta. Y el mismo prompt que con Claude te da precisamente lo que pediste sin ruido extra, con GPT te puede dar cuatro cosas que no necesitabas.

Esto no es un fallo de ninguno de los dos. Es que tienen modelos de colaboración distintos. Como dos empleados con estilos muy diferentes: uno espera instrucciones detalladas; el otro toma la iniciativa.

—

Cómo adaptar tu forma de pedir a cada uno

Con Claude: sé explícito y completo desde el principio

Claude no rellena huecos. Si no le dices algo, no lo usa. Eso que parece una limitación es en realidad una ventaja enorme cuando lo entiendes: tienes control total sobre el output.

La clave es tratar cada prompt como un briefing completo. No asumas que ya sabe lo que quieres. Díselo todo.

Antes (prompt vago): «Analiza esta propuesta comercial.»

Después (prompt para Claude): «Analiza esta propuesta comercial. Quiero: 1) un resumen ejecutivo de tres puntos, 2) los principales riesgos para el cliente, 3) una valoración del precio en relación al mercado. Responde en ese orden, con un párrafo por punto.»

Con el segundo prompt, Claude te da exactamente eso. Con el primero, te da lo que literalmente le has pedido: un análisis genérico, probablemente correcto pero incompleto para lo que realmente necesitabas.

Con GPT: da el objetivo y los límites, no el proceso

Con GPT ocurre lo contrario. Si le especificas demasiado el proceso, puede ignorar partes o reinterpretarlas. Funciona mejor cuando defines el resultado esperado y le dices qué no debe hacer.

Antes (prompt vago): «Redacta un email para este cliente.»

Después (prompt para GPT): «Redacta un email para este cliente sobre la renovación del contrato. Tono profesional pero cercano. Sin mencionar el precio todavía. Máximo tres párrafos.»

El objetivo es claro; los límites son claros. GPT hace el resto.

—

Los tres síntomas más comunes de un prompt mal adaptado

Si te reconoces en alguno de estos, es señal de que estás usando el mismo prompt en el modelo equivocado.

Respuestas secas y cortas con Claude. Recibes algo correcto pero insuficiente. Claude ha hecho lo que le has pedido, literalmente. La solución no es cambiar de herramienta: es ampliar el briefing.

Respuestas que se van por las ramas con GPT. Te preguntabas por una cosa y recibes tres secciones que no pediste. GPT ha tomado la iniciativa. Si no lo quieres, ponle límites explícitos en el prompt.

Resultados inconsistentes según el día. Usas el mismo prompt, a veces funciona, a veces no. Casi siempre es porque el prompt es ambiguo y el modelo lo interpreta de manera diferente cada vez. La solución es eliminar la ambigüedad.

—

Lo que esto cambia en el trabajo diario

La implicación práctica es simple: si tu empresa usa IA, no tiene sentido hablar de «la IA» como si fuera una sola cosa. Ni siquiera de «el prompt» como si hubiera un formato universal.

Lo que funciona es entender con qué herramienta estás trabajando y adaptar cómo pides. Claude requiere más trabajo por tu parte al formular, pero a cambio te da resultados predecibles y controlados. GPT requiere menos especificación inicial, pero el output puede variar más.

En mi experiencia con equipos directivos, el problema más común no es que la IA sea mala. Es que usan prompts que funcionaban hace doce meses con modelos que ya han cambiado de filosofía.

El mundo de los modelos se ha movido. Los prompts no.

Leer también: Las skills de Claude Code y Cómo usa la IA un directivo.

—

Preguntas frecuentes

¿Tengo que aprender a programar para usar bien Claude o GPT? No. Nada de lo que se describe aquí requiere conocimientos técnicos. Se trata de aprender a dar instrucciones claras, igual que harías con un colaborador nuevo. La diferencia es que la IA hace exactamente lo que le dices, así que vale la pena ser preciso.

¿Cuál de los dos es mejor para uso empresarial? Depende del caso. Claude es más predecible y controlable, lo que lo hace especialmente útil para tareas donde el resultado debe ser específico: análisis, redacción con formato definido, revisión de documentos. GPT funciona mejor cuando quieres que el modelo tome iniciativa y complete tareas con menos supervisión. Muchas empresas acaban usando los dos para cosas distintas.

Si llevo meses usando el mismo prompt y ahora no funciona, ¿qué hago? Revísalo desde cero. Pregúntate: ¿le estoy diciendo qué quiero exactamente, o asumo que ya lo sabe? ¿Le estoy dando el contexto necesario? ¿Le indico el formato de respuesta? Con Claude en particular, cualquier dato que no le des explícitamente, no lo usará. Añade esa información y los resultados mejorarán de inmediato.

Fuente: Modelos Claude — referencia oficial.