Claude Code y prompts: menos indicaciones, mejores agentes IA

Anthropic cambia de estrategia: menos indicaciones, mejores resultados en Claude Code

La interacción con modelos de IA como Claude Code está experimentando una transformación significativa. Según explica un vídeo reciente, los desarrolladores y usuarios avanzados de Anthropic están revisando la forma en que configuran sus agentes IA: la reducción de prompts y ‘skills’ específicos podría ser fundamental para extraer el verdadero potencial de los últimos modelos, en concreto con Opus 5. Esta táctica contrasta con la tendencia anterior a añadir instrucciones y capas de personalización para ganar precisión, y responde a los rápidos avances en la inteligencia y autonomía de estos sistemas.

Eliminación de prompts: una decisión respaldada por pruebas

Los responsables de Claude Code confirman que, en cada nueva versión del modelo, revisan y suelen eliminar hasta el 80% de las indicaciones del sistema (‘system prompt’), adaptando la interacción al carácter único de cada modelo. Esto se hace porque comportamientos que antes debían ‘corregirse’ con instrucciones adicionales ahora se consideran resueltos de forma nativa en versiones avanzadas como Opus 5. En la práctica, recomendaron a usuarios y desarrolladores realizar una limpieza regular de skills, prompts y hooks, para observar si el modelo responde mejor sin dicha sobre-especificación.

El vídeo aporta ejemplos prácticos: tras eliminar todos los skills y personalizaciones de un repositorio, el rendimiento en algunas tareas –como la generación de guías de recursos a partir de vídeos– resultó más eficiente en cuanto a contenidos, aunque menos atractivo en la parte visual.

Una recomendación matizada: no todo vale para todos los usos

Aunque la idea de ‘desatar’ los modelos puede sonar, según el propio autor, contraintuitiva, se basa en una analogía pedagógica: dar instrucciones excesivamente detalladas podría tener sentido con usuarios o sistemas inexpertos, pero limita a quienes poseen ya mayor capacidad. Así, dar mayor libertad a modelos avanzados permite aprovechar capacidades emergentes, un fenómeno que los desarrolladores denominan ‘product overhang’.

No obstante, tanto los desarrolladores de Anthropic como el autor del análisis insisten en que estas recomendaciones deben ajustarse al contexto: lo que sirve para desarrolladores de software o diseñadores de sistemas avanzados, puede no ser válido para investigadores, creadores de contenido o usuarios centrados en tareas de documentación. La clave está en experimentar y no aplicar consejos externos indiscriminadamente.

Estrategias para gestionar agentes de IA más avanzados

La gestión eficaz de agentes como Claude Opus 5 se aleja de la «ingeniería de prompts» clásica y se asemeja más a la dirección de equipos humanos. En vez de dar instrucciones paso a paso altamente restrictivas, el enfoque óptimo sería:

• Definir la tarea en términos generales y establecer criterios de calidad, en lugar de dictar el proceso exacto.
• Permitir que el agente ofrezca propuestas creativas o alternativas.
• Reforzar la verificación de resultados: pedir que el propio sistema compruebe y justifique su solución antes de ser supervisada por el usuario.
• Iterar sobre la definición de estándares, utilizando incluso la dimensión emocional o motivacional en algunos casos, según experimentos reportados en el vídeo.

Así, la función crítica del usuario pasa de ser microgestor a supervisor estratégico.

Implicaciones para empresas y usuarios en España

Para las empresas y profesionales españoles, este enfoque representa una oportunidad para repensar la aplicación de agentes IA en el entorno laboral y productivo. En vez de invertir grandes esfuerzos en una personalización excesiva, conviene experimentar con la reducción de indicaciones y observar hasta dónde llega el modelo por sí mismo. Esta práctica puede liberar tiempo y recursos, y conducir a mejores resultados en tareas complejas, siempre que se acompañe de una supervisión y verificación adecuada.

No obstante, el vídeo advierte sobre las limitaciones: el impacto de estas técnicas dependerá del caso de uso, de la tarea y del nivel de madurez del usuario. Hay riesgos si se eliminan prompts esenciales, como las vinculadas a branding o contexto empresarial específico, que siguen siendo necesarias, especialmente en entornos profesionales y de labores administrativas. Por tanto, se recomienda no adoptar una solución única para todos los casos, sino adaptar la estrategia a las necesidades propias.

Valoración editorial: entre la desmitificación y la gestión práctica

El mensaje que deja este análisis es claro: el avance de los modelos de IA obliga a revisar supuestos sobre cómo interactuar y obtener valor de ellos. La optimización ya no reside tanto en la complejidad del prompt como en la supervisión estratégica y la definición de estándares de calidad adaptados al contexto del usuario.

Este enfoque exige cierta madurez y experimentación por parte de empresas, desarrolladores y profesionales interesados en la IA en España, así como una actitud crítica frente a recetas universales o gurús de la inteligencia artificial. El reto es equilibrar la autonomía creciente de la IA con las necesidades reales de cada proyecto, buscando siempre el mejor resultado posible sin perder de vista la supervisión humana.

Fuente

Análisis elaborado a partir del vídeo I listened to the creator of Claude Code explain why Claude has gotten worse and how to actually fix that, publicado en YouTube.