Evaluación

Probar un prompt con un conjunto fijo de inputs y puntuar las salidas contra criterios de aceptación, para medir las mejoras en vez de adivinarlas.

Última actualización: 9 de noviembre de 2026 · Versión en markdown

← Volver al glosario

Cómo aplicarlo en prompts

Usá este concepto para reducir ambigüedad y mejorar consistencia. Si tu output necesita formato estricto, combiná esto con una guía de JSON y un template por modelo.

Guías relacionadas:Cómo probar un mismo prompt en ChatGPT, Claude, Gemini, Grok y DeepSeek Cómo puntuar y mejorar la calidad de tu prompt antes de enviarlo Cómo depurar un prompt que da resultados malos

Términos relacionados:Alucinaciones Restricciones

JSON estricto Modelos Packs

Qué significa

Definición: evaluar un prompt es correr el mismo prompt sobre un conjunto chico y fijo de inputs de prueba — incluidos casos límite incómodos — y calificar las salidas con una rúbrica.
Por qué importa: una buena respuesta prueba poco. Sin un set de prueba fijo, cada edición es una moneda al aire, y un cambio que arregla un caso puede romper otro sin que lo notes.
Cómo aplicarlo: escribí de 5 a 20 inputs que cubran casos típicos y difíciles, definí cómo se ve una salida correcta (formato, datos, tono), puntuá cada criterio (por ejemplo 0–2) y volvé a correr tras cada cambio del prompt.
Error común: ajustar el prompt contra los mismos tres ejemplos que mirás todo el tiempo. Reservá algunos inputs de prueba sobre los que nunca ajustás.

Ejemplo copy-paste

Armá un set de evaluación para esta tarea: [descripción de la tarea]
Devolvé:
1) Una rúbrica con 5 criterios, cada uno de 0 a 2, con el significado de cada puntaje.
2) 8 inputs de prueba: 3 típicos, 3 casos límite, 2 adversariales.
3) Para cada input, qué debe contener una salida perfecta.

Se abre en el analizador con el prompt precargado.

Abrir en Promptea

Preguntas frecuentes

¿Cuántos casos de prueba necesito?

Entre cinco y veinte alcanzan para empezar. Importa más la calidad que la cantidad: incluí los casos que ya fallaron antes.

¿El puntaje de un prompt es lo mismo que una evaluación?

No. El puntaje de 0 a 100 de Promptea mide qué tan bien especificado está el prompt, con reglas fijas. Una evaluación juzga las salidas que produce un prompt con tus propios inputs de prueba. Se complementan.