- Introducción.
En los próximos años, la diferencia entre un profesional que usa IA y uno que no lo hace no será tecnológica, sino de productividad y control del riesgo. En los campos jurídico y contable —altamente regulados y dependientes de la precisión documental— la habilidad de diseñar prompts efectivos se ha convertido en un activo de máximo retorno.
Un prompt mal estructurado es hoy el equivalente moderno a un dictamen mal fundamentado o un error de cálculo en una auditoría. No se trata de un simple fallo técnico, sino de una fuente activa de riesgo profesional. Por el contrario, un prompt bien diseñado actúa como multiplicador de experiencia: permite delegar razonamiento complejo, ganar escala cognitiva y liberar tiempo para las tareas de validación y estrategia que definen la ventaja profesional.
En este contexto, el Prompt Engineering deja de ser una destreza tecnológica para transformarse en una nueva forma de gestión del riesgo, del conocimiento y de la productividad profesional (OpenAI, 2023; EY, 2025).
- La IA como asociado junior no regulado.
Para abogados y contadores, un modelo de lenguaje (LLM) —como GPT-4, Claude 3 o Gemini— debe ser entendido no como un oráculo infalible, sino como un asociado junior virtual: veloz, meticuloso, pero sin criterio ni responsabilidad ética. Su valor depende de la claridad de la instrucción. En otras palabras, el prompt es el nuevo memorando de encargo.
El profesional que domina esta habilidad logra pasar de simples resúmenes genéricos a borradores contractuales o análisis financieros con una usabilidad del 90%, reduciendo el trabajo manual al 10% final de revisión (Brown et al., 2020).
- Del control de riesgos al “apalancamiento cognitivo”.
Mientras el prompting académico se enfoca en la experimentación técnica (Zero-shot, Few-shot), el prompting profesional busca reducir la variabilidad y replicar el juicio experto.
Los principios de aprendizaje en contexto (Brown et al., 2020) y razonamiento paso a paso (Wei et al., 2022) se convierten en herramientas de control interno.
Algunos ejemplos ilustran la diferencia:
| Principio | Error común | Prompt profesional |
| Persona (Rol) | “Revisa este contrato.” | “Actúa como abogado senior de un fondo con tolerancia cero al riesgo en cláusulas de indemnización. Sé escéptico.” |
| Proceso (Chain of Thought) | “¿Cuál es el impacto fiscal?” | “Calcula el impacto fiscal paso a paso, mostrando base, ganancia y tasa aplicable.” |
| Ejemplo (Few-shot) | “Escribe un correo.” | “Actúa como socio director escribiendo a un CEO. Tono: empático pero firme.” |
De esta forma, el prompt pasa de ser un comando textual a un marco de control cognitivo: define rol, contexto, formato y límites.
- Aspectos cruciales: confidencialidad, verificación y responsabilidad.
El uso de IA en entornos profesionales implica dos clases de riesgo:
- Riesgo de entrada: pérdida de confidencialidad.
- Riesgo de salida: errores o “alucinaciones” (información inventada).
- Confidencialidad (riesgo de entrada)
Las versiones públicas de IA (gratuitas o abiertas) pueden utilizar los prompts del usuario para reentrenar el modelo (OpenAI, 2023). Por ello, ninguna información cubierta por secreto profesional o NDA –Non-Disclosure Agreement, Acuerdo de Confidencialidad- debe ser introducida en herramientas públicas.
La práctica correcta es operar mediante versiones empresariales o API—Application Programming Interface, es decir, Interfaz de Programación de Aplicaciones–, que garantizan la no retención ni entrenamiento de datos.
- Verificación (riesgo de salida)
Las alucinaciones —información plausible pero falsa— constituyen una amenaza directa a la diligencia profesional. Confiar en una salida no verificada puede constituir negligencia o mala praxis profesional (EY, 2025).
El estándar correcto es utilizar promp que obliguen a la IA a citar fuentes documentales precisas o declarar la ausencia de información:
“Resume los cambios en la NIIF 17 basándote únicamente en el documento adjunto. Cita número de página y sección. Si algo no figura, indícalo explícitamente.”
En síntesis, la IA es asistente de investigación, no fuente de verdad. El profesional sigue siendo el responsable final de la verificación y citación (APA, 2023).
- De comando a diálogo: el proceso iterativo.
El prompting efectivo es un proceso dialógico. El primer resultado rara vez es el definitivo. El verdadero valor se construye al refinar las respuestas, delimitando enfoque, tono y precisión.
Como un escultor, el profesional moldea la salida hasta alcanzar un producto de alto valor jurídico o contable (Great Learning, 2025).
Ejemplo típico:
- Solicitud general → salida genérica.
- Instrucción focalizada → salida útil.
- Instrucción correctiva → salida de valor profesional.
Este método convierte la IA en una extensión de la práctica profesional, no en una sustituta.
- De los prompts de búsqueda a los Agentes que actúan.
La evolución natural del prompting es el uso de agentes de IA: sistemas automatizados que ejecutan tareas periódicas con criterios definidos (Bito, 2025).
Por ejemplo:
- Agente regulatorio: monitorea boletines oficiales o portales judiciales y alerta sobre reformas que afecten a clientes.
- Agente contable: ejecuta cierres mensuales, consolida datos y reporta solo variaciones significativas.
Estos agentes transforman tareas rutinarias en procesos supervisados, auditables y de bajo riesgo, liberando al profesional para el análisis estratégico.
- Checklist de implementación segura de IA
La profesionalización del uso de IA exige protocolos de control. El siguiente resumen sintetiza las buenas prácticas:
| Área | Acción crítica |
| Entorno | Usar solo versiones empresariales o API; definir políticas de acceso. |
| Confidencialidad | Clasificar información antes de ingresarla; excluir datos sensibles; registrar prompts. |
| Control de calidad | Verificar fuentes y citar solo documentos primarios. |
| Transparencia | Revelar el uso de IA cuando forme parte del método analítico. |
| Capacitación | Formar y designar un supervisor interno de IA; mantener repositorio de prompts validados. |
- Conclusión: el nuevo rol profesional potenciado.
La IA no reemplaza la experiencia jurídica ni contable: la amplifica o potencia. El desafío es pasar de ejecutar tareas a diseñar sistemas cognitivos. El profesional que pueda traducir su criterio, su tolerancia al riesgo y su estándar ético en un prompt claro será quien dirija la IA, no quien compita con ella.
El abogado o contador que diseñe mejor sus prompts no perderá su trabajo ante la IA. Será quien supervise cómo la IA trabaja para él.
- Referencias de fuentes consultadas.
- American Psychological Association (2023). How to cite ChatGPT.
- Anthropic (2023). Prompt Engineering Guide.
- Brown et al. (2020). Language Models are Few-Shot Learners.
- Wei et al. (2022). Chain-of-Thought Prompting.
- EY (2025). Prompt your colleagues: What Tax professionals can learn from LLMs.
- CPA Practice Advisor (2025). Prompt Engineering for Accountants.
- Bito (2025). AI Agent vs LLM.
- Great Learning (2025). Common Prompt Engineering Mistakes.
- OpenAI (2023). Prompt Engineering Guide.
Cont. Púb. Oablo Porporatto
