Por Qué Tus Prompts de IA Son Malos (Y Cómo la Voz los Arregla)

Resumen: Escribes prompts de IA cortos y perezosos porque teclear prompts largos es agotador. Esto hace que las herramientas de IA parezcan menos capaces de lo que son. La entrada por voz te permite dictar prompts detallados en segundos, mejorando dramáticamente la calidad de las respuestas de la IA.

La Verdad Incómoda

Tus herramientas de codificación con IA no están rindiendo por debajo de sus capacidades. Tú estás dando prompts por debajo de lo necesario.

Cuando tecleas "arregla el bug" en Cursor y obtienes un resultado mediocre, el problema no es Cursor. El problema es que no le diste nada con qué trabajar. Sabes dónde está el bug, qué hace y cómo debería verse la solución. Pero no tecleaste nada de eso porque tomaría demasiado tiempo.

Este es el compromiso entre calidad del prompt y esfuerzo al teclear, y es la razón número uno por la que los developers se decepcionan con las herramientas de codificación con IA.

Por Qué la Gente Escribe Prompts Cortos y Perezosos

No es pereza. Es economía. Cada palabra que tecleas tiene un costo:

• A 70 PPM, un prompt de 100 palabras toma unos 85 segundos
• Eso incluye pensar la redacción, corregir errores tipográficos y reestructurar
• En una terminal (donde muchos agentes de IA corren), editar texto largo es especialmente doloroso
• Después de 8 horas tecleando código, tus dedos y muñecas están cansados

Así que optimizas. Tomas atajos. Escribes "agregar auth" en lugar de explicar todo el flujo de autenticación. Escribes "arreglar test" en lugar de describir cuál test, qué prueba y por qué está fallando.

Y luego pasas 10 minutos en un ir y venir con la IA, proporcionando el contexto que deberías haber dado desde el principio.

La ironía: ahorras 60 segundos escribiendo un prompt corto, luego pasas 10 minutos en iteraciones. El "atajo" te cuesta 9 minutos extra.

El Espectro de Calidad de Prompts

Así se ve la misma solicitud en diferentes niveles de calidad:

Nivel 1: Mínimo Esfuerzo (5 segundos para teclear)

arregla el login

Resultado de la IA: Hace una suposición aleatoria sobre qué está mal con el login. Cambia el archivo equivocado. Iteras tres veces. Tiempo total: 8 minutos.

Nivel 2: Algo de Contexto (30 segundos para teclear)

La función de login retorna 401 para usuarios válidos.
Revisa la validación del token.

Resultado de la IA: Encuentra la función de validación de token y hace una corrección plausible. Está cerca pero se pierde el caso límite del refresh token. Una iteración más. Tiempo total: 4 minutos.

Nivel 3: Detallado (90 segundos para teclear)

El endpoint de login en routes/auth.ts retorna 401 para usuarios cuyo
access token ha expirado pero aún tienen un refresh token válido. La
función verifyToken en middleware/auth.ts verifica la expiración del
access token en la línea 45 pero retorna 401 inmediatamente sin
verificar el refresh token. Arregla esto agregando una verificación
del refresh token antes de la respuesta 401, y agrega un test para
este escenario en auth.test.ts.

Resultado de la IA: Arregla exactamente el problema, agrega el test. Listo en una iteración. Tiempo total: 2 minutos.

Nivel 3 por voz (20 segundos para dictar)

El mismo prompt de Nivel 3 de arriba toma solo 20 segundos dictarlo. Eso es menos tiempo que lo que toma teclear el prompt de Nivel 2.

Este es el hallazgo clave: La voz hace que los prompts de Nivel 3 sean tan rápidos como los prompts de Nivel 1 tecleados. Obtienes la calidad sin el esfuerzo.

Cómo la Voz Elimina el Cuello de Botella

Hablar es 2-3 veces más rápido que teclear para lenguaje natural. Pero la diferencia de velocidad es solo parte de la historia. La voz también cambia cómo piensas sobre los prompts:

Dejas de Auto-Editarte

Cuando tecleas, constantemente evalúas si cada palabra "vale" el esfuerzo. Recortas oraciones, omites contexto y abrevias. Es un bucle de optimización inconsciente que degrada la calidad del prompt.

Cuando hablas, las palabras fluyen a la velocidad del pensamiento. Dices lo que te viene a la mente, incluyendo el contexto, las restricciones, los casos límite y los ejemplos que hacen que las respuestas de la IA sean geniales.

Incluyes el "Por Qué"

Prompt tecleado: "Agrega caché al endpoint de usuario."

Prompt hablado: "El endpoint de usuario está muy lento porque consulta la base de datos en cada solicitud. Agrega caché con Redis con un TTL de 5 minutos. Invalida la caché cuando un usuario actualiza su perfil. Usa nuestro cliente Redis existente en lib/redis."

La versión hablada incluye el por qué (muy lento), el cómo (Redis, TTL de 5 minutos), el caso límite (invalidación al actualizar) y el detalle de implementación (usa el cliente existente). Nunca teclearías todo eso. Pero lo dices naturalmente porque hablar no requiere esfuerzo.

Proporcionas Ejemplos

Prompt tecleado: "Mejora el formato de la salida."

Prompt hablado: "La respuesta de la API actualmente retorna el objeto crudo de la base de datos con nombres de campo en snake_case e incluye campos internos como created_at y deleted_at. Quiero que retorne un DTO limpio con nombres de campo en camelCase, solo los campos públicos como id, name, email y role. Sigue el mismo patrón que usamos en la respuesta del endpoint de producto."

Los ejemplos y referencias a patrones existentes son increíblemente valiosos para las herramientas de IA. Casi nunca aparecen en prompts tecleados porque son "demasiado esfuerzo." Aparecen naturalmente en prompts hablados.

Ejemplos de Prompts Antes/Después

Ejemplo 1: Corrección de Bug

Tecleado (Nivel 1):

arregla la búsqueda

Hablado (Nivel 3):

El endpoint de búsqueda en controllers/search.ts está retornando
resultados duplicados cuando la consulta del usuario coincide tanto
en el título como en la descripción del mismo elemento. El problema
es que estamos haciendo dos consultas separadas y concatenando los
resultados sin deduplicación. Arregla esto usando una sola consulta
con condiciones OR o deduplicando los resultados basándote en el ID
del elemento antes de retornarlos. Mantén el ordenamiento por relevancia.

Ejemplo 2: Nueva Funcionalidad

Tecleado (Nivel 1):

agrega modo oscuro

Hablado (Nivel 3):

Agrega soporte de modo oscuro a la aplicación. Crea un ThemeContext que
almacene el tema actual en localStorage para que persista entre sesiones.
Agrega un botón de alternancia en la barra de navegación. El tema oscuro
debe usar los design tokens que ya tenemos en styles/tokens.ts. Quiero
que el tema por defecto sea la preferencia del sistema del usuario usando
el media query prefers-color-scheme, pero deben poder cambiarlo con
el botón.

Ejemplo 3: Refactorización

Tecleado (Nivel 1):

limpia el servicio de usuario

Hablado (Nivel 3):

El UserService en services/user.ts ha crecido a 400 líneas y mezcla
lógica de negocio con consultas a base de datos y envío de emails.
Refactorízalo extrayendo las operaciones de base de datos en una clase
UserRepository, las operaciones de email en un EmailService que inyectamos
a través del constructor, y mantén solo la lógica de negocio en UserService.
Crea interfaces tanto para el repository como para el email service para
poder mockearlos en los tests. Sigue los mismos patrones del refactor
del ProductService que hicimos el sprint pasado.

Ejemplo 4: Code Review

Tecleado (Nivel 1):

LGTM, algunos problemas menores

Hablado (Nivel 3):

El enfoque general se ve bien pero tengo algunas preocupaciones. La
consulta a base de datos en la línea 45 podría causar problemas de N+1
cuando hay muchos usuarios. Considera agruparla. El manejo de errores
en el bloque catch de la línea 72 traga el error silenciosamente. Como
mínimo regístralo en nuestro servicio de monitoreo. Además, la nueva
función utilitaria debería estar en el directorio de utils compartidos
ya que el módulo de facturación necesitará la misma lógica.

El Efecto Compuesto

Los mejores prompts no solo ahorran tiempo en una interacción. Se componen:

1. Mejor primera respuesta significa menos iteraciones
2. Menos iteraciones significa menos contaminación de contexto en el historial de chat de la IA
3. Un historial de chat más limpio significa que la IA mantiene mejor contexto para prompts posteriores
4. Mejores prompts posteriores (porque ahora tienes el hábito de ser detallado) componen la ventaja de calidad

Los developers que cambian a prompts por voz típicamente reportan:

• 60-70% menos iteraciones de IA por tarea
• 2-3 veces más funcionalidades completadas por día
• Calidad de código notablemente mayor del código generado por IA

Cómo Empezar

No necesitas cambiar cómo piensas. Solo necesitas una herramienta que te permita hablar en lugar de teclear.

Murmur funciona en cualquier aplicación incluyendo Cursor, VS Code, la terminal de Claude Code y cualquier otra herramienta donde escribas prompts. Un atajo de teclado lo activa. Di tu prompt. Listo.

Prueba este experimento por un día:

1. Descarga Murmur (plan gratuito: 5 dictados/día)
2. Usa la voz para cada prompt de IA que escribas hoy
3. Nota cuánto más detalle contienen tus prompts
4. Nota cuánto menos iteras

La diferencia no es sutil. Es la diferencia entre decirle a una IA "arregla esto" y darle el contexto que necesita para realmente arreglarlo.

Conclusión

Tus herramientas de IA son tan buenas como los prompts que les das. La mayoría de los developers dan prompts insuficientes porque teclear es lento y agotador. El dictado por voz elimina este cuello de botella por completo, permitiéndote dictar prompts de Nivel 3 en el tiempo que toma teclear prompts de Nivel 1.

Si has estado decepcionado con las herramientas de codificación con IA, intenta dictar tus prompts antes de culpar a las herramientas. Podrías descubrir que la IA siempre fue capaz. Solo estabas demasiado cansado para teclear lo que necesitaba.