Las mejores Custom Instructions de ChatGPT: 4 tipos de instrucciones comparados

En resumen: Las mejores Custom Instructions de ChatGPT son las que ChatGPT puede ejecutar, y "profesional pero cercano" no es ejecutable. Este artículo compara los cuatro tipos de instrucciones que la gente realmente pega en el campo de respuesta: etiquetas de tono, listas de reglas, muestras pegadas y un perfil de estilo medido. Las etiquetas describen a miles de personas. Las reglas corrigen un puñado de hábitos. Las muestras obligan a ChatGPT a adivinar qué patrones son suyos. Un perfil construido a partir de su escritura real le entrega los números. Ponga el perfil en el campo, añada una breve lista de reglas debajo y olvídese de los adjetivos.

Busque Custom Instructions recomendadas para ChatGPT y obtendrá listas de plantillas. Pegue una y el resultado mejora durante una semana más o menos, hasta que nota que se lee igual que el de todos los demás que pegaron la misma plantilla.

La plantilla nunca fue el problema. El tipo de instrucción sí.

¿Cuáles son los 4 tipos de Custom Instructions de ChatGPT?

Todo conjunto de Custom Instructions para el estilo de escritura cae en uno de cuatro tipos, definidos por lo que el texto contiene en realidad: adjetivos, reglas, ejemplos o mediciones. El contenedor (configuración global, un Project, un Custom GPT) cambia dónde se aplican las instrucciones. El tipo cambia si ChatGPT puede seguirlas siquiera.

El campo en sí es el mismo en todos los casos. La guía de Custom Instructions de OpenAI describe dos cuadros: uno corto sobre usted y otro más largo sobre cómo debe responder ChatGPT. Nuestro desglose del límite de caracteres explica qué cabe en cada uno. Aquí nos interesa qué va dentro.

La mayoría de las plantillas de la web son del tipo 1 con un poco del tipo 2 mezclado. Por eso todas suenan igual.

¿Por qué falla una etiqueta de tono como Custom Instruction?

Porque la IA no conoce su tono; conoce palabras que describen el tono. Cuando escribe "profesional pero cercano", ChatGPT asocia esas palabras al registro que ha aprendido para ellas, y ese registro es idéntico para cada usuario que escribe las mismas palabras. La etiqueta es un promedio, y usted le está pidiendo al modelo que sea promedio a propósito.

Haga la prueba usted mismo. Escriba "profesional pero cercano" en una conversación nueva y pida un correo de seguimiento tras una reunión. Luego pídale a un colega que haga lo mismo. Los dos correos se parecerán más entre sí que cualquiera de ellos a algo que usted haya enviado realmente el mes pasado. La etiqueta no llevaba ninguna información que lo distinga de su colega, así que el resultado tampoco podía hacerlo.

Una voz vive en un lugar al que la etiqueta no llega:

• Longitud de las oraciones. No "conciso", sino una distribución: cuán cortas son sus oraciones cortas, cuán largas se extienden las largas y cuándo cambia de una a otra.
• Posición de los matizadores. Si "probablemente" va al inicio de la cláusula o al final, y si matiza siquiera cuando ya ha decidido.
• Transiciones. "Así que" frente a "por lo tanto" frente a nada. Si un párrafo abre con la conclusión o va construyendo hacia ella.
• Puntuación. Frecuencia de dos puntos, frecuencia de comas, si alguna vez aparece un paréntesis, si usa una raya o ninguna.

Ninguno de esos elementos es un adjetivo. Una etiqueta no puede codificar ninguno de ellos, y un modelo no puede inferirlos a partir de una. Si sus instrucciones actuales son sobre todo adjetivos, esa es la explicación completa de por qué el resultado se desvía hacia lo genérico.

¿Por qué se quedan cortas las listas de reglas y las muestras pegadas?

Las listas de reglas corrigen los hábitos que usted puede nombrar, y las muestras pegadas cubren los que no puede, pero ninguna de las dos le da a ChatGPT un objetivo contra el que medirse. Ambas son mejoras reales respecto a una etiqueta. Ambas también chocan con un techo que mucha gente confunde con el límite de lo que ChatGPT puede hacer.

Listas de reglas: fuertes en restricciones, ciegas al ritmo

Una lista de reglas es la herramienta adecuada para todo lo binario. Frases prohibidas, formato de despedida, si usar encabezados, si usar negritas. ChatGPT las sigue bien porque cada regla tiene una respuesta de sí o no. Nuestras seis plantillas listas para usar están construidas así, y son un buen andamiaje.

El techo es que el ritmo no es binario. "Varía la longitud de las oraciones" es una regla que ChatGPT aceptará con un gesto y luego producirá la misma oración de longitud media doce veces, porque no tiene un número al que apuntar. "Mantenlo ajustado" le da lo mismo. Puede escribir cien reglas y aun así nunca describir la forma de un párrafo que usted escribiría, porque la forma es un patrón, y las reglas describen eventos.

Muestras pegadas: mejor evidencia, inferencia poco fiable

Pegar tres correos y decir "escribe así" es el primer tipo que le da a ChatGPT evidencia real de cómo escribe usted. Funciona notablemente mejor que los adjetivos. Donde se rompe es en el paso de inferencia. ChatGPT lee tres correos y tiene que decidir qué rasgos son su voz y cuáles son accidentes de esos tres correos. ¿La apertura corta era un hábito o fue cosa de un martes? No puede saberlo, y adivinará de forma distinta en cada conversación.

El otro límite es el volumen. Tres correos no pueden decirle a nadie su longitud media de oración a lo largo de un año de escritura; la muestra es demasiado pequeña para los patrones que importan. Los archivos de conocimiento de los Projects elevan algo el techo, y medimos dónde se sitúa ese techo. Se sitúa por debajo de un perfil, por la misma razón: la inferencia ocurre de nuevo cada vez, y nunca se verifica.

¿Qué hace de un perfil medido la mejor Custom Instruction?

Un perfil medido convierte su escritura en objetivos que ChatGPT puede alcanzar y que una verificación puede comprobar. En lugar de "conciso", dice "longitud media de oración 13 palabras, una cuarta parte de las oraciones por debajo de 8". En lugar de "cercano", dice "la primera línea es la decisión, el saludo va en segundo lugar o no va". En lugar de "varía el ritmo", da un rango de variabilidad. Cada línea es algo que un modelo puede ejecutar y algo que un script puede medir.

Esa es la diferencia entre instruido y entrenado. Un prompt describe cómo espera usted sonar. Un perfil construido a partir de su propia escritura es evidencia de cómo escribe en realidad. Así se ve la misma voz en los cuatro tipos, para una sola dimensión:

Esa última fila es la que la gente entiende al revés. Un modelo mejor no hace que un perfil personal sea menos necesario. La capacidad del modelo y el condicionamiento con datos del usuario son capas separadas. OpenAI mejora la primera con cada versión y no puede suministrar la segunda, porque sus correos no están en el modelo y nunca lo estarán. Cuanto mejor sea el modelo siguiendo instrucciones matizadas, mejor ejecuta también su perfil. Una etiqueta vaga desperdicia esa nueva capacidad. Un perfil preciso la aprovecha.

Cómo se construye el perfil se explica en cómo funciona la extracción de estilo. La versión corta: usted añade textos que realmente envió, el análisis mide los patrones anteriores en todos ellos, y obtiene un Master Prompt en el formato de System Prompt que espera el campo de respuesta. El primer caso de uso (un idioma, un medio, una audiencia) es gratuito.

Un límite honesto. Un perfil restringe el ritmo, el vocabulario, la puntuación y la estructura. No lleva hechos ni opiniones. ChatGPT escribirá el párrafo como usted escribe los párrafos, y usted sigue decidiendo qué dice el párrafo.

¿Cómo debería configurar hoy las Custom Instructions de ChatGPT?

Ponga un perfil medido en el campo de respuesta, una breve lista de reglas debajo y nada en forma de adjetivos. Esta es la distribución que funciona, y cabe en el campo de 8,000 caracteres con espacio de sobra.

1. Sobre usted (1,500 caracteres). Rol, audiencias, idiomas. Solo hechos. Este campo es para contexto, no para la voz.
2. Cómo quiere que responda ChatGPT (8,000 caracteres). Pegue primero la exportación del perfil. Debajo, una lista de no más de diez restricciones duras: aperturas prohibidas, despedida, formatos por defecto. Elimine toda regla que describa los valores por defecto del propio ChatGPT ("sé claro", "sé útil"); cuestan caracteres y no cambian nada.
3. Projects para cambios de registro. Si su correo a clientes y sus notas internas son voces distintas, el campo global guarda la voz por defecto y un Project guarda la otra. Un perfil es una matriz de idioma, audiencia y medio, y puede exportar una sola celda (por ejemplo, su modo de correo a clientes) directamente a las instrucciones del Project. Las instrucciones del Project anulan las globales dentro de ese Project.
4. Pruebe con una verificación, no con una relectura. Pida un borrador real y luego compárelo con los números del perfil. Si ChatGPT está conectado a la app de MyWritingTwin, puede ejecutar la verificación por sí mismo y devolver un aprobado o reprobado por restricción. Construimos esa verificación como código real porque la opinión de un asistente sobre si un borrador coincide no es de fiar; vimos asistentes reportar números aprobados que la medición contradecía.

Si escribe en más de un idioma, haga el perfil por idioma. El registro cambia con el keigo en japonés, tu y vous en francés, Sie y du en alemán. La IA trata todos los idiomas igual y se pierde esos cambios, y un perfil construido a partir de correos en inglés no trasladará su voz en japonés.

Qué evitar: el campo "Sobre usted" como vertedero de voz, pilas de adjetivos en cualquier parte y reglas que no puede verificar. Si usted no puede saber si un borrador obedeció una instrucción, ChatGPT tampoco.

Qué hacer a continuación

1. Abra sus Custom Instructions actuales y clasifique cada línea por tipo. Si la mayoría de las líneas son adjetivos, ahí está la solución.
2. Cree un perfil de estilo gratuito a partir de textos que realmente envió, y pegue la exportación en el campo de respuesta.
3. Mantenga como máximo diez reglas duras debajo. Recorte el resto.
4. Genere un borrador real y verifíquelo contra los números, ya sea a mano o a través de la app.

El tipo de instrucción lo es todo. Un Writing Twin para ChatGPT, Claude o Gemini es un único perfil construido una sola vez a partir de su escritura real, y el campo de respuesta es simplemente donde ChatGPT lo lee.