Hacia finales de 2025, la ingeniería de prompts ha dejado de ser un juego de intuición para convertirse en una disciplina rigurosa. Lo que alguna vez fue un ejercicio de ensayo y error con frases vagas y subjetivas, ha evolucionado en un proceso técnico estructurado donde cada parámetro cumple una función específica. Esta transición ha sido impulsada por la necesidad de resultados predecibles, consistentes y aptos para producción profesional en sectores como la publicidad, el diseño, el cine y la televisión.
La generación de medios con IA ya no se reduce a describir una escena bonita, sino a dirigirla con lógica y precisión, tal como lo haría un director de fotografía o un supervisor de efectos visuales. Herramientas como Nano Banana Pro y Midjourney v7 no son simples generadores de imágenes, sino motores que responden a estructuras lógicas complejas, comandos técnicos y referencias visuales precisas.
Nano Banana Pro: la IA que razona con coordenadas
Google ha posicionado a su modelo Gemini 3 Pro Image, conocido popularmente como Nano Banana, como el referente para la generación de contenido estructurado. Este modelo destaca por su capacidad para seguir instrucciones lógicas, comprender relaciones espaciales y renderizar texto de manera coherente.
Los prompts exitosos no se construyen como relatos poéticos, sino como instrucciones de ingeniería visual: qué se quiere, dónde debe colocarse, qué rol cumple cada elemento, y bajo qué condiciones técnicas. El modelo es capaz de trabajar como si estuviera leyendo un plano de arquitectura o el guion técnico de una producción audiovisual.
Un caso ejemplar es el uso del modelo para generar infografías comerciales. Al dividir visualmente el espacio en paneles con etiquetas precisas, se logra una organización gráfica clara, sin errores tipográficos y con coherencia cromática entre escenas. Esta capacidad es clave para productos como pósters, diagramas técnicos o interfaces visuales.
Otro punto fuerte es el llamado «bloqueo de identidad» (Identity Lock), que permite mantener la coherencia de un personaje a lo largo de distintas imágenes. La carga de varias referencias visuales y su uso en un prompt estructurado en JSON asegura que la IA no «olvide» el rostro, ropa o expresión del personaje original, eliminando así las incoherencias que antes eran comunes.
Midjourney v7: estética controlada y simulación física
Mientras Nano Banana domina la lógica y la composición, Midjourney v7 es la herramienta elegida para el control estilístico y la textura visual. Su punto fuerte es la simulación fotográfica, desde la iluminación hasta las lentes, pasando por paletas de color cinematográficas y profundidad de campo.
Parámetros como –oref (ancla de referencia global), –lut (look-up table de color) y –lens (longitud focal simulada) permiten un control fino sobre el resultado visual, acercándose a lo que se logra en un estudio con una cámara física. La posibilidad de usar un modo borrador (–draft) para iterar rápidamente y luego refinar con mayor calidad, permite flujos de trabajo eficientes y escalables.
El resultado final no es una imagen artística genérica, sino una composición curada, intencional y lista para uso profesional. Desde un editorial de moda hasta una pantalla de aplicación móvil, cada prompt se convierte en un plano técnico disfrazado de descripción visual.
Del cuadro al plano: la generación de video toma el mando
Los modelos de video como OpenAI Sora 2 y Google Veo 3.1 han empujado los límites de la generación audiovisual. Ya no se trata de producir clips genéricos o animaciones sin cohesión, sino de generar secuencias cinematográficas coherentes en términos de movimiento, audio e iluminación.
El prompting para video ha adoptado el lenguaje de la producción cinematográfica. Se habla en términos de planos, duración, acción, ritmo y lente. No basta con decir «un coche avanzando en la lluvia»; ahora se especifica si el plano es cenital, si la lente es anamórfica, si hay destellos de luces y qué tipo de sonido acompaña la escena.
Sora 2 exige prompts con acciones limitadas por plano, siguiendo la regla de «una acción por clip». Si se desea mostrar una secuencia de eventos, se debe fragmentar el prompt en «beats» con tiempos definidos. Esto permite que el modelo distribuya sus recursos de generación de manera coherente, evitando el caos visual.
Por su parte, Veo 3.1 destaca en el audio nativo sincronizado. Su capacidad para interpretar sonidos como diegéticos o ambientales le permite generar pistas de audio ajustadas a la escena. Adicionalmente, su sistema de «Ingredientes» (Start Frame y End Frame) habilita interpolaciones fluidas que respetan identidad, contexto y narrativa visual.
Automatización y JSON: la nueva lingua franca del estudio
Las estructuras JSON se han convertido en la columna vertebral de la generación automatizada. Lejos de ser código complejo, estas estructuras permiten que los estudios integren modelos de IA en pipelines internos sin depender de interfaces gráficas.
Al definir por separado el metadato del proyecto, los parámetros técnicos, los datos de escena, el audio y las restricciones negativas, se consigue una orquestación profesional del contenido generado. Esto evita errores humanos y garantiza consistencia a lo largo de cientos de iteraciones.
Flujos como el «sándwich» (imagen a video a escalado) permiten mantener control visual total: se crea primero una imagen de referencia, se usa como entrada para generar el video, y luego se refina en resolución con modelos especializados. Es un proceso que combina el mejor aspecto de cada modelo para lograr calidad broadcast-ready.
Nueva sintaxis, nueva mentalidad
El prompting de 2025 no es solo una cuestión de palabras, sino de sintaxis estructurada, parámetros controlados y lógica creativa. No se trata de inspirar a la IA, sino de instruirla. Quien domina esta sintaxis se convierte en director técnico, no en un usuario pasivo.
El enfoque se ha desplazado de «pedir» una imagen a «especificar» un asset. De «probar suerte» a construir un plano de ejecución. Y este cambio no solo mejora la calidad, sino que permite la escalabilidad, la automatización y la integración industrial de las IAs generativas.
Los creadores que prosperan hoy son aquellos que han aprendido a hablar el lenguaje de las máquinas con la precisión de un ingeniero y la sensibilidad de un artista.