Ingeniería de Prompts: Cómo clonar la estructura de cualquier guion viral de YouTube con IA
Eran las 7:30 de la tarde en la oficina de Madrid. El café ya estaba frío, la pantalla brillaba con demasiada intensidad y el cliente clave del proyecto de análisis de mercado y generación de contenidos basada en IA acababa de mandarnos un mensaje por Slack que nos dejó helados: “Necesitamos replicar el gancho y el ritmo narrativo de los 10 videos más virales del sector en las próximas 4 horas para la campaña de mañana”. Teníamos los enlaces, las transcripciones en bruto y cero tiempo para ver horas de contenido y analizar qué diablos hacía que esos guiones enganchasen a millones de personas.
Mi primer instinto fue tirar por el camino rápido. Abrí ChatGPT y le solté un comando vago: “Analiza este guion de YouTube y dime por qué es viral”. ¿El resultado? Un desastre absoluto. El modelo me devolvió un resumen aburrido, plagado de obviedades como “el video tiene buena iluminación” y “el tono es dinámico”, ignorando por completo la estructura de retención, los cambios de ritmo y los patrones psicológicos del copy. El cliente esperaba una arquitectura de datos y un desglose de patrones de guionismo, y yo tenía una redacción digna de un estudiante de primer año.
Ahí fue cuando me detuve, apliqué ingeniería de prompts real y diseñé un sistema estructurado de descomposición inversa. En lugar de pedirle una opinión subjetiva al LLM, lo transformé en un analista forense de retención de audiencia y arquitecto de contenidos. Le pasé la transcripción junto con un prompt de cadena de razonamiento multi-etapa (multi-step reasoning chain), y en menos de 45 segundos obtuve una radiografía milimétrica del guion: el desglose exacto del gancho (segundos 0 a 5), el bucle de apertura, los puntos de dolor y el patrón de retención cada 30 segundos.
Por qué fallan los prompts genéricos y cómo funciona el sistema de ingeniería inversa
El error común al usar ChatGPT o Claude para analizar contenido es tratar al modelo como un espectador pasivo. Para extraer una estructura reutilizable, necesitamos que actúe como un ingeniero de datos textuales.
La arquitectura que diseñé utiliza un enfoque de razonamiento encadenado (Chain-of-Thought). En lugar de procesar todo de golpe, el prompt obliga al LLM a seguir estos pasos lógicos:
- Identificación de la Estructura Macro: Divisón del video en actos (Gancho, Problema, Agitación, Solución, Clímax, CTA).
- Análisis Micro del Gancho: Desglose palabra por palabra de los primeros 10 segundos para identificar el sesgo cognitivo utilizado (miedo, curiosidad, urgencia).
- Mapeo de Transiciones: Cómo el creador mantiene la retención evitando los valles de caída de audiencia.
- Plantilla Reutilizable: Conversión de la estructura analizada en un esquema con variables listas para rellenar con nuestro propio contenido corporativo o de marca.
El Prompt Maestro para Ingeniar Guiones Virales
Copia este prompt, pégalo en ChatGPT (preferiblemente GPT-4o) o Claude 3.5 Sonnet, y añade al final la transcripción o el texto del guion viral que quieres analizar.
Actúa como un analista experto en retención de audiencia de YouTube y estratega senior de contenidos virales. Tu objetivo es realizar ingeniería inversa de la siguiente transcripción de video para extraer su arquitectura narrativa exacta y convertirla en una plantilla reutilizable.
Sigue estrictamente este proceso de análisis de 4 fases antes de dar tu respuesta final:
FASE 1 - DESGLOSE MACRO (Estructura de Actos):
- Divide el guion en sus bloques fundamentales (Gancho, Planteamiento del Problema, Agitación del Dolor, Revelación/Solución, Desarrollo de Valor, Clímax y CTA).
- Indica el rango aproximado de tiempo o porcentaje del guion que ocupa cada bloque.
FASE 2 - ANÁLISIS FORENSE DEL GANCHO (0-10 segundos):
- Identifica el disparador psicológico exacto utilizado (ej. curiosidad extrema, contradicción, miedo a perderse algo).
- Analiza la técnica de copywriting aplicada (pregunta retórica, afirmación disruptiva, bucle de apertura).
FASE 3 - PATRONES DE RETENCIÓN Y RITMO:
- Detecta los puntos donde se introducen "loops" de curiosidad o micro-cambios de ritmo para evitar que el espectador abandone el video.
FASE 4 - PLANTILLA MAESTRA REUTILIZABLE:
- Traduce la estructura anterior en un esqueleto o plantilla modular con etiquetas entre corchetes (ej. [INSERTA_DOLOR_DEL_CLIENTE]) para que yo pueda redactar un nuevo guion adaptado a nuestro nicho manteniendo la misma efectividad psicológica.
Aquí tienes la transcripción a analizar:
[INSERTA AQUÍ LA TRANSCRIPCIÓN O EL TEXTO DEL GUION DE YOUTUBE]Consejos prácticos y optimización de tokens
Cuando trabajes con textos largos de YouTube, ten en cuenta estas recomendaciones técnicas para evitar alucinaciones en el modelo:
- Limpia el texto previo: Elimina las marcas de tiempo automáticas (como
[00:12]) y muletillas excesivas antes de pasar el texto al prompt, a menos que quieras que el LLM analice el ritmo temporal exacto. - Usa Artifacts si estás en Claude: Si utilizas Claude, aprovecha la interfaz de Artifacts para que la plantilla maestra se genere en un panel independiente, facilitando su copia y edición posterior sin ensuciar el chat.
- Ajusta el nicho: Si la estructura analizada pertenece a un canal de entretenimiento pero trabajas para un cliente B2B, añade una línea al final del prompt diciendo: “Adapta el tono de la plantilla resultante a un formato profesional corporativo pero altamente persuasivo”.
Preguntas Frecuentes (FAQ)
¿Funciona este prompt con cualquier modelo de lenguaje?
Sí, pero rinde considerablemente mejor en modelos con alta ventana de contexto y razonamiento avanzado como GPT-4o o Claude 3.5 Sonnet. Los modelos más pequeños (como GPT-3.5) tienden a simplificar demasiado la Fase 4 y devuelven estructuras superficiales.
¿Qué hago si el guion viral es demasiado largo (más de 5,000 palabras)?
Es recomendable dividir el texto en dos partes o pedirle primero al modelo un resumen ejecutivo de los bloques principales antes de solicitar la fase de ingeniería inversa profunda, evitando así saturar la ventana de salida (output token limit).
¿La estructura obtenida garantiza que mi video también se vuelva viral?
No de forma mágica. El prompt extrae la arquitectura persuasiva y los patrones de retención, pero el éxito final depende de la originalidad del ángulo, la calidad de producción y la relevancia del tema para tu audiencia específica. La IA te da el plano arquitectónico; tú pones los materiales de construcción.