Dado que la adopción generalizada de modelos de lenguaje a gran escala (LLM), como ChatGPT, Gemini y DeepSeek, ha transformado significativamente la forma en que las personas trabajan en la educación, las carreras profesionales y los campos creativos, este artículo investiga el impacto de la estructura y la claridad de las indicaciones del usuario en la eficacia y la productividad de los resultados de los LLM. Utilizando datos de 243 encuestados con diversos antecedentes académicos y profesionales, analizamos los hábitos de uso de la IA, las estrategias de indicación y la satisfacción del usuario. Los resultados muestran que los usuarios que utilizan indicaciones claras, estructuradas y contextualizadas reportan una mayor eficiencia en las tareas y mejores resultados. Estos hallazgos resaltan el papel crucial de la ingeniería de indicaciones para maximizar el valor de la IA generativa y brindan orientación práctica para el uso diario.
