Quan Harvard i BCG van posar 758 consultors a treballar amb IA generativa, els resultats van millorar un 40% en qualitat i van arribar un 25% més ràpidament. Però el mateix estudi, publicat a Organization Science el 2026, va trobar l'altra cara: en les tasques on la IA no és fiable, els qui van confiar-hi van rendir 19 punts pitjor. Saber demanar coses a la IA — el famós prompt engineering — importa; saber quan no fiar-se'n importa encara més. Aquesta guia separa, amb evidència de 2025-2026, les tècniques que continuen funcionant de les que ja són soroll, i explica per què formar l'equip en això ha deixat de ser opcional: des del febrer de 2025 és una obligació del Reglament europeu d'IA.
Què és el prompt engineering?
El prompt engineering és la pràctica de dissenyar les instruccions que es donen a una Intel·ligència Artificial generativa — el prompt — per obtenir resultats útils, precisos i en el format que es necessita. Inclou què es demana, com s'estructura, quin context i exemples s'aporten i quins límits es marquen. No és programar: és comunicar bé amb una màquina que respon a llenguatge natural. Per a un equip d'empresa, dominar-ho marca la diferència entre usar la IA com un becari erràtic o com un col·laborador consistent. La referència mental que recomana la pròpia Anthropic és útil: tracta el model com un empleat brillant però recent, que no coneix la teva empresa, el teu client ni el teu context — tot allò que no li expliquis, ho inventarà o ho farà a la seva manera.
Ha mort el prompt engineering el 2026?
El càrrec va morir; la competència es va tornar transversal. El 2023 es publicaven ofertes de "prompt engineer" de 200.000-300.000 dòlars; des de finals de 2024 aquestes vacants van caure al voltant d'un 30% i la funció es va absorbir en els rols de sempre — producte, operacions, màrqueting, desenvolupament. Al mateix temps, el centre de gravetat es va desplaçar: el juny de 2025 Tobi Lütke (CEO de Shopify) va popularitzar el terme context engineering i Andrej Karpathy el va rematar dies després: "l'art i la ciència delicats d'omplir la finestra de context amb la informació justa per al pas següent". La lliçó per a una empresa és concreta: el valor ja no és en fórmules màgiques de redacció, sinó en quina informació li dones al model — documents, dades, exemples, criteris — i que tota la plantilla que usa IA diàriament tingui un nivell bàsic comú. Amb l'adopció d'IA a les empreses espanyoles gairebé duplicada en dos anys (del 12,4% al 21,1%, segons dades de l'INE), aquest nivell comú és l'assignatura pendent.
Les tècniques que continuen funcionant (amb evidència)
Les guies oficials d'Anthropic, OpenAI i Google coincideixen en un nucli sorprenentment estable:
- Claredat i especificitat per damunt de tot. La "regla d'or" d'Anthropic: si un company quedaria confós llegint el teu prompt, el model també. Inclou sempre el per a què, el per a qui i el format esperat.
- Exemples (few-shot). La tècnica millor avalada per controlar format i to: Google recomana incloure exemples "sempre", i Anthropic la descriu com una de les maneres més fiables de dirigir la sortida. Dos o tres exemples del resultat desitjat valen més que un paràgraf d'explicacions.
- Estructura amb delimitadors. Separar instruccions, context i dades amb etiquetes XML o encapçalaments Markdown millora la fiabilitat — ho recomanen els tres fabricants. Un prompt ben estructurat és un document, no un missatge de WhatsApp.
- El context, a dalt. Detall poc conegut i molt citat a la documentació d'Anthropic: amb documents llargs, col·locar-los al principi del prompt i la pregunta al final millora el rendiment en tots els models.
- Instruccions en positiu. Dir què cal fer funciona millor que enumerar prohibicions ("escriu en to formal" millor que "no siguis informal").
- Rol i sistema, amb expectatives realistes. Assignar un rol ("actua com un director financer") continua sent útil per a to i enfocament — Anthropic afirma que fins i tot una frase marca diferència —, però l'evidència que millori la precisió és dèbil. Usa'l per a l'estil, no esperes miracles d'exactitud.
Les tècniques zombie: el que ja no hauries de fer per defecte
Aquí és el que gairebé cap guia en català explica. "Pensa pas a pas" ha caducat com a hàbit universal. L'informe de Wharton (juny 2025) va mesurar l'efecte del chain-of-thought en models raonadors: millores marginals (+2,9% en o3-mini) i fins i tot negatives (−3,3% en Gemini Flash 2.5), amb un 20-80% més de latència. Un metaanàlisi de més de 100 articles presentat a ICLR 2025 ho va acotar: el pas a pas ajuda sobretot en matemàtiques i raonament simbòlic, i gairebé no aporta en tasques de coneixement general. Els models de 2026 ja decideixen sols quan raonar; la recomanació oficial d'OpenAI és tractar-los com "un company sènior a qui dones l'objectiu", no el procediment. Les majúscules i les amenaces també sobren: Anthropic adverteix que el llenguatge agressiu del tipus "CRITICAL: You MUST..." provoca sobrerreaccions en els models actuals. I les plantilles màgiques de 500 paraules que circulen per LinkedIn han envellit malament: la palanca real s'ha mogut de la redacció al context que aportes.
El risc del qual ningú parla: les teves dades dins del prompt
El prompt és també una via de fuga d'informació, i les dades de 2025 són serioses: el 77% dels empleats que usen IA generativa enganxa dades corporatives al chatbot, i el 82% d'aquestes interaccions es produeix des de comptes personals fora del control de l'empresa (LayerX, 2025). Al voltant d'una de cada cinc d'aquestes enganxades conté dades personals o financeres — és a dir, exposició directa al RGPD davant l'AEPD. En paral·lel, la injecció de prompts és el risc número u del OWASP Top 10 per a aplicacions amb LLM per segona edició consecutiva: instruccions malicioses amagades en documents o webs que el model processa poden segrestrar el seu comportament. La resposta empresarial té tres capes: eines corporatives (no comptes gratuïts personals), una política clara de quines dades poden entrar en un prompt, i formació perquè l'equip reconegui ambdós riscos. La higiene del prompt és tan important com la seva redacció.
Prompting com a obligació legal: l'article 4 de l'AI Act
Des del 2 de febrer de 2025, l'article 4 del Reglament europeu d'IA exigeix a tota empresa que usi IA — proveïdora o usuària, de la mida que sigui — garantir un nivell adequat d'alfabetització en IA del seu personal: formació documentada i proporcional al lloc i al risc. I el 2 d'agost de 2026 — a dies de la publicació d'aquest article — s'inicia la supervisió nacional del reglament. No hi ha un temari oficial: el que es demana és formació real, adaptada a l'ús que cada rol fa de la IA, i saber demanar, verificar i no filtrar dades en un prompt és exactament el nucli pràctic d'aquesta alfabetització per a la majoria de llocs. La part positiva per a les empreses espanyoles: aquesta formació és bonificable via FUNDAE. La nostra formació en prompt engineering per a equips està dissenyada sobre aquest doble objectiu — productivitat mesurable i compliment de l'article 4 — i el 78% dels professionals espanyols ja declara que la seva empresa hauria de proporcionar-la.
De trucs individuals a actiu corporatiu: la biblioteca de prompts
"L'error típic és tractar el prompting com una habilitat individual: cada empleat amb els seus trucs en un bloc de notes. Les empreses que en treuen rendiment ho tracten com un actiu: una biblioteca de prompts compartida, versionada i provada per a les seves vint tasques més repetides. Això converteix la sort de cadascú en un estàndard de tots", explica Alfons Marques, fundador de Technova Partners.
El pla d'implantació que recomanem:
- Identifica les 10-20 tasques amb IA més repetides a cada departament (ofertes, correus de client, resums de reunions, anàlisi de dades).
- Crea la primera versió de la biblioteca: un prompt provat per tasca, amb els seus exemples few-shot i el seu format de sortida, accessible per a tot l'equip.
- Forma l'equip en les tècniques amb evidència — i en la lliçó de la "frontera dentada" de l'estudi de BCG: la formació ha d'ensenyar també quan no fiar-se del model, perquè aquí és on es perden els 19 punts.
- Revisa i versiona trimestralment: els models canvien (recordes quan el pas a pas era imprescindible?) i la biblioteca ha de canviar amb ells.
Si vols entendre primer com funcionen aquests models per dins, la nostra guia de què és un LLM per a empreses és el complement natural d'aquesta.
Vols una biblioteca de prompts a mida i formar el teu equip complint l'article 4 de l'AI Act amb FUNDAE? Explica'ns el teu cas i et preparem una proposta.
Conclusió
El prompt engineering el 2026 no és el que era el 2023 — i això és una bona notícia. El càrrec estrella va desaparèixer, però la competència es va tornar obligatòria per a tota la plantilla: per productivitat (l'evidència del +40% de qualitat és real quan s'usa bé) i per llei (article 4 de l'AI Act, amb supervisió activa des d'agost de 2026). El que funciona és clar i documentat: claredat, exemples, estructura i context ben col·locat. El que sobra, també: el pas a pas per defecte, les majúscules amenaçants i els prompts màgics. I el salt de nivell real no és en el prompt individual, sinó en convertir el prompting en actiu corporatiu — biblioteca compartida, política de dades i formació que ensenyi també a desconfiar a temps.
Preguntes freqüents sobre el prompt engineering
Què és el prompt engineering en poques paraules?
És la pràctica de dissenyar bé les instruccions que es donen a una IA generativa — què demanes, amb quin context, amb quins exemples i en quin format — per obtenir resultats útils i consistents. No cal saber programar: és comunicació estructurada amb la màquina, i el 2026 és una competència transversal d'oficina, no un lloc de treball.
Continua sent útil dir-li a la IA "pensa pas a pas"?
Com a hàbit per defecte, no. Els estudis de 2025 (Wharton, ICLR) mostren que en els models raonadors actuals el chain-of-thought aporta millores marginals o fins i tot empitjora el resultat, i sempre afegeix latència. Ajuda en problemes matemàtics o de lògica simbòlica amb models no raonadors. La recomanació actual dels fabricants és donar l'objectiu i el context, i deixar que el model decideixi com raonar.
Quins riscos té l'ús de prompts a l'empresa?
Dos principals. Fuga de dades: el 77% dels empleats que usen IA generativa enganxa informació corporativa als chatbots, moltes vegades des de comptes personals — amb dades personals de per mig, això és exposició al RGPD. I injecció de prompts: el risc número u del OWASP Top 10 per a aplicacions LLM, on instruccions ocultes en un document o web manipulen el model. Tots dos es mitigen amb eines corporatives, política de dades i formació.
La formació en prompt engineering és obligatòria?
La formació específica en prompting no està nomenada en cap llei, però l'article 4 del Reglament europeu d'IA obliga des del febrer de 2025 a garantir l'alfabetització en IA de tot el personal que l'usa, proporcional al seu lloc i al risc — i saber formular peticions, verificar sortides i protegir dades en els prompts és el nucli pràctic d'aquesta alfabetització. La supervisió nacional comença el 2 d'agost de 2026, i a Espanya aquesta formació es pot bonificar via FUNDAE.
