A-Ting (un personaje ilustrativo, un asistente de marketing que gestiona anuncios en redes sociales para una marca de pequeños electrodomésticos — no un cliente real) abrió a fin de mes el panel de uso de su plataforma de video con IA. La columna de créditos estaba en rojo. Ese mes solo había hecho tres clips de producto de 15 segundos, pero ya había gastado la mitad de los créditos que había presupuestado para diez. Su jefe preguntó en el chat del equipo: “¿Cuántas veces tuviste que regrabar estos videos?”. Él sabía la respuesta, y no le hacía ninguna gracia decirla.

Ronda uno: le pidió a la IA una pelea de espadas y las espadas desaparecieron

El primer clip de A-Ting era un recurso publicitario de acción: dos personajes en un duelo cargado de tensión. Su prompt fue intuitivo: “Dos guerreros peleando, dramático, épico, cinematográfico, alta calidad”. Así es como siempre había escrito subtítulos y títulos de publicaciones — agregar algunos “adjetivos que suenan impresionantes” y suponer que funcionaría.

El resultado lo dejó helado: las espadas desaparecían durante la mayor parte de la pelea y luego reaparecían de la nada, y el movimiento se veía rígido y poco natural. Ahí fue cuando entendió que palabras como “dramático” y “cinematográfico” suenan importantes, pero en realidad son solo palabras de ambiente — describen una sensación general sin decirle a la IA qué debe pasar exactamente en la pantalla, cómo son las armas o cómo deben moverse. Así que el modelo tuvo que adivinar. Y cada suposición equivocada significaba un crédito menos.

A-Ting hizo lo que hace la mayoría después de un primer intento fallido: agregó una palabra más, cambiando “peleando” por “dos guerreros peleando con espadas”. Las armas aparecieron esta vez, pero el movimiento seguía sin ser natural y la cámara no tenía ningún diseño — porque seguía describiendo solo lo que había en la escena, no cómo debía filmarse esa escena.

Ronda dos: cambió de estilo, pero el problema fue el mismo — el estilo se desviaba

Para su segundo recurso, A-Ting quería un clip estilo anime. Esta vez pensó que había aprendido la lección y escribió una descripción más específica — una chica comiendo fideos en un puesto junto al mar, acogedor y nostálgico. El aspecto anime salió bien, pero los diez segundos completos eran una sola toma estática: la chica mantenía la misma pose todo el tiempo. Se sentía plano y aburrido.

Se dio cuenta de que describir claramente “qué hay en la imagen” todavía no era suficiente — los clips con estilo definido fallan por un motivo distinto: no por “qué hay en la imagen”, sino por “cómo se conectan las tomas entre sí” y “si el estilo se mantiene consistente a lo largo del clip”. Es la misma causa raíz de la ronda uno, mostrándose de otra forma: el prompt solo describía una imagen estática, sin decirle al modelo cuántas tomas necesitaba la escena ni cómo debían conectarse.

Ronda tres: la forma más fácil de arruinar un video de producto es una mala iluminación

El tercer clip era el que realmente importaba — un anuncio real de un producto, unas zapatillas nuevas, pensado para publicarse directamente en pauta pagada. A-Ting usó la fórmula más común para anuncios de producto: “Zapatillas girando sobre un pedestal, video de producto de estudio limpio, iluminación suave, aspecto premium”. El resultado tuvo una rotación que se desviaba, cortes bruscos y se veía claramente “generado por IA” — justo lo que no quería que viera su jefe, porque este clip era el que iba a salir en pauta.

Fue ahí cuando por fin conectó los tres fracasos en una sola lección: en cada prompt solo había dicho qué había en la escena (el sujeto), pero nunca cómo debía filmarse ese clip — tipo de toma, movimiento de cámara, velocidad, iluminación, tono de estilo. No mencionó nada de eso. Así que el modelo tuvo que inventar una versión por su cuenta, equivocarse, y quemar una regeneración real, pagada de su propio bolsillo.

El giro: nunca fue culpa de la herramienta — a sus prompts les faltaba la mitad

A-Ting había asumido que la plataforma o el modelo simplemente “no eran lo bastante inteligentes”, y por eso tenía que intentarlo tantas veces. Pero cuando desglosó sus prompts pieza por pieza, descubrió que un prompt que realmente funciona debe incluir seis elementos: sujeto (qué se filma), acción (qué está pasando), tipo de toma, movimiento de cámara, velocidad, e iluminación/estilo — más algo que casi todos se saltan: el prompt negativo, que enumera de antemano los problemas exactos que ya has tenido (armas que desaparecen, tomas estáticas, rotaciones que se desvían) y le dice al modelo que no los repita.

Usando el mismo fotograma inicial y la misma configuración, cambió el prompt por uno que cubría los seis elementos — y le salió bien al primer intento: la pelea de espadas se movió con fluidez y con un trabajo de cámara deliberado; el clip de anime cortaba entre varias tomas con un estilo consistente; el anuncio de las zapatillas tenía una iluminación que envolvía limpiamente el producto, con cortes que seguían el ritmo. Tres pruebas, tres fallos completamente distintos (movimiento, estilo, iluminación), pero la solución fue siempre la misma: cambiar las palabras de ambiente por estructura.

¿Es esta la misma lógica que ahorrar en Tokens de IA?

Lo que A-Ting gasta son créditos de generación de video. Si tú trabajas principalmente con IA de texto — escribiendo textos publicitarios, código, o atendiendo chats con clientes — lo que gastas es el AI Token que una herramienta como AI Token King calcula y te muestra. Las unidades de facturación son distintas, pero la razón de fondo por la que se desperdicia dinero es la misma: una instrucción vaga obliga al modelo a adivinar, una suposición equivocada implica repetir el proceso, y repetirlo siempre cuesta dinero otra vez. Los intentos repetidos causados por instrucciones poco claras son uno de los costos ocultos más ignorados en el uso de IA, sin importar si el producto es generación de video o un modelo de texto.

(Aclaración: los créditos de Higgsfield son una asignación para generación de video, y el AI Token que calcula AI Token King es uso de modelos de texto — son dos unidades de facturación distintas. Este artículo toma prestado el mismo principio de ahorro, no afirma que ambos se cobren de la misma manera.)

El final: ahora, antes de escribir cualquier instrucción, A-Ting se hace seis preguntas

Después de aquel momento con el panel de fin de mes, A-Ting adquirió un hábito: antes de generar cualquier recurso con IA, repasa mentalmente (o en una nota) seis elementos — qué se filma, qué está pasando, qué tipo de toma, qué movimiento de cámara, a qué velocidad, y cómo deben ser la iluminación y el estilo — y al final añade una línea sobre qué no debe aparecer. Ya no es “generar primero, arreglar después”, sino cambiar el costo de adivinar por cinco minutos de pensar antes.

Al mes siguiente, esa columna de su panel de uso por fin dejó de estar en rojo.

Preguntas frecuentes

¿Por qué agregar palabras como “cinematográfico” o “épico” no arregla una mala generación?

Porque son palabras de ambiente: describen una sensación general, no la acción o el trabajo de cámara que realmente ocurre en la escena. El modelo sigue teniendo que adivinar los detalles concretos, y agregar más adjetivos no reduce la probabilidad de que adivine mal.

¿Qué seis elementos debería incluir un buen prompt?

Sujeto (qué se filma), acción (qué está pasando), tipo de toma, movimiento de cámara (cómo se mueve la cámara), velocidad, e iluminación/tono de estilo — además de un prompt negativo que descarte de antemano los puntos de fallo ya conocidos.

¿El prompt negativo realmente sirve, o es trabajo extra sin sentido?

Sí sirve, y es el elemento que más se ignora. Su función no es agregar más contenido, sino enumerar explícitamente los problemas concretos que ya tuviste en intentos anteriores y decirle al modelo, de antemano, que no los repita, lo que reduce directamente la probabilidad de otra regeneración desperdiciada.

¿Los videos de acción, de estilo y de producto necesitan el mismo nivel de detalle en el prompt?

No exactamente. Los clips de acción fallan más por no aclarar el movimiento de cámara y la velocidad (cuanto más grande el movimiento, más fácil que el modelo pierda consistencia); los clips con estilo fallan por no aclarar las transiciones entre tomas y la estabilidad del estilo; los clips de producto fallan por no aclarar la iluminación y los reflejos — los tres modos de fallo que recorre este artículo corresponden exactamente a esos tres tipos de video.

Este artículo habla de créditos de generación de video — ¿es lo mismo que el Token que calcula AI Token King?

No, son unidades de facturación distintas. Los créditos de una plataforma de video suelen ser “un descuento por cada generación”, mientras que el AI Token que calcula AI Token King es una facturación basada en el uso de modelos de texto (longitud de entrada/salida). Son productos distintos con mecánicas de precio distintas — lo que este artículo toma prestado es el mismo principio de fondo: un prompt poco preciso obliga al modelo a adivinar, una suposición equivocada implica repetir el proceso, y repetirlo siempre cuesta dinero.

Nota sobre la fuente

Este artículo está adaptado de un video publicado por el canal de YouTube Youri van Hofwegen el 11 de julio de 2026, “STOP Wasting Credits & Master Prompt Engineering in 12 Minutes”, reorganizado y reescrito en lugar de traducido literalmente, eliminando el tono imperativo y exagerado del título original (“STOP”, “Master... in 12 Minutes”). “A-Ting” en este artículo es un personaje ilustrativo con fines explicativos, no un cliente real. Las descripciones de las plataformas de terceros mencionadas aquí (Higgsfield, C-Dance, video prompt.studio) reflejan las versiones mostradas en el video original en el momento de su publicación; si tu experiencia es distinta, consulta la documentación oficial de cada plataforma. Este artículo no constituye un respaldo ni una garantía de ninguna plataforma de terceros.

Actúa ahora

Ya sea que estés gastando créditos de generación de video o Tokens de modelos de texto, la raíz del desperdicio suele ser la misma: no saber exactamente en qué se van tus instrucciones y tu consumo real. Prueba AI Token King gratis, y convierte una factura confusa en un panel de uso que realmente puedas entender — para pensarlo bien antes de la próxima regeneración, en lugar de arrepentirte después de haber pagado.