Escribes: "un zorro en un bosque al atardecer, estilo cinematográfico, colores cálidos". El modelo genera algo — casi siempre razonable, a veces sorprendente, con frecuencia no lo que tenías en mente. Vuelves a intentarlo con más palabras. El resultado cambia, pero no de la forma que esperabas: el modelo ajustó la composición cuando tú solo querías cambiar la luz, o cambió el tono de la escena entera cuando solo pediste "más cálido".

Esto no es un fallo del modelo: es una consecuencia directa de cómo funciona el lenguaje natural como instrucción. Una frase descriptiva no distingue con claridad qué palabra modifica a qué elemento de la imagen, ni en qué orden de importancia deben aplicarse los atributos. El modelo tiene que inferir la estructura, y esa inferencia es exactamente el punto donde se cuela la variación no deseada.

El prompting estructurado —escribir la instrucción como un objeto de datos, típicamente en formato JSON, en lugar de como una oración— no es una técnica nueva inventada por la comunidad: es, en el fondo, el mismo principio que usan las APIs de software desde hace décadas para comunicarse sin ambigüedad entre sistemas distintos. Lo nuevo es que ahora se aplica a la conversación entre una persona y un modelo de imagen.

Conviene ser preciso aquí: el JSON no es "magia" ni convierte automáticamente un mal prompt en uno bueno. Lo que hace es eliminar una categoría entera de errores — los que vienen de la ambigüedad estructural — y a cambio te obliga a pensar tu imagen como un conjunto explícito de decisiones. Son, en concreto, cuatro ventajas medibles.

Vale la pena mencionar también la otra cara de la moneda, porque ningún método es gratis. El JSON añade una carga cognitiva real para quien recién empieza: hay que cuidar la sintaxis (una coma de más rompe el objeto entero), el resultado es más verboso que una frase corta, y no todos los modelos lo interpretan igual de bien. Algunos simplemente extraen el texto de los valores y descartan la estructura; otros —los diseñados específicamente para esto— sí usan la jerarquía para ponderar cada campo. Por eso la sección siguiente importa tanto como esta.

El soporte de JSON como formato de prompt es reciente y todavía desigual entre plataformas. Algunos modelos lo declaran explícitamente como formato soportado en su documentación; otros simplemente lo interpretan razonablemente bien porque su codificador de texto es lo bastante robusto como para extraer sentido de una estructura de datos, aunque no haya sido entrenado específicamente para eso.

No existe un esquema único ni obligatorio — cada modelo tolera variaciones en los nombres de los campos — pero la mayoría de las guías técnicas convergen en una misma columna vertebral. Vale la pena entender qué tipo de dato espera cada campo, porque eso determina si conviene ofrecerlo como una lista cerrada de opciones (un dropdown) o como texto libre.

La regla práctica es esta: si el valor tiene un número razonable de opciones válidas y reconocibles por el modelo — un ángulo de cámara, un tipo de iluminación, una relación de aspecto — un desplegable evita errores de escritura y guía al usuario hacia términos que el modelo interpreta bien. Si el valor es abierto por naturaleza — la descripción del sujeto, el entorno, los elementos que no deben aparecer — solo un campo de texto libre tiene sentido.

Con ese mapa de campos ya se puede construir una interfaz sencilla que traduzca selecciones de formulario en un objeto JSON válido, listo para copiar y pegar en la plataforma que uses. Eso es exactamente lo que hace la herramienta de abajo: combina desplegables para los atributos con valores cerrados y cuadros de texto para todo lo que es inherentemente abierto — y arma tanto el JSON como una versión en prosa para plataformas que no lo interpretan directamente.

Un detalle que conviene repetir porque se olvida rápido: el orden de los campos dentro del objeto puede importar para algunos modelos, que tienden a dar más peso a lo que aparece primero. Por eso la herramienta coloca siempre subject al inicio — es, casi sin excepción, el dato más importante de cualquier prompt de imagen.