Prompts de ChatGPT para restaurantes: errores vs el método correcto

¿Qué debe tener la ficha del local antes de escribir el primer prompt?

La ficha del local es un documento de una página con la carta vigente, los gramajes, los precios de venta, el público y el tono de la casa, y es el contexto que usted pegará al inicio de cada prompt.

Sin esa ficha, ChatGPT rellena con supuestos de un restaurante promedio que no existe, y por eso las respuestas suenan correctas y no sirven para SU operación. Escríbala una vez, en un archivo del negocio, con fecha y con el nombre de quien la mantiene, porque cada cambio de carta la deja vieja y un prompt alimentado con precios de hace tres meses le va a calcular márgenes falsos sin avisarle.

El entregable medible es sencillo: la ficha existe, cabe en una pantalla y cualquier gerente nuevo entiende con ella qué vende usted, a quién y a qué precio, sin tener que preguntarle a nadie de la cocina.

¿Cómo se escribe un encargo con rol, contexto, formato y criterio?

Un encargo bien escrito tiene cuatro partes en este orden, y si le falta una el resultado se nota desde la primera lectura:

el rol que asume la IA, el contexto de la ficha, el formato exacto de la salida y el criterio con el que usted la va a aceptar o rechazar. Por ejemplo, «actúa como jefe de cocina de un asador de 60 sillas, usa esta carta, entrégame una tabla con plato, costo por porción y precio, y marca todo plato cuyo food cost pase del 32 %», que en el método es el techo y nunca la meta.

Ese último tramo, el criterio, es el que casi todos omiten, y es justo el que convierte una charla en un trabajo que se puede revisar. Pídale además que declare qué datos le faltan antes de inventarlos; el modelo obedece esa instrucción mucho mejor de lo que la gente supone.

¿Qué tareas conviene encargarle primero a ChatGPT en un restaurante?

Conviene empezar por tareas de texto de bajo riesgo y alto volumen, como respuestas a reseñas, descripciones de carta y borradores de comunicación interna, y dejar para después todo lo que toca alérgenos, costos o al cliente en tiempo real.

En lo administrativo la adopción sigue baja: según Restaurant Dive, con datos de la National Restaurant Association (2026), apenas el 10 % de los operadores de EE. UU. usa IA en al menos algunas tareas administrativas, así que quien ordena ese frente primero recupera horas de gerencia que la competencia sigue perdiendo. Elija dos tareas, no más, y escriba para cada una su prompt con la ficha pegada al inicio.

El entregable es una semana de salidas reales revisadas por el responsable, con una nota al margen de qué se corrigió en cada una, porque esas correcciones son la materia prima del paso siguiente.

El marketing es donde más rinde la IA y donde más se equivoca

El marketing es el uso más extendido y a la vez el que más errores de marca produce, y las dos cosas se resuelven con la misma medida: un prompt que lleva el tono de la casa escrito como regla. En servicio completo, el 19 % de los operadores ya usa IA para marketing (National Restaurant Association, vía Restaurant Dive, 2026), y basta recorrer las redes de restaurantes para encontrar el mismo texto entusiasta repetido de una ciudad a otra.

La salida genérica no es culpa del modelo; es lo que pasa cuando alguien pide «un post para el fin de semana» sin decir qué plato ni qué palabras jamás usaría su casa. Por eso el prompt de marketing debe incluir textos suyos que sí le gustaron y una lista corta de frases prohibidas. Lo que queda hecho se verifica rápido: tres publicaciones seguidas que un cliente habitual reconocería como suyas sin ver el logo.

Los errores más comunes al usar prompts en la operación

El error que más se repite es usar la salida sin revisarla, y le sigue de cerca copiar prompts ajenos que alguien escribió para otro negocio y otra carta. ¿Qué pasaría si un gerente pide la ficha de alérgenos de un plato nuevo, la imprime sin cotejarla con la receta estándar y el modelo omite un fondo de mariscos?

El mesero confía en la ficha, el cliente confía en el mesero, y el primer aviso llega desde una sala de urgencias, un costo que ningún ahorro de horas compensa.

Hay dos errores más baratos que igual suman: mezclar la cuenta personal con la del negocio, que deja los prompts buenos en el teléfono de alguien que mañana se va, y pedirle a la IA lo que no le toca, como tomar pedidos, algo que apenas el 6 % de los restaurantes de EE. UU. le confía (Restaurant Dive, 2026).

Guardar cada prompt como una receta estándar

Un prompt que funcionó se guarda igual que una receta estándar, con nombre, versión, dueño y fecha de la última corrección, en una carpeta compartida del negocio. En el método Masterestaurant que aplica Diego F. Parra, cada prompt es una pieza del Sistema Operativo Inteligente del restaurante, y la regla es que nadie lo edita sin anotar qué cambió y por qué, del mismo modo que nadie altera el gramaje de una salsa base sin avisarle a la cocina.

Europa muestra que el hábito todavía es minoritario, porque Eurostat (2025) ubica en 19,95 % las empresas de la UE con 10 o más empleados que usan tecnologías de IA, de modo que una biblioteca ordenada ya lo pone a usted por delante. El entregable se comprueba con una prueba simple: el gerente del turno de noche encuentra el prompt correcto en menos de un minuto y obtiene la misma calidad que el de la mañana.

¿Cómo saber que la biblioteca de prompts quedó bien hecha?

La biblioteca quedó bien cuando pasa cinco comprobaciones seguidas sin excepción, y si falla una sola conviene volver al paso donde se rompió antes de sumar prompts nuevos.

Primero, la ficha del local tiene la fecha del último cambio de carta. Segundo, cada prompt declara rol, contexto, formato y criterio de aceptación. Después vienen las de gerencia: hay un responsable con nombre que firmó las salidas de la última semana, las correcciones están anotadas en la versión de cada prompt y ninguna salida sobre alérgenos o costos llegó a cocina sin cotejo.

En España el 85 % de las empresas ya invirtió o prevé invertir en IA (KPMG España, 2025), y esa inversión sin un cierre así termina en suscripciones que nadie abre. La acción para mañana es concreta: imprima esta lista, péguela junto al computador de la oficina y márquela cada viernes con el responsable.

¿Qué cambia entre preguntar y encargar?

La diferencia de fondo no es técnica, es de gerencia: quien pregunta espera inspiración y quien encarga espera un entregable que puede revisar, y esa actitud define qué tan útil le resulta ChatGPT a su restaurante.

Eurostat (2025) cifra en 11,75 % las empresas de la UE que usan IA de análisis de lenguaje escrito, la familia de herramientas a la que pertenecen estos asistentes, señal de que la mayoría todavía no convirtió el texto en un proceso de trabajo.

En Masterestaurant tratamos cada prompt como una pieza del Sistema Operativo Inteligente del restaurante: vive en una carpeta, tiene versión y dueño, y se corrige cuando el entregable falla, igual que se corrige una receta estándar que sale distinta en cada turno. Aquí aparece la tensión que más frena a los dueños, porque la IA promete velocidad y la cocina exige control, y las dos cosas parecen pelearse.

Se resuelven juntas con una regla simple: la IA produce el borrador en minutos y la persona responsable lo firma en el mismo turno, así el ahorro de tiempo no compra errores.

¿Qué cambia entre preguntar y encargar — en la práctica?

¿Qué pasaría si se salta la firma? El primer mes nadie lo nota;

el segundo, una ficha técnica con un gramaje inventado llega al pase, el food cost de ese plato supera el techo de 32 % que el método fija como MÁXIMO, y cuando el contador lo detecta ya se vendieron cientos de porciones con el margen equivocado. Tampoco es un asunto de tamaño.

En el mismo informe de Eurostat el uso de IA llega al 55,03 % de las grandes empresas de la UE, muy por encima de las pequeñas, y la lectura fácil sería concluir que esto es cosa de cadenas con departamento de datos. La lectura correcta va al revés: un restaurante independiente no necesita analistas para escribir diez prompts bien hechos, necesita un dueño que dedique dos tardes a escribir su contexto.

Diego F. Parra lo pone en orden para sus alumnos, primero el contexto, después las plantillas y al final la automatización con agentes de IA, nunca en sentido inverso.