SPECS Framework
Situation · Purpose · Expected Output · Context · Style
Orientado al detalle y la precisión. El campo Expected Output elimina las conjeturas y es ideal para tareas técnicas complejas.
- Definición
- El framework SPECS (Situation · Purpose · Expected Output · Context · Style) es una estructura de prompt engineering que divide tu solicitud a la IA en 5 campos independientes. Es ideal para análisis técnicos complejos y tareas de investigación.
Los 5 campos
Situation
El estado actual o el problema que hay que resolver.
Purpose
Por qué importa esta tarea — el objetivo empresarial o personal detrás de ella.
Expected Output
Una descripción exacta de lo que debe contener el resultado, cómo debe estar formateado y qué debe entregar.
Context
Restricciones, antecedentes, datos relevantes o información específica del dominio.
Style
El tono, el formato y la presentación esperados para el resultado.
Ejemplo real
Escenario: Elaborar un documento de especificaciones técnicas
Situation: Necesitamos una integración de API entre nuestro CRM y nuestra plataforma de email. Purpose: Automatizar los flujos de nutrición de leads. Expected Output: Una especificación técnica de 500 palabras con la lista de endpoints, el método de autenticación y los requisitos de manejo de errores. Context: APIs REST, OAuth 2.0, 10.000 contactos. Style: Técnico, estructurado con encabezados.
Cuándo usar SPECS
- ✓Análisis técnicos complejos y tareas de investigación
- ✓Tareas con requisitos de salida precisos
- ✓Escenarios en los que la IA necesita mucho contexto
- ✓Entregables profesionales con especificaciones definidas
- ✗Tareas cotidianas rápidas (usar APE o RTF)
- ✗Tareas creativas donde la apertura aporta valor
- ✗Tareas con un flujo natural paso a paso (usar RISEN)
Preguntas frecuentes
¿Qué significa SPECS?
SPECS son las siglas de Situation, Purpose, Expected Output, Context y Style — un framework muy detallado, ideal para tareas técnicas y profesionales complejas.
¿Qué hace especial al campo Expected Output?
El campo Expected Output te obliga a definir exactamente cómo se ve el éxito antes de pedírselo a la IA, lo que evita respuestas vagas o desalineadas.
¿En qué se diferencia SPECS de CO-STAR?
SPECS se centra en definir con precisión los requisitos del resultado; CO-STAR se centra en controlar el tono, la voz y la audiencia. Usa SPECS para entregables técnicos y CO-STAR para contenido.