La tabla de prompts, aplicada: una fila de la hoja de cálculo ahora construye la personalidad de Moka
15 de noviembre de 2026
El resultado primero.
Una sola fila de una hoja de cálculo se convierte ahora en un prompt funcional para mi mayordoma IA, y no en un prompt cualquiera: la fila lleva también la personalidad.
Ya no empiezo escribiendo un prompt en un archivo de texto ni en un archivo de Markdown. Escribirlo era la molestia. En su lugar, las piezas de una petición están en las columnas de una tabla de Google Sheets: a quién va dirigida, qué personalidad usar, qué hay que hacer, dónde está el material, qué reglas hay que cumplir, en qué forma se entrega y dónde hay que detenerse. Moka lee la fila, monta las piezas en frases y entrega la petición terminada a Moka (Muse). Cuando el trabajo está hecho, escribe la ubicación del resultado en la misma fila.
Y está el efecto secundario medido: encontrar conocimiento a través de una tabla así supuso, aproximadamente, una quinta parte de la lectura. En tres preguntas de prueba, buscar directamente en mis archivos significó leer 109.688 caracteres. Leer primero la tabla índice y abrir solo el archivo que tenía la respuesta significó 23.563 caracteres: unas 4,7 veces menos. (Una advertencia honesta, que repito más abajo: son caracteres leídos, no un recuento directo de tokens).
Soy Kurashiki Bouzu, nacido en 1971, antes director funerario. Vivo en una casa antigua —una kominka— en Kurashiki, Okayama, y trabajo junto a Moka, mi mayordoma IA. Este artículo es el capítulo de aplicación de uno anterior, «La IA también aprende de una tabla» (n.º 86 del registro), donde la tabla era el índice de mis artículos. Esta vez, lo que hay en la tabla no son artículos. Son las piezas de mis prompts.
El punto de partida: teclear en Markdown era la molestia
Planteo la pregunta que me hice a mí mismo.
«¿No es una molestia hacer los prompts en archivos de texto o de Markdown?»
La respuesta por defecto en el mundo es que un prompt es algo que se escribe: en un archivo de texto, en Markdown. Las guías oficiales de otras IA también se apoyan en esa forma. Pero para mí, el propio hecho de escribir era el trabajo que no dejaba de evitar.
Mi punto de partida, con mis palabras, fue este: teclear en archivos de Markdown era un engorro, así que comprobé si Moka podía convertirlo desde una hoja de cálculo; pudo, y por eso uso este método. El orden importa. No fue la teoría primero. Hubo una molestia, probé una escapatoria, la prueba salió bien, y entonces la adopté.
Lo que construí: una fila es un prompt; las columnas, sus piezas
El prototipo es un archivo de Google Sheets al que llamo la hoja de «Prompt automático». La forma es deliberadamente sencilla.
Una fila = un prompt. Las columnas = sus piezas.
| Columna (pieza) | Qué hace |
|---|---|
| Destinatario | Pedírselo a Moka (Muse) |
| Personalidad (palabras en fila) | La personalidad de esta fila, escrita como una fila de palabras |
| Petición | Lo que quiero que se haga, en breve |
| Material (dónde está) | La ubicación del material |
| Reglas | Lo que hay que cumplir |
| Forma de entrega | La forma del resultado |
| Dónde detenerse | Dónde hace falta mi propio juicio y el trabajo debe detenerse |
| Estado | Hasta dónde ha llegado |
| Ubicación del resultado | Dónde queda el trabajo terminado (lo escribe Moka) |
Una petición nueva significa una fila nueva. Moka lee la fila, construye las frases y la entrega. Una regla que puse pronto: no seguir añadiendo columnas. Cuando las piezas empiezan a mezclarse, la petición se vuelve borrosa.
Hay una segunda pestaña, el «prompt de entrada». Construye el prompt de personalidad que se introduce primero en una Moka nueva, eligiendo palabras apartado por apartado: el nombre, después la posición, después el sexo, después cómo dirigirse a la persona, después el tono, después qué se valora primero, y por último el aspecto (el avatar). Otras dos pestañas guardan catálogos para elegir: una lista de posiciones y una lista de terminaciones. Las terminaciones que no caben en la lista viven en un documento de Google, enlazado desde la hoja: el índice es la hoja; el texto completo vive en otro sitio.
Entonces, ¿qué es en realidad esta máquina? Con mis palabras: sí, es un prompt automático, pero es un generador de prompts de personalidad de Moka. Fabrica peticiones y, al mismo tiempo, fabrica la personalidad de la mayordoma.

(El diagrama está en japonés. Muestra solo el generador de personalidad, sin departamentos. Los departamentos pertenecen a otra figura).
La prueba: la primera fila, montada, funcionó tal cual
La primera fila de la hoja es una petición llamada «un borrador de conocimientos funerarios». Sus piezas eran:
- Destinatario: el departamento funerario y Moka (Muse)
- Personalidad (palabras): valorar las fuentes / no exagerar / escribir «no confirmado» cuando algo no esté confirmado
- Petición: hacer el borrador de un artículo a partir de los conocimientos funerarios guardados
- Reglas: adjuntar las fuentes / no afirmar nunca lo que no se pueda verificar / no mezclar mis propias experiencias
- Forma de entrega: un archivo de borrador y una imagen de portada
- Dónde detenerse: la publicación la decido yo
Moka leyó esa fila y la montó en una petición completa. Lo que añadió por su cuenta fue solo los números de departamento, la ubicación concreta del material y el desglose de la entrega. La petición en sí no cambió.
La parte que más disfruté fue dónde fueron a parar las palabras de la personalidad. «Valorar las fuentes / no exagerar / escribir no confirmado como no confirmado»: esa fila de palabras se convirtió en el apartado de la «actitud» de la petición montada. Alineas las palabras, y la persona encargada de la fila tiene una personalidad. Mi propia regla —una personalidad se hace con las palabras que alineas— volvió a ocurrir, esta vez sobre una tabla.
La medición: alrededor de una quinta parte de lectura; así se contiene el consumo
La forma de la tabla trajo una segunda prueba: cuánta lectura hace falta para encontrar las cosas.
Le pedí a Moka que lo contara. Usando mi tabla de funciones (el índice de mis departamentos de IA) y los 36 documentos de departamento que hay detrás, planteó tres preguntas cuyas respuestas vivían cada una en un único archivo, y midió cuántos caracteres había que leer para llegar a la respuesta, de dos maneras.
| Manera de buscar | Caracteres leídos (suma de las 3 preguntas) |
|---|---|
| Buscar directamente en los archivos de texto, sin índice | 109.688 |
| Leer primero la tabla índice y abrir solo el archivo con la respuesta | 23.563 |
La manera de la tabla quedó en una 4,7.ª parte, aproximadamente. Y como el índice solo hay que leerlo una vez, hacer las tres preguntas juntas lo llevó a una 7,4.ª parte, aproximadamente.
Las advertencias honestas, otra vez: esto mide caracteres leídos, no los tokens en sí; y el número de la búsqueda directa se mueve según el orden en que se abran los archivos. Aun así, la forma del resultado es clara. El índice (la tabla), después el resumen (la fila), después el texto: ese orden reduce la lectura con fuerza.
Por qué una tabla: la diferencia está en quién la toca
Viene una pregunta justa. ¿Por qué una tabla? ¿Un prompt no debería vivir en un archivo de Markdown?
En el mundo más amplio, «prompt = Markdown» se dice en voz alta, y el material oficial de otras IA lo subraya. Bajo esa suposición, a nadie se le ocurre poner los prompts en Google Sheets o en Excel. Y aunque se le ocurriera, con otras IA la lectura y la escritura de la hoja se convierten en trabajo de la propia persona usuaria. Cambiar el lugar de guardado solo añade molestias.
Eso también lo medí, en una ronda anterior: las IA no conectadas no podían leer ni escribir una hoja en absoluto, y algunas de las conectadas podían leer, pero no escribir.
Moka es distinta. Ella misma lee la hoja y ella misma la escribe. Así que mi carga de trabajo no crece; lo que queda es solo la facilidad de gestión. La diferencia no es una idea más ingeniosa. Es quién toca la tabla.
También le pedí a Moka que comprobara si alguien más escribe así. Aparecieron dos casos cercanos. Una persona guardaba instrucciones en Google Sheets y hacía que una IA leyera la hoja directamente para producir artículos (un blog japonés, «Blog no Manabiba»); pero al final, esa persona trasladó los prompts a la propia IA, y la hoja se quedó como el lugar de almacenamiento original. La otra gestiona la producción de artículos en una hoja (una autora de note, aiaicreate), pero ahí una persona lleva y trae las cosas a la IA copiando y pegando.
Mi forma exacta —la hoja sigue siendo el registro principal, Moka misma la lee y la escribe, los prompts se montan desde las piezas de una fila, y hasta la personalidad se gestiona en la tabla— no se encontró en el alcance buscado. No encontrado no es lo mismo que no existe, así que no afirmaré más que eso. Pero la distancia con los dos casos cercanos se redujo a dos puntos: si la IA lee y escribe directamente, y si la hoja sigue siendo el registro principal.
Gestionarla significa reescribir la hoja
La otra mitad del valor está en el mantenimiento.
Para cambiar algo, reescribo una casilla. Para cambiar una personalidad, sustituyo las palabras de la columna de personalidad. Para añadir una regla, la añado a la fila. Los ajustes de la propia Moka —posición: secretaria; tono: cortés— viven en las filas de la misma tabla, gestionados en un solo lugar. Sin andar buscando archivos.
Y con honestidad: ni siquiera tecleo yo en la tabla. Elijo y respondo en la conversación, y Moka lo introduce en la hoja. Todo el trabajo de la persona usuaria es elegir palabras, o teclear palabras. Todo lo demás es el lado de la casa de Moka.
Cierre: hecho para mí, gestionado para mí
Lo resumo. Escribir prompts en archivos de texto o de Markdown es lo habitual en el mundo. Pero para quien encuentra que el propio hecho de escribir es la molestia, hay otro lugar donde guardarlos: una tabla. Alineas las piezas en una fila, y Moka monta la petición. Alineas palabras, y se hace una personalidad. Corregir significa reescribir la hoja. Y la búsqueda, medida, supuso alrededor de una quinta parte de la lectura.
Cierro con mis propias palabras:
«Estamos en la época de hacer que Moka cree los prompts, y los gestione».
La persona usuaria se concentra en decidir y juzgar. Crear y gestionar es el trabajo de Moka. Este prototipo todavía es un prototipo; si se convertirá en el mecanismo real de la casa es una decisión para más adelante. Pero la dirección, creo, ya se ve.