Los rápidos avances en inteligencia artificial, particularmente en IA generativa y grandes modelos de lenguaje, han abierto nuevas posibilidades para revolucionar la prestación de servicios de salud. Sin embargo, aprovechar todo el potencial de estas tecnologías requiere un diseño efectivo de ingeniería de indicaciones, diseñando y optimizando indicaciones de entrada para guiar a los sistemas de IA hacia la generación de resultados clínicamente relevantes y precisos. A pesar de la importancia de la ingeniería de indicaciones, la educación médica aún no ha incorporado completamente una formación integral en esta habilidad crítica, lo que ha llevado a una brecha de conocimiento entre los clínicos médicos. Este artículo aborda esta brecha educativa proporcionando una visión general de la ingeniería de indicaciones de IA generativa, sus posibles aplicaciones en la medicina de atención primaria y las mejores prácticas para su implementación efectiva. El papel de las indicaciones bien elaboradas para obtener respuestas precisas, relevantes y valiosas de los modelos de IA se discute, enfatizando la necesidad de indicaciones fundamentadas en conocimientos médicos y alineadas con pautas basadas en evidencia. El artículo explora diversas aplicaciones de la ingeniería de indicaciones en la atención primaria, incluyendo la mejora de la comunicación paciente-proveedor, la optimización de la documentación clínica, el apoyo a la educación médica y la facilitación de la atención personalizada y la toma de decisiones compartida. Se destaca la incorporación de conocimientos específicos del dominio, la participación en el refinamiento iterativo y la validación de indicaciones, y la consideración de consideraciones éticas y posibles sesgos. Aceptar la ingeniería de indicaciones como una competencia central en la educación médica será crucial para adoptar e implementar con éxito tecnologías de IA en la atención primaria, lo que finalmente conducirá a una mejora en los resultados de los pacientes y una prestación de servicios de salud mejorada.