Saltar al contenido

Secuencia de pensamiento: un método con el que afinar el razonamiento de la IA generativa

El “Prompt engineer” o ingeniería de instrucciones es una disciplina emergente definida para potenciar el uso de los lenguajes basados en inteligencia artificial (IA). A bote pronto me recuerda, en parte, a la aparición de los roles destinados a la optimización de contenidos para los motores de búsqueda. El SEO, para entendernos. El truco consiste en aplicar un esquema de ensayo, prueba y error para averiguar cómo funciona la máquina. Así que cada vez más van surgiendo dinámicas más avanzadas para sacarle provecho a las herramientas generativas como ChatGPT. 

Una de las que se lleva tiempo desarrollando son las secuencias de “prompts” y cadena de pensamiento. Se trata de una metodología que pretende guiar y orientar a la IA mediante un proceso lógico. Es decir, se trata de una serie de instrucciones para ir preparando al modelo de cara a obtener un resultado con mayor razonamiento. El objetivo de esta estructura es resolver tareas complejas, como puede ser elaborar un proyecto de investigación de mercado, analizar las fases del embudo de conversión en una campaña de publicidad o extraer ideas acerca de una acción de comunicación.

Suele tener mucho sentido a la hora de aplicarse en la resolución de problemas matemáticos. Es cierto que los modelos de lenguaje de gran tamaño (LLM, por sus siglas en inglés) están evolucionando hasta el punto que, por ejemplo, Google Gemini, promete ser capaz de entrenar resultados certeros a problemas de álgebra. Posiblemente la cadena de pensamiento dejará de tener relevancia en un futuro a medida que avancen estos modelos, pero a día de hoy es un método eficaz para extraer ideas útiles. Este método, cada vez más obsoleto, venía a corregir la problemática que se producía cuando queríamos una respuesta directa. 

A la hora de aplicar esta técnica hay que tener presente una estructura lógica. Lo que hacemos es dotarle del contexto necesario para que el sistema pueda “pensar”. Con ello estamos preparando al software para entregarnos la respuesta correcta. No se recomienda, por ejemplo, iniciar una conversación directamente con ChatGPT con frases tipo “calcula el porcentaje de crecimiento de una empresa cuyos ingresos en 2022 fueron X y en 2023 X”. Puede que lo consiga, pero es importante cerciorarse que es correcto. Estos sistemas, como sabemos, producen las llamadas “alucinaciones”. Esto se produce porque la máquina se ve obligada a responder lo primero que se le pasa por los cables. Y a veces divaga hasta el punto que miente. 

La idea, pues, es dividir las tareas complejas en pasos más sencillos y limitados. Con ello, recibimos información por porciones que nos sirven para introducir o trabajar con ellas en un proyecto. Con ello obtenemos un razonamiento en la salida del “Prompt” que puede ser útil para defender una tesis. 

Los paso a seguir serían:

1.- Identificar un escenario: Con ello, le estamos dando un punto de partida. Un lugar contextual desde donde iniciar el proceso de “pensar”. Lo razonable es hacer una descripción de un problema o escenario que queremos resolver a través de la IA. Podemos, añadir, añadir datos preliminares fiables. Esto va a provocar que el software entienda la formulación que debe introducir. Pero el problema tiene que se simple para que, luego, sea capaz de escalarlo. 

2.- Dar contexto: Después es importante dotarle de un plano contextual para que la máquina sea capaz de adaptar su base de datos a la necesidad creada. Es decir, lograr que la IA “entienda” la relación que hay entre las partes de un determinado problema. ¿Cómo podemos hacerlo? 

3.- Analizar y verificar: Una vez que hemos obtenido el resultado, el sistema va a mostrar la solución más adecuada al problema planteado o a la necesidad. Ahora sería cuestión de verificar y cerciorarse que es correcta la información, que es útil para nuestro objetivo, ya sea la elaboración de un análisis de mercado para una campaña de “branded content” o la extracción de los KPI’s (indicadores clave de rendimiento) que mejor se adaptan al objetivo de la acción. En caso de no estar satisfecho, es importante repreguntar o añadir frases del tipo “acláralo”, “ponme un ejemplo concreto” o “redúcelo a…”.

Lo cierto es que los chatbots están evolucionando rápidamente y, cada vez más, son capaces de mejorar el razonamiento de sus respuestas, como sucede en ChatGPT o Copilot, pero elaborando una serie de preguntas previas nos van a entregar resultados más interesantes. Por ejemplo, si lo que queremos es obtener información relevante para crear un análisis de mercado de una determinada marca que nos sirva para presentarles un proyecto de comunicación, lo que podemos hacer es hacerle preguntas sobre varias áreas. 

Si queremos hacer un análisis del Consumo Actual es conveniente introducir preguntas del tipo: 

¿Cuál es el consumo energético actual del edificio? 
¿Cuáles son los principales contribuyentes al gasto energético? 
¿Qué tecnologías sostenibles están disponibles para reducir el consumo de energía? 
¿Paneles solares, sistemas de iluminación eficientes, gestión inteligente del HVAC?

Si queremos añadir datos del retorno de Inversión se puede hacer uso de cuestiones similares a:

¿Cuál es el costo de implementar estas tecnologías? 
¿Cuánto tiempo tomará ver un retorno de inversión positivo?

En caso de querer añadir datos acerca del proceso de medición:

¿Cómo se medirá la eficacia de las nuevas medidas implementadas? 
¿Sistemas de monitorización en tiempo real, informes periódicos? 
¿Cómo se llevará a cabo una evaluación continua del rendimiento energético? 
¿Qué ajustes y mejoras se realizarán según los resultados obtenidos?

Otra propuesta interesante en la elaboración de textos que, en caso de pedírselo de manera directa, el resultado es más superficial. En lugar de pedirle que redacte un texto sobre la evolución de los ordenadores portátiles, se le puede preparar al chatbot antes de elaborar el resultado final. Veámoslo:

Describe la evolución de la tecnología en los últimos 20 años. 
Pon dos ejemplos de innovación que han ayudado a cambiar el ecosistema de ordenadores y explica cómo funcionan.
Ahora redacta un texto de 5 párrafos sobre la evolución de los ordenadores portátiles en los últimos 20 años y añade los ejemplos de innovación. 

Ahora CHATGPT es mejor siendo gratuito: trucos para aprovecharlo

Te enseñamos a aplicar las capacidades de GPT 4o, el nuevo modelos de lenguaje de OpenAI que es grat…

Voces sensuales, la sumisión se quiere apoderar de la IA

A pesar de los esfuerzos, el desarrollo de los sistemas basados en inteligencia artificial continúan…

Scarlett Johansson, OpenAI y el problema de la IA

OpenAI retira una voz empleada para su nuevo modelo ChatGPT-4o por su parecido con la de la actriz S…

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *