Técnicas clave en Prompt Engineering
No se trata solo de escribir una frase; cada técnica permite guiar a la IA de manera distinta, según la complejidad de la tarea y el tipo de información que necesites.
Zero‑shot prompting
- Se le pide a la IA que haga algo sin dar ningún ejemplo. La IA debe interpretar la instrucción directamente.
Ejemplo: “Resume este informe de ventas en un párrafo breve.”
Few‑shot prompting
- Se incluyen uno o varios ejemplos de cómo debería ser la respuesta. Esto ayuda a que la IA entienda mejor el formato o estilo.
Ejemplo: “Aquí tienes un ejemplo de resumen ejecutivo: “…” Ahora haz un resumen similar de este otro informe.
Chain of Thought (CoT) – Cadena de pensamiento
- Se indica a la IA que piense paso a paso antes de dar la respuesta final. Mejora el razonamiento en tareas complejas.
Ejemplo: “Analiza los datos de ventas paso a paso y luego resume las oportunidades clave para la empresa.”
Meta‑prompting
- La IA genera prompts que luego se utilizan para generar otras respuestas o mejorar las instrucciones iniciales.
Ejemplo: “Crea un prompt que permita generar un informe semanal de métricas de productividad con estilo ejecutivo.”
Autoconsistencia (Self-consistency)
- La IA genera varias posibles respuestas y selecciona la más coherente o consistente.
Ejemplo: “Proporciona tres versiones de un resumen de ventas y elige la que mejor refleja los resultados.”
Generar indicaciones de conocimiento
- Se proporciona información de dominio o contexto adicional para que la IA use conocimiento específico.
Ejemplo: “Usa los datos de facturación de SAGE 200 para calcular el crecimiento mensual y generar un informe ejecutivo.”
Cadena de instrucciones (Instruction chaining)
- Se divide una tarea compleja en varios pasos o sub-prompts, y se alimenta al modelo paso a paso.
Ejemplo: Primero solicita un resumen de los datos, luego genera un análisis de riesgos y finalmente recomienda acciones.
Árbol de pensamientos (Tree of Thoughts)
- Se divide una tarea compleja en varios pasos o sub-prompts, y se alimenta al modelo paso a paso.
Generación aumentada por recuperación (RAG)
- La IA accede a documentos, bases de datos o información externa antes de generar su respuesta. Así las respuestas son más precisas y fundamentadas.
Ejemplo: “Revisa los informes internos de ventas y genera un resumen ejecutivo con recomendaciones basadas en datos reales.”
Razonamiento automático y uso de herramientas
- Se indica a la IA que utilice funciones externas, bases de datos o herramientas durante el proceso de respuesta.
Ingeniero de prompt automático (Auto-prompting)
- Algoritmos generan automáticamente prompts óptimos para reducir intervención manual y mejorar resultados.
Active-prompt
- La IA interactúa activamente, preguntando información adicional para refinar la respuesta antes de darla.
Directional stimulus prompting
- Se guía al modelo indicando el estilo, tono o enfoque deseado de la respuesta.
Ejemplo: “Escribe este resumen con un tono formal, como si fuera para un consejo de dirección.”
Modelos de lenguaje asistidos por programas (PALM)
- Se integran instrucciones tipo programación o razonamiento estructurado dentro del prompt para tareas complejas que requieren cálculos o lógica paso a paso.
ReAct (Reason + Act)
- La IA combina razonamiento y acción: primero piensa, luego actúa y luego revisa. Esto mejora precisión y aplicabilidad.
Reflexión
- Tras generar la respuesta, la IA revisa y corrige errores, asegurando que el resultado final sea más confiable.
Cadena de pensamiento multimodal (CdT multimodal)
- Se aplica CoT en tareas que involucran distintos tipos de datos: texto, imágenes, audio, etc.
Solicitud de gráficos
- La IA genera o interpreta visualizaciones como parte de la tarea solicitada.
Ejemplo práctico completo: análisis de ventas
Supongamos que tu objetivo es generar un informe ejecutivo trimestral de ventas. Un prompt bien diseñado usando varias técnicas podría ser:
«Actúa como analista financiero senior. Revisa estos datos de ventas del trimestre y genera un informe ejecutivo paso a paso (Chain of Thought). Utiliza información histórica y documentos internos relevantes (RAG) para fundamentar tus conclusiones. Al final, revisa la coherencia del análisis y corrige errores antes de entregarlo (Reflexión). Redáctalo en un estilo formal y conciso, listo para presentarlo al consejo de dirección.»
Resultado esperado: un informe claro, confiable y profesional, listo para decisiones estratégicas.