Como escribir prompts para obtener respuestas refinadas, precisas y relevantes

Uno de los problemas a los que nos enfrentamos como usuarios de inteligencia artificial generativa (ChatGPT, Claude, Gemini, por ejemplo) son las respuestas genéricas o imprecisas.

En muchos casos es resultado de la falta de contexto para que la IA pueda deducir lo que esperamos como respuesta. Esto nos obliga a dedicar más tiempo para revisar los resultados y retrasa nuestro flujo de trabajo.

Por eso, en esta ocasión proporcionaremos algunas recomendaciones para obtener mejores resultados de la IA y con ello mejorar nuestro trabajo.

Para ser mejores usuarios de la IA lo primero es entender cómo funciona

Para no entrar en tantos detalles se tomará como referencia el video del canal de YouTube 3Blue1Brown donde explican de forma prolija la lógica detrás de estos sistemas. Esta explicación nos ayudará a entender las respuestas y mejorar nuestras consultas.

Imagina que estás escribiendo el guion de una película, pero sólo tienes los primeros dos párrafos, así que los ingresas a una computadora y la máquina trata de predecir cual es la siguiente palabra para continuar con la historia hasta concluir el guion.

Esta función es un algoritmo que le asigna una probabilidad a las palabras y devuelve en la respuesta aquellas que tienen un peso mayor en función del texto proporcionado. Para llegar a este punto los modelos de lenguaje extendido (LLM) debieron procesar enormes cantidades de texto.

Las claves de la IA: modelo, contexto, tokens

En principio, para la máquina es más fácil inferir la respuesta cuanto más amplio sea el texto proporcionado, pues así tendrá más parámetros para estimar la probabilidad de cada palabra en el texto de salida.

Sin embargo, los LLM tienen un límite en la cantidad de texto de entrada que pueden procesar y que pueden dar como respuesta. Este límite es un número de tokens, los cuales varían de un modelo a otro, y generalmente 1 token equivale a una palabra o una subpalabra (una palabra dividida en dos).

Por ejemplo: para ChatGPT 5 la ventana de contexto (texto que puede proporcionar el usuario) es de aproximadamente 400 mil tokens, y la respuesta ronda los 128 mil. Un párrafo normalmente equivale a 100 tokens.

Y aquí es donde empieza el problema: aunque son cantidades muy generosas, esto es solamente lo que los modelos pueden procesar en cada conversación, y para que los tokens no se consuman en una sola respuesta el límite máximo que pueden responder son 3 mil palabras aproximadamente.

En resumen: el modelo, el contexto y los tokens son los factores que determinan la calidad de la respuesta.

Estrategias para mejorar las respuestas de cualquier modelo

Los modelos han evolucionado muy rápido y con ello la forma en que hacemos los prompts. Gradualmente los prompts cada vez son menos detallados, en parte por el contexto proporcionado a lo largo del tiempo y el avance de los algoritmos que predicen las palabras en el texto de salida.

Estrategia 1: De lo general a lo particular

La estrategia más habitual es empezar con preguntas generales y gradualmente realizar preguntas sobre temas o puntos específicos de la respuesta para profundizar en el tema.

Pongo las siguientes consultas como ejemplo en el orden en que se las haría a ChatGPT.

1. ¿Qué es business intelligence?
2. ¿Cual es la diferencia entre el big data y business intelligence?
3. Dame dos ejemplos de casos reales de big data y dos ejemplos de business intelligence
4. ¿Cuales son las 5 mejores prácticas de business intelligence?

Empezar con preguntas amplias y gradualmente hacer preguntas más concretas permite investigar sobre el tema y ahondar en detalles específicos. La ventaja de esta estrategia es que permite aprender más sobre ese tema.

Estrategia 2: Estructura por bloques

Esta táctica es útil cuando se necesitan respuestas muy precisas. La siguiente estructura sirve para la mayoría de los casos simplemente reemplazando el texto después de los dos puntos y listo. También se pueden eliminar los fragmentos del prompt que no son necesarios.

ROL: Define la perspectiva o expertise del modelo
OBJETIVO: Describe claramente la tarea o resultado deseado.
CONTEXTO: Proporciona información de fondo relevante para la tarea.
PUNTOS CLAVE: Especifica requisitos, condiciones o limitaciones para la respuesta (ej. formato de lista, tono casual, información reciente)
FORMATO DE SALIDA: Especifica cómo se debe presentar la respuesta
EJEMPLO: Proporciona muestras para tareas complejas o estilos específicos
VERIFICACIÓN: Establece condiciones que el modelo debe cumplir antes de responder
PRIORIDAD: Indica la importancia relativa de los puntos clave
LONGITUD/COMPLEJIDAD: Define la extensión o nivel de detalle deseado
FEEDBACK: Solicita al modelo que explique su razonamiento o pida aclaraciones

Estrategia 3: Proporcionar ejemplos

Los ejemplos son la mejor manera de comunicar lo que esperamos, y en este caso no es la excepción.

Eres un experto consultor de negocios pymes en México. Mi negocio es la venta de zapatos y los últimos tres meses han caído las ventas. Escribe un plan comercial de 10 puntos para incrementar las ventas. Ejemplo:

Tienda en línea

Crea una tienda en línea con Shopify y ofrece un descuento especial a los primeros clientes. Usa una estrategia de publicidad en redes sociales para llegar a clientes de otras ciudades. Recuerda tomar en cuenta tus costos por unidad y considera el envío, que puede afectar tu margen y en la percepción del cliente.

Estrategia 4: The Commander Intent

Por último esta tática es directa y a la vez favorece respuestas equilibradas y de buena calidad. La idea viene de una recomendación del Coronel Hise O. Gibson de la escuela de negocios de Harvard. En un video explicó que esta técnica es una excelente forma de comunicación en el trabajo y los negocios.

Básicamente la estructura tiene tres partes:

1. Motivación: estableces la razón de la instrucción que estás proporcionando.
2. Tareas: indicas de tres a 5 tareas clave que se tienen que hacer.
3. Resultado: comunicas la expectativa de la respuesta de la IA.

Ejemplo:

Somos una empresa de Business Intelligence y necesitamos desarrollar un plan de medición para un cliente que vende zapatos por Internet y ayudarle a mejorar sus márgenes y sus ventas.

1. Investiga casos de éxito de empresas que venden zapatos por Internet e identifica los factores que los llevaron al éxito.

2. Desarrolla una estrategia priorizando aquellas actividades que pueden generar un impacto en el menor tiempo posible (quick wings).

3. A partir de la estrategia detalla el proceso paso a paso.

El entregable debe ser claro, bien estructurado, accionable, e incluir links/referencias de casos consultados. Debe estar listo para ejecutarse, servir como plantilla para futuras campañas y permitir medir resultados al cierre de la primera fase.

Conclusión

Implementar estrategias claras al interactuar con modelos de inteligencia artificial mejora la precisión y relevancia de las respuestas. Comprender el funcionamiento de los modelos, aprovechar el contexto y estructurar adecuadamente los prompts permite obtener resultados alineados con los objetivos. La práctica y el ajuste constante de las solicitudes facilitan un mejor aprovechamiento de las herramientas de IA en tareas profesionales y cotidianas.