Chain of Thought: La técnica que hace que la IA muestre su razonamiento
Cómo y por qué pedirle a la IA que piense paso a paso
Imagina que le pides consejo a dos amigos sobre cambiar de trabajo El primero te dice inmediatamente: "Sí, hazlo". El segundo se toma un momento y te dice: "Veamos... considerando tu situación actual, el mercado laboral, y tus objetivos a largo plazo, creo que sí deberías hacerlo porque X". ¿Cuál de las dos respuestas te da más confianza?
Esta diferencia entre recibir un simple "hazlo" y entender el por qué de una respuesta es exactamente lo que marca la diferencia cuando hablamos con la IA. Y es justamente lo que vamos a explorar hoy con Chain of Thought (cadena de pensamiento), una de las técnicas más poderosas para mejorar nuestras conversaciones con la IA.
Si me has estado siguiendo, ya hemos explorado otras formas de hablar con la IA (también conocida como técnicas de prompting). Hoy vamos por una de mis favoritas: cómo hacer que nos muestre su proceso de pensamiento*, paso a paso.
* Un momento... cuando digo que la IA "piensa" o "razona", no me refiero a que realmente lo haga como nosotros (aún). En realidad, está siguiendo patrones que aprendió durante su entrenamiento. Es como cuando dices que tu smartphone es "inteligente" - no lo es realmente, solo es muy bueno siguiendo instrucciones complejas.
Por qué es importante entender el razonamiento de la IA?
Cuando usamos ChatGPT o algún otro asistente de IA, es común caer en la trampa de buscar solo respuestas rápidas. Es como cuando buscamos en Google - a veces solo queremos un "sí" o un "no", una respuesta directa, algo concreto. Y sí, a veces eso es suficiente. Pero hay situaciones donde necesitamos más.
Piensa en la última vez que tomaste una decisión importante. ¿Te bastó con que alguien te dijera qué hacer, o quisiste entender el por qué? (tal vez hasta hiciste una lista de pros y contras). Lo mismo aplica cuando trabajamos con IA.
Aquí es donde entra Chain of Thought, una técnica que nos permite ver el proceso de razonamiento de la IA paso a paso. Es como pedirle que "piense en voz alta" mientras resuelve un problema o responde una pregunta.
Además, cuando le pedimos a la IA que "piense en voz alta", a menudo obtenemos respuestas más precisas y confiables. Es como si el tener que explicarnos su “proceso de pensamiento” la obligara a ser más cuidadosa con sus conclusiones.
Y hay algo más: las IAs, como ChatGPT, a veces pueden alucinar - es decir, inventar información que suena convincente pero no es real. Cuando vemos su proceso de pensamiento paso a paso, es más fácil identificar estos momentos donde la IA podría estar improvisando o generando información poco confiable.
También está el factor aprendizaje. Cuando ves cómo la IA analiza un problema, no solo obtienes una respuesta, sino que además aprendes una metodología de análisis que puedes aplicar en situaciones similares. Es como tener un mentor que no solo te dice qué hacer, sino que te enseña cómo pensar sobre el problema.
Por último, hay un beneficio práctico inmediato: la capacidad de ajustar y refinar. Cuando ves el proceso de pensamiento completo, puedes identificar exactamente dónde quieres que la IA tome un camino diferente o considere factores adicionales. Es la diferencia entre recibir un simple "no" como respuesta y poder decir "ah, veo que no consideraste X factor, ¿cómo cambiaría eso tu análisis?"
¿Qué es Chain of Thought?
Chain of Thought es una técnica de prompting que hace exactamente lo que su nombre sugiere: le pide a la IA que nos muestre su cadena de pensamiento. En lugar de conformarnos con la respuesta final, le pedimos que nos explique cómo llegó a esa conclusión.
Es como cuando tu profesor de matemáticas insistía en que mostraras todo tu trabajo, no solo la respuesta final. (Y ahora entendemos por qué lo hacía, ¿verdad? 😅)
Veamos la diferencia con un ejemplo de la vida real:
Sin Chain of Thought:
Usuario: "¿Deberíamos lanzar nuestra campaña de marketing en Instagram o TikTok?"
IA: "Deberían enfocarse en TikTok para esta campaña."Con Chain of Thought:
Usuario: "¿Deberíamos lanzar nuestra campaña de marketing en Instagram o TikTok? Explica tu razonamiento paso a paso."
IA: "Analicemos esto por partes:
Primero, consideremos el público objetivo de cada plataforma:
Instagram: Principalmente millennials y profesionales
TikTok: Predominantemente Gen Z y millennials jóvenes
Luego, el formato de contenido:
Instagram: Fotos y videos cortos, más curado y profesional
TikTok: Videos cortos, más espontáneos y tendencias virales
Engagement y tiempo de uso:
TikTok tiene tasas de engagement más altas actualmente
Los usuarios pasan más tiempo en TikTok que en Instagram
Por estos factores, recomiendo TikTok para la campaña. El formato de video corto y el alto engagement ofrecen mejores oportunidades para alcanzar nuevas audiencias."
¿Ves la diferencia? La segunda respuesta no solo nos dice qué hacer, sino que nos permite entender y evaluar cada paso del razonamiento.
¿En qué se diferencia de otras técnicas de prompting?
Si has estado siguiendo esta serie de técnicas de prompting (¡y si no, no te preocupes!), probablemente te preguntes qué tiene de especial Chain of Thought comparado con Zero-Shot Prompting o In-Context Learning.
Es más fácil entenderlo con una analogía:
Zero-Shot es como preguntarle algo a alguien directamente: "¿Dónde está la estación de metro?"
In-Context Learning es como mostrarle ejemplos antes de preguntar: "Mira, así es como otras personas han dado direcciones..."
Chain of Thought es como decirle: "Explícame paso a paso cómo llegar a la estación"
Veámoslo más en detalle:
Zero-Shot vs Chain of Thought:
En Zero-Shot simplemente lanzamos nuestra pregunta y esperamos que la IA entienda qué queremos
Con Chain of Thought, específicamente le pedimos que nos muestre su proceso de pensamiento
In-Context Learning vs Chain of Thought:
In-Context Learning es como darle ejemplos a la IA para que aprenda de ellos
Chain of Thought se enfoca en hacer visible el razonamiento, tenga ejemplos o no
Lo interesante es que estas técnicas no son mutuamente excluyentes. Es como tener diferentes herramientas en tu caja - puedes usarlas por separado o combinarlas:
Puedes mostrarle ejemplos de razonamiento paso a paso (combinando In-Context con Chain of Thought)
O simplemente pedirle que te muestre su proceso de pensamiento sin darle ejemplos (Chain of Thought con Zero-Shot)
La clave está en entender que Chain of Thought no trata sobre cómo la IA aprende o interpreta tu pregunta, sino sobre cómo te muestra su proceso de pensamiento. Es como la diferencia entre que alguien te dé una respuesta y que te explique cómo llegó a ella.
Cómo implementar Chain of Thought
Ya entendemos qué es Chain of Thought y por qué es útil. Pero la gran pregunta es: ¿cómo hacemos que la IA realmente nos muestre su proceso de pensamiento?
Podrías pensar que basta con decir "explícame tu razonamiento" y listo. Y sí, técnicamente funcionaría... pero sería como pedirle a alguien que te explique cómo llegó a su casa sin darle ningún contexto sobre qué parte del viaje te interesa. Probablemente obtendrás una respuesta, pero no necesariamente la más útil.
La clave está en ser específico y estructurado. Es como dirigir el pensamiento de la IA por un camino determinado. Aquí te dejo algunas formas de hacerlo:
Lo básico:
Puedes empezar con estas frases sencillas pero efectivas:
"Analicemos esto paso a paso..."
"Vamos a desglosar este problema..."
"Muéstrame tu proceso de pensamiento mientras..."
Lo avanzado:
En lugar de solo pedir un razonamiento, guía ese razonamiento. Es como darle un mapa a alguien en lugar de solo pedirle que llegue a un destino. Por ejemplo:
"Analiza esta situación considerando:
El impacto inmediato
Las consecuencias a largo plazo
Los recursos necesarios En cada paso, explica por qué ese factor es importante para la decisión final."
¿Y sabes qué es lo mejor? Una vez que empiezas a usar Chain of Thought, te das cuenta de patrones en las respuestas de la IA. Algunos funcionan mejor que otros, y puedes ajustar tus prompts según lo que necesites.
Los errores más comunes (que quieres evitar):
Pedir el razonamiento después de recibir una respuesta - es como pedir la receta después de haber terminado de comer
Ser demasiado vago - la IA es inteligente, pero no lee mentes
No especificar qué aspectos son importantes - recuerda que tú eres quien guía la conversación
Para terminar
Chain of Thought es una técnica simple pero poderosa. No siempre la necesitarás - a veces una respuesta directa es todo lo que buscas. Pero cuando necesites entender el razonamiento detrás de una recomendación o quieras respuestas más profundas y confiables, ya sabes cómo hacerlo.
Esta técnica es solo una parte de nuestro arsenal de prompting. En próximas entregas seguiremos explorando otras técnicas que nos ayudarán a aprovechar mejor estas herramientas.
Nota personal: No podía empezar este 2025 sin agradecerles. Este humilde newsletter acaba de pasar los 100 suscriptores (¡138 para ser exactos!). Gracias por estar aquí y por hacer que cada post valga la pena 🤩
¡Nos vemos en el próximo post!
G