Cuatro Enfoques Fundamentales para la Elaboración de «Prompts» en IA Generativa
En este artículo, continuamos con nuestra cobertura sobre estrategias y tácticas de «prompt engineering» (ingeniería de instrucciones) que ayudan a maximizar el uso de aplicaciones de IA generativa como ChatGPT, GPT-4, Bard, Gemini, Claude, etc. Esta vez, nos centraremos en una metodología sistemática y vital para la creación de «prompts», denominada Ciclo de Vida de Desarrollo de «Prompts» (PDLC, por sus siglas en inglés). Esto es similar a la programación o la ingeniería de software que utilizan un Ciclo de Vida de Desarrollo de Sistemas (SDLC).
Si le interesa la ingeniería de «prompts» en general, puede encontrar de interés nuestra guía completa sobre más de cincuenta estrategias clave de «prompting».
La Improvisación como Norma en la Creación de «Prompts»
La mayoría de las personas tienden a redactar sus «prompts» (instrucciones) basándose en una intuición improvisada.
El proceso suele ser el siguiente.
Se encuentra frente a la pantalla en blanco de su aplicación de IA generativa preferida, con una idea en mente de lo que quiere preguntar a la IA. Comienza a escribir la pregunta que tiene vagamente en la cabeza. De repente, se da cuenta de que probablemente debería proporcionar algún contexto útil, o de lo contrario, la IA generativa no comprenderá la naturaleza del problema planteado.
¿Añade el contexto a lo que ya ha escrito, o borra lo que lleva escrito y empieza de nuevo?
Este es el clásico proceso de desarrollo de «prompts» basado en la prueba y error.
No se preparó especialmente de antemano. La idea era simplemente iniciar sesión en la aplicación de IA generativa y empezar a escribir. De una forma u otra, anticipó que se le ocurriría un «prompt» que funcionaría. Podría requerir la introducción de un «prompt» inicial débil y tener que rehacerlo una vez que vea la respuesta generada por la IA. No es gran cosa, simplemente reescribirá el «prompt» sobre la marcha.
Ahora bien, algunos críticos podrían reprocharle por ser tan descuidado. Le dirían que se aleje de la IA y que primero se organice. Que escriba metódica y cuidadosamente lo que quiere preguntar. Entonces, y sólo entonces, podrá acceder a la IA. Estará mejor preparado y podrá hacer un uso inteligente de la aplicación de IA generativa.
Sin embargo, esa no es la única postura válida.
Hay que reconocer que hay ocasiones en las que el uso de la IA generativa a través de un enfoque de «prompting» improvisado es perfectamente válido. Pero también es importante no limitarse a una única estrategia. Si siempre actúa de forma impulsiva al crear sus «prompts», se está perdiendo el valor completo y vital del uso de la IA generativa.
Debe saber cómo ir más allá del método intuitivo.
Cuatro Métodos Fundamentales para la Creación de «Prompts»
Cualquiera que se considere seriamente un ingeniero de «prompts» debe sentirse cómodo con toda la gama de formas de componer «prompts».
Existen cuatro métodos fundamentales:
- (1) «Prompting» instintivo. Creación de «prompts» de forma improvisada y generalmente en tiempo real, según convenga.
- (2) «Prompting» consciente. Reflexionar sobre un «prompt» antes de escribirlo, siendo consciente de lo que quiere que el «prompt» diga y haga.
- (3) «Prompting» planificado. Planificar con antelación un «prompt» y una serie de «prompts» que se pretenden redactar, incluyendo la escritura previa de algunos de ellos, mientras que otros pueden ser escritos en tiempo real basándose en una estructura general predeterminada.
- (4) «Prompting» exhaustivo. La cúspide del desarrollo de «prompts» implica un tipo de formalización del ciclo de vida similar a un riguroso ciclo de vida de desarrollo de sistemas (SDLC), a menudo denominado PDLC («prompt development life cycle»).
Esta noción de componer «prompts» puede compararse con la escritura de programas informáticos. Hay desarrolladores de software y programadores informáticos que escriben su código de forma improvisada. Otros lo hacen de forma sistemática y prescrita. Un desarrollador de sistemas equilibrado conoce los diversos enfoques y elige el adecuado para la circunstancia en cuestión.
Es posible que haya oído hablar o incluso utilizado un SDLC (ciclo de vida de desarrollo de sistemas) si es alguien que ha desarrollado nuevos sistemas desde cero. Incluso si nunca ha sido un desarrollador, puede que haya sido un usuario que formó parte de un esfuerzo que se llevó a cabo para crear un nuevo sistema. Tal vez los desarrolladores del sistema le mostraron una serie de pasos o etapas para el esfuerzo de desarrollo. Eso se considera un tipo de SDLC.
Los SDLC suelen estipularse firmemente como una serie de fases, etapas o pasos que se supone que deben llevarse a cabo al concebir, diseñar, codificar, probar y poner en marcha un nuevo sistema. Esto también se conoce a veces como modelo en cascada. Normalmente, se pasa de una etapa o paso al siguiente, como el agua que fluye río abajo. En algunas situaciones, se puede ser más iterativo y moverse a través de ellos de forma rápida y cíclica, un precepto de un principio metodológico subyacente al desarrollo ágil.
Una queja frecuente sobre los SDLC formales es que suelen asumir que el sistema que se está ideando es grande y voluminoso. Con todo el papeleo involucrado, parece difícil justificar todo ese formalismo si el sistema es pequeño y simplificado desde el principio.
Un comentario irónico sobre los SDLC de gran envergadura es que son como un rifle de elefantes y que tiene poco sentido tratar de deshacerse de una hormiga con un arma tan potente. Como resultado, la mayoría de los SDLC bien redactados tienen provisiones para una versión abreviada del enfoque, tratando de reconocer que habrá momentos en los que un método más rápido sea adecuado. Piense en esta adaptación como una variación del tamaño de una hormiga para que coincida adecuadamente con las hormigas objetivo.
Formalidad con Aplomo
Se menciona esto porque una pregunta que flota en el ámbito de la ingeniería de «prompts» consiste en si el uso de un SDLC orientado a «prompts» es como ese proverbial rifle de elefantes. Los «prompts» son diferentes a la codificación en el sentido de que normalmente sólo se tienen unos pocos «prompts» a la vez, mientras que la codificación puede involucrar cientos o miles de líneas de código.
¿La composición de «prompts» se relaciona sensatamente con la escritura de código, o la analogía es exagerada y nos lleva por un camino erróneo al tratar de usar SDLC cuando no debería aplicarse?
La respuesta es que sí se puede hacer uso de un SDLC orientado a «prompts», haciéndolo cuando la situación justifique tal capacidad añadida. No es necesario emplear siempre ese camino riguroso de forma exhaustiva. De nuevo, hay que utilizar la herramienta adecuada para el momento adecuado.
¿Qué nombre o apodo deberíamos usar para referirnos a un SDLC orientado a «prompts»?
El campo de la ingeniería de «prompts» es tan nuevo que no existe un estándar ampliamente aceptado al respecto. Estos son algunos nombres que se han utilizado:
- PE-SDLC. «Prompt Engineering» – Ciclo de Vida de Desarrollo de Sistemas.
- PESDLC. Ciclo de Vida de Desarrollo de Sistemas de Ingeniería de «Prompts».
- PDLC. Ciclo de Vida de Desarrollo de «Prompts» (esta es la frase más común).
- PODLC. Ciclo de Vida de Desarrollo Orientado a «Prompts».
- PLC. Ciclo de Vida de «Prompting».
- Etc.
Varios investigadores y empresas están presentando prácticas recomendadas para la ingeniería de «prompts» y a veces especifican un SDLC orientado a «prompts» propietario. Asegúrese de examinar detenidamente lo que se indica en la metodología. ¿Tiene sentido para usted? ¿Es fácil de usar o demasiado difícil? ¿Su uso será beneficioso para usted o creará dificultades indebidas?
Usar PDLC con Sentido Común
Si ve y se enamora de un PDLC, esto no significa que deba abandonar por completo el enfoque basado en la intuición para la creación de «prompts». Es algo que debe tener en cuenta al componer «prompts».
Existe una frase célebre que resulta aplicable: «No hay estilo en una pelea a cuchillo».
A veces hay que hacer lo que sea necesario para sobrevivir.
Esa sabia historia también se aplica a la creación de «prompts».
Hay momentos en los que componer un «prompt» por capricho está perfectamente bien. Hágalo. Hay otras ocasiones en las que debe dejar de lado el enfoque instintivo y ser más reflexivo en la composición de un «prompt».
Naturaleza Graduada de los Enfoques
Los cuatro enfoques clave identificados anteriormente son de naturaleza graduada.
El primero es el más ad hoc, etiquetado como «Prompting» Instintivo. El último es el más riguroso, que se denomina «Prompting» Exhaustivo. En medio están los que se elevan desde ad hoc a riguroso, a saber, «Prompting» Consciente y «Prompting» Planificado. Esto marca una serie de enfoques graduados que tienen como objetivo proporcionar niveles crecientes de dedicación a la hora de idear «prompts».
¿Cuál es su tarea aquí?
Debería sentirse cómodo con todo, desde el enfoque ad hoc hasta el enfoque más definido y estricto. Una vez que los domine, utilice el adecuado en el momento oportuno.
Hay otra frase famosa que probablemente conozca y que se ajusta a esta condición. Dicen que si todo lo que conoce es un martillo, el mundo entero parece contener sólo clavos. A veces un destornillador es una opción mucho mejor que un martillo. Los ingenieros de «prompts» deben estar familiarizados con los distintos enfoques de desarrollo de ingeniería de «prompts» y utilizar cada uno según convenga al momento.
Profundizando en los Factores Determinantes
¿Cómo saber qué circunstancia se ajusta a cada uno de los cuatro enfoques?
Considere estos cinco elementos clave:
- (1) Propósito del «Prompt»
- (2) Limitaciones del «Prompt»
- (3) Frecuencia del «Prompt»
- (4) Tipo de «Prompt» Previsto
- (5) Método de Desarrollo del «Prompt»
Exploremos brevemente cada uno de esos elementos clave.
En primer lugar, hay que considerar el propósito de un «prompt» potencial. La mayoría de las veces, debe tener un objetivo final en mente al usar la IA generativa. ¿Está tratando de responder a preguntas específicas? ¿Está tratando de resolver un problema particular? ¿Está buscando nuevas ideas?
En general, una sesión o conversación con la IA generativa debe tener un propósito y el objetivo es crear «prompts» que sirvan de forma suficiente y adecuada a ese propósito.
El «propósito del prompt» puede concebirse en tres niveles:
- (1) Propósito del «Prompt»
- Nivel 1. Experimentación.
- Nivel 2. Intentar obtener una buena respuesta.
- Nivel 3. Profundizar seriamente en algo importante.
Otro factor que influye en la determinación de las circunstancias adecuadas son las diversas limitaciones a las que se enfrenta al utilizar la IA generativa.
Esta es una breve lista de algunas limitaciones típicas:
- (2) Limitaciones del «Prompt»
- Límite 1. Tiempo para idear un «prompt».
- Límite 2. Costo de idear un «prompt».
- Límite 3. Tiempo para ejecutar el «prompt» y obtener un resultado.
- Límite 4. Costo de ejecutar el «prompt» y obtener un resultado.
- Límite 5. Calidad de la respuesta o resultado.
Como se ha indicado anteriormente, una limitación es el tiempo que le llevaría idear un «prompt» (Límite 1). Si tiene prisa y necesita moverse rápidamente, es posible que no esté dispuesto a dedicar mucho tiempo a pensar y redactar un «prompt». También puede haber un costo asociado a la elaboración de un «prompt» (Límite 2), como por ejemplo si tiene que investigar o pagar a otra persona para que identifique primero los aspectos más destacados para el «prompt».
Los límites más importantes son los que implican el tiempo para ejecutar el «prompt» (Límite 3) y el costo cobrado por hacerlo (Límite 4). Algunas aplicaciones de IA generativa pueden utilizarse de forma gratuita, por lo que probablemente no le importe el tiempo que tarde en ejecutarse un «prompt» ni el costo, ya que no hay ningún cargo o tarifa involucrada. Pero para aquellos que utilizan aplicaciones de IA generativa que sí cobran una tarifa, es probable que tengan que ser conscientes de sus gastos.
Hay formas de redactar un «prompt» de tal manera que se ejecute rápidamente. También puede redactar un «prompt» sin pensar que resulte ser bastante lento.
Insights de Evox News: Cómo la Elección del Método de «Prompting» Puede Impactar tu Negocio
La correcta elección del método de «prompting» en IA Generativa, desde el instintivo hasta el exhaustivo (PDLC), tiene implicaciones cruciales para las empresas en varios niveles:
Eficiencia y Costos: Un enfoque improvisado («prompting» instintivo) puede ser rápido y adecuado para tareas sencillas, minimizando el tiempo y los recursos invertidos. Sin embargo, para proyectos complejos o estratégicos, este enfoque puede llevar a resultados subóptimos, requiriendo iteraciones y, en última instancia, aumentando los costos de tiempo y recursos computacionales (especialmente si se utilizan servicios de IA de pago). Un enfoque planificado o exhaustivo, aunque inicialmente más lento, puede resultar en una mayor eficiencia a largo plazo al generar resultados más precisos y relevantes desde el principio.
Innovación y Ventaja Competitiva: La capacidad de utilizar métodos de «prompting» más sofisticados (consciente, planificado, exhaustivo) permite a las empresas explorar de manera más profunda y sistemática las capacidades de la IA generativa. Esto puede conducir al descubrimiento de nuevas ideas, soluciones innovadoras y, en última instancia, a una ventaja competitiva. La experimentación con diferentes enfoques puede revelar patrones y perspectivas que no serían evidentes con un enfoque puramente instintivo.
Calidad y Precisión: Para tareas que requieren un alto grado de precisión y calidad, como la generación de informes, análisis de datos o creación de contenido especializado, un enfoque planificado o exhaustivo es esencial. Estos métodos permiten un mayor control sobre la salida de la IA, asegurando que los resultados cumplan con los estándares requeridos y minimizando el riesgo de errores o imprecisiones.
Optimización de procesos: La implementación de un PDLC permite a la empresa establecer un flujo de trabajo riguroso y repetible, que maximice las posibilidades de obtener resultados óptimos reduciendo la variabilidad y dependencia de la pericia individual.
En resumen, la elección del método de «prompting» no es trivial. Las empresas deben considerar cuidadosamente sus objetivos, recursos y el nivel de precisión requerido para cada tarea, y adoptar un enfoque flexible que les permita aprovechar al máximo el potencial de la IA generativa. La maestría en los diferentes métodos de «prompting» se convierte en una habilidad estratégica clave para la innovación y el éxito empresarial