Cuando utilizamos una IA generativa, lo que habitualmente hace la gente es formular una petición y esperar que el modelo produzca directamente el resultado que necesitamos. Escribir un artículo, preparar una presentación, elaborar una infografía o desarrollar una idea puede parecer tan sencillo como introducir un buen prompt optimizado y esperar.
Sin embargo, existe otra forma de trabajar con una GenIA que puede resultar mucho más potente: no pedirle inmediatamente que produzca el resultado final, sino utilizar primero la conversación para explorar el tema, presentar conceptos, investigar, profundizar, definir un posicón y construir el contexto necesario para realizar posteriormente la tarea.
Ese es el método que utilizo y que, a falta de un nombre más establecido, podemos denominar «prompting progresivo contextual«, pero, ¿por qué ese nombre?.
La idea es simple, en lugar de comenzar diciendo «escribe un artículo sobre X», primero conversamos con la IA sobre X. Preguntamos qué conceptos son importantes, profundizamos en determinados aspectos, pedimos comparaciones, buscamos relaciones, cuestionamos las primeras respuestas y vamos construyendo progresivamente una comprensión compartida del tema.
Cuando consideramos que ya hemos desarrollado suficiente contexto, hacemos entonces la petición de producción: escribir un artículo, elaborar un capítulo de un libro, crear una infografía, preparar una estructura, desarrollar una propuesta, etc., con un prompt optimizado para ello.
La particularidad del método está precisamente en que la conversación previa no es un rodeo ni una serie de preguntas independientes: es parte del proceso de construcción del resultado final. El historial de la conversación se convierte en el contexto de trabajo que la IA utilizará posteriormente.
Esta forma de interactuar no surge de la nada. Al analizarla encontramos una clara relación con varias técnicas conocidas de prompting: iterative prompting, prompt chaining, contextual prompting y progressive prompting. Mi método puede entenderse como una combinación de estas estrategias, aunque pone especial énfasis en la construcción conversacional del contexto en la propia IA.
Iterative prompting:
Avanzar mediante iteraciones con la IA.
El iterative prompting, o prompting iterativo, consiste en trabajar con la IA mediante sucesivas iteraciones en lugar de intentar conseguir la respuesta definitiva mediante una única instrucción.
El proceso puede ser tan sencillo como:
«Haz esto.»
La IA responde.
«No exactamente. Quiero que desarrolles más esta parte.»
La IA vuelve a responder.
«Ahora simplifica este concepto y añade ejemplos.»
Y así sucesivamente.
Cada interacción permite corregir, ampliar o perfeccionar la anterior. El usuario no necesita saber desde el principio cuál será el prompt perfecto porque el resultado se va construyendo mediante sucesivas aproximaciones.
Mi método comparte claramente esta característica. La conversación también se desarrolla mediante iteraciones: una pregunta conduce a otra, una respuesta abre una nueva cuestión y una explicación puede llevarnos a profundizar en un concepto.
La diferencia está en el propósito de esas iteraciones.
En el prompting iterativo podemos estar intentando mejorar progresivamente un resultado que ya hemos solicitado. Por ejemplo, pedir un artículo, revisarlo y después pedir que se modifique.
En mi método, en cambio, las primeras iteraciones pueden producir ningún resultado final. Su función principal es construir conocimiento y contexto.
Investigar > Profundizar > Pulimos Conceptos y Posturas > Después producimos el Resultado deseado.
Esta diferencia parece pequeña, pero cambia considerablemente la estrategia. La conversación deja de ser solamente un mecanismo de corrección y se convierte en una especie de fase preparatoria del trabajo creativo o intelectual.
Prompt chaining:
Encadenar las tareas
El prompt chaining, o encadenamiento de prompts, consiste en dividir una tarea compleja en diferentes pasos. El resultado de una etapa sirve como entrada o contexto para la siguiente.
Por ejemplo, para elaborar un artículo podríamos hacer algo así:
Investigar un tema > Identificar conceptos > Organizar Ideas > Crear Estructura > Escribir un Artículo
En lugar de pedir a la IA que haga todo simultáneamente, construimos una cadena de tareas.
Mi método tiene una relación muy estrecha con esta técnica porque la conversación también puede convertirse en una cadena. Una pregunta genera información que utilizamos en la siguiente pregunta, y las conclusiones alcanzadas en un momento determinado pueden servir para orientar las siguientes etapas.
Sin embargo, existe otra diferencia importante.
En un prompt chaining bien estructurado, las etapas suelen estar definidas previamente. Sabemos que necesitamos ejecutar A, después B, después C y finalmente D.
En mi método, la cadena puede ser exploratoria y dinámica. No necesariamente sabemos al principio cuáles serán todas las preguntas. Una respuesta de la IA puede revelar un concepto que desconocía y provocar una nueva línea de investigación, que por lo general no hago en otro Chat separado para evitar contaminación o si pregunto mucho de un tema por indagar, la IA puede que lo tome como muy importante dentro del contexto que estoy creando y tal vez no lo sea.
Por eso, mientras que el prompt chaining puede parecerse a una cadena de producción, mi método se parece más a una conversación de investigación que va construyendo su propio recorrido.
Naturalmente, ambas estrategias pueden combinarse. Podemos comenzar con una exploración abierta y, cuando ya comprendemos mejor el problema, utilizar prompt chaining para convertir ese conocimiento en un proceso organizado de producción.
Contextual prompting:
Hacer que la IA trabaje con un contexto dado
El contextual prompting pone el énfasis en proporcionar a la IA información contextual relevante para que pueda generar una respuesta más adecuada.
Esto es fundamental porque una misma instrucción puede producir resultados muy diferentes dependiendo del contexto que la acompañe.
No es lo mismo pedir:
«Escribe un artículo sobre prompting.»
En un Chat nuevo, que pedirlo después de haber mantenido una larga conversación en la que hemos establecido qué entendemos por prompting, qué conceptos queremos utilizar, qué diferencias existen entre varias técnicas y qué enfoque queremos adoptar.
En mi caso, la IA dispone de un contexto mucho más rico. Como ejemplo les puedo presentar este mismo artículo, ya que para crearlo primero le presenté a la IA mi libro y le expliqué mi método para crear artículos, luego la utilicé para cre me entregara las similitudes y diferencias entre los métodos «tradicionales» o documentados y terminé cuando ya estaba satisfecho con la estructura del artículo.
Aquí encontramos probablemente una de las mayores coincidencias con mi método. La conversación anterior funciona como contexto acumulado. Cada pregunta y cada respuesta contribuyen a crear el marco desde el cual se formulará posteriormente la petición final.
La diferencia es que en el contextual prompting podemos proporcionar el contexto directamente en una instrucción: documentos, datos, ejemplos, definiciones, criterios, antecedentes, etc.
En mi método, una parte importante de ese contexto se construye mediante la propia conversación.
No necesariamente le entregamos a la IA un documento que diga qué debe saber. Vamos desarrollando ese conocimiento dialogando con ella.
Esto tiene una consecuencia interesante: el historial del chat deja de ser simplemente un registro de la conversación y pasa a convertirse en una especie de espacio de trabajo temporal.
Progressive prompting:
Construir progresivamente la instrucción.
El progressive prompting, o prompting progresivo, lleva la idea de progresión un paso más allá. En lugar de proporcionar desde el principio todas las instrucciones necesarias, estas se van construyendo o refinando durante la interacción con el Chat.
Esto se parece mucho a mi método, porque tampoco intento definir desde el principio el prompt definitivo.
Al principio puede existir únicamente una pregunta general:
«Quiero entender cómo funcionan estas técnicas de prompting.»
Después aparecen nuevas preguntas:
«¿En qué se diferencian?»
«¿Cuál se parece más a esta forma de trabajar?»
«¿Qué elementos tienen en común?»
«¿Podemos combinar estas técnicas?»
Finalmente, cuando el contexto está suficientemente desarrollado, aparece una instrucción mucho más precisa:
«Utiliza todo lo que hemos desarrollado en esta conversación para crear un artículo que explique mi método y lo compare con estas técnicas.»
La instrucción final es mejor no necesariamente porque el prompt esté mejor redactado, sino porque la conversación anterior ha permitido descubrir qué debe contener ese prompt.
Esta es una característica esencial de mi método: no solo se desarrolla progresivamente la respuesta; también se desarrolla progresivamente la comprensión de qué queremos pedirle a la IA.
Este ejemplo está creado para ser más didactico. Para la creación de este artículo, ya tenía la idea clara del resultado final, por lo que la investigación y preparación del contexto fue diferente, más directo y preciso, solo utilicé la IA para crear la Estructura del artículo.
Entonces, ¿qué tiene de particular mi método?
Si juntamos las cuatro técnicas anteriores, podemos ver que mi método comparte elementos con todas ellas.
El iterative prompting aporta la iteración.
El prompt chaining aporta la secuencia de pasos y la reutilización de resultados anteriores.
El contextual prompting aporta la idea de que el contexto determina y mejora la calidad de la respuesta.
El progressive prompting aporta la construcción progresiva de instrucciones y objetivos.
Mi método combina estos cuatro elementos, pero introduce una prioridad concreta: antes de pedir la producción final, utilizo la conversación para construir el contexto intelectual necesario para realizarla, por lo que no es necesario un prompt complejo o muy optimizado para lograr el mismo resultado.
Podríamos representarlo de una manera sencilla:
Explorar > Preguntar > Profundizar > Contrastar/Relacionar > Establecer mi pocisión > Sintetizar > Producir
|
| > Investigar en un nuevo Chat
La producción final es solamente la última fase de un proceso que comenzó mucho antes.
Esto también explica por qué este método puede resultar especialmente útil para trabajos complejos. Cuando pedimos directamente a una IA que escriba un libro, un informe o un artículo sobre un tema que apenas hemos definido, estamos dejando que la AI realice todo el trabajo y decida todo el contenido: los conceptos, el enfoque, qué información considerar relevante, qué estructura seguir, etc.
En cambio, mediante una conversación previa podemos influenciar en el enfoque, contenido, estructura y pocisón junto con la IA y lograr un mejor resultado.
No estamos simplemente diciendo:
«Hazme esto…….»
Estamos construyendo las condiciones para que, cuando finalmente digamos «hazme esto…», la IA sepa mejor qué significa «esto».
De la IA como generadora de contenido, a la IA como herramienta de construcción
Quizá la diferencia más interesante de este método no sea técnica, sino conceptual.
Cuando utilizamos una GenIA únicamente mediante un único prompts optimizado, tendemos a pensar en ella como un generador de respuestas:
Prompt Optimizado > Respuesta «lista para copiar y pegar»
Con una interacción progresiva, el modelo puede convertirse en algo más parecido a un espacio de construcción:
- Pregunta.
- Crear Conocimiento.
- Nuevas Preguntas.
- Análisis y Enfoque.
- Creación de Contexto.
- Nuevo Prompt de Creación.
- Resultado.
Este es un posible ejemplo con pasos numerados, pero todo puede cambiar según los que necesite o lo complejo que puede ser el contenido. No será igual para un artículo que para un libro o un reportaje crítico con un enfoque personalizado.
La IA deja de ser únicamente el lugar donde obtenemos el producto final y se convierte también en el lugar donde desarrollamos el proceso que conduce hasta él.
Esto resulta especialmente interesante cuando queremos crear algo que requiere más que información: un artículo con una determinada perspectiva, un libro con una tesis concreta, una investigación, una propuesta, un curso o incluso una identidad visual o conceptual para un proyecto.
En esos casos, el resultado final no depende únicamente de que la IA «sepa» información sobre el tema. Depende de que tenga claro qué hemos descubierto, qué hemos decidido, qué queremos defender, qué conceptos son importantes y cómo queremos relacionarlos.
La conversación previa permite construir precisamente ese marco.
Una forma de trabajar con las GenIAs
Por tanto, mi método puede entenderse como una estrategia híbrida que combina varias técnicas existentes, pero organizada alrededor de una idea central: primero construir el contexto; después utilizarlo para crear.
No se trata de encontrar el «prompt perfecto» desde el principio, se trata de permitir que el propio proceso de interacción nos ayude a descubrir cuál debería ser ese prompt, qué información necesita contener y qué resultado queremos obtener.
Lo interesante es que las cuatro técnicas analizadas pueden aparecer dentro de estas fases. El método no pretende sustituir al iterative prompting, al prompt chaining, al contextual prompting o al progressive prompting. Más bien puede entenderse como una forma de combinarlos en una única estrategia conversacional.
Y quizá ahí esté la verdadera aportación del método: no consiste en una nueva clase de prompt, sino en cambiar el momento en el que utilizamos la IA para crear.
Esa puede ser una de las formas más naturales de aprovechar la capacidad de las GenIAs para trabajar con el contexto acumulado de una conversación.
Mi libro:
Algunas de las técnicas de prompting se encuentran explicadas en mi libro «Crea tus Prompts más Efectivos». Estos conceptos básicos entre otros están presentes con ejemplos prácticos y facilmente explicados.
Se puede encontrar en Amazon.es y está creado para sentar la base de la creación de prompt, si ya tienes experiencia creando prompts o ya haz visto muchos cursos en Yotube de como crear prompts y no quieres entrar en conceptos bases, esto no es para ti.
«Mi intención no es ganar dinero vendiendo mi libro, el libro se vende casi al costo, mi intención es crear información útil, verdadera y real para desmentir otras informaciónes erroneas en la creación de prompts y uso de las IAs Generativas (GenAI).»