Nadie llamaría a una pizzería para hacer un pedido simple por una «pizza». Para recibir la cena que deseas, especificarías el tipo de masa, los ingredientes, las especias, la bebida que la acompaña y cualquier alérgeno que puedas tener.
La moraleja de esta historia es: cuanto más detalladas sean tus instrucciones, más se acercará la pizza a tus gustos. Esto se aplica al uso de herramientas de IA generativa como ChatGPT de OpenAI o Gemini de Google.
En esta entrada del blog, te mostramos cómo dar instrucciones claras y formular preguntas específicas a las herramientas de IA generativa, un proceso también conocido como ingeniería de indicaciones.
¿Qué es la ingeniería de indicaciones?
La ingeniería de indicaciones es el proceso de diseñar y perfeccionar el texto de entrada que se proporciona a los modelos de IA, especialmente a los modelos lingüísticos, con el fin de obtener las indicaciones más precisas, relevantes y creativas.
Por qué deberías aprender ingeniería de indicaciones
La IA generativa se está convirtiendo en una de las herramientas más potentes y con mayor impacto en un amplio intervalo de aplicaciones, desde la redacción de contenidos hasta el modelado arquitectónico. McKinsey estima que, para 2030, hasta el 30 % de las horas de trabajo actualmente realizadas en la economía estadounidense podrían automatizarse mediante tecnologías basadas en la IA generativa.
Para sacar el máximo partido a la IA generativa, es necesario dominar la ingeniería de indicaciones.
Acelerar las interacciones: La ingeniería de indicaciones actúa como interfaz principal entre la intención humana y el resultado de la máquina. Para que el modelo de aprendizaje automático (ML) comprenda tu consulta en lenguaje natural, es necesario conocer la ingeniería de indicaciones.
Fomentar la creatividad de la IA: El factor diferenciador de la IA generativa es que «genera», es decir, crea texto, imágenes o datos en respuesta a indicaciones. Para obtener respuestas creativas, es necesario introducir indicaciones claras.
Obtener respuestas precisas: Uno de los grandes retos de la IA generativa ha sido la «alucinación», un fenómeno por el que el modelo de IA genera información incorrecta o engañosa basada en suposiciones erróneas o sesgos inherentes. Para eliminarlo, se necesitan buenas habilidades de ingeniería de indicaciones.
Maximizar el rendimiento: La IA generativa se basa en grandes modelos de lenguaje que procesan cantidades extraordinarias de datos. Para sacar el máximo partido a las capacidades de un modelo —y sortear sus limitaciones—, es fundamental una buena ingeniería de indicaciones.
Mejorar la relevancia: Todo lo que genere la IA debe ser relevante para el público al que va dirigido. Por ejemplo, puedes mejorar la relevancia de una publicación en redes sociales generada por IA para tu público especificando sus datos demográficos, intereses, necesidades, retos, etc.
Para aprovechar estas ventajas, es necesario comprender cómo se puede utilizar la ingeniería de indicaciones para obtener los resultados deseados de la IA generativa. Empecemos con algunos ejemplos
Ejemplos de ingeniería de indicaciones
Existen numerosas recomendaciones sobre lo que se debe y no se debe hacer, buenas prácticas y plantillas de prompts de IA que te ayudarán a hacerlo bien. Pero antes de adentrarnos en ningún truco de IA, la mejor forma de aprender una habilidad tan práctica como la ingeniería de prompts es verla en acción.
A continuación se muestran algunos ejemplos de ingeniería de indicaciones en distintos ámbitos de trabajo.
La ingeniería de indicaciones en el desarrollo de software
Tanto si te dedicas a programar, a corregir incidencias o a redactar documentación, las herramientas de IA para desarrolladores pueden simplificarte mucho el trabajo. A continuación te explicamos cómo.
Asistencia en la revisión del código
«Genera una lista de control para la revisión del código de una aplicación de automatización robótica de procesos (RPA) desarrollada con Python. Presta especial atención a la legibilidad y a la seguridad empresarial».
Documentación técnica
«Redacta una guía completa sobre la implementación de OAuth 2.0 en una aplicación web utilizando Node.js. Incluye instrucciones paso a paso y fragmentos de código para cada fase».
Corrección de errores
«Describe un enfoque sistemático para identificar y solucionar fugas de memoria en una aplicación Java, incluyendo las herramientas que hay que utilizar y las áreas habituales que hay que comprobar». Si eres principiante y esto te resulta un poco complejo, te ofrecemos ayuda. Utiliza las indicaciones de ChatGPT de ClickUp para ingeniería con el fin de generar ideas, elaborar planes y mucho más.
Indicaciones de IA generativa para la gestión de productos
Los equipos de desarrollo ágil de software suelen carecer de gestores de producto capaces de definir claramente la hoja de ruta e impulsar el progreso. Las herramientas de IA, como ChatGPT, pueden resultar de gran ayuda.
Priorización de funciones
«Utilizando el modelo de puntuación RICE (alcance, impacto, confianza, esfuerzo), prioriza las siguientes funciones para nuestra próxima herramienta de gestión de proyectos: tableros Kanban, colaboración en tiempo real, elaboración automática de informes e integraciones con terceros».
Creación de perfiles de usuario
«Desarrolla un perfil de usuario detallado para una aplicación de seguimiento de actividad física dirigida a profesionales ocupados que se inician en el mundo del fitness. Incluye datos demográficos, metas, retos y cómo podrían utilizar la aplicación».
Desarrollo de la hoja de ruta del producto
«Elabora una hoja de ruta de producto de seis meses para la expansión de una plataforma de comercio electrónico, centrándote en la integración de la IA para ofrecer experiencias de compra personalizadas. Detalla las fases, los hitos clave y los resultados esperados». O elige entre las más de 130 indicaciones de ClickUp para ChatGPT relacionadas con la gestión de productos y ponte manos a la obra de inmediato.
📮 ClickUp Insight: El 37 % de nuestros encuestados utiliza la IA para la creación de contenidos, incluyendo la redacción, la edición y los correos electrónicos. Sin embargo, este proceso suele implicar cambiar entre diferentes herramientas, como una herramienta de generación de contenidos y tu entorno de trabajo. Con ClickUp, dispones de asistencia en la redacción impulsada por IA en todo el entorno de trabajo, incluyendo correos electrónicos, comentarios, chats, documentos y mucho más, todo ello sin perder el contexto de tu entorno de trabajo completo.
Ejemplos de ingeniería de indicaciones en la gestión de proyectos
Puedes pedirle a Gen IA que elabore un plan de proyecto, que luego podrás personalizar. O simplemente pedirle ayuda para optimizar algunas partes del mismo. A continuación veremos ambos casos.
Creación del plan del proyecto
«Elabora un plan de proyecto detallado para el lanzamiento de un nuevo mercado en línea, que incluya fases como el estudio de mercado, el diseño y el desarrollo, las pruebas y la estrategia de puesta en marcha. Especifica las actividades clave, los recursos necesarios y los cronogramas para cada fase.»
Optimización de recursos
«Analiza la asignación actual de recursos para un proyecto de desarrollo de software y sugiere optimizaciones que garanticen la entrega a tiempo sin comprometer la calidad. Ten en cuenta factores como las competencias, la distribución de la carga de trabajo y las tareas de la ruta crítica».
Más de 190 indicaciones de ChatGPT para la gestión de proyectos, seleccionadas en exclusiva para ti por ClickUp.
Más información sobre ClickUp Brain aquí:
Indicaciones para la creación de contenidos
Las mejores herramientas de creación de contenido con IA pueden ayudarte a mejorar significativamente tus resultados de marketing. Prueba lo siguiente y compruébalo por ti mismo.
Campaña en redes sociales
«Diseña una campaña en redes sociales para el próximo lanzamiento de un champú ecológico. Incluye tres publicaciones diferentes en Instagram y tres en Twitter. Añade hashtags relevantes para cada plataforma».
Contenido del boletín informativo por correo electrónico
«Crea contenido atractivo para un boletín mensual de una startup tecnológica que incluya una actualización del producto, un artículo destacado sobre un miembro del equipo, los próximos eventos y una llamada a la acción que anime a los lectores a probar una nueva función».
También puedes aportar más detalles sobre la actualización del producto o sobre un miembro del equipo para obtener resultados más precisos. A continuación te mostramos un ejemplo.
«Destaca a un miembro del equipo. Se llama Jake y es un desarrollador fabuloso. Este mes completa un año en la empresa. Durante este tiempo, ha ayudado a resolver algunos de los mayores problemas de los clientes. Un cliente dijo una vez: «Sin Jake, nos habríamos quedado atrapados en un bucle de confusión. Hizo un gran trabajo al ayudarnos a matar dos pájaros de un tiro».
Utiliza ClickUp Brain como asistente de redacción: realiza correcciones ortográficas, resumir documentos extensos, crea tablas, plantillas, transcripciones y mucho más.
Recuerda que la mayoría de las empresas aún no ven con buenos ojos el contenido generado por IA, lo que ha dado lugar a la aparición de varias herramientas de detección de IA. La mejor forma de utilizar la IA generativa para crear contenido sería como herramienta de lluvia de ideas o como punto de partida que elimine el «problema de la página en blanco».
La ingeniería de indicaciones en aplicaciones de chatbots
Técnicamente hablando, ChatGPT o Google Gemini es un chatbot con el que estamos hablando. Entiende lo que le decimos y genera respuestas. Está entrenado con grandes modelos de lenguaje que cuentan con una gran cantidad de datos.
Puedes utilizar estos modelos y entrenarlos aún más con información propia o específica del sector para permitir conversaciones matizadas, sensibles al contexto y personalizadas con el usuario. En este caso, el cliente podría simplemente hacer preguntas como: «¿Cuánto cuesta esta mochila?».
Sin embargo, un buen chatbot de atención al cliente puede aprovechar los datos de la organización —como el historial de compras, la ubicación, las preferencias o las reclamaciones anteriores—, para ofrecer respuestas y recomendar productos, lo que mejora significativamente la experiencia del usuario.
Ingeniería de indicaciones para la programación informática y los sistemas de control de versiones
La ingeniería de indicaciones puede ayudar a un desarrollador a generar fragmentos de código específicos en diversos lenguajes de programación.
«Escribe una función en Python para realizar una conexión a una base de datos SQL y realizar una consulta SELECT en función de los parámetros que se pasen a la función».
La integración de la IA en los flujos de trabajo de control de versiones ofrece recomendaciones para la revisión del código basadas en el historial de confirmaciones, sugiere áreas del código que podrían requerir refactorización y automatiza las tareas rutinarias de control de versiones, lo que mejora la calidad del código y la productividad del equipo.
Tecnologías creativas de IA basadas en indicaciones
La ingeniería de indicaciones, especialmente con modelos como DALL-E, ofrece posibilidades sin precedentes a la hora de generar imágenes creativas y complejas a partir de descripciones textuales.
Por ejemplo, un desarrollador de videojuegos podría utilizar una indicación como «Genera una imagen de una calle comercial, con tiendas de moda a ambos lados, al atardecer, con estilos arquitectónicos modernos y colores fríos». Los resultados permiten visualizar rápidamente los entornos del juego sin necesidad de realizar un laborioso trabajo de dibujo manual.
Ingeniería de indicaciones para el análisis de bases de datos
Normalmente, para extraer información de las bases de datos se necesita a alguien con conocimientos de SQL que escriba consultas complejas en lenguaje de programación. La IA generativa ha cambiado esto, permitiéndote escribir tus consultas en lenguaje natural para recuperar datos de fuentes de datos no estructuradas o semiestructuradas.
Procesamiento de datos
«Conviértete en un científico de datos y escribe código para limpiar y preprocesar mis datos con vistas a su análisis. Mi conjunto de datos contiene información sobre las compras de todos los clientes de los últimos 30 días».
Aquí puedes pedirle a Gen IA que realice tareas específicas de limpieza, como eliminar filas vacías, eliminar filas con valores en el carrito inferiores a 50 $, etc.
Visualización de datos
«Escribe código en Python para visualizar mi conjunto de datos. Mi conjunto de datos contiene información de compras de todos los clientes mayores de 50 años durante los últimos 30 días».
Proporciona especificaciones adicionales para la visualización y el ajuste fino, como «muéstrame las tendencias de compra» u «organízalas por categoría».
Análisis de opiniones con indicaciones de IA general
El análisis de opiniones goza de una enorme popularidad en los contenidos generados por los usuarios en Internet, especialmente en las publicaciones de las redes sociales. Tu indicación para comprender la opinión de los clientes sobre tu producto podría ser la siguiente:
«A partir de mi conjunto de datos, que contiene publicaciones en redes sociales en las que hay menciones de [marca], clasifícalas como positivas, negativas o neutras. Identifica las características o aspectos específicos asociados a cada sentimiento».
Si ya has aprendido los conceptos básicos sobre cómo funciona la ingeniería de indicaciones, es hora de ver sus aplicaciones e implicaciones más amplias.
El rol de la ingeniería de indicaciones en los sectores basados en datos
Como se puede ver en los ejemplos anteriores, es posible realizar análisis básicos de datos o análisis de opiniones en todos los sectores. Sin embargo, la IA generativa y la ingeniería de indicaciones aportan un valor especial en sectores y aplicaciones basados en datos. A continuación te explicamos cómo.
Educación
Una buena ingeniería de indicaciones ayuda a los educadores a crear contenidos precisos, relevantes, atractivos y personalizados a gran escala. Algunos de los casos de uso con mayor potencial de la IA de última generación en el ámbito educativo son:
Experiencias de aprendizaje personalizadas: Creación de lecciones y planes basados en las preferencias, el nivel y los intereses de cada alumno en una fracción del tiempo.
Creación automatizada de contenidos: generación rápida de materiales de apoyo, como resúmenes, cuestionarios y preguntas de comprensión lectora.
Aprendizaje y práctica de idiomas: Generación de situaciones de práctica de conversación, ejercicios de gramática y ejercicios de vocabulario adaptados al nivel actual del alumno.
Tutoría y soporte: tutoría basada en IA para abordar las preguntas específicas de los alumnos o sus áreas de dificultad, ofreciendo explicaciones, recursos y ejercicios prácticos.
Investigación y desarrollo
Al elaborar indicaciones precisas y contextualmente relevantes, los investigadores aprovechan los modelos de IA para analizar grandes volúmenes de datos, generar hipótesis novedosas e incluso simular resultados experimentales.
Los ingenieros de indicaciones pueden ayudar a los investigadores a diseñar la indicación adecuada para obtener resultados precisos a gran escala. Algunos casos en los que esto puede resultar útil son:
Revisión bibliográfica: Realización de revisiones bibliográficas exhaustivas, identificación de estudios relevantes, conclusiones clave y lagunas en la base de conocimientos actual.
Minería de datos: Descubrimiento de patrones, correlaciones y anomalías en grandes conjuntos de datos.
Generación de hipótesis: Generar múltiples hipótesis dentro de un mismo ámbito de investigación para explorar múltiples vías.
Simulación de experimentos: Simulación de experimentos o de los resultados de los modelos, lo que reduce la necesidad de realizar experimentos físicos costosos y que requieren mucho tiempo.
Sanidad
La ingeniería de prompts mejora la capacidad de los modelos de IA para interpretar datos médicos complejos, ofrecer soporte en el diagnóstico, personalizar la atención al paciente y facilitar la investigación y la formación.
Los ingenieros de indicaciones pueden ayudar a los profesionales médicos a obtener una mejor comprensión de sus datos en los siguientes casos.
- Asistencia diagnóstica basada en pruebas, resultados de laboratorio, informes e imágenes médicas
- Planes de tratamiento personalizados: análisis del historial médico, los datos genéticos y el estado de salud actual de los pacientes para sugerir planes de tratamiento personalizados, como la predicción del rechazo de trasplantes de órganos.
- Descubrimiento de fármacos: examinar exhaustivamente amplias bases de datos de artículos académicos y datos de ensayos clínicos para identificar posibles candidatos a fármacos para enfermedades específicas, tal y como hizo el MIT con los antibióticos.
Casos prácticos de ingeniería de indicaciones
En esencia, la IA generativa puede crear contenido en tres formatos: texto, imagen y audio/vídeo. A continuación se presentan algunos de los casos de uso más eficaces de la IA en estos tres formatos.
La ingeniería de indicaciones en la generación de texto
Este es el caso de uso más popular de la IA generativa en la actualidad. Desde periodistas y profesionales del marketing hasta desarrolladores más tímidos, usuarios de todo tipo están utilizando generadores de texto con IA para satisfacer sus necesidades.
Algunos casos de uso habituales son:
- Contenido de marketing, como blogs y libros blancos
- Contenido de redes sociales, como publicaciones en Instagram o Twitter
- Documentación técnica
- Discursos y presentaciones
- Titulares alternativos y llamativos para artículos
- Resúmenes y sinopsis para facilitar la lectura
También existen herramientas de IA para las actas de reuniones que pueden transcribir videollamadas a notas de texto o resumir notas de texto para identificar puntos clave, acciones pendientes, etc.
La ingeniería de indicaciones en la generación de imágenes
Aunque todavía no se utiliza tan ampliamente como el texto, la generación de imágenes ofrece oportunidades increíbles para la creatividad. Entre los casos de uso más habituales se incluyen:
- Arte digital
- Diseño gráfico para marketing y redes sociales
- Diseño conceptual para eventos y conferencias
- Diseño de interiores y creación de prototipos arquitectónicos
- Portada de la revista y otros elementos visuales
La ingeniería de indicaciones en la generación de audio y vídeo
La generación de audio y vídeo mediante la ingeniería de indicaciones tiene importantes aplicaciones en los ámbitos del entretenimiento, la educación y la asistencia virtual. Algunos casos de uso prácticos de las herramientas de creación de contenido con IA incluyen:
- Pistas musicales personalizadas o efectos de sonido para videojuegos y proyectos multimedia
- Música que se adapta a los requisitos temáticos y emocionales de un proyecto
- Cantos de animales y aves poco comunes
- Vídeos cortos de promoción o de animación con sonido
- Tráilers de películas
- Prototipos de audio y vídeo
El impacto de la IA generativa es extraordinario: influye en todos los sectores, industrias, zonas geográficas y tipos de empresa. Durante la próxima década, la ingeniería de indicaciones podría definir la capacidad de cada persona para aprender y comprender cosas, del mismo modo que hoy en día lo hace «buscar en Google».
Aunque la IA generativa está evolucionando rápidamente, aquí tienes algunos métodos básicos que puedes utilizar para iniciarte en la ingeniería de indicaciones.
Métodos de generación de indicaciones
Antes de entrar en términos técnicos, recuerda que la principal ventaja de la IA generativa es que puedes introducir tus indicaciones en lenguaje natural. Así que adelante, habla con ChatGPT, Google Gemini o Microsoft Copilot como lo harías de forma natural.
Observa las respuestas y ajusta tus entradas sobre la marcha. A continuación te ofrecemos algunos conceptos que pueden resultarte útiles en este proceso.
Aprendizaje «zero-shot»
Asignar una tarea a la IA sin ejemplos previos ni contexto se denomina «zero-shot prompting». Se caracteriza por lo siguiente.
- Las indicaciones se explican por sí mismas
- El modelo puede comprender y ejecutar la solicitud basándose únicamente en su entrenamiento previo.
- Ideal como indicación inicial para que los nuevos usuarios comprendan los modelos de lenguaje a gran escala.
Ejemplo de indicación: «Identifica el lenguaje de programación principal utilizado en el siguiente fragmento de código: print(‘Hello, World!’).»
Aprendizaje con pocos ejemplos
Proporcionar al modelo de IA unos cuantos ejemplos de la tarea en cuestión antes de presentarle la tarea propiamente dicha se denomina «few-shot prompting».
- Las indicaciones son prescriptivas
- Ayuda al modelo a comprender el contexto y el formato esperado de la salida.
- Ideal para tareas complejas en las que el enfoque «zero-shot» podría no ofrecer suficiente orientación.
Ejemplo de indicación: «Dados los pares de entrada y salida: Entrada: 5 * 5, Salida: 25; Entrada: 8 + 2, Salida: 10; calcula la salida para Entrada: 7 – 4».
Indicación basada en la cadena de pensamiento
Indicar al modelo que genere pasos intermedios o cadenas de razonamiento que conduzcan a la respuesta final o al resultado deseado se denomina «indicación de cadena de pensamiento» (COT).
- Las indicaciones se van dando paso a paso
- Guía al modelo hasta el resultado final
- Ideal para tareas de resolución de problemas complejos en las que se desea que el modelo «muestre su trabajo».
Ejemplo de indicación: «Para invertir una cadena dada, “hello”, primero divide la cadena en caracteres individuales. A continuación, invierte el orden de estos caracteres. Por último, vuelve a unir estos caracteres en una cadena. ¿Cuál es el resultado final?»
Técnicas avanzadas de creación de indicaciones
Veamos ahora algunas técnicas de ingeniería de indicaciones más complejas y avanzadas.
CoT «zero-shot»
La «cadena de pensamiento» (COT) de tipo «zero-shot» combina ambos métodos para abordar problemas complejos sin ejemplos previos en los datos de entrenamiento.
Imagina utilizar un modelo de IA generativa para depurar un fragmento de código de software con el que nunca se ha encontrado antes.
Mediante el COT «zero-shot», el modelo expresaría su comprensión del problema, deduciría lógicamente las causas y propondría posibles soluciones, paso a paso, a pesar de no haber sido entrenado para este problema concreto.
Ingeniero de indicaciones automáticas (APE)
¿Y si la IA pudiera dar indicaciones a la IA para que encontrara las respuestas correctas? Pues bien, eso es automatizar la ingeniería de prompts.
El uso de algoritmos y técnicas para generar u optimizar automáticamente indicaciones para interactuar con modelos de IA se denomina APE. En este modelo, el algoritmo analiza un corpus de intentos correctos y fallidos para automatizar tareas similares.
A continuación, incorpora las palabras clave, las estructuras y las instrucciones que se han identificado como las que tienen más probabilidades de dar lugar a un resultado satisfactorio. A medida que la IA genera guiones, el sistema APE evalúa su eficacia, perfecciona la indicación basándose en lo que aprende y mejora el proceso de forma iterativa.
Independientemente del método que utilices, es probable que te enfrentes a algunos retos en tu camino hacia una ingeniería de indicaciones eficaz.
Limitaciones y retos de la ingeniería de indicaciones
Como campo emergente, la IA generativa está atravesando sus propios altibajos. Por otro lado, los usuarios están probando diversas indicaciones y estilos para obtener los resultados que necesitan. Una tecnología que evoluciona tan rápidamente está abocada a enfrentarse a retos.
Algunas de las principales limitaciones de la ingeniería de indicaciones y cómo superarlas.
Dependencia del modelo: una indicación que funciona bien con un modelo puede que no ofrezca los mismos resultados con otro.
Presta atención a las diferencias en el modelo. Ve realizando ajustes y optimizaciones sobre la marcha.
Complejidad y especificidad: Las indicaciones eficaces suelen requerir un profundo conocimiento del lenguaje y las capacidades del modelo.
Encuentra el equilibrio entre lo demasiado vago y lo demasiado específico para sacar el máximo partido a tus modelos de lenguaje a gran escala.
Sesgo y sensibilidad: los modelos de IA pueden heredar sesgos de sus datos de entrenamiento, que puedes amplificar sin darte cuenta a través de la ingeniería de indicaciones. Además, las alucinaciones, el sesgo, la insensibilidad, etc., pueden dar lugar a resultados perjudiciales, engañosos o poco éticos.
Crea sistemas que permitan un análisis minucioso y una supervisión ética del uso de la IA.
Escalabilidad: A medida que aumenta el alcance de las tareas, la ingeniería manual de las indicaciones para cada escenario concreto deja de ser viable.
Plantéate la generación automática u optimización de indicaciones para necesidades futuras.
Interpretabilidad: La falta de interpretabilidad puede dificultar la mejora iterativa de las indicaciones o el diagnóstico de problemas.
Utiliza métodos de «cadena de pensamiento» e insiste en ver el razonamiento lógico de la IA para los resultados importantes.
Sobreajuste y subajuste: El sobreajuste se produce cuando una indicación está demasiado adaptada a ejemplos específicos, lo que la hace menos eficaz para casos generales. El subajuste se produce cuando una indicación es demasiado amplia, lo que da lugar a resultados genéricos o irrelevantes.
Bueno, hay que encontrar el equilibrio.
Limitaciones de costes y recursos : Una ingeniería de indicaciones de alta calidad, especialmente en un entorno comercial, puede requerir importantes recursos computacionales y tiempo de los expertos.
Céntrate en las aplicaciones prácticas y en el retorno de la inversión.
Domina la ingeniería de indicaciones con ClickUp
¿Cómo se llama esa canción de Taylor Swift? ¿Cuánto queso debo echar en mi pasta? ¿Está limpio este conjunto de datos para su análisis? ¿A qué medicamento es alérgico este paciente? ¿Qué tareas de este sprint quedan aún por asignar?
El alcance de los modelos de IA generativa no deja de ampliarse. Como resultado, la ingeniería de indicaciones se está convirtiendo en una habilidad imprescindible entre los profesionales de todos los sectores.
Tu capacidad para hablar el lenguaje del LLM determina tu éxito a la hora de obtener los mejores resultados, una habilidad que se resume en la «ingeniería de indicaciones».
Puedes probar la ingeniería de prompts con cualquiera de los modelos de lenguaje grande (LLM) gratuitos, como ChatGPT, Google Gemini, DALL-E, etc. Prueba a pedirle que cree un remix de tus canciones favoritas para tu próxima fiesta de cumpleaños o que analice los extractos de tu tarjeta de crédito para visualizar tus gastos más importantes.
Haz que tu trabajo sea más rápido y eficaz con ClickUp Brain. ClickUp integra la IA en la plataforma para la gestión del conocimiento, la gestión de proyectos y la redacción.
¿Y qué más? ClickUp Brain también incluye indicaciones integradas y cientos de plantillas para que empieces con buen pie. Descubre lo que la IA generativa puede aportar a la gestión de tus proyectos. ¡Prueba ClickUp gratis hoy mismo!
Preguntas frecuentes sobre la ingeniería de indicaciones
1. ¿Qué es la ingeniería de indicaciones? ¿Podrías dar un ejemplo?
La creación de indicaciones para modelos de IA generativa, como ChatGPT, con el fin de guiarlos en la generación de resultados específicos o deseados se denomina «ingeniería de indicaciones».
Ejemplo de ingeniería de indicaciones
Cuando un desarrollador de software quiere utilizar un modelo de lenguaje como GPT-4 para generar un script en Python destinado a un rastreador web que recopile titulares de noticias de una página web concreta.
Indicación: «Genera un script en Python utilizando la biblioteca Beautiful Soup para extraer los titulares de las últimas noticias de ‘example-news-site.com’. El script debe gestionar la paginación y almacenar los titulares en una lista».
2. ¿Cuál es un ejemplo de indicación?
Cualquier entrada que proporciones a un modelo de IA generativa es una indicación. Con una buena ingeniería de indicaciones, puedes mejorar significativamente los resultados, haciéndolos más útiles, relevantes, precisos y atractivos.
Un buen ejemplo de indicación es: «Genera una descripción de producto de 150 palabras para un juego de toallas de fibra de bambú que destaque sus ventajas ecológicas, su durabilidad y su suavidad. Incluye una llamada a la acción que fomente un estilo de vida respetuoso con el medio ambiente y promueva el compromiso de la marca con la sostenibilidad».
3. ¿Cómo puedo empezar con la ingeniería de indicaciones?
La mejor manera de iniciarse en la ingeniería de indicaciones es probarla por uno mismo. Interactúa con ella en lenguaje natural y comprende el modelo. Al mismo tiempo, puedes:
- Apúntate a los cursos de certificación en línea
- Lee la documentación específica del modelo de IA que estés utilizando.
- Sigue las comunidades y foros en los que se habla de los grandes modelos de lenguaje.
- Practica con regularidad y aprende de cada interacción.
- Analiza las indicaciones que han tenido un intento correcto y las que no, para comprender qué es lo que funciona bien.
Mantente al día de los avances en IA y en tecnologías de procesamiento del lenguaje natural, ya que estos pueden influir en cómo deben estructurarse las indicaciones.