No llamarías a una pizzería y realizarías un pedido para una «pizza». Para recibir la cena que deseas, especificarías tu elección de masa, ingredientes, especias, bebida acompañante y cualquier cosa a la que puedas ser alérgico.
La moraleja de esta historia es: cuanto más detalladas sean tus instrucciones, más se acercará la pizza a tus preferencias. Esto se aplica al uso de herramientas de IA generativa como ChatGPT de Open AI o Gemini de Google.
En esta entrada del blog, le 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 debería aprender ingeniería de indicaciones
La IA generativa se está convirtiendo en una de las herramientas más potentes e impactantes en un amplio intervalo de aplicaciones, desde la redacción de contenidos hasta el modelado arquitectónico. McKinsey ha descubierto que hasta el 30 % de las horas que se trabajan actualmente en la economía estadounidense podrían automatizarse para 2030 con tecnologías basadas en IA generativa.
Para sacar el máximo partido a la IA, es necesario dominar la ingeniería de indicaciones.
Aceleración de las interacciones: la ingeniería de indicaciones sirve como interfaz principal entre la intención humana y el resultado de la máquina. Para que el modelo de aprendizaje automático (ML) comprenda su 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 cual el modelo de IA produce información incorrecta o engañosa basada en suposiciones erróneas o sesgos inherentes. Para eliminar esto, se necesitan buenas habilidades de ingeniería de indicaciones.
Maximizar los resultados: la IA generativa se compone de grandes modelos lingüísticos que procesan cantidades extraordinarias de datos. Para aprovechar al máximo las capacidades de un modelo y sortear sus límites, 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, puede mejorar la relevancia de las publicaciones en redes sociales generadas por IA para su 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. Comencemos con algunos ejemplos.
Ejemplos de ingeniería de indicaciones
Hay muchas cosas que se deben y no se deben hacer, buenas prácticas y plantillas de prompts de IA que le ayudarán a hacerlo bien. Pero antes de entrar en los trucos de la IA, la mejor manera 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 diferentes áreas de trabajo.
Ingeniería de indicaciones para el desarrollo de software
Ya sea que esté programando, corrigiendo errores o redactando documentación, las herramientas de IA para desarrolladores pueden simplificar considerablemente su trabajo. A continuación, le mostramos cómo.
Asistencia en la revisión del código
«Genere una lista de control de revisión de código para una aplicación de automatización de procesos robóticos (RPA) creada con Python. Céntrese especialmente en la legibilidad y la seguridad de la corporación».
Documentación técnica
«Escribe 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 corregir fugas de memoria en una aplicación Java, incluyendo las herramientas que se deben utilizar y las áreas comunes que se deben comprobar». Si eres principiante y esto te resulta demasiado complejo, te ofrecemos ayuda. Utiliza las indicaciones de ChatGPT de ClickUp para ingeniería con el fin de generar ideas, procesar planes y mucho más.
Indicaciones de IA genérica para la gestión de productos
Los equipos de desarrollo de software ágil suelen carecer de gestores de producto que puedan aclarar la hoja de ruta e impulsar el progreso. Las herramientas de IA como ChatGPT pueden ser de gran ayuda.
Priorización de funciones
«Utilizando el modelo de puntuación RICE (alcance, impacto, confianza y esfuerzo), prioriza las siguientes funciones para nuestra próxima herramienta de gestión de proyectos: tableros Kanban, colaboración en tiempo real, elaboración de informes automatizada e integraciones de terceros».
Creación de perfiles de usuario
«Desarrolle un perfil detallado de usuario para una aplicación de seguimiento de fitness dirigida a profesionales ocupados que son principiantes en el fitness personal. Incluya detalles demográficos, metas, retos y cómo podrían utilizar la aplicación».
Desarrollo de la hoja de ruta del producto
«Esboza una hoja de ruta de 6 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 ChatGPT para la gestión de productos y empieza de inmediato.
📮 Información de ClickUp: El 37 % de nuestros encuestados utiliza la IA para la creación de contenido, 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 contenido y su entorno de trabajo. Con ClickUp, obtienes asistencia para la redacción basada en IA en todo el entorno de trabajo, incluyendo correos electrónicos, comentarios, chats, documentos y mucho más, todo ello manteniendo el contexto de todo tu entorno de trabajo.
Ejemplos de ingeniería de indicaciones en la gestión de proyectos
Puedes pedirle a Gen IA que cree un plan de proyecto, que podrás personalizar. O simplemente pedirle ayuda para optimizar algunas partes. A continuación veremos ambas opciones.
Creación del plan del proyecto
«Elabora un plan de proyecto detallado para lanzar un nuevo mercado online, incluyendo fases como la investigación 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 para garantizar una entrega puntual sin comprometer la calidad. Ten en cuenta factores como las habilidades, la distribución de la carga de trabajo y las tareas críticas».
Más de 190 indicaciones de ChatGPT para la gestión de proyectos seleccionadas exclusivamente para ti por ClickUp.
Más información sobre ClickUp Brain aquí:
Indicaciones para la creación de contenido
Las mejores herramientas de creación de contenido de 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 publicaciones diferentes en Twitter. Añade hashtags relevantes para cada plataforma».
Contenido del boletín informativo por correo electrónico
«Crea contenido atractivo para un boletín mensual destinado a una startup tecnológica que incluya novedades sobre los productos, un artículo destacado sobre un miembro del equipo, próximos eventos y una llamada a la acción que anime a los lectores a probar una nueva función».
También puede proporcionar más detalles sobre la actualización del producto o un miembro del equipo para obtener resultados precisos. Ejemplo a continuación.
«Destaca a un miembro del equipo. Se llama Jake y es un desarrollador fabuloso. Este mes cumple 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, habríamos estado atrapados en un bucle de confusión. Hizo un gran trabajo al ayudarnos a matar dos pájaros de un tiro».
Utiliza ClickUp Brain como tu asistente de escritura, realiza revisiones ortográficas, resume documentos largos, crea tablas, plantillas, transcripciones y mucho más.
Recuerda que la mayoría de las empresas aún no se decantan por el contenido generado por IA, lo que ha dado lugar a la aparición de varias herramientas de detección de IA. La mejor manera de utilizar Gen AI para crear contenido sería como herramienta de brainstorming o como punto de partida para eliminar el problema de la página en blanco.
Ingeniería de indicaciones en aplicaciones de chatbot
Técnicamente hablando, ChatGPT o Google Gemini es un chatbot con el que hablamos. Entiende lo que le decimos y nos da respuestas. Está entrenado con grandes modelos de lenguaje y un montón de datos.
Puede tomar estos modelos y entrenarlos aún más con información propia o específica del sector para permitir conversaciones matizadas, contextualizadas 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 basarse en datos organizativos sobre el historial de compras, la ubicación, las preferencias, las quejas anteriores, etc., para proporcionar respuestas y vender productos adicionales, lo que mejora significativamente la experiencia del usuario.
Ingeniería de indicaciones para programación informática y sistemas de control de versiones
La ingeniería de indicaciones puede ayudar a los desarrolladores a generar fragmentos de código específicos en varios lenguajes de programación.
«Escribe una función Python para realizar la conexión a una base de datos SQL y realizar una consulta SELECT basada en los parámetros pasados a la función».
La integración de la IA en los flujos de trabajo de control de versiones proporciona recomendaciones para la revisión del código basadas en el historial de confirmaciones, sugiere áreas del código base que pueden requerir refactorización y realiza la automatización de las tareas rutinarias de control de versiones, lo que mejora la calidad del código y la productividad del equipo.
Tecnologías creativas de IA con indicaciones
La ingeniería de indicaciones, especialmente con modelos como DALL-E, libera capacidades sin precedentes para generar imágenes imaginativas 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 videojuego sin necesidad de realizar un extenso 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, ya que te permite escribir tus consultas en lenguaje natural para recuperar datos de fuentes de datos no estructuradas o semiestructuradas.
Procesamiento de datos
«Sé un científico de datos y escribe código para limpiar y preprocesar mis datos para su análisis. Mi conjunto de datos contiene información de compras de todos los clientes durante los últimos 30 días».
Aquí puede pedirle a Gen IA que realice tareas de limpieza específicas, como eliminar filas vacías, eliminar filas con valores de 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 en los últimos 30 días».
Proporcione especificaciones adicionales para la visualización y el ajuste, como «muéstrame las tendencias de compra» u «organiza por categoría».
Análisis de sentimientos con indicaciones de IA
El análisis de opiniones es muy popular en el contenido generado por los usuarios en línea, especialmente en las publicaciones de las redes sociales. Su indicación para comprender la opinión de los clientes sobre su producto puede ser la siguiente.
«Basándote en mi conjunto de datos que contiene publicaciones en redes sociales que contienen menciones de [marca], clasifícalas como positivas, negativas o neutras. Identifica las características o aspectos específicos asociados a cada sentimiento».
Si ya ha aprendido los conceptos básicos del funcionamiento de 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 de datos básicos o análisis de opiniones en todos los sectores. Sin embargo, la IA generativa y la ingeniería de indicaciones aportan un valor especial en los sectores y aplicaciones basados en datos. A continuación se explica 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 generativa en la educación son:
Experiencias de aprendizaje personalizadas: crea lecciones y planes basados en las preferencias, el nivel de competencia y los intereses de cada alumno en muy poco tiempo.
Creación automatizada de contenido: generación rápida de materiales de apoyo, como resúmenes, cuestionarios y preguntas de comprensión lectora.
Aprendizaje y práctica de idiomas: generación de escenarios 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 preguntas específicas de los estudiantes o áreas de dificultad, ofreciendo explicaciones, recursos y problemas prácticos.
Investigación y desarrollo
Mediante la creación de indicaciones precisas y contextualmente relevantes, los investigadores aprovechan los modelos de IA para examinar grandes cantidades 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 escenarios en los que esto puede resultar valioso 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 la misma área de investigación para explorar múltiples caminos.
Simulación de experimentos: simule experimentos o resultados de modelos, reduciendo la necesidad de realizar experimentos físicos costosos y que requieren mucho tiempo.
Atención sanitaria
La ingeniería de prompts mejora la capacidad de los modelos de IA para interpretar datos médicos complejos, proporcionar soporte 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 mejores conocimientos a partir de sus datos en los siguientes escenarios.
- 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 de rechazos de trasplantes de órganos.
- Descubrimiento de fármacos: examinar extensas bases de datos de artículos académicos y datos de ensayos clínicos para identificar posibles fármacos candidatos para enfermedades específicas, 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. Algunos de los casos de uso más eficaces de la IA en estos tres formatos son los siguientes.
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 especialistas en marketing hasta desarrolladores tímidos, usuarios de todo tipo están utilizando generadores de texto con IA para satisfacer sus necesidades.
Los casos de uso más populares son:
- Contenido de marketing, como blogs y libros blancos.
- Contenido de redes sociales, como actualizaciones de Instagram o Twitter.
- Documentación técnica
- Discursos y presentaciones
- Titulares alternativos/llamativos para artículos
- Resúmenes y reseñas para facilitar la lectura.
También hay herramientas de IA para notas de reuniones que pueden transcribir videollamadas a notas de texto o resumir notas de texto para identificar puntos clave, elementos pendientes, etc.
Ingeniería de indicaciones en la generación de imágenes
Aunque todavía no se utiliza tanto como el texto, la generación de imágenes ofrece increíbles oportunidades para la creatividad. Entre los casos de uso más populares se incluyen:
- Arte digital
- Diseño gráfico para marketing/redes sociales
- Diseño conceptual para eventos y conferencias
- Diseño de interiores y prototipos de arquitectura
- Portada de revista y otros elementos visuales
Ingeniería de indicaciones en la generación de audio y vídeo
La generación de audio y vídeo mediante ingeniería de indicaciones tiene importantes aplicaciones en el ámbito del entretenimiento, la educación y la asistencia virtual. Algunos casos prácticos de uso de las herramientas de creación de contenido de IA son:
- Pistas musicales personalizadas o efectos de sonido para videojuegos y proyectos multimedia.
- Música que cumple con los requisitos temáticos y emocionales de un proyecto.
- Llamadas de animales/aves raros
- Vídeos de promoción/animación cortos con sonido.
- Tráilers de películas
- Prototipos de audio y vídeo
El impacto de la IA generativa es extraordinario, ya que influye en todos los sectores, industrias, geografías y tipos de empresas. Durante la próxima década, la ingeniería de indicaciones podría definir la capacidad de aprender y comprender cosas, de la misma manera que lo hace hoy en día «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 indicaciones
Antes de entrar en términos técnicos, recuerda que la principal ventaja de la IA generativa es que puedes introducir tus datos 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 tu entrada sobre la marcha. Aquí tienes algunos conceptos que pueden ayudarte en el proceso.
Aprendizaje sin datos (zero-shot learning)
Proporcionar a la IA una tarea sin ejemplos previos ni contexto se denomina prompting zero-shot. Se caracteriza por lo siguiente.
- Las indicaciones se explican por sí mismas.
- El modelo puede comprender y ejecutar la solicitud basándose únicamente en su preentrenamiento.
- Ideal como indicación inicial para que los nuevos usuarios comprendan los grandes modelos de lenguaje.
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 algunos ejemplos de la tarea en cuestión antes de presentar la tarea real se denomina «prompting de pocos ejemplos».
- Las indicaciones son prescriptivas.
- Ayuda al modelo a comprender el contexto y el formato esperado de los resultados.
- Ideal para tareas complejas en las que el método zero-shot podría no proporcionar 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 para la cadena de pensamientos
Indicar al modelo que genere pasos intermedios o rutas de razonamiento que conduzcan a la respuesta final o al resultado deseado se denomina indicación de cadena de pensamiento (COT).
- Las indicaciones se dan paso a paso.
- Acompaña al modelo hasta el resultado final.
- Ideal para tareas complejas de resolución de problemas en las que se desea que el modelo «muestre su trabajo».
Ejemplo de indicación: «Para invertir una cadena dada «hola», 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 indicaciones
Veamos un par de técnicas de ingeniería de indicaciones más complejas y avanzadas.
CoT sin disparo
La cadena de pensamiento (COT) sin disparo combina los dos 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 uso de COT sin entrenamiento previo, el modelo articularía su comprensión del problema, deduciría lógicamente las causas y articularía posibles soluciones, paso a paso, a pesar de no haber sido entrenado para este problema específico.
Ingeniero de indicaciones automáticas (APE)
¿Y si la IA pudiera incitar a la IA a encontrar las respuestas correctas? Bueno, eso es la automatización de la ingeniería de indicaciones.
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, estructuras e instrucciones identificadas como las más propicias para obtener un resultado satisfactorio. A medida que la IA genera scripts, 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 utilice, es probable que se enfrente a algunos retos en su 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 en tan rápido movimiento está destinada a tener desafíos.
Algunas de las mayores limitaciones de la ingeniería de indicaciones y formas de superarlas.
Dependencia del modelo: una indicación que funciona bien con un modelo puede no dar los mismos resultados con otro.
Presta atención a las diferencias en el modelo. Realiza ajustes y optimizaciones sobre la marcha.
Complejidad y especificidad: las indicaciones eficaces suelen requerir un profundo conocimiento del lenguaje y las capacidades del modelo.
Encuentre el equilibrio entre lo demasiado vago y lo demasiado específico para sacar el máximo partido a sus grandes modelos lingüísticos.
Sesgo y sensibilidad: los modelos de IA pueden heredar sesgos de sus datos de entrenamiento, que usted puede amplificar inadvertidamente a través de la ingeniería de indicaciones. Además, las alucinaciones, los sesgos, la insensibilidad, etc., pueden dar lugar a resultados perjudiciales, engañosos o poco éticos.
Cree sistemas para una consideración cuidadosa y una supervisión ética del uso de la IA.
Escalabilidad: a medida que aumenta el alcance de las tareas, las indicaciones de ingeniería manuales para cada escenario único se vuelven poco prácticas.
Considere la generación automática de indicaciones o la optimización para necesidades futuras.
Interpretabilidad: la falta de interpretabilidad puede dificultar la mejora iterativa de las indicaciones o el diagnóstico de problemas.
Utilice métodos de cadena de pensamiento e insista en ver el razonamiento lógico de la IA para obtener 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, encuentra el equilibrio.
Restricciones de costes y recursos: la ingeniería de indicaciones de alta calidad, especialmente en un entorno comercial, puede requerir importantes recursos computacionales y tiempo de expertos.
Céntrate en las aplicaciones prácticas y el retorno de la inversión.
Destaca en ingeniería de indicaciones con ClickUp.
¿Cómo se llama esa canción de Taylor Swift? ¿Cuánto queso debo poner en mi pasta? ¿Este conjunto de datos está limpio para su análisis? ¿A qué medicamento es alérgico este paciente? ¿Qué tareas de este sprint quedan por asignar?
El alcance de los modelos de IA generativa está en constante expansión. 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».
Puede probar la ingeniería de indicaciones con cualquiera de los LLM gratuitos, como ChatGPT, Google Gemini, DALL-E, etc. Pruebe a pedirle que cree una remezcla de sus canciones favoritas para su próxima fiesta de cumpleaños o que examine los extractos de su tarjeta de crédito para visualizar sus mayores gastos.
Acelera tu trabajo y hazlo más eficaz con ClickUp Brain. ClickUp integra la IA en la plataforma para la gestión del conocimiento, la gestión de proyectos y la redacción.
¿Qué más? ClickUp Brain también incluye indicaciones integradas y cientos de plantillas para que puedas empezar con buen pie. Descubre lo que la IA generativa puede hacer por la gestión de proyectos. ¡Prueba ClickUp gratis hoy mismo!
Preguntas frecuentes sobre ingeniería de indicaciones
1. ¿Qué es la ingeniería de indicaciones, con ejemplos?
La creación de indicaciones para modelos de IA generativa como ChatGPT con el fin de guiarlos en la producción 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 de Python para un rastreador web que recopila titulares de noticias de un sitio web específico.
Indicación: «Genera un script de Python utilizando la biblioteca Beautiful Soup para extraer los últimos titulares de 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 proporcione a un modelo de IA generativa es una indicación. Con una buena ingeniería de indicaciones, puede mejorar significativamente sus resultados, haciéndolos más útiles, relevantes, precisos y atractivos.
Un buen ejemplo de indicación es: «Genera una descripción 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 ecológico y promueva el compromiso de la marca con la sostenibilidad».
3. ¿Cómo puedo empezar con la ingeniería de indicaciones?
La mejor manera de empezar con la ingeniería de indicaciones es probarla por ti mismo. Interactúa con ella en lenguaje natural y comprende el modelo. Al mismo tiempo, puedes:
- Inscríbase en cursos de certificación en línea.
- Lee la documentación específica del modelo de IA que estás utilizando.
- Sigue las comunidades y los foros que debaten sobre los grandes modelos lingüísticos.
- Practique con regularidad y aprenda de cada interacción.
- Analiza las indicaciones exitosas y las que no lo son para comprender qué funciona bien.
Manténgase al día de los avances en IA y tecnologías de procesamiento del lenguaje natural, ya que estos pueden afectar a la forma en que deben estructurarse las indicaciones.