Prompt engineering - Clase del 18 de septiembre 20h
El documento presenta una introducción amplia y aplicada al Prompt Engineering, entendido como el conjunto de técnicas para formular instrucciones claras y precisas a los modelos de inteligencia artificial con el objetivo de obtener respuestas de mayor calidad. La idea central es que la calidad de la respuesta de una IA depende en gran medida de cómo se estructura el prompt, por lo que diseñar buenas instrucciones se transforma en una competencia importante para trabajar con modelos generativos.
Uno de los primeros conceptos que desarrolla es el de prompting, definido como el arte de formular preguntas o instrucciones claras y precisas para obtener la respuesta deseada. El material propone como ejemplo práctico la estructura RAFA, compuesta por Rol, Acción, Formato y Antecedentes. Esta estructura ayuda a ordenar la interacción con la IA y a proporcionarle contexto suficiente para que la respuesta sea más pertinente.
El documento también presenta distintas técnicas de prompting. Entre ellas aparecen el Zero-shot prompting, en el cual el modelo responde sin ejemplos previos; el Few-shot prompting, donde se proporcionan algunos ejemplos para orientar la respuesta; y las técnicas de razonamiento más complejas, como la cadena de pensamiento, la autoconsistencia, la expansión del contexto, el reframing, el prompting iterativo y la asignación de un rol específico a la IA. Estas técnicas buscan mejorar la precisión, profundizar el razonamiento y adaptar las respuestas a situaciones más complejas.
En cuanto a la estructura de un buen prompt, el PDF propone elementos como instrucción, contexto, datos de entrada y formato de salida. En algunos ejemplos también se incorporan el rol y ejemplos previos. La lógica es brindar al modelo la mayor claridad posible acerca de qué debe hacer, sobre qué información debe trabajar y cómo debe presentar el resultado.
El material dedica además un espacio especial a la aplicación de estas estructuras en situaciones concretas. Por ejemplo, se propone utilizar RAFA para configurar a la IA como experta en evaluación y acreditación universitaria en Argentina, indicando no solo el rol y la acción esperada, sino también antecedentes institucionales y criterios formales de respuesta.
Un segundo bloque del PDF aborda técnicas más avanzadas. Entre ellas se encuentra RAG, Retrieval Augmented Generation, donde la IA no responde únicamente con su conocimiento previamente entrenado, sino que consulta fuentes externas como PDF, bases de datos, Internet o Moodle antes de elaborar la respuesta.
También se presenta Program-of-Thoughts, una técnica mediante la cual la IA transforma parte del razonamiento en código ejecutable. Esto permite realizar cálculos, ejecutar lógica, utilizar herramientas como Python y validar resultados, lo que resulta especialmente útil en ciencia, ingeniería, finanzas y estadística.
Otra técnica destacada es Automatic Prompt Engineering. En este caso, una IA genera u optimiza prompts para otra IA con el propósito de encontrar instrucciones más eficientes, precisas, económicas en cantidad de tokens y robustas.
El documento introduce además el Meta Prompting, donde un prompt tiene como función diseñar otros prompts, y el Multi-Agent Prompting, en el que varias inteligencias artificiales colaboran entre sí. Por ejemplo, una IA puede investigar, otra programar, otra validar, otra redactar y otra criticar el resultado.
Otra técnica relevante es el Reflection Prompting, que invita a la IA a revisar su propia respuesta antes de finalizarla. El objetivo es disminuir alucinaciones, errores lógicos y contradicciones. Muy relacionado con esto aparece Chain of Verification, donde la IA responde, verifica la evidencia, detecta inconsistencias y corrige su respuesta. El PDF señala que esta técnica puede ser particularmente útil en medicina, derecho, investigación, universidades y ciencia.
El material también introduce el concepto de Long Chain of Thought, asociado con razonamientos más profundos y complejos, similares al pensamiento estratégico, la investigación científica y la resolución avanzada de problemas.
Una parte especialmente interesante del documento se orienta al uso educativo de los prompts. Se propone estructurarlos incorporando tema, rol, contexto, tarea o acción, instrucciones de andamiaje y reflexión metacognitiva. El andamiaje consiste en proporcionar ayudas o instrucciones progresivas para facilitar el aprendizaje o la resolución de una tarea, mientras que la metacognición invita a reflexionar sobre cómo se llegó a una respuesta o qué estrategia se utilizó.
Hacia el final, el documento plantea que el Prompt Engineering actual está evolucionando rápidamente. Ya no se trata únicamente de “preguntar mejor”, sino de integrar Prompt Engineering, agentes de IA, herramientas, memoria y RAG para construir ecosistemas inteligentes, agentes autónomos, flujos de trabajo cognitivos y asistentes especializados.
El PDF proyecta que hacia 2030 podrían dominar los sistemas de IA autónomos, caracterizados por memoria persistente, planificación, múltiples agentes, razonamiento profundo, acceso a herramientas, verificación automática, aprendizaje contextual e interacción multimodal mediante texto, voz, video e imágenes.
La reflexión final del material es que el Prompt Engineering moderno comienza a parecerse mucho más al “diseño de sistemas cognitivos” que a la simple redacción de preguntas. En este contexto aparecen nuevos perfiles profesionales como AI Architect, Prompt Engineer, AI Workflow Designer, AI Agent Developer y Cognitive Systems Engineer.
En síntesis, se muestra una evolución conceptual muy clara: se comienza con la formulación de buenos prompts, se avanza hacia técnicas de razonamiento, contexto, verificación y recuperación de información, y finalmente se llega a una visión más amplia donde la IA funciona mediante agentes, memoria, herramientas y sistemas colaborativos. La idea principal es que el futuro del Prompt Engineering estará menos centrado en escribir una sola pregunta perfecta y más orientado a diseñar procesos inteligentes completos capaces de investigar, razonar, verificar, actuar y aprender del contexto.
El documento finaliza proponiendo actividades prácticas: seleccionar y justificar tres técnicas de prompting, crear o adaptar una técnica según las necesidades profesionales y analizar cómo la metacognición puede mejorar la escritura de prompts.