Tabla de Contenidos
- 1 ¿Qué son las técnicas de prompting avanzado?
- 2 Chain-of-Thought (CoT): piensa paso a paso
- 3 Few-Shot prompting: enseña con ejemplos
- 4 Tabla de técnicas avanzadas
- 5 Tree-of-Thought: explora múltiples caminos
- 6 Self-Consistency: la sabiduría de las multitudes (artificiales)
- 7 Aplicaciones para empresas peruanas
- 8 ¿Cómo afecta al mercado peruano?
- 9 Preguntas frecuentes
¿Qué son las técnicas de prompting avanzado?
Las técnicas de prompting avanzado son métodos estructurados para escribir instrucciones que extraen el máximo rendimiento de los modelos de IA. Si ya dominas el prompt engineering básico (dar contexto, ser específico, definir formato), estas técnicas te llevan al siguiente nivel: hacer que los modelos razonen mejor, resuelvan problemas complejos y produzcan respuestas más precisas.
No se trata de trucos secretos. Son métodos documentados en papers académicos que investigadores de Google, OpenAI y otras instituciones han demostrado que mejoran significativamente la calidad de las respuestas. La buena noticia es que cualquier persona puede usarlos, no necesitas ser ingeniero.
Para profesionales peruanos que usan IA a diario, dominar estas técnicas puede significar la diferencia entre un análisis financiero genérico y uno que realmente le sirve a tu negocio. El ILIA 2025 de CEPAL ubica a Perú en el puesto 7 de 19 en adopción de IA, y la calidad del uso importa tanto como la cantidad.
Chain-of-Thought (CoT): piensa paso a paso
Chain-of-thought es la técnica más impactante y más fácil de implementar. Consiste en pedirle al modelo que razone paso a paso antes de dar su respuesta final. Suena simple, pero mejora dramáticamente los resultados en problemas de matemáticas, lógica, análisis y toma de decisiones.
Sin CoT: «¿Cuánto pagaré de IGV si facturo S/ 50,000 mensuales como empresa en régimen general?» → El modelo puede dar una respuesta incorrecta porque salta directo a la conclusión.
Con CoT: «Piensa paso a paso: ¿cuánto pagaré de IGV si facturo S/ 50,000 mensuales como empresa en régimen general en Perú?» → El modelo desglosa: ventas S/ 50,000, IGV ventas 18% = S/ 9,000, menos crédito fiscal por compras, resultado neto. La respuesta es más precisa porque el razonamiento es visible.
La versión más simple es agregar «piensa paso a paso» o «razona antes de responder» al final de tu prompt. Modelos como GPT-4o y Claude responden especialmente bien a esta técnica.
Few-Shot prompting: enseña con ejemplos
Few-shot consiste en incluir 2-5 ejemplos del formato entrada-salida que esperas antes de hacer tu solicitud real. Es como enseñarle al modelo por demostración.
Ejemplo para clasificar emails de clientes:
Email: «Mi pedido no llegó, estoy furioso» → Categoría: Reclamo, Prioridad: Alta
Email: «¿Tienen talla M en el polo azul?» → Categoría: Consulta, Prioridad: Media
Email: «Gracias, el producto es excelente» → Categoría: Feedback positivo, Prioridad: Baja
Email: «Quiero devolver mi compra, el producto vino dañado» → ?
El modelo aprende el patrón de los ejemplos y lo aplica: Categoría: Reclamo, Prioridad: Alta. Sin los ejemplos, podría categorizar de forma inconsistente.
Few-shot es especialmente útil cuando necesitas un formato de salida muy específico (JSON, tablas con columnas determinadas, clasificaciones con categorías predefinidas).
Tabla de técnicas avanzadas
| Técnica | Qué hace | Cuándo usarla | Dificultad |
|---|---|---|---|
| Chain-of-Thought (CoT) | Razonamiento paso a paso | Matemáticas, lógica, análisis | Fácil |
| Few-Shot | Enseñar con ejemplos | Clasificación, formato específico | Fácil |
| Zero-Shot CoT | CoT sin ejemplos («piensa paso a paso») | Problemas generales | Muy fácil |
| Tree-of-Thought (ToT) | Explorar múltiples caminos de razonamiento | Problemas creativos, estrategia | Media |
| Self-Consistency | Generar varias respuestas y elegir la más frecuente | Problemas con incertidumbre | Media |
| ReAct | Combinar razonamiento con acciones (buscar, calcular) | Investigación, tareas multi-paso | Alta |
| Constitutional AI | Auto-evaluar respuestas contra principios | Chatbots seguros y alineados | Alta |
Tree-of-Thought: explora múltiples caminos
Tree-of-Thought (ToT) es una extensión de Chain-of-Thought donde el modelo explora múltiples caminos de razonamiento en paralelo, evalúa cuál es más prometedor y profundiza en ese. Es como un jugador de ajedrez que considera varias jugadas antes de elegir la mejor.
En la práctica, puedes implementar ToT pidiéndole al modelo: «Genera 3 posibles estrategias para resolver este problema. Para cada una, analiza pros y contras. Luego elige la mejor y desarróllala en detalle.»
Para un emprendedor peruano evaluando opciones de expansión, ToT produce análisis más completos que un prompt directo: el modelo considera entrar a provincias, expandir línea de productos o digitalizar operaciones, evalúa cada opción y da una recomendación fundamentada.
Self-Consistency: la sabiduría de las multitudes (artificiales)
Self-consistency consiste en hacer la misma pregunta varias veces (con temperatura alta para variación) y quedarte con la respuesta más frecuente. Si 4 de 5 intentos dicen que la respuesta es «B», probablemente «B» sea correcto.
Esta técnica es especialmente útil para problemas donde el modelo puede equivocarse por aleación: cálculos matemáticos, clasificaciones ambiguas o preguntas de opción múltiple. Es más costosa (múltiples llamadas API) pero más precisa.
Aplicaciones para empresas peruanas
Análisis financiero (CoT): «Piensa paso a paso y analiza si me conviene pasar de régimen MYPE a régimen general considerando ingresos de S/ 800,000 anuales, 3 empleados y compras por S/ 300,000.»
Clasificación de tickets de soporte (Few-Shot): da 5 ejemplos de tickets categorizados y el modelo clasificará consistentemente los nuevos.
Estrategia de negocio (ToT): «Genera 3 estrategias para que mi cafetería en San Isidro aumente ventas un 20% en 6 meses. Evalúa costo, riesgo y tiempo de implementación de cada una. Recomienda la mejor.»
Control de calidad en chatbots (System prompt + CoT): configura tu chatbot para que razone internamente antes de responder al cliente, reduciendo errores.
¿Cómo afecta al mercado peruano?
Las técnicas de prompting avanzado permiten que profesionales peruanos extraigan 3-5x más valor de las mismas herramientas de IA que ya pagan. Un analista que usa Chain-of-Thought para sus reportes financieros produce análisis más rigurosos. Un marketer que usa Few-Shot para clasificar feedback de clientes ahorra horas de trabajo manual.
El D.S. 115-2025-PCM sobre uso de IA en el sector público peruano hace relevante que los funcionarios aprendan estas técnicas para obtener mejores resultados de las herramientas de IA que implementen.
Para tu estrategia de posicionamiento GEO, producir contenido de mejor calidad con técnicas avanzadas de prompting se traduce en mayor citabilidad por los motores de IA.
Preguntas frecuentes
¿Chain-of-thought funciona siempre?
Funciona mejor en problemas que requieren razonamiento (matemáticas, lógica, análisis). Para tareas creativas o de redacción simple, el impacto es menor. GPT-4o y Claude responden especialmente bien a esta técnica.
¿Cuántos ejemplos necesito para few-shot?
Generalmente 2-5 ejemplos son suficientes. Más ejemplos mejoran la consistencia pero consumen más tokens. La calidad de los ejemplos importa más que la cantidad.
¿Puedo combinar técnicas?
Sí, y es lo más efectivo. Por ejemplo: few-shot + chain-of-thought. Das ejemplos que incluyen razonamiento paso a paso, y el modelo replica ese patrón de razonamiento para nuevos problemas.
¿Estas técnicas cuestan más?
Algunas sí. Self-consistency requiere múltiples llamadas API. Few-shot usa más tokens por los ejemplos. Chain-of-thought genera respuestas más largas (más tokens de output). Pero la mejora en calidad suele justificar el costo adicional.
¿Tree-of-Thought es mejor que Chain-of-Thought?
Para problemas con múltiples soluciones posibles (estrategia, creatividad), ToT produce mejores resultados. Para problemas con una sola respuesta correcta (matemáticas), CoT suele ser suficiente y más eficiente.
Dominar estas técnicas te da una ventaja real en cómo usas la IA. Si quieres que tu negocio en Perú sea visible para los motores de IA, trabaja tu posicionamiento GEO. En KOM te ayudamos — escríbenos al WhatsApp.
