Zero-Shot, Few-Shot, Chain-of-Thought: Guía para elegir las técnicas de prompt adecuadas

Comprendiendo las Tres Técnicas Clave de Prompting

Al interactuar con modelos de lenguaje, la forma en que se formula una pregunta es tan crucial como la pregunta misma. Los tres enfoques más importantes en el prompting —Zero-Shot, Few-Shot y Chain-of-Thought— representan distintas vías para guiar a los modelos de IA hacia mejores resultados. Cada técnica tiene sus puntos fuertes específicos, y la elección de la adecuada depende de la complejidad de la tarea, los ejemplos disponibles y la precisión requerida.

Imagina estas técnicas como diferentes estrategias de entrenamiento. Zero-Shot es como pedirle a alguien que nunca ha visto tenis que juegue. Few-Shot es como mostrarle un par de partidos primero. Chain-of-Thought es como pedirle que explique sus pensamientos en voz alta mientras juega. Entender cuándo usar cada técnica transforma los prompts de aleatorios a estratégicos y confiables.

Zero-Shot Prompting: Rápido, Directo y Sorprendentemente Potente

Zero-Shot Prompting significa pedirle al modelo que resuelva una tarea sin ejemplos. Simplemente le das las instrucciones y dejas que el modelo haga el trabajo. Es la forma más rápida de ir de la pregunta a la respuesta.

Cuándo usar Zero-Shot:

• Para tareas simples y directas (como clasificación, resumen, preguntas y respuestas básicas)
• Cuando necesites resultados rápidos y no tengas tiempo para preparar ejemplos
• Si la tarea es muy común y es probable que el modelo la entienda solo con sus datos de entrenamiento
• Si deseas probar la viabilidad de una tarea antes de invertir en un enfoque más complejo

Ejemplo: Clasificación de Contenido

Prompt: Clasifique el siguiente correo electrónico como "Spam", "Publicidad" o "legítimo":

"Hola Sarah, solo para confirmar nuestra reunión de mañana a las 2 p.m. para revisar el presupuesto del Q4. Espero con ansias discutir las nuevas proyecciones. -Michael"

Clasificación:

Dado que la clasificación de correos electrónicos es una tarea común, los modelos de lenguaje modernos la manejan sin ejemplos. Puedes esperar una respuesta confiable e instantánea.

Ejemplo práctico: Un equipo de servicio al cliente utiliza Zero-Shot Prompting para dirigir los mensajes entrantes al departamento adecuado (Soporte, Facturación, Comentarios de Productos). El modelo comprende estas categorías de forma natural y no requiere ejemplos.

Few-Shot Prompting: Añadir Ejemplos para Mayor Consistencia

Few-Shot Prompting significa que proporcionas unos pocos ejemplos bien diseñados antes de plantear la pregunta real. Estos ejemplos demuestran al modelo exactamente lo que buscas (formato, tono, patrón de razonamiento, nivel de detalle).

Cuándo usar Few-Shot:

• Para tareas con requisitos personalizados específicos (formatos inusuales, voz de marca, dominios especializados)
• Cuando necesites un patrón de salida consistente en múltiples solicitudes
• Si la tarea es algo ambigua y puede beneficiarse de la aclaración mediante ejemplos
• Si los intentos de Zero-Shot produjeron resultados inconsistentes o incorrectos
• Si tienes 2-5 buenos ejemplos fácilmente disponibles

Ejemplo: Convertir comentarios de clientes en sugerencias de mejora de productos accionables

Prompt: Convierta los comentarios de los clientes en sugerencias de mejora de productos accionables. Siga este formato.

Ejemplo 1:
Comentarios del cliente: "El proceso de pago es confuso. Tuve que hacer clic en 6 páginas y todavía no sabía qué métodos de pago se aceptaban."
Sugerencia de mejora: Agregue un campo de información para los métodos de pago encima del campo de pago y optimice el flujo de pago a un máximo de 3 pasos.

Ejemplo 2:
Comentarios del cliente: "Su aplicación se bloquea cada vez que intento subir una foto de mi galería."
Sugerencia de mejora: Depure el módulo de carga de fotos para dispositivos Android y pruébelo con diferentes tamaños y formatos de archivo.

Ahora convierta estos comentarios:
Comentarios del cliente: "La aplicación móvil está demasiado saturada. No puedo encontrar el botón para el historial de pedidos."
Sugerencia de mejora:

Sin estos ejemplos, el modelo podría ofrecer consejos genéricos como “mejorar la aplicación”. Al dar los ejemplos, el modelo aprende tu formato específico, el grado de accionabilidad y la profundidad técnica.

Ejemplo práctico: Una empresa SaaS recibe solicitudes de características en decenas de formatos. Utilizando Few-Shot Prompting con 3-4 ejemplos bien estructurados, la empresa estandariza todas las solicitudes a un formato consistente que el equipo de producto puede evaluar.

Chain-of-Thought Prompting: Hacer que el Modelo Explique su Razonamiento

Chain-of-Thought (CoT) Prompting le pide al modelo que muestre su proceso de pensamiento. Esto significa explicar cada paso de su razonamiento antes de llegar a una conclusión. Esta técnica mejora significativamente la precisión en tareas complejas como matemáticas, lógica y análisis de múltiples pasos.

Cuándo usar Chain-of-Thought:

• Para tareas de razonamiento complejas (matemáticas, rompecabezas lógicos, análisis que involucra múltiples factores)
• Cuando necesites ver el proceso de pensamiento del modelo, no solo la respuesta
• Cuando la precisión es más importante que la velocidad
• Si la tarea requiere considerar múltiples factores o pasos
• Al combinar con Few-Shot: para mostrar ejemplos de razonamiento paso a paso

Ejemplo: Sin Chain-of-Thought

Prompt: Un restaurante tuvo 240 clientes esta semana. El 30% pidió ensaladas, el 50% platos principales y el 20% postres. ¿Cuántos clientes pidieron cada artículo?

Respuesta: [El modelo podría dar sumas incorrectas que excedan 240, o no reconocer el problema de superposición]

Ejemplo: Con Chain-of-Thought

Prompt: Un restaurante tuvo 240 clientes esta semana. El 30% pidió ensaladas, el 50% platos principales y el 20% postres. ¿Cuántos clientes pidieron cada artículo? Piénsalo paso a paso.

Analicemos esto:
1. Primero, necesito calcular cada porcentaje de 240 clientes
2. El 30% pidió ensaladas: 0.30 × 240 = 
3. El 50% pidió platos principales: 0.50 × 240 = 
4. El 20% pidió postres: 0.20 × 240 = 
5. Déjame verificar: estos porcentajes suman 100%, por lo que cada cliente pidió exactamente un artículo

Respuesta:

Al solicitar explícitamente el razonamiento paso a paso, aumentas significativamente las posibilidades de obtener un análisis matemático y lógico más preciso.

Ejemplo práctico: Un oficial de cumplimiento utiliza Chain-of-Thought Prompting para analizar si los contratos de los clientes cumplen con los requisitos regulatorios. El modelo debe explicar qué cláusulas examinó y por qué clasificó cada requisito como conforme o no conforme. Esta transparencia es legalmente crucial.

Combinando Técnicas: Few-Shot + Chain-of-Thought

El enfoque más potente para tareas desafiantes es combinar Few-Shot y Chain-of-Thought. Proporciona al modelo ejemplos de razonamiento paso a paso en el formato deseado y luego pídele que aplique el mismo pensamiento a la pregunta real.

Ejemplo: Análisis de Riesgos Financieros

Prompt: Analice el riesgo financiero de esta decisión de negocio. Muestre su razonamiento paso a paso.

Ejemplo:
Decisión: Una startup gasta el 60% de los ingresos mensuales en una única campaña de marketing.
Análisis:
Paso 1: Identifique los factores de riesgo (margen de liquidez, costos operativos, variabilidad de ingresos)
Paso 2: Evalúe la situación financiera actual (el 60% de los gastos significa que queda el 40% para las operaciones)
Paso 3: Evalúe el escenario del peor caso (si la campaña falla, ¿pueden sobrevivir 3 meses?)
Paso 4: Considere alternativas (campañas más pequeñas, canales diversificados)
Conclusión: ALTO RIESGO. Liquidez limitada y dependencia de los ingresos del resultado de una única campaña.

Ahora analice esto:
Decisión: Una empresa SaaS rentable asigna el 20% de los ingresos trimestrales para la expansión a un nuevo mercado.
Análisis:

Esta combinación funciona porque los ejemplos enseñan el formato y la solicitud de Chain-of-Thought asegura un razonamiento lógico.

Marco de Decisión: Un Resumen Rápido

Aquí te mostramos cómo decidir rápidamente qué técnica usar:

• Para tareas simples, de conocimiento general: Zero-Shot. Empieza por aquí.
• Resultados inconsistentes o incorrectos con Zero-Shot: Pasa a Few-Shot con 2-3 ejemplos.
• Para tareas de múltiples pasos o analíticas: Chain-of-Thought (con o sin ejemplos).
• Para tareas complejas con requisitos específicos: Una combinación de Few-Shot + Chain-of-Thought.
• Cuando el tiempo es crítico: Zero-Shot. Acepta una menor precisión a cambio de velocidad.

Errores Comunes a Evitar

No proporciones demasiados ejemplos (el rendimiento disminuye después de 5). No uses ejemplos de baja calidad que contradigan tus expectativas. No emplees Chain-of-Thought para preguntas simples de sí/no; esto aumenta el tiempo de respuesta sin beneficio. Y no asumas que una sola técnica funcionará universalmente para cada caso de uso. Prueba cada enfoque con datos reales antes de desplegarlo en un entorno de producción.