Una gran parte de las herramientas de Inteligencia Artificial más populares del mundo actúan a partir de las indicaciones que los usuarios le realizan. Estas se llaman prompts y son las que determinan cómo va a actuar la tecnología. Su importancia no es menor: si están mal hechas, el producto final no va a ser el deseado por los navegantes.
De esta manera, saber escribir un prompt de manera correcta es esencial en esta etapa de la Inteligencia Artificial, aún más en aquellas aplicaciones que cada vez que generan un nuevo proyecto consumen los puntos diarios gratuitos que se requieren. Es por eso que aquí te presentamos un listado con los errores más comunes para que puedas evitarlo y sacarle el máximo beneficio a estos sistemas.
Los 7 errores más comunes en la escritura de prompts en una Inteligencia Artificial
No ser preciso y brindar una respuesta vaga
La IA actúa en base a lo que está en el texto. Lo que no está, lo completa de forma automática, casi como si fuese una suposición. De esta manera, si no se le entrega toda la información que se desea y se le pide, por ejemplo, que se desea que se genere una imagen de un pato, la respuesta podrá tener un tamaño, un color, una forma, un aspecto menos infantil del pretendido y encontrarse en cualquier lugar, entre tantos problemas que podrían surgir.
Lo mismo sucede cuando se pretende una información. Por ejemplo: “Contame los datos tecnológicos más importantes de la semana”. La tecnología es un aspecto muy amplio y la respuesta puede no estar dirigida a lo que se pretende. Muy distinto sería si se escribe algo relacionado a un contexto específico, como Argentina, o una industria determinada.
La ambigüedad
Otro de los problemas más comunes a la hora de escribir prompts en un sistema es la utilización de terminología que tenga más de un significado y pueda confundir a las herramientas de Inteligencia Artificial. Esto suele ocurrir cuando se le realizan tanto preguntas abiertas como cuando se aplican conceptos vagos, lo que lo relaciona con el primero de los puntos.
Se trata, sin embargo, de uno de los errores más fáciles de solucionar, ya que solo se necesita formular prompts que sean claros y específicos sobre lo que se pretende. Si la dirección de la pregunta es mucho más acotada, el margen de error se reduce de manera significativa. Es la diferencia anterior: no es lo mismo pedir información sobre tecnología, que hablar de tecnología cuántica.
No revisar las respuestas
En algunas ocasiones, al solicitar una información muy específica, la Inteligencia Artificial entrega una respuesta extensa en la que ella misma le pide al usuario que sea más preciso sobre lo que desea o que envíe un determinado tipo de información para poder ayudarlo de una manera más precisa.
Lo que suele ocurrir es que, en el apuro de obtener lo que se pretende de forma inmediata, solo se leen los primeros renglones y este pedido no se termina de comprender, por lo que la siguiente respuesta tiende a ser más de lo mismo. Así, se demora mucho el proceso para llegar a lo que se quiere e incluso a veces esto no sucede.
No añadir información o retroalimentación
Como puede ocurrir en muchas aplicaciones de Inteligencia Artificial, en especial porque varias son modelos primitivos que están dando sus primeros pasos y no alcanzaron todo su potencial, sus respuestas pueden estar limitadas a un conocimiento más limitado o a una contestación para el público más general.
Por ejemplo, si se desea mejorar el nivel de las respuestas, es posible agregar un feedback, mencionando lo que dice tal especialista sobre un tema, lo que ayuda a redefinir el prompt, indicando que se posee más conocimiento y obteniendo una devolución con información más precisa. Esto es vital para mejorar el nivel.
No alternar
Uno de los problemas de las personas que usan la Inteligencia Artificial es que tienden a redactar sus prompts de una manera similar. Si el sistema no comprendió lo que se pretende durante la primera vez, es muy complicado que lo haga si no se alterna el modo en que fue descrito, por lo que aquí es útil variar en cuanto a los términos, al orden y a la duración de las oraciones. Mientras más información, mejor será.
Las descripciones sin contexto
Ligado a otro de los problemas ya mencionados, la ambientación y el contexto son dos de las características más importantes para obtener la mayor eficacia de un sistema de Inteligencia Artificial. Tomando el ejemplo de las imágenes: si no se indica dónde quiere que suceda la escena que se escribió, el fondo podrá ser muy diferente a lo que se pretende.
Lo mismo sucede cuando se pide una información o un dato específico. No es lo mismo consultar sobre el panorama de las universidades en la actualidad que lo que ocurría en otras décadas. Hay que detallar el país (y la provincia o la facultad, dependiendo del grado de especificidad) y cuál es el aspecto vital de la pregunta.
No considerar que se trata de un modelo artificial
Para que todos estos sistemas funcionen como lo hacen, se requieren de miles de horas de entrenamiento en los que comprenden cómo deben actuar a partir de los datos que poseen los desarrolladores y los científicos. Esto significa que muchas veces están sesgados en base a cómo fue su aprendizaje, ligado a un contexto especial.
Es por eso que siempre es recomendable tener esto en consideración y tratar de encontrar los sesgos en la falta de información. Puede ocurrir, por ejemplo, que se equivoquen en los años al precisar una fecha histórica. De esta manera, se pueden escribir prompts que ya directamente sean más específicos para evitar estos errores.
