Few-shot prompting: guiar a la IA con ejemplos

Imagina a un restaurador que quiere ordenar las reseñas de sus clientes para saber qué es lo que más se repite. Pega una reseña y pide:

Clasifica esta reseña por tema.

La respuesta puede ser correcta e inutilizable. En la primera reseña, la IA escribe una frase entera. En la segunda, responde «Experiencia irregular». En la tercera, se inventa una categoría más. Al cabo de veinte reseñas, es imposible contar nada.

Podría añadir reglas de formato, y ayudaría. También puede hacerlo más corto: mostrar dos o tres reseñas ya clasificadas como él quiere. Eso es el few-shot prompting, guiar al modelo con unos pocos ejemplos en lugar de describirlo todo. Sin ejemplos se habla de zero-shot, y con uno solo, de one-shot.

Lo que los ejemplos dicen mejor que las instrucciones

Una instrucción describe lo que quieres con palabras, y esas palabras dejan margen. «Tono profesional pero cercano» abarca decenas de maneras de escribir. Un ejemplo zanja de golpe la longitud, la puntuación, el nivel de detalle y lo que hay que dejar de lado, incluidas cosas que no habrías pensado en precisar.

Es especialmente rentable en tres situaciones:

• la clasificación, cuando las categorías deben mantenerse estables de una pasada a otra;
• la transformación repetida de un texto hacia una forma concreta, como unas notas en un acta;
• el tono, porque es más fácil de mostrar que de explicar.

Para una pregunta abierta, como encontrar ideas de nombre para una empresa, los ejemplos pueden, por el contrario, encerrar al modelo: producirá variantes de lo que le hayas mostrado. En ese caso, guarda tus ejemplos para el final, cuando quieras afinar una pista.

La misma clasificación de reseñas, con tres ejemplos

Esta es la versión corregida del prompt del restaurador. Las categorías son cerradas, el formato se muestra en lugar de describirse, y el último ejemplo resuelve un caso ambiguo.

Clasificas reseñas de clientes de un restaurante para una tabla de seguimiento.

Temas permitidos: cocina, servicio, espera, precio, ambiente, otros.
Sentimiento permitido: positivo, negativo, mixto.
Responde únicamente con una línea con este formato: tema | sentimiento | resumen en menos de 8 palabras.
Si la reseña aborda varios temas, quédate con el que más haya pesado en el juicio del cliente.

Ejemplos:

Reseña: «El magret estaba perfecto, en su punto exacto».
Respuesta: cocina | positivo | magret en su punto perfecto

Reseña: «Cuenta cara para unas raciones así».
Respuesta: precio | negativo | raciones pequeñas para el precio

Reseña: «Muy buen plato, pero 40 minutos para que nos sirvieran un martes a mediodía; no volveremos».
Respuesta: espera | negativo | 40 minutos de espera, no volverá

Reseña que hay que clasificar:
[PEGA AQUÍ LA RESEÑA]

El tercer ejemplo hace la mayor parte del trabajo. Contiene una cualidad y un defecto, y la respuesta muestra cómo decidir: el cliente no vuelve por la espera, así que el tema es la espera. Una regla sola habría dejado más espacio a la interpretación, y el ejemplo la hace concreta.

Elegir ejemplos que cubran los casos difíciles

El reflejo habitual consiste en tomar los ejemplos más claros, los que la IA habría acertado sin ayuda. Sirven para el formato, pero no le enseñan nada sobre cómo decidir.

Una selección eficaz se resume en tres ideas:

• un caso típico, para fijar el formato;
• un caso límite, aquel sobre el que tú mismo dudaste;
• variedad: si todos tus ejemplos son positivos, o todos cortos, el modelo puede inclinarse en ese sentido.

La forma más sencilla de encontrar el caso límite es ejecutar tu prompt sin ejemplos sobre una decena de casos reales y ver dónde se equivoca. Cada error corregido se convierte en un candidato. Es una manera de probar un prompt que lo mejora al mismo tiempo.

Cuántos ejemplos, y con qué forma

No hay un número mágico. De dos a cinco ejemplos bastan para muchas tareas cotidianas. Si tus resultados siguen siendo inestables con cinco, el problema suele estar en tus categorías, demasiado parecidas entre sí, más que en la falta de ejemplos.

En cuanto a la presentación, cuentan tres detalles:

1. Mantén exactamente la misma estructura en cada ejemplo. La IA reproduce los patrones, incluidas tus etiquetas (Reseña:, Respuesta:) y tus irregularidades.
2. Separa con claridad los ejemplos del caso que hay que tratar, con una indicación como «Reseña que hay que clasificar» o con etiquetas. Sin eso, el modelo puede tratar un ejemplo como una petición.
3. Presta atención al orden. El último ejemplo puede pesar más: pon ahí un caso con matices mejor que un caso extremo.

Si quieres una salida muy estricta, combina los ejemplos con las técnicas para imponer un formato de salida.

Cuando la IA copia tus ejemplos

El principal defecto del método aparece en cuanto pides texto redactado: la IA retoma tus giros, tu estructura de frase y, a veces, un detalle de fondo que no tiene nada que hacer ahí. Una profesora que aporte un ejemplo con «debe participar más en clase» corre el riesgo de encontrarse la fórmula en la mitad de los comentarios, incluso para alumnos que hablan muy bien.

Hay dos remedios: variar claramente los ejemplos entre sí y decir explícitamente para qué sirven. Este prompt aplica los dos, con alumnos anonimizados (no pegues datos nominativos de alumnos en una herramienta sin saber qué permite tu centro).

Ayudas a una profesora de secundaria a redactar los comentarios del boletín de notas a partir de sus notas rápidas.

Los ejemplos siguientes muestran la extensión (2 frases), el tono (directo, afectuoso, sin fórmulas huecas) y la estructura (una constatación precisa y después un consejo aplicable). No reutilices sus formulaciones: cada comentario debe apoyarse únicamente en las notas proporcionadas.

Notas: buen nivel, entrega irregular, se olvida de los deberes desde noviembre
Comentario: Los resultados son sólidos cuando el trabajo está hecho, pero los olvidos repetidos desde noviembre pesan en la media. Bastaría con una agenda al día cada tarde para resolver el problema.

Notas: tímido, gran progreso en redacción, no se atreve a pedir ayuda
Comentario: Los progresos en redacción son claros y premian un trabajo serio. Ahora toca atreverse a plantear sus preguntas en clase; ayudarán a todos.

Notas que hay que tratar para el alumno [INICIAL]:
[TUS NOTAS RÁPIDAS]

Si las notas son demasiado escasas para escribir dos frases precisas, dilo en lugar de completarlas.

Sin la última línea, el modelo puede rellenar los huecos con generalidades plausibles. Aun así, relee cada resultado, porque puede interpretar mal una nota. Cuando el objetivo es reproducir una voz de forma sostenida, un ejemplo ya no basta y hay que construir una ficha: es el tema del artículo para hacer que la IA escriba con tu estilo.

Tu primer ejemplo ya existe

Busca el último resultado de IA que corregiste a mano antes de usarlo. La versión corregida, junto con el texto de partida, forma una pareja de ejemplo lista para usar. Añádela al prompt, vuelve a lanzarlo con un caso nuevo y comprueba si todavía necesitas hacer la misma corrección.