Hacer que la IA razone paso a paso: cuándo y cómo

Un solador tiene que colocar 34 m². Cuenta con un 10 % de recortes, y sus baldosas se venden en cajas de 1,44 m². Le pregunta a la IA:

¿Cuántas cajas pido?

Si el modelo responde simplemente «26 cajas», la cifra es buena, pero nada lo demuestra. En otra obra, una respuesta seca de este tipo puede ser falsa, y no tendrás ninguna manera de ver dónde se ha torcido.

Pide ahora el detalle: 34 × 1,10 = 37,4 m², 37,4 ÷ 1,44 = 25,97, es decir, 26 cajas, o sea 37,44 m² entregados. Ves cada hipótesis, y de paso descubres un dato útil: el margen restante es de 0,04 m². Con la mínima rotura adicional, falta una caja. La respuesta corta lo ocultaba.

Por qué el detalle mejora a menudo la respuesta

Un modelo de lenguaje produce su respuesta palabra a palabra. Si tiene que dar el resultado desde la primera línea, se compromete sin haber planteado los pasos intermedios. Al pedirle que los escriba primero, cada paso se apoya en el anterior y el resultado llega al final.

La técnica se llama chain of thought, o cadena de pensamiento. Un equipo de investigadores (Kojima y sus coautores, 2022) demostró que la sola frase «Let's think step by step» mejoraba claramente los resultados en problemas de razonamiento de la época. Los modelos han cambiado mucho desde entonces, y varias herramientas ofrecen hoy un modo de reflexión integrado. Compruébalo en la tuya en el momento en que leas estas líneas: si existe ese modo, actívalo para los problemas difíciles, y la fórmula mágica se vuelve menos útil.

El segundo beneficio se mantiene intacto, y es el que más cuenta en el día a día: un razonamiento escrito se puede releer. Detectas la hipótesis falsa, el tipo mal elegido, el dato que la IA se ha inventado para tapar un hueco.

La fórmula corta no siempre basta

«Piensa paso a paso» funciona, pero obtienes más si dices qué pasos esperas y qué debe hacer la IA cuando falta un dato.

Tengo que resolver este problema: [DESCRIBE EL PROBLEMA CON TODOS LOS DATOS NUMÉRICOS]

Procede en este orden:
1. Enumera los datos proporcionados y después las hipótesis que tengas que hacer, señalándolas como tales.
2. Si falta un dato indispensable, detente y hazme la pregunta en lugar de estimarlo.
3. Haz el cálculo paso a paso, una operación por línea, con las unidades.
4. Verifica el resultado con otro método o con un cálculo inverso.
5. Termina con una línea «Respuesta:» e indica qué haría cambiar este resultado.

El paso 2 evita el defecto más molesto: un razonamiento impecable construido sobre una cifra inventada. El paso 4 obliga a un control, aunque sin garantizarlo. Para cualquier importe que comprometa tu dinero o el de un cliente, rehaz el cálculo en una hoja de cálculo: la IA todavía puede equivocarse en aritmética, sobre todo en operaciones largas.

Dónde ayuda y dónde no cambia nada

Pedir un razonamiento alarga la respuesta. No hace falta hacerlo en todas partes.

Cuidado con el último caso. Ante un dato que el modelo desconoce, un razonamiento bien presentado da una impresión de seriedad sin verificar nada. Para este tipo de riesgo, lee más bien cómo reducir las alucinaciones.

Separar el razonamiento de la respuesta

Cuando el resultado debe reutilizarse tal cual, el razonamiento estorba. Puedes quedártelo para ti y obtener una salida limpia dándole dos zonas distintas. Ejemplo para una tesorera de asociación que prepara una decisión para su junta:

Nuestra asociación duda entre dos opciones para [TEMA DE LA DECISIÓN].
Opción A: [DETALLES, COSTES, RESTRICCIONES]
Opción B: [DETALLES, COSTES, RESTRICCIONES]
Nuestros criterios, de más a menos importante: [CRITERIOS]

Responde en dos partes.

Parte RAZONAMIENTO: examina cada criterio uno por uno para las dos opciones. Escribe los cálculos. Señala lo que no puedes evaluar con esta información.

Parte NOTA A LA JUNTA: 6 líneas como máximo, sin jerga, con la opción recomendada, la razón principal y el riesgo que vigilar.

Lees la primera parte para verificar, transmites la segunda. Si trabajas con un formato impuesto, como una salida destinada a una hoja de cálculo, mantén la misma lógica y copia solo la zona final.

Hacer que una segunda pasada revise el razonamiento

Un modelo que acaba de producir una cadena de razonamiento tiende a defenderla si le preguntas simplemente «¿estás seguro?». También puede cambiar de opinión sin motivo, solo porque la pregunta sugiere una duda. Un mejor control consiste en abrir una conversación nueva y presentar el trabajo como si fuera de otra persona.

Aquí tienes un razonamiento escrito por un compañero. No sé si es correcto.

Enunciado original: [ENUNCIADO]
Razonamiento: [PEGA EL RAZONAMIENTO]

Revísalo línea por línea. Para cada línea, indica «correcto» o explica el error. Busca en particular las hipótesis no justificadas, los errores de unidades y los datos ausentes del enunciado. Si no encuentras ningún error, dilo sin inventarte ninguno.

La última frase limita la tentación de encontrar un problema a toda costa. Un razonamiento revisado dos veces puede seguir siendo falso, pero los errores gruesos suelen caer en esta fase. Si el problema es largo, divídelo en una cadena de prompts y haz que se controle cada eslabón en lugar del conjunto.

Para probar en tu próximo cálculo

Toma un cálculo que ya conozcas de tu trabajo, con una respuesta que sepas correcta. Pásalo por el primer prompt de arriba y lee las hipótesis del paso 1. Si la IA ha añadido alguna que tú no habías dado, sabes qué hay que precisar en tu enunciado la próxima vez.