1 00:00:03,569 --> 00:00:12,250 Sé imparcial. Añade a tu prompt la instrucción asegúrate de que tu respuesta es imparcial y no 2 00:00:12,250 --> 00:00:16,589 se basa en estereotipos. Esto te puede servir para que la IA no se vaya a los primeros datos 3 00:00:16,589 --> 00:00:22,230 de su conocimiento, que en muchas ocasiones pueden estar basados en informaciones sesgadas. La IA va 4 00:00:22,230 --> 00:00:26,530 a analizar las fuentes y va a revisar si contienen determinados estereotipos antes de darte una 5 00:00:26,530 --> 00:00:32,649 respuesta. Lo cierto es que Copilot, por ejemplo, ya añade una capa para evitar sesgos, pero dando 6 00:00:32,649 --> 00:00:37,670 la instrucción nosotros mismos vamos a conseguir una respuesta más neutra porque se pueden replicar 7 00:00:37,670 --> 00:00:42,429 sesgos presentes en los datos de entrenamiento. Cuando le pides a un modelo de IA que sea 8 00:00:42,429 --> 00:00:46,890 imparcial lo que haces es activar ciertos mecanismos internos que están diseñados para 9 00:00:46,890 --> 00:00:52,729 evitar respuestas sesgadas. Esto funciona porque los LLMs utilizan un proceso de ponderación de 10 00:00:52,729 --> 00:00:58,369 contexto y un análisis de probabilidad. Básicamente el modelo revisa todas las posibles respuestas que 11 00:00:58,369 --> 00:01:03,229 podría darte y en lugar de recurrir a los primeros datos que tiene que podrían estar influenciados 12 00:01:03,229 --> 00:01:08,629 por estereotipos o sesgos prioriza aquellas opciones que son más neutrales y balanceadas 13 00:01:08,629 --> 00:01:13,969 aunque los modelos ya cuentan con algunas capas para mitigar estos sesgos al recordarle que sea 14 00:01:13,969 --> 00:01:18,650 imparcial se le fuerza a revisar más a fondo el contenido de sus datos de entrenamiento y 15 00:01:18,650 --> 00:01:24,209 ajustar su respuesta para que sea más justa y menos influenciada por generalizaciones o por 16 00:01:24,209 --> 00:01:30,090 miedos infundados. Pregúntame lo que necesites. Esta técnica consiste en dejar que la IA te haga 17 00:01:30,090 --> 00:01:35,189 preguntas para completar los detalles que necesita en lugar de esperar que acierte la primera. Al 18 00:01:35,189 --> 00:01:40,409 permitir que la IA te guíe con preguntas se reduce la posibilidad de que se invente cosas o asoma 19 00:01:40,409 --> 00:01:45,370 información que no le has proporcionado. Esto va a hacer que las respuestas sean más ajustadas a la 20 00:01:45,370 --> 00:01:49,769 realidad de lo que necesitas. Yo esta técnica la uso mucho y enriquece la interacción y lleva 21 00:01:49,769 --> 00:01:55,969 respuestas más enfocadas. ¿Por qué? Cuando Copilot o ChatGPT te hacen preguntas para recabar 22 00:01:55,969 --> 00:02:00,370 información entran en un proceso iterativo que va a mejorar el contexto que tienes sobre lo que 23 00:02:00,370 --> 00:02:05,870 le pides. Y aunque la IA no aprende como un humano durante la conversación, sí que va a ajustar sus 24 00:02:05,870 --> 00:02:11,349 respuestas basándose en la nueva información que le das. Cada ciclo de preguntas y respuestas 25 00:02:11,349 --> 00:02:17,210 refina el contexto porque va a identificar lagunas de información y va a cubrirlas de forma progresiva. 26 00:02:17,210 --> 00:02:22,229 Lo que queremos es disminuir el riesgo de que se invente o de que asuma detalles incorrectos. 27 00:02:22,710 --> 00:02:28,189 Cuando te va preguntando cosas vamos a hacer que cada respuesta esté más enfocada, más personalizada 28 00:02:28,189 --> 00:02:32,490 y que se ajuste mejor a los datos que le proporcionas y el resultado que tú tienes en mente. 29 00:02:33,090 --> 00:02:39,229 Asigna un rol al modelo. Pídele al modelo que se ponga en un rol específico y verás cómo sus respuestas se adaptan a ese papel. 30 00:02:39,710 --> 00:02:44,669 Esto es muy útil si quieres obtener respuestas desde una perspectiva concreta o especializada. 31 00:02:45,129 --> 00:02:48,430 asignarle un rol va a hacer que las respuestas sean más enfocadas 32 00:02:48,430 --> 00:02:50,310 y más relevantes para lo que necesitas. 33 00:02:50,770 --> 00:02:51,090 ¿Por qué? 34 00:02:51,530 --> 00:02:55,189 Esta técnica aprovecha al máximo la flexibilidad contextual de los modelos, 35 00:02:55,550 --> 00:02:59,490 gracias a la cual van a poder ajustar tanto el estilo como el contenido 36 00:02:59,490 --> 00:03:02,449 de sus respuestas en función del rol que les asignes. 37 00:03:02,889 --> 00:03:05,490 Esto es posible gracias a su capacidad para interpretar el contexto 38 00:03:05,490 --> 00:03:08,509 que le proporcionas y seleccionar las estructuras de lenguaje 39 00:03:08,509 --> 00:03:09,669 que mejor encajen. 40 00:03:10,030 --> 00:03:12,789 Porque a lo largo de su entrenamiento, los modelos han sido expuestos 41 00:03:12,789 --> 00:03:17,949 a una gran variedad de estilos de lenguaje y de situaciones por eso cuando les pides que actúen 42 00:03:17,949 --> 00:03:23,110 como un coach de liderazgo o como un payaso de circo van a adaptar tanto el tono como el 43 00:03:23,110 --> 00:03:29,030 contenido para reflejar ese papel específico si le pides que respondan de forma formal seria de 44 00:03:29,030 --> 00:03:33,030 forma profesional van a adoptar ese enfoque más directo y más útil porque han aprendido de 45 00:03:33,030 --> 00:03:36,610 ejemplos similares en los datos que han sido entrenados en cambio si le pides algo más 46 00:03:36,610 --> 00:03:41,590 lúdico o más humorístico van a ajustar su lenguaje para reflejar ese tono porque también han sido 47 00:03:41,590 --> 00:03:47,210 expuestos a esos contextos más desenfadados. Repite palabras clave. La repetición de palabras 48 00:03:47,210 --> 00:03:52,169 clave es muy útil porque refuerza la importancia de ciertos conceptos o de temas dentro de un 49 00:03:52,169 --> 00:03:57,310 prompt. Básicamente le dices a la IA lo que es importante para que se concentre más en esos 50 00:03:57,310 --> 00:04:02,650 elementos de la pregunta. ¿Por qué? Los modelos de lenguaje utilizan mecanismos de atención para 51 00:04:02,650 --> 00:04:08,189 calcular la relevancia de las palabras basándose en su frecuencia y el peso que tienen. Cuando 52 00:04:08,189 --> 00:04:13,490 repetimos palabras clave le indicamos al modelo que esos elementos deben tener un mayor protagonismo 53 00:04:13,490 --> 00:04:18,689 en su análisis y en la respuesta. Por ejemplo, en el caso de la sostenibilidad, cuando repetimos 54 00:04:18,689 --> 00:04:24,149 varias veces la palabra sostenibilidad le ayudamos a que el modelo se enfoque más en ese tema y 55 00:04:24,149 --> 00:04:29,509 proporcione una respuesta más detallada y relevante sobre prácticas sostenibles. Empieza tú la 56 00:04:29,509 --> 00:04:34,769 respuesta. Especificar cómo debe comenzar la respuesta del modelo puede guiar efectivamente 57 00:04:34,769 --> 00:04:39,889 la estructura y el contenido del texto que genera, porque cuando le proporcionamos un inicio estamos 58 00:04:39,889 --> 00:04:45,550 dirigiendo al modelo a que responda en un tono, que adopte un estilo y que se enfoque en la manera 59 00:04:45,550 --> 00:04:50,370 que tú quieres para que se mantenga alineado con tus expectativas desde el principio. ¿Por qué? 60 00:04:50,870 --> 00:04:55,389 Esta técnica es muy efectiva porque por el propio sistema de predicción que usan los modelos de 61 00:04:55,389 --> 00:05:00,410 lenguaje del que hablábamos al inicio, se llama modelado autoregresivo, básicamente este modelo 62 00:05:00,410 --> 00:05:06,550 predice cada palabra basándose en las anteriores. Al dar un comienzo concreto se influye en las 63 00:05:06,550 --> 00:05:10,810 primeras predicciones del modelo. Esto es importante porque cada predicción afecta a 64 00:05:10,810 --> 00:05:16,550 las siguientes y crea un efecto dominó. El inicio va a actuar como una guía y va a marcar la pauta 65 00:05:16,550 --> 00:05:21,930 para que todo el texto mantenga una coherencia con el estilo y contenido que tú le propones al 66 00:05:21,930 --> 00:05:27,870 principio. Añade toda la información necesaria. Esta técnica parece muy sencilla pero resulta 67 00:05:27,870 --> 00:05:32,689 muy efectiva. Se trata de pedirle en tu solicitud, en tu prompt, que incluya toda la información 68 00:05:32,689 --> 00:05:37,470 necesaria. Con esta coletilla forzamos a que la IA nos devuelva una respuesta lo más completa 69 00:05:37,470 --> 00:05:43,089 posible. Cuando le pides que se agregue toda la información necesaria, estás indicándole al modelo 70 00:05:43,089 --> 00:05:49,649 que amplíe su respuesta y cubra temas de la manera más exhaustiva posible. Los LLMs ajustan la longitud 71 00:05:49,649 --> 00:05:54,589 y el nivel de detalle de las respuestas en función de las instrucciones que reciben. Con esta instrucción 72 00:05:54,589 --> 00:05:59,689 específica, activamos un proceso en el que el modelo busca incluir más detalles y más puntos 73 00:05:59,689 --> 00:06:04,829 clave relacionados y evita respuestas más superficiales o más incompletas. Es como si le 74 00:06:04,829 --> 00:06:10,509 dijeras a Copilot o a ChatGPT, no te limites a lo básico, dame todo lo que sepas que es importante 75 00:06:10,509 --> 00:06:16,470 sobre esto. Y la IA, que está diseñada para balancear entre concisión y detalles según lo 76 00:06:16,470 --> 00:06:21,149 que le pidas, responde al pie de la letra y va a ampliar lo que necesite para no dejar puntos 77 00:06:21,149 --> 00:06:26,310 es importante sin tocar. Corregir sin cambiar el estilo. Pedirle a la IA que ajuste la gramática 78 00:06:26,310 --> 00:06:31,730 o el vocabulario, pero manteniendo el estilo, te va a ayudar a que las correcciones que haga no 79 00:06:31,730 --> 00:06:36,509 alteren la voz original, porque a veces puede ser que la IA cambie más de lo que esperabas, 80 00:06:36,569 --> 00:06:41,410 ya que al mejorar una frase puede modificar un poco el estilo general. Pedirle que lo corrija 81 00:06:41,410 --> 00:06:46,350 sin cambiar su estilo es la manera de mejorar el contenido sin perder la esencia del autor y del 82 00:06:46,350 --> 00:06:50,790 texto original. Como hemos visto, los modelos ajustan las respuestas según los patrones que 83 00:06:50,790 --> 00:06:55,269 han aprendido y hacen predicciones de palabras en función de esos datos. Cuando le pedimos que 84 00:06:55,269 --> 00:07:00,930 corrijan la gramática o mejoren el vocabulario, se puede cambiar el tono. Por eso, si te importa 85 00:07:00,930 --> 00:07:06,629 que la corrección sea más técnica pero sin perder la esencia de cómo hablas o cómo escribes, lo 86 00:07:06,629 --> 00:07:11,889 mejor es ser específico y decirle que mantenga el estilo. Así la IA va a saber que no tiene que 87 00:07:11,889 --> 00:07:17,290 tocar ese aspecto. Define sus fuentes de información. Pídele en el prompt que utilice 88 00:07:17,290 --> 00:07:22,589 sólo ciertos datos y contenidos. La IA tiene una cantidad de fuentes enorme, pero también podemos 89 00:07:22,589 --> 00:07:28,290 obtener respuestas distintas si le obligamos a basarse sólo en una parte de ellas. Así que si 90 00:07:28,290 --> 00:07:33,529 especificas qué fuentes o qué tipos de información debe emplear, puedes enfocar sus respuestas de 91 00:07:33,529 --> 00:07:38,209 manera más precisa. Esto es muy útil cuando quieres que se base, por ejemplo, sólo en información 92 00:07:38,209 --> 00:07:43,829 reciente o cuando prefieres que ignore ciertos enfoques o teorías. ¿Por qué? Cuando le indicas 93 00:07:43,829 --> 00:07:49,410 a Copilot que use solo ciertas fuentes de información, lo que hace es limitar el rango 94 00:07:49,410 --> 00:07:53,930 de datos que puede utilizar. Y aunque el modelo tiene acceso a una gran cantidad de conocimiento, 95 00:07:54,250 --> 00:07:59,470 al darle instrucciones específicas va a ajustar su proceso de generación filtrando lo que no se 96 00:07:59,470 --> 00:08:04,490 ajusta a tus indicaciones. Por ejemplo, si le pides que no utilice información anterior a 2020, 97 00:08:04,990 --> 00:08:09,930 la IA solo tendrá en cuenta los datos más recientes y te va a dar una respuesta más actual 98 00:08:09,930 --> 00:08:15,990 y más relevante para tus necesidades. Pide que imite un estilo. Pedirle al modelo que imite un 99 00:08:15,990 --> 00:08:21,129 estilo específico basado en un ejemplo puede ayudarte a generar contenido coherente con textos 100 00:08:21,129 --> 00:08:26,250 previos. Puedes hacer dos cosas o le pasas un ejemplo con un texto para que siga el estilo o 101 00:08:26,250 --> 00:08:30,689 bien le pides que se inspire en el estilo de un autor conocido. Esto es muy útil cuando quieres 102 00:08:30,689 --> 00:08:36,110 mantener un tono, el ritmo, un enfoque específico y aseguras que el nuevo texto respeta las 103 00:08:36,110 --> 00:08:41,750 características del original. Especifica el idioma y el dialecto. Para asegurarte de que el texto que 104 00:08:41,750 --> 00:08:47,629 te devuelve la IA encaja con la gente a la que va dirigida, es importante decirle el idioma o el 105 00:08:47,629 --> 00:08:53,850 dialecto que necesitas. Si pides español de España en lugar de español no americano, la IA va a ajustar 106 00:08:53,850 --> 00:08:59,950 las expresiones y palabras para que suenen más naturales para ese público. ¿Por qué? Los modelos 107 00:08:59,950 --> 00:09:05,570 que hay detrás de Copilot, ChatGPT, Cloud, están entrenados en muchos idiomas y dialectos 108 00:09:05,570 --> 00:09:10,970 y esto les permite ajustar el contenido según la variante que pidas. Usan técnicas de procesamiento 109 00:09:10,970 --> 00:09:15,950 del lenguaje natural para entender las diferencias entre los dialectos y adaptan el vocabulario 110 00:09:15,950 --> 00:09:21,190 y las expresiones. Gracias a la representación contextual de las palabras, el modelo puede 111 00:09:21,190 --> 00:09:26,669 identificar las sutilezas entre distintas variedades del español, como el uso de vosotros 112 00:09:26,669 --> 00:09:32,009 en España o de ustedes en América Latina y las puede aplicar de manera coherente en las respuestas. 113 00:09:32,509 --> 00:09:36,830 Esto va a garantizar que el contenido no solo esté en el idioma correcto, sino que también sea 114 00:09:36,830 --> 00:09:45,200 adecuado para la región, para el grupo demográfico específico que se menciona en el prompt. Dos 115 00:09:45,200 --> 00:09:50,840 reflexiones finales. Bien, después de explorar todas estas técnicas para sacar el máximo provecho 116 00:09:50,840 --> 00:09:56,500 de la inteligencia artificial, hay un par de puntos importantes que debemos tener en cuenta. Primero, 117 00:09:56,500 --> 00:10:03,299 Y esto es crucial. Siempre tienes que verificar la información que te proporciona Copilot o cualquier otra IA. 118 00:10:03,799 --> 00:10:08,980 Estos sistemas son increíblemente potentes procesando información, pero a veces pueden alucinar. 119 00:10:09,379 --> 00:10:16,980 Sí, alucinar. Pueden generar información que suena muy convincente, pero que en realidad es incorrecta o incluso inventada. 120 00:10:17,639 --> 00:10:23,720 ¿Por qué ocurre esto? Pues porque estos modelos han sido entrenados para cumplir su acometido, que es darte una respuesta. 121 00:10:23,720 --> 00:10:28,620 incluso si para ello en ocasiones mezclan conceptos o crean datos falsos 122 00:10:28,620 --> 00:10:33,679 por eso es fundamental que siempre compruebes lo que te dice la IA con otras fuentes fiables 123 00:10:33,679 --> 00:10:39,379 y otro detalle interesante, puede que al hacer la misma pregunta a Copilot varias veces seguidas 124 00:10:39,379 --> 00:10:43,460 obtengas respuestas diferentes, esto no es un error, es una característica 125 00:10:43,460 --> 00:10:46,519 estos modelos son algo variables en su procesamiento 126 00:10:46,519 --> 00:10:51,740 así que cada vez que analizan tu pregunta pueden tomar un camino ligeramente distinto 127 00:10:51,740 --> 00:10:53,940 y por tanto darte una respuesta diferente. 128 00:10:54,419 --> 00:10:59,799 Esto último no es necesariamente malo, de hecho puede ser muy útil para obtener ideas variadas. 129 00:10:59,940 --> 00:11:06,419 Así que no dudes en reformular tus preguntas de diferentes maneras para ver qué resultados interesantes obtienes. 130 00:11:06,759 --> 00:11:09,120 En resumen, la clave está en la práctica. 131 00:11:09,379 --> 00:11:12,720 Experimenta con Copilot, encuentra tu estilo para comunicarte con él 132 00:11:12,720 --> 00:11:15,379 y sobre todo no olvides usar el sentido común. 133 00:11:15,379 --> 00:11:20,639 Con un poco de práctica pronto le cogerás el truco y empezarás a aprovechar todo su potencial. 134 00:11:20,639 --> 00:11:34,799 Como hemos visto a lo largo de esta lección, la forma en que le hablamos a la inteligencia artificial marca una gran diferencia en los resultados que obtenemos 135 00:11:34,799 --> 00:11:43,620 No se trata solo de soltar una pregunta y esperar que la guía acierte de pleno, sino que la tenemos que guiar con claridad, con contexto, con expectativas 136 00:11:43,620 --> 00:11:50,419 Ya sea dividiendo las tareas complejas en pasos sencillos, dándole ejemplos, especificando para quién es la respuesta 137 00:11:50,419 --> 00:11:55,840 Cada pequeño ajuste va a ayudar a que la respuesta sea mucho más precisa y sobre todo mucho más útil 138 00:11:56,419 --> 00:12:00,100 Además, estas habilidades no solo mejoran nuestros resultados con la inteligencia artificial, 139 00:12:00,559 --> 00:12:05,100 sino que también nos ayudan a pensar de una manera más estructurada y esto es un beneficio adicional. 140 00:12:05,580 --> 00:12:09,860 Al final, el arte del prompting es como tener una conversación inteligente. 141 00:12:10,059 --> 00:12:14,919 Cuanto más claro seas, más fácil va a ser que la IA te entienda y te dé justo lo que necesitas. 142 00:12:15,139 --> 00:12:20,299 Y no te preocupes si no aciertas a la primera, porque la clave está en ir ajustando sobre la marcha. 143 00:12:20,820 --> 00:12:25,659 Y como en toda buena conversación, cuanto mejor nos comuniquemos, mejores resultados vamos a obtener. 144 00:12:25,840 --> 00:12:28,120 Así que a practicar y verás cómo mejora todo.