Comunicación efectiva: más allá del prompt crafting con IA

Dado el aumento de popularidad de las herramientas de IA, algunos proyectos y negocios las han empezado a usar e implementar sin un conocimiento pleno de su funcionamiento, beneficios y limitaciones. La sobreinformación y desinformación contribuyen a un boom de nuevos productos y servicios con algunas decepciones que cruzan la línea del fraude. 

No sólo a nivel de negocio sino también a nivel de usuario, conviene establecer por qué y para qué queremos utilizar este tipo de herramientas, y si las necesitamos. Aunque no lo parezca, algunas requieren una curva de aprendizaje. En el caso de las herramientas de IA generativa más conocidas ésta no es una curva empinada pero, como con toda herramienta, se puede profundizar. De ahí que estén surgiendo cada vez más cursos de prompt engineering o prompt crafting.

También surgen dudas. Ya que los prompts usan lenguaje natural, ¿basta con aplicar conocimientos y habilidades comunicativas de siempre, o se necesita formación específica?  En este artículo exploramos qué es el prompt crafting y tratamos de responder a esta pregunta.

Prompt crafting: diferentes tipos de sintaxis

Nota sobre terminología: existe debate sobre el uso de prompt crafting o prompt engineering. El término “ingeniería” implica un proceso sistemático, riguroso y técnico que se emplea para construir sistemas complejos. Incluso en casos donde la elaboración de prompts requiere aprender cierta sintaxis, es comparable a aprender HTML, XML o CSS, que no son habilidades de ingeniería. El término crafting, que puede traducirse por “elaboración” o “creación”, define los procesos haciendo más énfasis en la adaptabilidad que en la rigurosidad o complejidad técnica.

El prompt crafting, como otros conceptos y disciplinas relacionados con la inteligencia artificial, ha pasado de ser una rama de estudio poco conocida a gozar de popularidad. 

Se centra en diseñar prompts, solicitudes o instrucciones para modelos de inteligencia artificial. El contexto en el que más se utilizan hoy día por la mayoría de usuarios es al interactuar con LLM como ChatGPT o Copilot, o con modelos de IA generativa de imágenes, música…

Dado ese contexto, se están popularizando una serie de modelos o plantillas de aplicación general que sirven de reglas mnemotécnicas para sacar el máximo provecho de los modelos. En esencia, dado un tipo de usuario, se crean unas siglas para que éste pueda recordar elementos clave del contexto que probablemente necesite el modelo para generar una respuesta útil.

Muchas de las reglas mnemotécnicas extendidas parten de la premisa de que se está interactuando con un modelo tipo ChatGPT. Pero en función del tipo de IA, la sintaxis necesaria puede ser una u otra. Por ejemplo, para usar la IA generativa de Bing es recomendable hacer listas de palabras clave separadas por comas; ChatGPT responde mejor a prompts elaborados en lenguaje natural; MidJourney, en cambio, requiere estudiar documentación y aprender términos e idiosincrasias del modelo, y funciona mejor en inglés.

Bing: “paisaje, ciudad, Oriente, realismo”.
ChatGPT: “Imagina que eres un pintor paisajista. Acabas de comenzar tu colección de cuadros de Oriente y tienes que elaborar una lista con todos los países de Oriente a los que quieres viajar para inspirarte.”
MidJourney: “A botanical-bearded fairy prince, flowing hair, sky-eyes, symmetrical mossy antlers, intensely sad gaze, wearing a floral diadem, magical details, twilight atmosphere, in the style of Pixar:: in the style of Pixar::0.5 - -s 75 - -v 6.0” (Ejemplo de la documentación de MidJourney).

Esto mismo sucede con el prompt crafting. Entonces, ¿es necesario tener conocimiento especializado para elaborar prompts? La respuesta es que depende. El objetivo que persiguen la mayoría de grandes empresas volcadas en el desarrollo de IA en estos momentos es que las interacciones sean lo más naturales posibles. Que el modelo sea capaz de entender y replicar el lenguaje natural de manera precisa. 

Seguramente siga habiendo modelos en el futuro que requieran leer documentación y que usen una sintaxis especializada, pero la tendencia de los grandes modelos está evolucionando hacia el lenguaje natural. En ese caso, aprender sistemas concretos o reglas mnemotécnicas especializadas puede ser una solución a corto plazo o un atajo, para copiar y pegar en caso de tareas repetitivas. En el peor de los casos, seguir reglas fijas puede convertirse en una muleta o una manera de pensar demasiado rígida, que puede limitar y hacer ortopédico el uso de estas herramientas.

Comunicación efectiva

La comunicación efectiva se enseña desde que somos pequeños. A veces resulta complicado ponerla en práctica porque no siempre somos conscientes de lo que implica. Más allá de lo básico (emisor-mensaje-receptor), hay muchos elementos que entran en juego y que son fundamentales para poder comunicarnos entre nosotros. Por ejemplo:

• Contexto: para que nuestro interlocutor entienda bien el mensaje necesitamos considerar primero de qué información dispone, y si puede necesitar más detalles. Por ejemplo, usar la palabra “agilidad” fuera de contexto puede llevar a pensar en la habilidad motora, no en gestión de proyectos. 
• Precisión: esto va en parte ligado al contexto. Si no usamos términos concretos y bien definidos, o si damos al interlocutor demasiado contexto innecesario en lugar de ir al grano, el mensaje relevante puede perderse. 
• Estructura y coherencia: también sabemos por intuición que el orden en el que presentamos las ideas y cómo lo hacemos ayuda a que la información se entienda. Si vamos a hablar de agilidad con una persona que no ha visto el término WIP en su vida, primero habrá que presentar información de base, definir conceptos, y luego elaborar las ideas siguiendo un orden lógico. 

Éstos son sólo algunos de los elementos presentes en la comunicación efectiva, y que usamos en el día a día casi sin darnos cuenta. Los elaboramos en detalle en el curso de Comunicación efectiva para elaborar prompts.

Habilidades fluidas vs. plantillas

Podemos encontrar un cierto paralelismo entre algunas de las técnicas de prompt crafting que se están popularizando y la desafortunada evolución de las historias de usuario. En origen, las historias de usuario se plantearon como una alternativa a la documentación exhaustiva: un formato reducido con lo esencial para recordar lo que hay que construir, desde el punto de vista del usuario. En vez de documentar y enviar requisitos por escrito, las historias eran recordatorios de conversaciones. Así se partía siempre de un intercambio natural de ideas y se daba la posibilidad de plantear cuestiones para alinear la visión. El nombre “user stories” se eligió para hacer énfasis en el punto de vista (user) y en que debían ser habladas, narradas (stories).

Sin embargo, empezaron a surgir formatos específicos para su elaboración. El más popular es sin duda el formato Connextra: “Como [rol] quiero [capacidad] para [obtener beneficio]”. Se llega a malentendidos tales como forzar historias técnicas en este formato, suene razonable o no. Las plantillas pueden ayudar. Pueden ser la solución por defecto o permitir seguir avanzando cuando hay poca inspiración o baja la energía… pero su uso excesivo lleva a un pensamiento encorsetado. 

¿En qué medida sucede lo mismo con los prompts?

Comparativa: CO-STAR, 5Ws y estilo libre

Para probar la efectividad de cada estrategia, hemos redactado prompts sin seguir plantillas y los hemos comparado con otros creados a partir de dos modelos existentes: CO-STAR (Context, objective, style, tone, audience, response) y el marco de 5 preguntas propuesto por Writer.com (quién, qué, dónde, por qué y cómo), que no es ni más ni menos que las Cinco W de periodismo aplicadas a prompts.

Tarea 1. Generar una descripción atractiva para un nuevo producto

Los LLM se prestan fácilmente a la elaboración de textos para campañas de marketing o descripciones de productos, así que es un buen punto de partida para comparar. 

Observaciones prompt “CO-STAR” 

Aplicar este marco a la elaboración del prompt obliga a pensar y detallar la información que encaja en cada una de las letras. Para un uso puntual, puede resultar excesivo. Ahora bien, preparar una plantilla de CO-STAR para reutilizar en futuras comunicaciones puede agilizar el proceso. Por ejemplo: si el tono, el estilo, la audiencia… son los mismos para varios materiales de marketing, una plantilla puede ser práctica, porque sólo habría que cambiar el contexto del prompt. En usos puntuales, la diferencia de calidad que hemos observado entre usar CO-STAR o estilo libre es poco significativa, y es más rápido hacer lo segundo.

Observaciones prompt “5 preguntas”

Este sistema para elaboración de prompts recoge los cinco puntos básicos que se enseñaban en el colegio para escribir artículos periodísticos. Consiste en responder a las preguntas ¿qué?, ¿quién?, ¿cómo?, ¿dónde? y ¿por qué? El proceso como se detalla en Writer.com ofrece sub-preguntas para afinar y detallar bien el prompt, pero resulta tedioso y largo. Si lo vamos a utilizar para una comunicación, es probable que perdamos más tiempo escribiendo el prompt que preparando la comunicación.

Observaciones prompt “estilo libre”

Para este tipo de tareas, más ligadas a las redes sociales y al marketing, aplicar los principios de comunicación efectiva de forma libre da resultados cuya calidad no difiere mucho de lo que se obtiene siguiendo plantillas. Aunque es probable que necesitemos ajustar y afinar, basta con continuar con la conversación con la IA o estructurar el prompt de otra forma. Y de todas formas, tanto en un caso como en otro, lo habitual es que haya que retocar el output.

Sobre el uso de asistentes para elaboración de prompts

Existen ChatGPTs creados por usuarios para elaborar prompts siguiendo, por ejemplo, el sistema CO-STAR. Algunos solicitan tantas preguntas y entran tanto en detalle que parecen sobresaturar de contexto irrelevante y producen peores resultados. Otros piden al usuario incluir en el “estilo” a un autor/a o marca se quiera imitar. Dadas las denuncias por copyright y derechos de imagen a las que se enfrentan las grandes compañías de IA generativa, y las implicaciones legales y éticas, desaconsejamos enfocar así el punto “estilo” de CO-STAR. Es suficiente con añadir adjetivos que describan lo que se desea. No hacerlo puede generar un output que infrinja derechos. Esto sucede a veces incluso con prompts que sólo contienen adjetivos, debido a datos de entrenamiento obtenidos sin licencia.

Tarea 2. Interpretar un conjunto de datos

Según Sheila Teo, ganadora del concurso de prompting de Singapur, los LLM funcionan mejor para ciertos análisis de datos. Por ejemplo, no realizan bien análisis de correlación o análisis estadístico, pero funcionan para detección de anomalías o creación de clusters. Para las pruebas, hemos hecho clusters de usuarios.

Observaciones prompt “CO-STAR” 

Al ser una tarea técnica, seguir una estructura lógica y clara como la que propone CO-STAR facilita la elaboración del prompt. Ayuda a no olvidar instrucciones importantes y, al incluir lo que se desea en detalle, no es necesario conversar con la IA: genera los clusters inmediatamente. Para que funcione a la primera, no obstante, hay que saber algo sobre los requisitos técnicos de la tarea. 

Observaciones prompt “5 preguntas”

En el caso del marco de las 5 preguntas, el proceso es muy tedioso. En parte porque es un marco que se adecúa mejor a generación de textos que a tareas técnicas como ésta. Sería un caso de intentar encajar la herramienta equivocada por seguir una plantilla. Al querer condensar la información siguiendo el esquema de las cinco preguntas, la elaboración lleva más tiempo que en los otros dos casos.

Observaciones prompt “estilo libre”

Al dar las instrucciones aplicando comunicación efectiva pero sin una estructura, hemos tendido más a olvidar detalles importantes para la tarea, por lo que ha hecho falta responder a preguntas de la IA y ésta ha tomado algunas decisiones con mayor libertad. No obstante, tanto en el caso de uso de CO-STAR como en el “estilo libre”, obtenemos clusters ligeramente distintos pero aprovechables.

Conclusiones

Independientemente de la estrategia que uses, hemos observado que lo que marca la diferencia entre buenos y malos prompts es el conocimiento experto que tiene la persona sobre la tarea. Por ejemplo, una científica de datos como Sheila Teo puede rellenar la plantilla CO-STAR para una tarea de este tipo y verificar los resultados, con una precisión imposible para alguien que no tenga conocimiento en la materia. Y revisar los outputs es fundamental, porque los resultados de la IA son poco fiables. 

Por otro lado, una persona especializada en Humanidades puede tener más facilidad para usar marcos como el de las 5 preguntas, o elaborar y adaptar prompts basándose en los principios de la comunicación efectiva. 

El curso sobre prompts disponible en la plataforma de e-learning de Scrum Manager no usa el término «comunicación efectiva” por casualidad. Consideramos que la mejor forma de empezar a aprender prompt crafting a nivel de usuario, y en un contexto ágil, es acudiendo a la base: la comunicación humana. 

En primer lugar, los modelos de lenguaje como ChatGPT, Gemini o Copilot buscan ser lo más accesibles posible para captar más usuarios, los fundamentos de la comunicación humana pueden ser suficientes para interactuar con estos modelos; de hecho ya se está viendo que da buenos resultados. 

En segundo lugar, las reglas mnemotécnicas como CO-STAR aplican principios de comunicación efectiva y los sintetizan. Si, en lugar de memorizarlas, estudiamos esos principios directamente, podemos prescindir de intermediarios y tener un kit de herramientas más flexible. Por ejemplo, si los resultados no son lo esperado, es más fácil analizar el prompt y mejorarlo. 

Además, enfocar el aprendizaje desde esta perspectiva tiene un beneficio añadido: ser conscientes de los factores que intervienen en la transmisión de ideas es muy valioso para trabajar en equipo. Tendemos a dar por supuesto que sabemos comunicar, pero la retórica es un arte. Sufre el mismo problema de infravaloración que la mayoría de habilidades blandas o soft skills.

¿Quiere esto decir que no deberíamos usar ninguna plantilla o marco para elaborar prompts? No. Podemos utilizarlas siempre y cuando seamos conscientes de que podemos adaptarlas a nuestras necesidades y a nuestro contexto. Esto será más sencillo, como hemos dicho, con conocimientos de base sobre comunicación y conocimiento experto sobre la materia para la que estemos usando el modelo de IA.