Aquí va algo que me voló la cabeza cuando lo descubrí.
Puedes hacer que la IA sea significativamente más inteligente en razonamiento — no usando un modelo más caro, no pagando más lana, sino agregando cinco palabras a tu prompt.
¿Esas cinco palabras? “Piénsalo paso a paso.”
Esta técnica se llama Chain of Thought Prompting (o “cadena de pensamiento”), y es una de las cosas más útiles que he aprendido sobre trabajar con IA.
El Problema: La IA Se Avienta Sin Pensar
Por default, la IA intenta brincar directo de la pregunta a la respuesta. Le haces una pregunta de matemáticas, te escupe un número. Le pides análisis, te da la conclusión.
A veces eso está bien. Pero para cualquier cosa que requiera razonamiento real — problemas lógicos, matemáticas con varios pasos, análisis complejos, debugging — este atajo lleva a errores.
La IA sabe que debería mostrar su trabajo. Simplemente… no lo hace. A menos que se lo pidas.
Qué Hace Chain of Thought
Según Prompt.org.es, Chain of Thought (CoT) prompting busca que el modelo razone paso a paso antes de dar una respuesta final. Consiste en estructurar el prompt de modo que exponga explícitamente una serie de pasos intermedios de razonamiento.
En lugar de:
Pregunta → Respuesta
Obtienes:
Pregunta → Paso 1 → Paso 2 → Paso 3 → Respuesta
Este cambio simple tiene efectos brutales.
Cuando la IA tiene que articular cada paso, atrapa sus propios errores. Considera factores que de otro modo se saltaría. Construye hacia respuestas en lugar de adivinarlas.
Los investigadores de Google Brain publicaron un paper de referencia sobre esto en 2022. Encontraron que CoT prompting mejoró dramáticamente el desempeño en aritmética, razonamiento de sentido común y lógica simbólica — sin entrenamiento adicional.
Misma IA. Mismo conocimiento. Resultados mucho mejores. Solo por pedirle que piense en voz alta.
La Versión Más Simple: Zero-Shot CoT
Según Aina-Lluna Taylor, la forma más fácil de usar Chain of Thought es agregar algo como “Piénsalo paso a paso” al final de tu prompt.
Sin CoT:
Un bate y una pelota cuestan $1.10 juntos. El bate cuesta $1 más que la pelota. ¿Cuánto cuesta la pelota?
La IA casi siempre suelta “$0.10” — lo cual está mal.
Con CoT:
Un bate y una pelota cuestan $1.10 juntos. El bate cuesta $1 más que la pelota. ¿Cuánto cuesta la pelota? Piénsalo paso a paso.
Ahora la IA razona:
- Llamemos el precio de la pelota “x”
- El bate cuesta $1 más, entonces el bate es “x + $1”
- Juntos cuestan $1.10, entonces: x + (x + 1) = 1.10
- Eso significa 2x + 1 = 1.10
- Entonces 2x = 0.10
- Por lo tanto x = $0.05
La pelota cuesta $0.05 (y el bate cuesta $1.05).
Misma pregunta. Respuesta correcta esta vez. Todo porque le pedimos a la IA que mostrara su trabajo.
Few-Shot CoT: Primero Dale Ejemplos
Para resultados todavía mejores, muéstrale a la IA un ejemplo del razonamiento que quieres antes de hacer tu pregunta.
Esto se llama CoT “few-shot” — proporcionas uno o más ejemplos resueltos, luego haces tu pregunta real.
Según LearnPrompting, esta técnica es especialmente útil para problemas complejos donde “piénsalo paso a paso” no es suficiente.
Ejemplo de prompt:
P: Roger tiene 5 pelotas de tenis. Compra 2 botes más de pelotas de tenis.
Cada bote tiene 3 pelotas de tenis. ¿Cuántas pelotas tiene ahora?
R: Vamos paso a paso.
- Roger empieza con 5 pelotas de tenis
- Compra 2 botes, cada uno con 3 pelotas
- Eso son 2 × 3 = 6 pelotas nuevas
- Total: 5 + 6 = 11 pelotas de tenis
P: La cafetería tenía 23 manzanas. Usaron 20 para hacer el almuerzo y compraron
6 más. ¿Cuántas manzanas tienen?
R:
La IA ahora seguirá el mismo formato paso a paso para la nueva pregunta.
Few-shot CoT requiere más esfuerzo para configurar, pero es más confiable — especialmente para problemas complejos donde “piénsalo paso a paso” no activa el approach correcto.
Cuándo Chain of Thought Funciona Mejor
Según IBM, CoT no es varita mágica para todo. Aquí es donde realmente brilla:
Matemáticas y Lógica
Cualquier cosa con múltiples pasos. Problemas de palabras, cálculos, deducciones lógicas.
Prueba: “Calcula el interés compuesto sobre $10,000 al 5% durante 3 años. Piensa cada año paso a paso.”
Debugging de Código
Entender qué hace mal el código requiere rastrear la ejecución.
Prueba: “Aquí está mi código [pega código]. Está dando el output incorrecto. Recorre qué sucede paso a paso cuando llamo esta función.”
Análisis y Toma de Decisiones
Las decisiones complejas tienen múltiples factores. CoT ayuda a sopesarlos sistemáticamente.
Prueba: “Estoy decidiendo entre estas tres ofertas de trabajo [detalles]. Piensa los pros y contras de cada una paso a paso antes de recomendar una.”
Comprensión de Lectura
Documentos largos con información implícita necesitan razonamiento cuidadoso.
Prueba: “Basado en este contrato [pega texto], determina quién es responsable si la entrega se retrasa. Trabaja las cláusulas relevantes paso a paso.”
Cuándo NO Usar CoT
Según Empresa Actual, no todo se beneficia del pensamiento paso a paso:
- Preguntas simples de hechos: “¿Cuál es la capital de Francia?” no necesita razonamiento.
- Escritura creativa: Las historias se benefician más de ejemplos y dirección de tono que de pasos lógicos.
- Tareas rápidas: Si solo necesitas una lista o un rewrite simple, CoT agrega longitud innecesaria.
- Modelos chicos: CoT funciona mejor con modelos capaces. Modelos más pequeños pueden producir cadenas de razonamiento incoherentes.
Usa CoT para problemas que involucren razonamiento. Sáltalo para todo lo demás.
Cinco Prompts CoT Listos Para Copiar
1. Problema de Matemáticas
[Tu problema aquí]
Resuelve esto paso a paso. Muestra tu trabajo para cada cálculo
antes de dar la respuesta final.
2. Ayuda de Debugging
Aquí está mi código:
[pega código]
Aquí está el error:
[pega error]
Recorre qué hace el código paso a paso, identifica dónde
falla, luego explica la solución.
3. Análisis de Decisión
Necesito decidir entre: [opción A] y [opción B]
Contexto: [tu situación]
Analiza esto paso a paso:
1. Lista los pros y contras de cada opción
2. Considera mi situación específica
3. Identifica los trade-offs clave
4. Dame una recomendación con el razonamiento
4. Análisis de Documento
Basado en este documento:
[pega documento]
Responde esta pregunta: [tu pregunta]
Trabaja las secciones relevantes paso a paso antes
de dar tu respuesta final. Cita pasajes específicos que
apoyen tu conclusión.
5. Explicación Compleja
Explica [tema complejo] a alguien que entiende [su background].
Desglosalo paso a paso:
1. Empieza con lo que ya saben
2. Construye hasta el concepto nuevo
3. Usa analogías donde ayude
4. Termina con cómo se conecta todo
Nivel Avanzado: Self-Consistency
Para problemas de alto riesgo, existe una técnica más sofisticada: auto-consistencia.
En lugar de generar una sola cadena de razonamiento, le pides a la IA que resuelva el problema varias veces (con algo de variación) y luego tomas la respuesta más común.
Es como preguntarle a cinco expertos que trabajen independientemente en un problema. Si cuatro de ellos llegan a la misma conclusión, probablemente sea correcta.
Esto es más difícil de hacer manualmente pero vale la pena conocerlo para decisiones críticas.
Variaciones en Español
Según Platzi, puedes usar varias frases en español para activar CoT:
- “Piénsalo paso a paso”
- “Razona tu respuesta antes de contestar”
- “Primero analiza el problema, luego da la solución”
- “Vamos paso a paso”
- “Desglosalo antes de responder”
Todas funcionan. Escoge la que te suene más natural.
El Punto
Chain of Thought Prompting es de esas técnicas raras que es simple y poderosa a la vez.
Para tareas de razonamiento — matemáticas, lógica, debugging, análisis — frecuentemente hace la diferencia entre respuestas incorrectas y correctas. Y todo lo que cuesta son unas pocas palabras extra en tu prompt.
La próxima vez que la IA te dé una respuesta que no tiene sentido, prueba estas palabras mágicas:
“Piénsalo paso a paso.”
Te vas a sorprender de lo que pasa.
¿Quieres más técnicas de prompting? Checa nuestra guía de zero-shot prompting o explora todos los skills de productividad.