Como potenciar el uso de IA
En nuestro “Tutorial para usar IA desde cero” hemos ofrecido una serie de consejos y recomendaciones para comenzar a experimentar con la IA.
Una vez que ya tenemos cierta práctica en el uso básico podemos aumentar la potencia de los modelos de varias maneras. A continuación vamos a explicar algunas opciones que tenemos a disposición en la mayoría de los chats de IA.
Razonamiento / Pensamiento
La forma más sencilla de aumentar la potencia de los modelos y mejorar las respuestas es activando el pensamiento o razonamiento. Esto es posible en los modelos que hemos recomendado utilizar.
Al activar el razonamiento le estamos pidiendo al modelo que piense antes de responder. Es decir, le estamos indicando que antes de procesar la consulta para generar una respuesta inmediata se tome un momento para hacer una evaluación y planificar la mejor estrategia para generar una respuesta más elaborada y compleja.
Activar el razonamiento tiene dos efectos importantes. Por un lado, mejora la calidad de la respuesta. El modelo analiza en profundidad la consulta y decide: si debe complementar la información disponible con una búsqueda web; si debe evaluar en profundidad algún aspecto para desarrollarlo mejor; si necesita realizar alguna consulta específica mediante la generación y ejecución de código, etc. Es decir, activar el razonamiento habilita un momento adicional en donde el modelo “piensa en voz alta” para mejorar la respuesta. Esta deliberación interna consume más tiempo y recursos computacionales, pero produce respuestas más precisas y reflexivas.
Por otro lado, el modelo en muchos casos muestra los pasos del razonamiento que está realizando (la denominada cadena de razonamiento / Chain-of-Thought), lo que nos permite observar, aunque sea de manera aproximada, como es que llega al resultado. Esta característica es valorada por aquellos que tratan de abrir la “caja negra” y entender cómo es que los grandes modelos de lenguaje generan una respuesta. Y a nosotros nos puede servir para evaluar si el modelo ha cometido algún error en el proceso de elaboración de la respuesta.
En resumen, las principales ventajas de usar el razonamiento son:
- Mayor precisión y calidad de las respuestas.
- Transparencia y capacidad de auditoría.
- Reducción de errores y alucinaciones.
Una breve nota sobre el significado de “razonamiento” en el contexto de los grandes modelos de lenguaje. A primera vista, cuando un modelo usa “pensamiento” o “razonamiento”, parece que está realizando procedimientos mentales y produce resultados parecidos a los humanos… pero en realidad son cosas distintas.
Como ya hemos definido en el Glosario los grandes modelos de lenguaje son sistemas de inteligencia artificial entrenados con cantidades masivas de texto para aprender patrones del lenguaje humano. Estos modelos poseen miles de millones de parámetros que les permiten comprender, generar y manipular texto de manera fluida. Su funcionamiento se basa en predecir la palabra siguiente en una secuencia; es decir, funcionan como predictores estadísticos de secuencias: generan cada palabra estimando cuál es la más probable a continuación, según los patrones aprendidos en grandes volúmenes de texto.
La cuestión es tratar de entender cómo los modelos pueden generar una elaborada cadena de razonamiento a partir de un procedimiento tan básico como predecir la siguiente palabra. Se debe tener en cuenta que los modelos han sido entrenados con millones de ejemplos donde las personas razonan y aplican lógica paso a paso, por lo que aprenden a imitar la estructura del pensamiento. Cuando se activa el modo de razonamiento los modelos aplican esos patrones aprendidos para determinar iterativamente la siguiente palabra y así van construyendo una cadena de razonamiento, aunque sin comprender como un humano pues no se trata de un proceso consciente.
Entonces, los modelos no “piensan” en el mismo sentido que un humano, pero ejecutan procedimientos y algoritmos que producen algo funcionalmente muy parecido a pensar. El razonamiento en los modelos debe entenderse, por tanto, como un fenómeno emergente: una simulación estadística de secuencias lógicas basada en los patrones aprendidos durante el entrenamiento.
Esta aclaración sobre el “razonamiento” de los modelos no disminuye su utilidad práctica. En realidad, uno de los mayores logros de los modelos con técnicas de razonamiento es que el proceso y el resultado final son sorprendentemente similares a cómo un humano resolvería un problema.
Activar el razonamiento
Veamos ahora cómo se activa el uso de razonamiento en los diferentes modelos que hemos recomendado en el Capítulo 1 nuestro “Tutorial…”.
1. ChatGPT
En ChatGPT se deben desplegar las opciones haciendo clic en el signo [+] y luego seleccionar “Pensando”.
ChatGPT nos va a mostrar que ha activado el razonamiento.
Durante la consulta vamos a ver debajo del prompt un seguimiento del proceso de razonamiento, antes de que se genere la respuesta. El tiempo de razonamiento esta vinculado a la complejidad de la consulta, no es algo fijo.
Luego de recibir la respuesta podemos hacer clic sobre el texto “Pensó…” y vamos a ver que se despliega un panel en la parte derecha de la pantalla con el detalle del razonamiento realizado. Nótese que el proceso de razonamiento funciona como un tipo de introspección, donde el modelo se indica a si mismo cual debería ser el mejor camino para llegar a una respuesta fundamentada.
Nótese asimismo que el modelo decide no hacer una búsqueda web en este caso, porque concluye que para esta pregunta no necesita información actualizada, al ser una cuestión histórica estable donde la información actualizada no sería importante. Sobre la importancia de la búsqueda web para estos modelos estamos preparando un breve artículo porque merece un desarrollo aparte.
2. Gemini
En Gemini actualmente no existe una opción específica para razonamiento, sino que la opción se vincula al modelo que seleccionamos para obtener la respuesta. Entonces para activar el razonamiento debemos desplegar el selector de modelos y allí seleccionar el modelo 3 Pro, o la opción “Razonamiento con 3 Pro”. El modelo “Rápido” responde inmediatamente sin pensar previamente.
Como en otros casos durante la consulta vamos a ver debajo del prompt un seguimiento del proceso de razonamiento, antes de que se genere la respuesta. Y luego de recibir la respuesta podemos hacer clic sobre el texto “Ver razonamiento” para observar el detalle.
Nótese que la cadena de razonamiento se encuentra en inglés, como si ese fuera el idioma “nativo” que usa el modelo para razonar. En otros modelos pasa lo mismo (DeepSeek, por ejemplo).
3. Claude
En Claude la opción “Pensamiento extendido” se activa deplegando el menú de herramientas. Claude también permite en ese menú activar o desactivar la “Búsqueda web”, aunque actualmente ya se encuentra activa por defecto. Si la llegamos a encontrar desactivada conviene activarla también para potenciar la respuesta.
Nótese que en Claude existen límites precisos para el uso de razonamiento. Esto tiene que ver conque los recursos que se consumen en una respuesta razonada son mucho mayores que en aquellos casos en los que se solicita una respuesta directa.
Como en otros casos durante la consulta vamos a ver debajo del prompt un seguimiento del proceso de razonamiento, antes de que se genere la respuesta. Y luego de recibir la respuesta podemos hacer clic sobre el texto “Proceso de pensamiento” para observar el detalle.
Nótese que en Claude la información sobre el razonamiento realizado es muy básica y escueta, al menos en las pruebas que realizamos.
4. Grok
Como en Gemini, Grok no muestra una opción específica para activar razonamiento, sino que la capacidad se encuentra asociada al modelo que seleccionamos para generar la respuesta. Entonces para activar el razonamiento debemos desplegar el selector de modelos y allí seleccionar el modelo “Expert – Thinks hard”. El modelo “Fast”, por el contrario, responde rápidamente sin pensar. Grok ofrece como alternativa la opción “Auto”: en este caso un analizador de consulta decide previamente si se requiere un razonamiento profundo o si se puede responder directamente, y selecciona automáticamente el modelo a utilizar.
Grok también nos muestra mientras elabora una respuesta una serie de indicadores sobre el proceso de pensamiento, pero a diferencia del resto de los modelos no ofrece luego el detalle de la cadena de razonamientos.
Lo que si muestra al final, también a diferencia del resto de los modelos en el marco del uso de razonamiento, es un listado de las fuentes que utilizó para elaborar la respuesta, algo interesante para hacer un chequeo mas detallado de sus fundamentos. Esta opción también existe en otros modelos, pero en otras instancias de uso, mas que nada vinculadas con “investigación profunda”, que sería el próximo paso a evaluar para potenciar el uso de los modelos de IA. Publicaremos un articulo al respecto en breve.
5. Qwen
Qwen ofrece directamente la opción para activar razonamiento, y adicionalmente nos permite asignar un “presupuesto” para haces mas o menos potente ese razonamiento, algo que no encontramos en los modelos anteriores. Como es difícil comprender en este contexto cuanto impacta la cantidad de tokens en el proceso de razonamiento recomendamos dejar la opción por defecto, que es el máximo de tokens.
También nos da la opción de activar la búsqueda web, algo que recomendamos hacer porque a diferencia de Claude no se encuentra activada por defecto, y puede mejorar el resultado ante consultas complejas.
Como en otros casos, para observar la cadena de razonamiento debemos hacer clic en “Pensamiento…” y se despliega un listado detallado.
Conclusión
El uso de razonamiento es el primer paso para que los modelos generen respuestas mas elaboradas, está disponible en todos los chats y resulta una capacidad muy fácil de activar. Por eso, recomendamos la experimentación con esta características como un primer paso en el camino de aprender a usar los modelos en profundidad.