La nueva guía de prompting de OpenAI: enfóquese en los resultados, no en guiones paso a paso
OpenAI ha lanzado un nuevo marco de trabajo para el prompting que desafía la obsesión tradicional por la "cadena de pensamiento" (chain-of-thought), instando a los usuarios a priorizar los resultados por encima de las instrucciones rígidas. Este cambio señala una transición hacia interacciones más intuitivas y centradas en el razonamiento, donde se le otorga autonomía al modelo en lugar de un guion estricto.
Los cuatro pilares de un prompting eficaz
En lugar de proporcionar un manual complejo de parámetros de API o esquemas elaborados, OpenAI está simplificando la arquitectura de prompting en cuatro componentes opcionales: Objetivo, Contexto, Formato de salida y Límites. Crucialmente, ninguno de ellos es obligatorio. Para consultas sencillas, un prompt corto suele ofrecer mejores resultados que un conjunto de instrucciones excesivamente diseñado.
La filosofía central de esta guía es "empezar poco a poco". OpenAI sugiere que los usuarios deben comenzar con el resultado deseado en lugar de una secuencia de pasos granulares. Al describir el objetivo final en lugar del proceso, se permite que modelos como GPT-4o busquen, comparen información y ajusten su enfoque de forma autónoma. Las descripciones detalladas del proceso solo deben utilizarse cuando la metodología específica sea tan importante como el resultado final.
Restricciones por encima de la programación de guiones
Una conclusión importante para desarrolladores y usuarios avanzados es que las restricciones son más efectivas que los guiones paso a paso. En lugar de intentar microgestionar cada movimiento que realiza la IA, OpenAI recomienda implementar una o dos "reglas estrictas" para evitar comportamientos no deseados. Algunos ejemplos incluyen directrices como "Mantenga sin cambios las cifras del presupuesto aprobado" o "Prepare esto como un borrador; no lo envíe".
Este enfoque de "menos es más" se extiende a la gestión del contexto. La guía aconseja adjuntar únicamente archivos —como PDFs, hojas de cálculo o imágenes— que realmente influyan en la respuesta. Para trabajos profesionales de alto nivel, OpenAI sugiere un bucle de "autoverificación", en el que se le pide explícitamente al modelo que revise su propia respuesta en busca de errores específicos, como asegurarse de que cada tarea pendiente tenga un responsable y una fecha límite designados.
Diferenciando el Chat del "Work" y mejorando Codex
OpenAI también está formalizando la distinción entre "Chat" y "Work". Mientras que el Chat está destinado a consultas rápidas y reformulaciones, "Work" se refiere a tareas de gran carga que extraen información de múltiples fuentes (como Gmail, Slack o GitHub) para producir entregables de gran tamaño. Aunque las tareas de Work consumen más créditos, están diseñadas para automatizar flujos de trabajo complejos y recurrentes.
Para los desarrolladores que utilizan Codex, la guía introduce capacidades sofisticadas de dirección (steering) y sandboxing. Los usuarios ahora pueden utilizar el comando "Steer" para redirigir una ejecución actual o "Queue" para poner en cola la siguiente instrucción. Para gestionar proyectos de programación complejos, OpenAI ha introducido comandos de barra (slash commands) específicos:
- /plan: Analiza el código y propone un enfoque antes de la ejecución.
- /goal: Establece un objetivo de alto nivel que el modelo rastrea a través de múltiples pasos.
- /review: Permite realizar auditorías de seguridad y lógica, ya sea de forma local o integradas con GitHub.
Conclusiones clave
- Priorizar los resultados: Comience con el resultado deseado; solo defina el proceso si los pasos específicos son esenciales para la tarea.
- Usar restricciones, no guiones: Utilice límites estrictos para prevenir errores en lugar de intentar programar cada movimiento individual del modelo.
- Aprovechar los comandos especializados: Utilice los comandos de barra de Codex como
/plany/goalpara gestionar flujos de trabajo técnicos complejos y de múltiples pasos.