Prompt Engineering (Ingeniería Rápida)

En palabras inmortales de Yogi Berra: “Cometimos demasiados errores”. Y cuando se trata de ingeniería rápida, que es, según McKinsey & Company, “la práctica de diseñar insumos para herramientas de inteligencia artificial que producirán resultados óptimos”, vemos a muchas personas fallar rápidamente, pero sin la agilidad óptima que conduce a la mejora.

por Jocelyn Sexton – Growth Acceleration Partners

Hemos realizado MUCHOS experimentos estratégicos aquí en Growth Acceleration Partners y, durante las próximas semanas, publicaremos muchos de nuestros aprendizajes con la esperanza de compartir nuestros errores y victorias para que usted y otros puedan impulsar su IA. esfuerzos. A continuación le mostramos cómo evitar algunos de los obstáculos que hemos encontrado.

En esta publicación, hablaremos sobre lo que hemos aprendido sobre la ingeniería rápida.

Antecedentes de los LLM, la inteligencia artificial y la ingeniería rápida

La IA generativa tiene un inmenso potencial, pero sus capacidades brutas requieren dirección para producir resultados de alta calidad. La ingeniería rápida actúa como esa fuerza guía. Para el arte y la ciencia de elaborar instrucciones precisas para modelos generativos de IA, se necesitan datos estructurados (el formato, la redacción y las palabras específicas utilizadas) y un refinamiento iterativo para obtener las respuestas deseadas.

Los modelos de lenguaje grande (LLM), el motor detrás de la IA generativa, son increíblemente versátiles y capaces de realizar tareas como resúmenes, completar texto y traducir. Su flexibilidad proviene de vastos conjuntos de datos de entrenamiento que informan sus predicciones. Sin embargo, los LLM pueden ser demasiado abiertos. Por lo tanto, la ingeniería rápida inyecta contexto y dirección, lo que conduce a resultados precisos y relevantes.

Piense en los LLM como amigos increíblemente inteligentes pero a veces un poco despistados. (Un líder de GAP a menudo los compara con adolescentes porque a veces hemos notado cierto mal humor). Los LLM tienen muchísimo conocimiento y potencial, pero necesitan su guía para brillar. Ahí es donde entra en juego la ingeniería rápida. Se trata de darle a tu amigo IA las instrucciones y pistas correctas para que pueda darte las mejores respuestas posibles.

Este proceso implica construir meticulosamente instrucciones que guíen el LLM, desbloqueando su capacidad para generar resultados personalizados alineados con sus objetivos específicos. Ya sea que busque un análisis de datos detallado, una generación de contenido creativo o una resolución eficiente de problemas, dominar la ingeniería rápida le permite aprovechar los LLM como una poderosa extensión de su propio conjunto de herramientas cognitivas.

Parte 1. Por qué debería defender la ingeniería rápida

¿Alguna vez has sentido que tu cerebro es un balde lento y que gotea cuando se trata de tomar decisiones? ¿O tal vez te has topado con un muro creativo o estás atrapado en una rutina de innovación, generando las mismas viejas ideas como un hámster en una rueda? Bueno, la ingeniería rápida puede convencer a los LLM para que se conviertan en su propio Da Vinci en la toma de decisiones personales o en su Einstein generador de innovación.

La ingeniería rápida no se trata sólo de utilizar IA; se trata de desbloquear su potencial. Al elaborar instrucciones claras, puede obtener resultados más precisos, creativos y eficientes de los LLM, lo que los convierte en una herramienta más accesible y poderosa. Esto es lo que puede esperar (cuando se hace correctamente):

• Toma de decisiones mejorada: los LLM analizan rápidamente datos complejos para revelar patrones, tendencias e información procesable.
• Innovación acelerada: la ingeniería rápida desbloquea la creación rápida de prototipos y la generación de ideas creativas para impulsar los ciclos de innovación.
• Automatización de procesos mejorada : los LLM pueden agilizar las tareas rutinarias, optimizar los flujos de trabajo y generar documentos, liberando valiosos recursos humanos.
• Nuevos modelos de negocio: con las indicaciones adecuadas, los LLM pueden sugerir oportunidades sin explotar, productos novedosos y atención al cliente mejorada.

Parte 2. Primeros pasos: pasos prácticos para avanzar

Para aprovechar al máximo la ingeniería rápida dentro de su empresa, comience capacitando a todos en los conceptos básicos. Invertir en programas de formación para dotar a todos los empleados de los principios básicos. Una vez que comience, sea específico y cree indicaciones que definan claramente su tarea, el formato de salida deseado y el contexto relevante. Trabajar juntos al comenzar garantiza que las indicaciones sean técnicamente sólidas y aborden directamente las necesidades comerciales del mundo real.

Además, está bien repetir y perfeccionar las indicaciones en función de los resultados iniciales del LLM. Incluir ejemplos y centrarse en lo que desea que logre el LLM mejorará su comprensión. Recuerde, los LLM tienen limitaciones, así que adapte sus indicaciones a sus puntos fuertes y ¡no espere milagros! Aquí hay algunos otros consejos clave:

• El desarrollo de habilidades es clave: invertir en capacitación inmediata en ingeniería para personal de TI y usuarios comerciales seleccionados. Aproveche el talento existente centrado en análisis, definición de problemas y experimentación.
• Fomente la colaboración: promueva equipos multifuncionales, reuniendo a científicos de datos, ingenieros, expertos en dominios y especialistas de TI rápidos para garantizar la alineación con las necesidades comerciales.
• Cree una biblioteca de indicaciones con capacidad de búsqueda: organice y mantenga un depósito de indicaciones efectivas para lograr eficiencia, compartir conocimientos y refinamiento continuo.
• Mantener la gobernanza de datos: garantizar una infraestructura de datos sólida y controles de acceso adecuados para que los LLM mantengan la calidad y la seguridad de los datos.
• Garantizar una IA responsable y ética: desarrollar directrices para el uso responsable del LLM, haciendo hincapié en la mitigación de sesgos, la transparencia y la evitación de resultados dañinos o engañosos.

Parte 3. Cosas que se deben evitar en la ingeniería rápida

Una vez que empiezas, es fácil sentirte emocionado… luego molesto… luego asombrado… y luego tal vez sumamente frustrado. Eso es normal. La ingeniería rápida se parece más a un arte o una ciencia especializada que a pura magia. Requiere conocimiento, práctica y un poco de creatividad.

Aquí hay un desglose de los aspectos clave que se deben evitar en la ingeniería rápida, junto con explicaciones y alternativas:

Ambigüedad y vaguedad

• Problema: las indicaciones poco claras o demasiado generales confunden al LLM y conducen a resultados impredecibles.
• Ejemplo: “Escribe un marketing”
• Solución: Sea específico. Ejemplo: “Escriba una estrategia de marketing en redes sociales para aumentar el conocimiento de la marca de una nueva línea de productos ecológicos para el cuidado de la piel dirigidos a mujeres de entre 25 y 35 años”.

Sobrecarga excesiva de información

• Problema: demasiados detalles pueden abrumar al LLM y dificultar la concentración en la clave
• Ejemplo: proporcionar una descripción de la empresa de 5 páginas al solicitar un
• Solución: condensar y extraer la información más esencial para la tarea específica en cuestión.

Preguntas sesgadas o capciosas

• Problema: sus suposiciones o sesgos pueden influir en el resultado del LLM, lo que lleva a respuestas poco confiables o defectuosas.
• Ejemplo: “¿Por qué los hombres son mejores ingenieros que las mujeres?”
• Solución: El enfoque indica con Reformule el ejemplo como: “Analice los factores que contribuyen a la brecha de género en los campos de la ingeniería”.

Esperar capacidades “mágicas” o poco realistas

• Problema: los LLM son poderosos pero no lo saben todo. Esperar que realicen tareas más allá de su alcance conduce a
• Ejemplo: “Predecir los precios exactos del mercado de valores para el próximo”
• Solución: comprender el LLM Los LLM pueden analizar tendencias y patrones, pero no tienen una capacidad de predicción perfecta, especialmente para sistemas caóticos como el mercado de valores.

Ignorar las fortalezas del LLM

• Problema: centrarse en tareas para las que los LLM no están optimizados pierde su verdadero significado
• Ejemplo: pedirle a un LLM que controle su teléfono inteligente
• Solución: aproveche las fortalezas del LLM en procesamiento del lenguaje, resumen, creatividad y recuperación de conocimientos.

Parte 4. Redacción de indicaciones efectivas

La escritura puede ser una herramienta poderosa, pero es importante utilizarla de manera eficaz. Evite estructuras de oraciones demasiado complejas. Pueden ser difíciles de leer y comprender. En su lugar, utilice un lenguaje claro y conciso que transmita su punto de vista directamente. Y tenga en cuenta el contexto y la continuidad. Si su escritura es parte de una conversación más amplia, tenga en cuenta las interacciones anteriores. Esto ayudará a garantizar que su escritura sea clara y precisa.

Además, este es su recordatorio para probar e iterar. No tenga miedo de experimentar y perfeccionar sus indicaciones según los resultados. Si no te gusta lo que ChatGPT ofrece, prueba Gemini o cualquiera de las otras herramientas de IA generativa a tu disposición.

Ahora, allá vamos: ¡estamos llegando a lo bueno!

Defina su objetivo y luego trabaje hacia atrás

• Comience con el fin en mente: ¿Qué resultado específico desea? ¿Un resumen de texto? ¿Una lista de ideas? ¿Una recomendación de decisión?
• Ejemplo: no diga simplemente “resuma esto”, sino: “Resuma este artículo en un discurso de presentación de tres oraciones para un inversor”.

Proporcionar contexto

• Ofrezca una visión general: ¿Cuál es el tema más amplio o el problema empresarial con el que se relaciona esta pregunta?
• Ejemplo: “Nuestras puntuaciones de satisfacción del cliente han disminuido ligeramente. Analice las respuestas de estas encuestas e identifique las 3 principales razones recurrentes de insatisfacción”.

Incluir restricciones y formato

• Guíe el resultado: ¿Necesita viñetas, una lista numerada, un párrafo persuasivo o un código en un idioma específico?
• Ejemplo: “Escriba un correo electrónico de marketing anunciando nuestro nuevo producto. Manténgalo en menos de 200 palabras e incluya un fuerte llamado a la acción”.

Utilice “palabras poderosas”

• Verbos que incitan a la acción: Analizar, generar, comparar, evaluar, traducir, crear, diseñar.
• Ejemplo: No pida simplemente “escribir” sino: “Redacte un tweet humorístico para promocionar nuestro nuevo [producto]”.

Ejemplos de apalancamiento

• Muestre, no se limite a contar: proporcione 1 o 2 ejemplos del tipo de resultado que está buscando para ayudar al LLM a comprender el estilo que desea y
• Ejemplo: “Escriba una reseña de producto para esta licuadora. Similar a este ejemplo: [proporcione una reseña de muestra]”.

Piensa como un maestro

• Organice la tarea: si es compleja, divida el mensaje en partes más pequeñas.
• Ofrezca refuerzo positivo: reformule y vuelva a intentar una sugerencia si el primer resultado no fue ideal. Reconocer respuestas parcialmente correctas para guiar al LLM hacia

Parte 5. Aprovechar el poder: ejemplos de indicaciones efectivas

Los ejemplos son útiles, ¿verdad? Avancemos. A continuación se presentan algunas sugerencias de escenarios empresariales ideales en lo que respecta a tácticas o resultados.

• Estratégico: “Analizar nuestra posición en el mercado frente a nuestros 3 principales. Identificar fortalezas y debilidades clave y áreas potenciales de disrupción”.
• Información del cliente: “Resuma los temas clave de los tickets de atención al cliente en la última edición. Identifique áreas donde las mejoras del producto pueden abordar los puntos débiles comunes”.
• Ideación: “Generar 5 nuevas aplicaciones comerciales potenciales para nuestra tecnología aprovechando el análisis predictivo y los datos de nuestros clientes existentes”.
• Optimización de procesos: “Describa los pasos de nuestro proceso de incorporación. Sugerir posibles mejoras de automatización y eficiencia que reduzcan el tiempo de incorporación en un 25 %”.

¿Necesitar más? Supongamos que desea mejorar el proceso de incorporación de su empresa. Aquí hay algunos enfoques rápidos diferentes:

• Exploración abierta: “Piense en formas de hacer que nuestro proceso de incorporación de empleados sea más atractivo e informativo”.
• Enfoque específico: “Analizar nuestro onboarding actual. Sugerir áreas donde podamos incorporar más elementos interactivos”.
• Benchmarking: “Describe las mejores prácticas en la incorporación de empleados de las principales empresas de nuestro”
• Impulsado por los puntos débiles: “Identificar las preguntas y frustraciones más comunes que expresan los nuevos empleados durante Sugerir soluciones para abordarlas”.

A continuación se ofrece un desglose de sugerencias rápidas adaptadas a diversas funciones comerciales:

Ventas

• Calificación del cliente potencial: “Evalúe este cliente potencial según [criterios]. Genere una puntuación (1-10) que indique su probabilidad de convertirse en “
• Análisis competitivo: “Crear un cuadro comparativo entre nuestro producto y [competidor]. Resalte las diferencias clave, las ventajas y las áreas potenciales en las que nos quedamos cortos”.
• Mensajes de ventas personalizados: “Redacte un correo electrónico de divulgación atractivo para [tipo de cliente potencial] abordando [punto débil]. Incluya un llamado a la acción”.
• Manejo de objeciones: “El cliente potencial dice [objeción común]. Elaborar una respuesta persuasiva que supere esta objeción y enfatice el valor de nuestra solución”.

Marketing

• Ideación de campaña: “Haga una lluvia de ideas sobre cinco conceptos creativos de campañas de marketing para dirigirse a [segmento de clientes] y promover [producto/servicio]”.
• Texto del anuncio: “Escriba varios titulares que llamen la atención y descripciones breves de [producto/servicio] para utilizarlos en anuncios de redes sociales”.
• Investigación de mercado: “Resumir las últimas tendencias en [industria], centrándose en las preferencias de los clientes emergentes y los competidores”.
• Pruebas A/B: “Diseñe una prueba A/B para [página de inicio del sitio web/línea de asunto del correo electrónico]. Describe las variaciones que se deben probar y la métrica clave que se debe medir”

Servicio al Cliente

• Guía de solución de problemas: “Cree una guía de solución de problemas paso a paso para [problema común del cliente]. Incluir posibles soluciones y escalamiento”
• Respuestas empáticas: “El cliente expresa frustración con [el problema]. Escriba un borrador de respuesta que reconozca sus sentimientos, demuestre su voluntad de ayudar y ofrezca “
• Mejora de la base de conocimientos: “Analice el soporte reciente. Identifique lagunas de conocimientos y sugiera nuevos artículos o preguntas frecuentes para agregar a nuestra base de conocimientos de autoservicio”.

Recursos humanos

• Refinamiento de la descripción del puesto: “Mejore la descripción del puesto para que [rol] sea más inclusivo y atractivo. Sugerir cambios en el idioma y las calificaciones requeridas”.
• Selección de candidatos: “Diseñe un conjunto de preguntas de entrevista abiertas para evaluar [habilidad clave] en”
• Evaluaciones de desempeño: “Proporcione 3 ejemplos de comentarios constructivos para un empleado que sobresale en [área] pero necesita mejorar en [área]”.
• Diversidad e inclusión: “Identificar posibles sesgos en nuestro proceso de contratación y sugerir formas de promover una mayor diversidad y”

Finanzas

• Análisis Financiero “Analizar los estados financieros del último trimestre. Resalte las tendencias clave, los riesgos potenciales y las áreas de costos “
• Presupuesto: “Redactar una propuesta de presupuesto para [proyecto/iniciativa]. Incluya costos estimados, proyecciones de ingresos y una justificación del recurso “
• Evaluación de Inversiones: “Evaluar la viabilidad de invertir en [oportunidad]. Proporcionar un breve análisis del potencial retorno de la inversión, los riesgos y la alineación con las finanzas generales.

TI/Operaciones

• Documentación técnica: “Escriba documentación técnica clara y concisa que explique el [sistema/proceso]. Incluir diagramas si”
• Generación de código: “Escriba código en [idioma] para realizar [tarea]”.
• Mapeo de procesos: “Cree un mapa de procesos visual que describa los pasos involucrados en [el flujo de trabajo]”.
• Respuesta a incidentes: “Desarrolle un plan inicial de respuesta a incidentes para una [posible violación/interrupción de seguridad]”.

Programadores

• Adopte la revolución de la IA generativa: los LLM no están aquí para reemplazarlo, pero cambiarán la forma en que los usa para:
  • Fragmentos de código y explicaciones: “Escriba una función de Python para ordenar una lista de forma descendente. Incluya comentarios que expliquen la lógica”.
  • Refactorización y optimización: “Sugerir formas de hacer que este código sea más eficiente y legible”.
  • Depuración: “Ayúdame a identificar el error que está causando [describe el comportamiento inesperado]”.
• Céntrese en el “por qué”, no solo en el “cómo”: los LLM a menudo pueden generar el “cómo” del código básico. Su valor está en comprender el problema más amplio, diseñar soluciones efectivas e integrar código con soluciones complejas.
• La comunicación es clave: incluso con herramientas de IA, la capacidad de articular un problema y su solución a las partes interesadas permanece
• Conviértase en un ingeniero de indicaciones cualificado: aprenda a crear indicaciones que desbloqueen el verdadero poder de los LLM para su codificación

Analistas

• LLM como asistentes de gestión de datos: aproveche los LLM para:
  • Limpiar y preparar datos: “Formatee esta hoja de cálculo de manera consistente y corrija cualquier error obvio”.
  • Resumir y extraer información: “Extraiga los 5 principales puntos débiles de los clientes de esta encuesta”
  • Identificar patrones o anomalías: “Analizar datos de ventas de los últimos 3 años. Resalte cualquier pico o caída inusual y potencial “
• No descuide los fundamentos de datos: los LLM producen sus mejores análisis cuando se basan en una base sólida de datos bien estructurados y su comprensión de las estadísticas.
• Visualice sus hallazgos: utilice LLM para generar explicaciones de texto simples y luego tradúzcalas en cuadros, gráficos y
• Pregunta críticamente: no tome los resultados de los LLM como siempre. Aplique siempre su experiencia para validar los hallazgos e identificar posibles sesgos.

Consejos generales para profesionales de la tecnología

• El aprendizaje continuo no es negociable: el panorama tecnológico cambia a gran velocidad. Comprométase a mejorar sus habilidades a través de cursos, recursos en línea y experimentación práctica.
• Conviértase en forma de T: desarrolle una amplia experiencia en su área principal, pero cultive una amplia gama de conocimientos en tecnologías y negocios relacionados.
• Las habilidades interpersonales importan más que nunca: la resolución de problemas, la comunicación, la colaboración y la adaptabilidad son rasgos clave que los sistemas de IA no pueden lograr fácilmente
• Mantenga la curiosidad: juegue con lo nuevo. Explore lo que es posible incluso si no está directamente relacionado con el trabajo. La curiosidad impulsa la innovación.

Recuerde: las herramientas de IA están ahí para aumentar sus habilidades, no para reemplazarlas.

En conclusión…

La ingeniería rápida es un aspecto crítico para maximizar el valor de los modelos de IA generativa. Puede convertirse en su salsa secreta: es la diferencia entre desatar una máquina de sonetos de Shakespeare y… bueno, una máquina que arroja listas de compras en pentámetro yámbico.

Al elaborar cuidadosamente las indicaciones y refinarlas de forma iterativa, podemos producir resultados de alta calidad alineados con nuestros objetivos comerciales específicos. Y con un poco de conocimiento, puede transformar esta poderosa herramienta de un comodín a un activo estratégico. Aproveche todo el potencial de la IA generativa e intégrela estratégicamente en nuestras aplicaciones, mejorando en última instancia las experiencias de los usuarios e impulsando el valor empresarial.

Jocelyn Sexton, vicepresidenta de marketing de GAP, es una conectora maestra con un MBA y más de 20 años de experiencia en marketing y comunicación. Supervisa todos los aspectos del marketing corporativo, interno y de contratación de GAP, lo que la hace especialmente calificada para escribir sobre ingeniería rápida.

Fuente: https://www.growthaccelerationpartners.com/blog/gaps-guide-to-prompt-engineering-and-how-to-get-it-right