Cómo se puede utilizar la ingeniería rápida para obtener resultados específicos que puedan emplearse para marketing, producción de contenidos, publicidad y experiencia del cliente.
por Scott Clark
La esencia
- Se dominan los conceptos básicos. La ingeniería rápida perfecciona el texto para los modelos de IA, lo que ayuda a los especialistas en marketing en la creación de contenido.
- Uso de la IA. La ingeniería rápida y eficaz permite que los modelos de IA desempeñen diversas funciones y que los distintos modelos se adapten a tareas específicas.
- Guía de la IA. La priorización de palabras afecta la interpretación de la IA. Las indicaciones claras, objetivas y adecuadamente específicas producen mejores resultados.
La ingeniería de indicaciones es el proceso de ajustar con precisión el texto de indicación que un usuario envía a los modelos de IA generativa para que realicen tareas específicas. Al utilizar la ingeniería de indicaciones, los especialistas en marketing pueden aprovechar de manera más eficaz la IA generativa para mejorar las campañas de marketing y crear contenido atractivo.
Este artículo analizará los conceptos básicos de la ingeniería rápida y cómo se puede utilizar para obtener resultados específicos que se pueden utilizar para marketing, producción de contenido, publicidad y experiencia del cliente.
¿Cómo funciona la ingeniería rápida?
Un mensaje es el texto que el usuario introduce en un cuadro de texto en un sitio web o aplicación de IA generativa. Los mensajes se utilizan para indicar al modelo de lenguaje grande que devuelva una respuesta basada en el mensaje. Debido a que la IA generativa forma la respuesta en función de la forma más probable en que se completa una oración, los mensajes pueden ser simples, como “El océano es”. Un mensaje de este tipo devolvería un resultado que completara la oración.
Los modelos de IA generativa como ChatGPT , Bing y Bard pueden investigar temas extensos y brindarles a los usuarios un resumen de páginas web, documentos e incluso su propia investigación. Sin embargo, para aprovechar al máximo los modelos de lenguaje grandes, los usuarios deben diseñar el mensaje que usan para hacer solicitudes. Esto se conoce como ingeniería de mensajes .
Existen varios tipos diferentes de ingeniería de indicaciones, entre los que se incluyen la ingeniería de cadena de pensamiento (CoT), la de disparo cero, la de disparo único y la de pocos disparos.
- Zero-shot : un mensaje zero-shot es una consulta para un modelo de aprendizaje automático en el aprendizaje zero-shot, donde el modelo genera respuestas sin ningún ejemplo específico de la tarea, basándose únicamente en su conocimiento y comprensión previos.
- One-shot : una solicitud one-shot es una consulta para un modelo de aprendizaje automático en un aprendizaje one-shot, donde el modelo aprende tareas basándose en un solo ejemplo. La solicitud guía al modelo para generar respuestas adecuadas utilizando su comprensión del único ejemplo proporcionado.
- El aprendizaje de pocos ejemplos implica entrenar un modelo de aprendizaje automático para que se desempeñe bien en nuevas tareas utilizando solo una pequeña cantidad de ejemplos o datos de entrenamiento. En este contexto, un mensaje de pocos ejemplos es una pregunta o entrada que se le da al modelo y que lo ayuda a comprender la tarea y generar respuestas apropiadas en función de los ejemplos limitados que se le proporcionan.
- Cadena de pensamiento (CoT) : el concepto central de CoT es proporcionar un modelo de aprendizaje de pocas pruebas con ejemplos (ejemplos específicos que se utilizan para ilustrar un concepto, comportamiento o principio) que demuestran explícitamente el proceso de razonamiento. Al hacerlo, el modelo también revelará su razonamiento al responder a las indicaciones, lo que con frecuencia produce resultados más precisos.
Rachel Hernandez, directora de estrategia de marca en The HOTH , una firma de marketing digital de servicio completo, dijo a CMSWire que la incitación de CoT es una técnica que implica dividir una tarea compleja en tareas más breves y claras que suelen ser secuenciales. “Aunque eso suena como si se estuviera refiriendo a indicaciones y tareas, CoT se aplica generalmente al aspecto del procesamiento del lenguaje natural (PLN). Esto es lo que ayuda a la IA a producir un resultado que parece más conversacional con un flujo y una cadencia lógicos”, dijo Hernandez.
Hernández explicó que, en el contexto de la IA generativa, los “disparos” se refieren a cuántos ejemplos etiquetados están disponibles para que la IA haga referencia cuando se le pide que realice una tarea. “Zero-shot significa que le estás pidiendo a la IA que realice una tarea sin ejemplos con los que comparar. One-shot proporciona solo un ejemplo etiquetado y few-shot puede tener hasta 20 ejemplos”, dijo Hernández. “Es interesante porque, si bien tener más ejemplos ciertamente puede producir mejores resultados, también aporta variables adicionales que la IA no conocería con uno o cero disparos”.
El siguiente es un ejemplo del uso de CoT para devolver un resultado que explica cómo obtuvo la respuesta a la pregunta formulada.
Ejemplos de ingeniería rápida
Para la mayoría de las personas, la ingeniería de indicaciones consiste en elaborar indicaciones para obtener la respuesta más útil del modelo de IA generativa. Un usuario podría pedirle a la IA generativa que desempeñe el papel de “guía de plantas locales” y otro podría pedirle que “cree un plan de acción para aprender español”.
Por ejemplo, supongamos que se desea crear un mensaje que convierta a Bing en una guía de viajes. El mensaje siguiente, creado inicialmente por un ingeniero de software que utiliza el nombre de usuario koksalkapucuoglu , podría lograr este objetivo:
Quiero que juegues el papel de guía turístico. Te diré mi ubicación y me sugerirás lugares para visitar que estén cerca de mi ubicación. También podría indicarte el tipo de lugares que me gustaría visitar. También me sugerirás lugares similares que estén cerca de mi primera ubicación. Mi primera solicitud es “Estoy en Orlando, Florida y quiero visitar parques acuáticos”.
Al utilizar ese mensaje, Bing pudo generar la siguiente respuesta:
No todos los modelos de IA generativa son capaces de proporcionar una respuesta detallada para todas las indicaciones. Por ejemplo, ChatGPT no pudo desempeñar eficazmente el papel de agente de viajes y respondió a la indicación con:
Agradezco su interés en que yo actúe como guía de viajes. Sin embargo, en función de los resultados de búsqueda web proporcionados, no puedo ofrecer recomendaciones específicas de parques acuáticos cerca de Orlando, Florida.
Esto se debe en gran medida a que ChatGPT actualmente no tiene la capacidad de buscar en la web (a menos que sea un usuario Plus con acceso al complemento del navegador ). Debido a que Bard funciona como un modo de chat de motor de búsqueda, pudo generar una respuesta respetable:
La ingeniería de indicaciones se puede utilizar para convertir un modelo de IA generativa en casi cualquier función que elija un usuario. Los profesores podrían querer utilizar la IA para crear contenido para sus clases. En ese caso, la siguiente indicación, que fue creada inicialmente por @devisasari , sería algo así:
Quiero que desempeñes el papel de creador de contenido educativo. Crearás contenido atractivo, informativo y entretenido para libros de texto, cursos en línea y apuntes. Mi primera petición es: “Necesito que desarrolles un plan de clase sobre proteínas vegetales para estudiantes de secundaria”.
ChatGPT se destaca en este tipo de solicitudes y generó la siguiente respuesta detallada:
ChatGPT continuó su respuesta con lo siguiente:
- Definir las proteínas vegetales y diferenciarlas de las proteínas animales.
- Comprender la importancia de las proteínas vegetales en una dieta equilibrada.
- Identificar fuentes de proteínas vegetales.
- Explicar el papel de las proteínas en las funciones del cuerpo humano.
Materiales:
- Pizarra blanca o pizarra
- Marcadores o tizas
- Folleto con ejemplos de fuentes de proteínas vegetales
- Presentación digital interactiva sobre proteínas vegetales
- acceso a Internet
- Pequeñas muestras de alimentos para una actividad de degustación (opcional)
- Procedimiento de la lección:
- Introducción (5 minutos)
- Comience preguntando a los estudiantes qué saben sobre las proteínas y por qué son importantes para nuestro cuerpo.
- Introducir el concepto de proteínas vegetales como alternativa a las proteínas animales.
- Explique que las proteínas vegetales pueden ser una parte esencial de una dieta equilibrada.
- Presentación (15 minutos)
Utilice una presentación digital interactiva para enseñar los siguientes temas:
- a. ¿Qué son las proteínas? (componentes básicos de la vida, compuestos por aminoácidos)
- b. Proteínas vegetales vs. proteínas animales (diferencias en el perfil de aminoácidos, digestión e impacto ambiental)
- c. Importancia de las proteínas vegetales en una dieta equilibrada (beneficios para la salud, sostenibilidad, consideraciones éticas)
- d. Fuentes de proteínas vegetales (legumbres, frutos secos, semillas, cereales integrales, verduras)
- e. Función de las proteínas en el cuerpo humano (crecimiento, reparación, función inmunitaria, producción de energía)
- Actividad grupal: Prueba de sabor de proteína vegetal (15 minutos, opcional)
- Si es posible, proporcione pequeñas muestras de alimentos ricos en proteínas vegetales (por ejemplo, hummus, edamame, tofu, sopa de lentejas).
- Divida a los estudiantes en grupos y pídales que prueben las muestras, discutiendo los sabores y las texturas.
- Como clase, analicen qué fuentes de proteína vegetal les gustaron más y por qué.
- Actividad individual: Investigación sobre el poder de las proteínas (15 minutos)
- Pida a los estudiantes que utilicen Internet u otros recursos para encontrar una fuente de proteína de origen vegetal que no se mencione en la lección.
- Pida a los estudiantes que escriban un párrafo breve sobre la proteína vegetal elegida, explicando su valor nutricional y las posibles formas de incorporarla a sus dietas.
- Conclusión y evaluación (10 minutos)
- Revise los objetivos de la lección y las conclusiones principales.
- Evalúe la comprensión de los estudiantes haciendo preguntas sobre las proteínas vegetales, sus fuentes y su importancia en una dieta equilibrada.
- Recopilar los párrafos de actividades individuales para su evaluación.
- Tarea:
- Pida a los alumnos que elaboren un plan de alimentación basado en plantas para un día, incorporando al menos tres fuentes de proteínas vegetales diferentes. Anímelos a ser creativos y a utilizar las proteínas vegetales que aprendieron durante la lección.
Ingeniería rápida para profesionales del marketing
Ahora que tenemos una idea bastante clara de cómo funciona la ingeniería de indicaciones, necesitamos crear una indicación que permita a los especialistas en marketing diseñar… una mejor indicación. Al proporcionar al modelo de IA detalles sobre cómo crear una mejor indicación, los especialistas en marketing pueden convertir la IA generativa en un creador de indicaciones. Esta indicación fue creada originalmente por el usuario de Reddit ZenMind55 y publicada en el servidor de Discord de OpenAI . Esta versión de la indicación se basa en el trabajo de ZenMind55:Oportunidades
Quiero que te conviertas en mi creador de indicaciones. Tu objetivo es ayudarme a crear la mejor indicación posible para mis necesidades. La indicación será utilizada por ti, ChatGPT. Seguirás el siguiente proceso: 1. Tu primera respuesta será preguntarme de qué debería tratar la indicación. Te daré mi respuesta, pero tendremos que mejorarla mediante iteraciones continuas siguiendo los siguientes pasos. 2. Con base en mi aporte, generarás 3 secciones. a) Indicación revisada (proporciona tu indicación reescrita. Debe ser clara, concisa y fácil de entender para ti), b) Sugerencias (proporciona sugerencias sobre qué detalles incluir en la indicación para mejorarla) y c) Preguntas (haz cualquier pregunta relevante relacionada con qué información adicional se necesita de mí para mejorar la indicación). 3. Continuaremos este proceso iterativo en el que yo te proporcionaré información adicional y tú actualizarás la indicación en la sección Indicación revisada hasta que esté completa.
Hernández dijo que, según la propia IA, lo más importante que deben hacer las personas que usan ChatGPT es intentar ser lo más simples y claros posibles. “Por ejemplo, una versión más destilada del mensaje podría ser:”
Ayúdenme a crear el mejor tema posible. Primero, les daré un tema y ustedes harán preguntas para refinarlo. Luego, proporcionarán un tema reescrito, sugerencias para mejorarlo y harán preguntas relevantes. Continuaremos con este proceso iterativo hasta que el tema esté completo.
Ambos mensajes inician un proceso iterativo que permite al usuario ajustar un mensaje que se puede utilizar para prácticamente cualquier investigación. ZenMind55 ha publicado otros mensajes útiles e imaginativos en el sitio web ChainBrain AI . Cuando se le preguntó sobre la ingeniería de mensajes, ZenMind55 le dijo a CMSWire que la creación de mensajes consiste en comprender las limitaciones y fortalezas de la IA. “Sea conciso y específico, pero también deje espacio para que la IA genere respuestas innovadoras”. Reiteró lo que muchos usuarios están descubriendo ahora, explicando que la capacidad de estos modelos para generar mensajes por sí solos es sorprendentemente buena. “Al participar en un proceso iterativo y cocreativo con estos modelos, puede perfeccionar y dar forma a su mensaje”.
Mediante el uso de indicaciones específicas, ChatGPT puede dar formato al contenido generado, crear imágenes que se muestran en la ventana de ChatGPT y convertir a ChatGPT en un experto en cualquier tema determinado. Por ejemplo, la IA generativa puede generar el texto que se utilizará en las campañas de marketing.
Al utilizar el sistema experto aplicado (AES), ChatGPT puede convertirse en un experto en cualquier cosa. Por ejemplo, al utilizar AES para convertir a ChatGPT en un experto en tocadiscos y pedirle que escribiera el texto de marketing para el extremadamente costoso tocadiscos FEICKERT Woodpecker (9295 dólares), ChatGPT produjo el siguiente contenido:
Presentamos el tocadiscos FEICKERT Woodpecker, la mejor opción para los audiófilos que buscan una calidad de sonido inigualable y un rendimiento preciso. Fabricado con los más altos estándares de ingeniería y diseño alemanes, el Woodpecker ofrece una combinación única de belleza y funcionalidad.
El Woodpecker es un tocadiscos accionado por correa que cuenta con un motor de alta precisión controlado electrónicamente. Este motor garantiza que la velocidad de rotación sea precisa y estable, reduciendo cualquier ruido y vibración no deseados. El plato del tocadiscos está hecho de un material compuesto de alta densidad que ofrece excelentes características de resonancia, proporcionando un sonido limpio y dinámico.
El brazo del Woodpecker está fabricado con materiales de alta calidad y cuenta con acimut ajustable, VTA y anti-skating, lo que permite ajustes precisos y sin esfuerzo. Los cojinetes y el cableado del brazo son de la más alta calidad, lo que garantiza una distorsión mínima y una fidelidad máxima.
El Woodpecker también cuenta con un diseño modular que permite realizar actualizaciones y personalizarlo fácilmente. Esto significa que puede adaptar fácilmente el tocadiscos a sus preferencias y necesidades, lo que garantiza que siga siendo la pieza central de su experiencia auditiva durante muchos años.
nvierta en el tocadiscos FEICKERT Woodpecker y experimente lo último en excelencia sonora e ingeniería de precisión.
Hernández sugirió que los especialistas en marketing de todos los ámbitos podrían beneficiarse de experimentar con diferentes formas de incitación para ver qué variedad de respuestas pueden obtener de la IA. Por ejemplo, podrían incitarla a generar anuncios que probablemente resuenen específicamente con la Generación X o a generar contenido que enumere cinco características de un producto. “Alternativamente, puedes darle una indicación abierta pidiéndole a la IA que use tácticas de marketing efectivas para crear una publicación que venda tu producto y le permita ser más creativa”, dijo Hernández. “Puede que se le ocurra algo que te inspire o eleve tus campañas existentes”.
Las palabras deben tener prioridad
La forma en que se priorizan palabras específicas dentro de un mensaje marca una gran diferencia en lo que respecta a la forma en que la IA generativa lo interpreta, y para las herramientas de creación de imágenes, esto es extremadamente importante. Brian Brown, vicepresidente sénior y director creativo ejecutivo de la agencia interactiva Razorfish , le dijo a CMSWire que el consejo número uno para cualquier herramienta de IA visual probablemente sería diseñar el mensaje en orden de prioridad para la imagen deseada. “El mensaje ‘Una mujer pelirroja frente a un cielo azul’ daría un resultado diferente al de ‘un cielo azul detrás de una mujer pelirroja’. El primero prioriza a la mujer pelirroja y el segundo prioriza el cielo azul”.
Cuanto más específico y detallado sea el mensaje, más importante será establecer prioridades. “Cuando empiezas a sumar todo tipo de detalles: ‘Una fotografía de una mujer pelirroja con gafas en la cabeza, vestida con un traje marrón, parada frente a un cielo azul, ilustración steampunk, iluminación volumétrica, tecnicolor, grano de película visible, muy detallado’, el orden realmente empieza a importar”, dijo Brown.
Brown explicó que, aunque la mayoría de la gente no lo ve de esta manera, la ingeniería de indicaciones es en realidad un lenguaje de programación muy indulgente. “Cuando utilizamos indicaciones, nos conectamos con el LLM, que emite un conjunto de comandos al hardware de la computadora y devuelve algo en tiempo real”. Brown sugirió que, como ocurre con todos los scripts, todavía necesitamos saber cómo formular el comando para obtener el resultado deseado. “Éste es el núcleo de la ingeniería de indicaciones”.
Según Hernández, hay otras cuestiones potenciales que deben tenerse en cuenta al elaborar los mensajes, entre ellas:
- Ambigüedad : las indicaciones que son demasiado vagas o están escritas con lenguaje pasivo pueden generar respuestas engañosas o irrelevantes, lo que puede resultar frustrante para los usuarios.
- Sesgo : las indicaciones sesgadas pueden dar lugar a respuestas sesgadas, lo que puede tener implicaciones reales para la toma de decisiones y otras aplicaciones.
- Especificidad : las indicaciones demasiado generales o amplias pueden resultar difíciles de comprender para el modelo y dar lugar a respuestas inútiles o irrelevantes. Por otro lado, las indicaciones demasiado específicas pueden limitar la capacidad del modelo para generar respuestas creativas o inesperadas.
Reflexiones finales sobre la ingeniería rápida
Ser capaz de utilizar de forma eficaz la IA generativa a través de la ingeniería de indicaciones es una habilidad esencial para los especialistas en marketing, los anunciantes y los creadores de contenido. Al crear y perfeccionar indicaciones, se puede dirigir a la IA para que produzca respuestas específicas y personalizadas, mejorando la calidad de las estrategias de marketing y creando contenido atractivo.
La eficacia de un mensaje depende en gran medida de su claridad, la priorización de sus elementos y su perfeccionamiento iterativo. A medida que la IA siga evolucionando, es probable que el papel de la ingeniería de mensajes se vuelva vital en muchas industrias.
Acerca del autor
Scott Clark es un periodista experimentado que vive en Columbus, Ohio, y que se ha ganado un nombre cubriendo el panorama en constante evolución de la experiencia del cliente, el marketing y la tecnología. Tiene más de 20 años de experiencia cubriendo tecnología de la información y 27 años como desarrollador web. Su cobertura abarca la experiencia del cliente, la inteligencia artificial, el marketing en redes sociales, la voz del cliente, la diversidad y la inclusión, entre otros temas. Scott es un firme defensor de la experiencia del cliente y la responsabilidad corporativa, y reúne estadísticas, hechos y perspectivas de los principales líderes de opinión para brindar artículos informativos y que invitan a la reflexión.