El gran error: pedir respuestas antes de entender el problema

La mayoría de las personas utiliza la IA para buscar respuestas. Pero muchas veces el verdadero problema es que todavía no entendemos cuál es la pregunta correcta. Cuando eso ocurre, pedir soluciones es prematuro.

Imaginemos una pizzería que vende menos que antes.

Una persona podría preguntarle a la IA:

"¿Cómo aumento las ventas?"

Pero esa pregunta ya asume que conocemos el problema.

¿Y si el problema no fuera el marketing?

¿Y si los precios son incorrectos?

¿Y si cambió la situación económica del barrio?

¿Y si el menú está mal diseñado?

¿Y si los clientes están insatisfechos por otro motivo?

La IA puede ayudarnos incluso cuando no sabemos qué está pasando.

En esos casos, una mejor pregunta sería:

"Tengo una pizzería en tal ubicación. Estos son mis productos. He notado que algunos artículos venden mucho menos que otros y sinceramente no sé por qué. Ayúdame a identificar qué indicadores debería analizar para entender el problema."

La diferencia es enorme.

Ya no estamos pidiendo respuestas.

Estamos pidiendo herramientas para comprender la realidad.

Construyendo el contexto

El contexto es como un edificio. Necesita cimientos sólidos antes de levantar paredes.

Los cimientos son la el problema base que queremos resolver, las paredes es el contexto en el que todo se desarrolla. Antes de hacer preguntas complejas debemos explicar:

• Qué problema queremos resolver.
• Qué sabemos sobre él.
• Qué no sabemos.
• Qué hemos intentado hasta ahora.
• Qué limitaciones tenemos.

Cuanto más precisa sea la descripción de la situación, más útil será la respuesta.
Y aquí aparece algo importante:
Si somos principiantes, debemos decirlo. Si somos expertos, también.

La IA necesita saber desde qué punto estamos partiendo para poder construir una respuesta útil.

A veces la IA nos da respuestas incorrectas y pensamos que es un fallo en su motor, cuando en realidad, hemos sido nosotros que fallamos en brindar el contexto adecuado.

Cuando no entendemos nuestro propio contexto

A veces ni siquiera somos capaces de describir correctamente nuestro problema. Y eso también podemos plantearlo. De hecho, suele ser una de las mejores cosas que podemos hacer.

Por ejemplo: "Tengo un negocio y sé que algo no funciona, pero no logro identificar exactamente qué es. Ayúdame a descubrir qué preguntas debería hacerme."

La IA puede actuar como una herramienta de exploración. No para entregar respuestas definitivas, sino para ayudarnos a observar aspectos que no estábamos viendo.
Muchas veces el mayor valor de la inteligencia artificial no es responder preguntas, sino ayudarnos a formularlas.

Alucinaciones: cómo evitarlas y cómo reconocerlas

Uno de los errores más peligrosos al trabajar con IA es aceptar como verdadero todo lo que dice.
Las IA pueden equivocarse, inventar datos y afirmar cosas incorrectas con absoluta seguridad.
Por eso es importante desarrollar un hábito fundamental: Nunca construir conclusiones importantes sobre información que no hemos verificado.
Cuando una respuesta contiene datos críticos debemos pedir:

• Evidencia.
• Fuentes.
• Explicaciones.
• Métodos de comprobación.

Y cuando no sea posible verificar algo inmediatamente, debemos distinguir claramente entre:

• Hechos.
• Suposiciones.
• Hipótesis.

Porque una vez que una falsedad entra en nuestro contexto de trabajo, todo lo que construyamos encima corre el riesgo de desviarse de la realidad.

La IA no solo requiere contexto. También requiere higiene del contexto. Por tanto, desmentir los errores es parte de la iteración

El problema de los chats mezclados

Cada conversación funciona como un contexto de trabajo. Por eso muchas veces es conveniente continuar una conversación donde ya existe información relevante.

Si llevamos semanas analizando un motor, un negocio o un proyecto de software, volver al mismo chat evita tener que reconstruir todo desde cero.

Sin embargo, también existe el problema contrario. Los chats pueden crecer tanto que terminan convirtiéndose en una mezcla de temas distintos y cuando eso sucede, el contexto comienza a degradarse.

Por eso es recomendable mantener una cierta categorización. Un chat para un proyecto, otro para una investigación, otro para un problema técnico específico.

No porque la IA no pueda manejar varios temas.

Sino porque un contexto ordenado produce respuestas más precisas.

El punto de control del contexto

Cuando una conversación se vuelve demasiado extensa, se vuelve pesada no solo para el motor de IA, sino incluso para el equipo que esté cargando todo eso en memoria, ocasionando ralentizaciones y problemas de rendimiento, afortunadamente existe una técnica extremadamente útil para combatir con esto:
Pedir un resumen estructurado. Algo parecido a un punto de control.

Por ejemplo:

• Estado actual.
• Información confirmada.
• Hipótesis descartadas.
• Hipótesis pendientes.
• Próximos pasos.

Ese resumen puede utilizarse para iniciar una conversación nueva sin perder lo esencial. Es similar a guardar una partida en un videojuego. No necesitamos cargar toda la historia desde el principio, solo el estado actual.

Si falta algún detalle, normalmente resulta mucho más fácil agregarlo después que reconstruir meses de conversación. Mas aún si no perdemos de vista la conversación original.

El mito del "haz de cuenta que"

Durante años se popularizó la idea de que para obtener mejores respuestas había que escribir cosas como:

• "Haz de cuenta que eres un abogado."
• "Haz de cuenta que eres un mecánico."
• "Haz de cuenta que eres un empresario exitoso."

En mi experiencia, eso rara vez es el factor decisivo. La IA no responde mejor porque le pidamos interpretar un personaje, responde mejor cuando comprende nuestra situación.

Dos personas pueden pedir consejo sobre mecánica, una puede recibir una explicación avanzada y la otra una explicación básica.

No porque la IA sea diferente, sino porque el contexto es diferente.

La verdadera mejora no aparece cuando cambiamos el personaje, aparece cuando explicamos la realidad.

Conclusión

La mayoría de las personas cree que aprender a usar IA consiste en aprender prompts, yo creo que consiste en aprender a pensar.

Pensar con claridad, describir problemas, reconocer incertidumbres, diferenciar hechos de hipótesis, construir contexto y mantener ese contexto limpio.

La IA no es una máquina de respuestas, es una herramienta para explorar posibilidades dentro de una realidad que nosotros debemos describir y delimitar.

Por eso, después de mucho tiempo utilizándola, llegué a una conclusión sencilla:
El prompt más importante nunca fue "Haz de cuenta que...", el prompt más importante siempre fue "Esta es mi situación. Ayúdame a entenderla para buscar una solución."