Cadena de pensament: fes que la IA raoni pas a pas
La tècnica de prompt que va passar la precisió de la IA del 18% al 79% en tasques de raonament, amb exemples llestos per copiar i enganxar a la teva feina.
Has fet al ChatGPT una pregunta que demanava pensar una mica: comparar dues opcions, analitzar una decisió o resoldre un problema de diverses passes. La IA ha respost a l'instant, amb molt d'aplom. L'únic detall: la resposta era completament errònia.
Passa més del que sembla. Els assistents d'IA estan entrenats per generar respostes que sonen versemblants, no per raonar de debò. Quan els fas una pregunta complexa de la manera habitual, sovint se salten la part del raonament i van directes a una conclusió, i de tant en tant la fan ben grossa amb una seguretat absoluta.
Aquesta tècnica es diu prompt de cadena de pensament, i funciona perquè obliga la IA a mostrar el raonament en lloc de saltar a la conclusió. Aquí tens com aplicar-la a feines reals, no només a problemes de matemàtiques.
Què és el prompt de cadena de pensament?
El prompt de cadena de pensament (CoT, per les sigles en anglès) és exactament el que sona: demanes a la IA que expliqui el seu raonament pas a pas abans de donar-te la resposta final. En lloc de "Quina és la resposta?", li dius "Explica'm com hi penses i després dona'm la resposta".
Pensa-ho com demanar a un company de feina que t'ensenyi com ho ha resolt. Si algú et fa una recomanació sense explicar-la, no saps si s'ho ha rumiat o ho ha tret del barret. En canvi, si et detalla el seu raonament — "He valorat X, he descartat Y per Z, i això m'ha portat a aquesta conclusió" — pots detectar qualsevol esquerda en la lògica.
Amb la IA passa el mateix. Quan l'obligues a articular els passos intermedis, passen dues coses:
La IA detecta els seus propis errors mentre raona
Tu veus exactament on ha fallat la lògica si la resposta no acaba de quadrar
Per què la IA es salta passos (i la fa grossa)
Una cosa que poca gent té present: els models d'IA no "pensen" com ho fem els humans. El que fan és buscar patrons en milers de milions d'exemples de text per predir quines paraules vénen després. Quan els fas una pregunta directa, salten cap a la resposta més probable estadísticament.
Per a preguntes senzilles, això funciona. "Quina és la capital de França?" no demana cap raonament: la IA ha vist aquesta pregunta i la seva resposta aparellades milions de vegades.
Però per a qualsevol cosa que demani lògica de debò — comparar opcions, analitzar pros i contres, resoldre problemes de diverses passes — la lògica de patrons s'enfonsa. La IA tria una resposta que sona bé sense fer la feina de comprovar si és correcta.
El prompt de cadena de pensament talla aquesta drecera. En demanar-li que raoni en veu alta, l'obligues a generar els passos intermedis, i aquests passos limiten quina pot ser la resposta final. És més difícil arribar a una conclusió equivocada quan has d'ensenyar el camí que t'hi ha portat.
Comparació entre una IA que salta directament a la resposta i una IA que raona pas a pas abans de respondre
La manera més senzilla d'usar la cadena de pensament
La versió més fàcil no demana cap preparació. Només has d'afegir una d'aquestes frases al final del prompt:
"Pensem pas a pas."
"Explica'm el teu raonament."
"Detalla com hi penses abans de donar-me la resposta final."
"Desglossa-ho pas a pas."
Els investigadors van trobar que "Pensem pas a pas" era la frase que millor funcionava en els seus tests, tot i que una recerca posterior va trobar una formulació encara més efectiva: "Anem a resoldre-ho pas a pas per assegurar-nos que la resposta és correcta".
Aquí tens com es veu a la pràctica. Imagina't que has de decidir si acceptes una oferta de feina.
Sense cadena de pensament:
Hauria d'acceptar una oferta de feina que paga un 20% més però que m'obliga a mudar-me a una ciutat amb un 40% més de cost de vida?
La IA et donarà un "sí" o "no" ràpid basat en una correspondència de patrons superficial.
Amb cadena de pensament:
Hauria d'acceptar una oferta de feina que paga un 20% més però que m'obliga a mudar-me a una ciutat amb un 40% més de cost de vida?
Pensem-ho pas a pas, considerant les implicacions financeres, els factors de qualitat de vida i l'impacte professional abans d'arribar a una conclusió.
Ara la IA desglossarà cada factor, farà els números per veure si un 20% més de sou cobreix un 40% més de despeses, valorarà què hi guanyes i què hi perds, i et farà una recomanació raonada.
Few-shot CoT: ensenya a la IA com pensar
L'estratègia de "Pensem pas a pas" es coneix com a CoT zero-shot perquè no li dones cap exemple. Funciona bé en moltes situacions, però per a tasques complexes o especialitzades pots obtenir resultats encara millors si li mostres el patró de raonament que vols.
Això es diu CoT few-shot: hi inclous un o dos exemples resolts que ensenyen a la IA com vols que raoni davant de problemes similars.
Aquí tens una plantilla per analitzar decisions de negoci:
Necessito ajuda per avaluar opcions. Així és com vull que raonis cadascuna:
Exemple:
Pregunta: Hauríem de canviar de facturació mensual a anual?
Pas 1 - Identificar els factors clau: Previsibilitat de la tresoreria, risc de baixes de clients, psicologia de preus.
Pas 2 - Analitzar cada factor:
- Tresoreria: La facturació anual ens dona ingressos per avançat i millora la previsibilitat
- Risc de baixes: Els clients que paguen anualment tenen taxes de baixa més baixes
- Preus: Podem oferir un descompte per al pla anual sense perdre diners
Pas 3 - Sospesar pros i contres: El principal inconvenient és més fricció en els registres nous.
Pas 4 - Conclusió: Sí, però oferint les dues opcions amb un 15% de descompte a l'anual.
Ara aplica aquesta mateixa estructura de raonament a la meva pregunta:
{{question}}
L'exemple no cal que coincideixi exactament amb la teva pregunta: només ha de mostrar l'estructura de raonament que vols. La IA adaptarà el patró a la teva situació.
Quan ajuda de debò la cadena de pensament (i quan no)
El prompt de cadena de pensament no és una solució màgica per a tota interacció amb la IA. Una recerca de Wharton va trobar que, si bé millora el rendiment en problemes difícils, pot empitjorar la precisió en els fàcils perquè hi afegeix complexitat innecessària.
Fes servir la cadena de pensament quan:
Compares diverses opcions o sospeses pros i contres
La tasca implica raonament o càlculs en diverses passes
Has de resoldre o diagnosticar un problema
La resposta exigeix analitzar causa i efecte
Vols entendre el raonament de la IA, no només una resposta
Salta't la cadena de pensament quan:
Demanes fets simples o definicions
Vols sortida creativa, com ara fer pluja d'idees o redactar
Necessites un resum o una traducció
La velocitat compta més que la precisió
La tasca no demana raonament lògic
Un altre detall: el prompt de cadena de pensament és menys efectiu en models petits. La recerca original de Google va trobar que les millores significatives només apareixien en models a partir de 100.000 milions de paràmetres. Amb les eines de consum actuals com ChatGPT-4, Claude i Gemini, vas ben servit. Si fas servir models antics o més petits, els resultats poden variar.
5 prompts CoT llestos per fer servir a la feina
Aquí tens prompts per copiar i enganxar que pots començar a fer servir avui mateix. Cadascun ja porta integrada l'estructura de cadena de pensament.
1. Anàlisi de decisions
Ajuda'm a decidir: {{decision_to_make}}
Raona-ho pas a pas:
1. Llista els factors clau que hauria de tenir en compte
2. Analitza com es comporta cada opció en aquests factors
3. Identifica els riscos i els pros i contres principals
4. Dona'm la teva recomanació amb el raonament
Sigues concret i fes servir la meva situació real, no consells genèrics.
2. Comparació de pros i contres
Compara aquestes opcions: {{option_1}} vs {{option_2}}
Raona-ho de manera sistemàtica:
1. Primer, identifica 5 criteris que pesin més en aquest tipus de decisió
2. Avalua cada opció segons cada criteri
3. Apunta qualsevol incompatibilitat o requisit imprescindible
4. Sospesa els pros i contres globals
5. Dona'm una recomanació clara
No et limitis a llistar pros i contres: raona quins factors pesen més i per què.
3. Anàlisi de causa arrel
Ajuda'm a entendre per què passa això: {{problem_description}}
Fes servir aquest procés de raonament:
1. Aclareix què està passant de debò vs què hauria d'estar passant
2. Llista totes les causes possibles (encara que siguin improbables)
3. Per a cada causa, indica quines proves la confirmarien o la descartarien
4. Amb la informació disponible, identifica la causa arrel més probable
5. Suggereix com verificar-ho i què s'hi pot fer
4. Planificació pas a pas
Necessito {{goal}}.
Desglossa-ho per passos:
1. Primer, identifica què ha de passar abans que res (requisits previs)
2. Després mapeja les fases o fites principals
3. Per a cada fase, llista les accions concretes que calen
4. Marca les dependències (què ha de passar abans de poder començar la següent)
5. Apunta possibles obstacles i com gestionar-los
Sigues concret: dona'm passos accionables, no consells vagues.
5. Anàlisi de preguntes complexes
{{complex_question}}
Abans de respondre, raona-ho amb cura:
1. Desglossa què està demanant aquesta pregunta de debò
2. Identifica les suposicions implícites
3. Considera els factors clau que afecten la resposta
4. Raona cada factor
5. Després dona'm la resposta amb el raonament que la sosté
Si hi ha incertesa real, reconeix-la en lloc de fingir seguretat.
Aquests prompts segueixen el mateix patró: dius què necessites i descrius explícitament el procés de raonament que vols que segueixi la IA. L'estructura la guia per fer una anàlisi completa, en lloc de deixar-la saltar a conclusions.
Targeta de plantilla de prompt amb variables marcades que s'adapten a diferents tasques
Si veus que reutilitzes aquests prompts — canviant les decisions, problemes o preguntes cada vegada — una eina com PromptNest et permet desar-los amb les {{variables}} ja preparades. Quan en necessites un, només has d'omplir els buits i copiar el prompt complet.
Quan el raonament falla: com solucionar-ho
De vegades faràs servir un prompt de cadena de pensament i la IA et mostrarà els passos... però acabarà arribant a una conclusió equivocada. Així ho pots gestionar.
El raonament sembla bo però la conclusió és errònia. Pot ser que la IA hagi partit d'una suposició incorrecta. Pregunta-li: "Quines suposicions estàs fent? Llista-les explícitament". Sovint l'error és en una premissa no dita, no en la lògica.
La IA s'ha saltat factors importants. Respon-li: "No has tingut en compte {{factor}}. Com canvia això la teva anàlisi?". La IA incorporarà la nova informació i sovint revisarà la conclusió.
El raonament és circular o vague. Demana-li més concreció: "Al pas 2 has dit 'això podria ser arriscat'. A quins riscos concrets et refereixes i com els quantificaries?". Forçar detalls concrets posa al descobert els pensaments difusos.
Sospites que la IA és massa segura d'ella. Prova: "Fes d'advocat del diable. Quin és l'argument més fort en contra d'aquesta conclusió?". Sovint això fa aflorar debilitats que la IA havia passat per alt.
L'objectiu del prompt de cadena de pensament no és només obtenir respostes millors: és fer visible el raonament de la IA perquè puguis detectar i corregir errors. Tracta la primera resposta com un punt de partida, no com una resposta final.
Comença a fer servir la cadena de pensament avui
No cal que memoritzis tècniques ni que segueixis marcs complicats. Recorda només la idea central: quan necessites que la IA pensi de debò en lloc d'endevinar, demana-li que mostri la feina.
Comença per una tasca per a la qual ja fas servir la IA habitualment, alguna cosa que impliqui anàlisi, comparació o diagnòstic. Afegeix-hi "Pensem-ho pas a pas" i mira com canvia la resposta. Quan vegis la diferència, començaràs a detectar quan toca aplicar-ho.
Si vols muntar una biblioteca de prompts de raonament com els d'aquí dalt, els pots desar on vulguis: una app de notes, un document, el que ja facis servir. O, si prefereixes una eina pensada per a això, PromptNest és una app nativa per a Mac ($19.99 de pagament únic al Mac App Store, sense subscripció, sense compte, funciona en local) que et manté els prompts organitzats amb les variables ja integrades. Sigui com sigui, la clau és tenir els teus millors prompts a punt quan els necessites, i no enterrats en històrics de xat antics.
La diferència entre una IA que t'ajuda a pensar i una que només sona segura sovint cap en cinc paraules: "Pensem-ho bé, pas a pas".
