Volver ao blog

Cadea de pensamento: fai que a IA razoe paso a paso

Aprende a técnica de prompting que disparou a precisión da IA do 18 % ao 79 % en tarefas de razoamento — con exemplos listos para copiar e pegar no teu día a día.

Cadea de pensamento: fai que a IA razoe paso a paso
Fixéchelle a ChatGPT unha pregunta que esixía pensar un pouco — quizais comparar dúas opcións, analizar unha decisión ou resolver un problema con varios pasos. A IA respondeuche ao instante cunha resposta segura. Único detalle: estaba completamente equivocada.
Isto pasa máis do que pensas. Os asistentes de IA están adestrados para producir respostas que soen plausibles, non para razoar de verdade os problemas. Cando lle fas unha pregunta complexa á maneira normal, a IA adoita saltarse a parte de pensar e vaise directo á resposta — ás veces equivocándose de xeito espectacular mentres soa absolutamente segura.
Hai un remedio. En 2022, investigadores de Google descubriron que engadir unha frase aos prompts — "Pensemos paso a paso" — subiu a precisión en problemas matemáticos do 17,7 % ao 78,7 %. Non é unha errata. Unha soa frase fixo que a IA fose catro veces máis precisa.
Esta técnica chámase prompting de cadea de pensamento, e funciona porque obriga á IA a mostrar o seu razoamento en lugar de saltar ás conclusións. Velaquí como aplicala a tarefas reais — non só a problemas de matemáticas.

Que é a cadea de pensamento?

A cadea de pensamento (CoT polas siglas en inglés) é exactamente o que o nome indica: pídeslle á IA que explique o seu razoamento paso a paso antes de darche unha resposta final. En vez de "Cal é a resposta?" preguntas "Lévame polo teu razoamento e despois dime a resposta".
Imaxina que lle pides a un compañeiro de traballo que mostre como chegou a algo. Se alguén che dá unha recomendación sen explicación, non sabes se o pensou de verdade ou simplemente acertou de pura sorte. Pero se che explica o razoamento — "Considerei X, descartei Y por Z, o que me levou a esta conclusión" — podes detectar calquera fallo na lóxica.
O mesmo principio aplícase á IA. Cando a obrigas a articular pasos intermedios, ocorren dúas cousas:
  1. A IA detecta os seus propios erros mentres razoa
  2. Ti podes ver exactamente onde se torceu a lóxica se a resposta non encaixa

Por que a IA salta pasos (e mete a pata)

Velaquí algo que moita xente non se decata: os modelos de IA non "pensan" de verdade como facemos os humanos. Detectan patróns en miles de millóns de exemplos de texto para predicir que palabras deberían vir a continuación. Cando lles fas unha pregunta directa, saltan á resposta máis probable estatisticamente.
Para preguntas sinxelas, isto vai ben. "Cal é a capital de Francia?" non require razoamento — a IA viu esta pregunta e a súa resposta xuntas millóns de veces.
Pero para calquera cousa que esixa lóxica de verdade — comparar opcións, analizar compensacións, resolver problemas con varios pasos — o método de detección de patróns falla. A IA escolle unha resposta que parece correcta sen facer o traballo de comprobar que de verdade o é.
O prompting de cadea de pensamento corta este atallo. Ao pedirlle á IA que razoe en voz alta, obrígala a xerar os pasos intermedios — e eses pasos limitan cal pode ser a resposta final. É máis difícil chegar a unha conclusión errada cando tes que mostrar o camiño que te levou ata alí.
Comparación que mostra a IA saltando á resposta fronte á IA razoando paso a paso antes de responder
Comparación que mostra a IA saltando á resposta fronte á IA razoando paso a paso antes de responder

A maneira máis sinxela de usar a cadea de pensamento

A versión máis fácil non require ningunha preparación. Só tes que engadir unha destas frases ao final do teu prompt:
  • "Pensemos paso a paso."
  • "Lévame polo teu razoamento."
  • "Explica o teu pensamento antes de dar unha resposta final."
  • "Desglosa isto paso a paso."
Os investigadores observaron que "Pensemos paso a paso" foi o que mellor funcionou nas súas probas, aínda que investigacións posteriores atoparon unha formulación aínda mellor: "Resolvamos isto paso a paso para asegurarnos de que damos coa resposta correcta".
Velaquí como queda na práctica. Imaxina que estás dándolle voltas a se aceptar unha oferta de traballo.
Sen cadea de pensamento:

Debería aceptar unha oferta de traballo que paga un 20 % máis pero esixe mudarme a unha cidade cun custo de vida un 40 % maior?


A IA pode darche un "si" ou un "non" rápidos baseándose nun emparellamento de patróns superficial.
Con cadea de pensamento:

Debería aceptar unha oferta de traballo que paga un 20 % máis pero esixe mudarme a unha cidade cun custo de vida un 40 % maior?

Pensemos isto paso a paso, considerando as implicacións financeiras, os factores de calidade de vida e o impacto na carreira antes de chegar a unha conclusión.


Agora a IA vai desglosar cada factor, vai botar contas para ver se ese 20 % máis de salario cobre o 40 % máis de custos, vai considerar o que podes gañar ou perder e darache unha recomendación razoada.

Few-shot CoT: ensínalle á IA como pensar

O método "Pensemos paso a paso" chámase CoT zero-shot porque non lle estás mostrando ningún exemplo. Funciona ben en moitas situacións, pero para tarefas complexas ou especializadas podes obter resultados aínda mellores se demostras o patrón de razoamento que queres.
Isto chámase CoT few-shot — inclúes un ou dous exemplos resoltos que mostran á IA como razoar exactamente este tipo de problemas.
Velaquí unha plantilla para analizar decisións de negocio:

Necesito axuda para avaliar opcións. Así é como me gustaría que razoases cada unha:

Exemplo:
Pregunta: Deberíamos cambiar de facturación mensual a anual?

Paso 1 - Identificar os factores clave: previsibilidade do fluxo de caixa, risco de churn de clientes, psicoloxía de prezo.

Paso 2 - Analizar cada factor:
- Fluxo de caixa: a facturación anual dános ingresos por adiantado, o que mellora a previsibilidade
- Risco de churn: os clientes que pagan anualmente teñen taxas de churn máis baixas
- Prezo: podemos ofrecer un desconto por plans anuais sen perder cartos

Paso 3 - Sopesar compensacións: a desvantaxe principal é a maior fricción para os novos rexistros.

Paso 4 - Conclusión: si, pero ofrecer ambas as opcións cun 15 % de desconto na anual.

Agora aplica esta mesma estrutura de razoamento á miña pregunta:
{{question}}
O exemplo non ten por que coincidir coa túa pregunta exacta — só precisa demostrar a estrutura de razoamento que queres. A IA adaptará o patrón á túa situación concreta.

Cando a cadea de pensamento axuda de verdade (e cando non)

O prompting CoT non é unha solución máxica para toda interacción coa IA. Unha investigación de Wharton atopou que, aínda que mellora o rendemento en problemas difíciles, pode chegar a empeorar a precisión nos sinxelos por engadir complexidade innecesaria.
Usa cadea de pensamento cando:
  • Estás comparando varias opcións ou sopesando compensacións
  • A tarefa implica razoamento ou cálculos con varios pasos
  • Precisas diagnosticar ou resolver un problema
  • A resposta esixe analizar causa e efecto
  • Queres entender o razoamento da IA, non só obter unha resposta
Sáltao cando:
  • Estás pedindo feitos ou definicións sinxelos
  • Precisas resultado creativo, como facer brainstorming ou escribir
  • Queres un resumo ou unha tradución
  • A velocidade pesa máis ca a precisión
  • A tarefa non implica razoamento lóxico
Tamén convén saber: o prompting CoT é menos eficaz nos modelos de IA pequenos. A investigación orixinal de Google atopou que as melloras significativas só aparecen en modelos con máis de 100.000 millóns de parámetros. Coas ferramentas de IA actuais para o consumidor como ChatGPT-4, Claude e Gemini estás no rango correcto. Pero se usas modelos máis vellos ou máis pequenos, os resultados poden variar.

5 prompts CoT listos para usar no traballo real

Velaquí prompts listos para copiar e pegar que podes empezar a usar hoxe mesmo. Cada un xa leva a estrutura de cadea de pensamento incorporada.

1. Análise de decisións

Axúdame a decidir: {{decision_to_make}}

Guía isto paso a paso:
1. Lista os factores clave que debería considerar
2. Analiza como se comporta cada opción nestes factores
3. Identifica os principais riscos e compensacións
4. Dáme a túa recomendación cun razoamento

Sé concreto e usa a miña situación real, non consellos xenéricos.

2. Comparación de prós e contras

Compara estas opcións: {{option_1}} vs {{option_2}}

Razoa isto de xeito sistemático:
1. Primeiro, identifica 5 criterios que importan máis para este tipo de decisión
2. Avalía cada opción con cada criterio
3. Anota calquera factor decisivo ou requisito imprescindible
4. Sopesa as compensacións globais
5. Dáme unha recomendación clara

Non te limites a listar prós e contras — razoa de verdade que factores importan máis e por que.

3. Análise de causa raíz

Axúdame a saber por que pasa isto: {{problem_description}}

Usa este proceso de razoamento:
1. Aclara que está a pasar de verdade fronte ao que debería pasar
2. Lista todas as causas posibles (mesmo as improbables)
3. Para cada causa, considera que evidencia a confirmaría ou descartaría
4. Coa información dispoñible, identifica a causa raíz máis probable
5. Suxire como verificalo e que facer ao respecto

4. Planificación paso a paso

Necesito {{goal}}.

Desglosa isto en pasos:
1. Primeiro, identifica que ten que pasar antes de calquera outra cousa (prerrequisitos)
2. Despois, traza as fases ou fitos principais
3. Para cada fase, lista as accións concretas que se requiren
4. Sinala calquera dependencia (que ten que pasar antes de poder empezar outra cousa)
5. Anota posibles obstáculos e como xestionalos

Sé concreto — dáme pasos accionables, non consellos vagos.

5. Análise de preguntas complexas

{{complex_question}}

Antes de responder, repasemos isto con calma:
1. Desglosa o que está a preguntar de verdade esta cuestión
2. Identifica as suposicións que leva por debaixo
3. Considera os factores clave que afectan á resposta
4. Razoa cada factor
5. Despois, dáme a túa resposta co razoamento que a sustenta

Se hai incerteza real, recoñéceo en lugar de pretender ter certeza.
Estes prompts seguen o mesmo patrón: di que precisas e logo describe explicitamente o proceso de razoamento que queres que siga a IA. A estrutura guíaa cara a unha análise a fondo en lugar de deixala saltar a conclusións.
Tarxeta de plantilla de prompt con marcadores variables sendo personalizados para diferentes tarefas
Tarxeta de plantilla de prompt con marcadores variables sendo personalizados para diferentes tarefas
Se acabas reutilizando estes prompts — cambiando decisións, problemas ou preguntas cada vez — unha ferramenta como PromptNest permíteche gardalos coas {{variables}} xa preparadas. Cando precises un, simplemente enches os ocos e copias o prompt completo.

Resolución de problemas: cando o razoamento sae mal

Ás veces usarás prompting de cadea de pensamento e a IA mostrará os seus pasos... pero aínda así chegará a unha conclusión equivocada. Velaquí como xestionalo.
O razoamento parece correcto pero a conclusión está mal. A IA quizais partiu dunha suposición errada. Pregunta: "Que suposicións estás a facer aquí? Lístaas explicitamente". Moitas veces o erro está nunha premisa non dita, non na lóxica en si.
A IA omitiu factores importantes. Responde con: "Non consideraches {{factor}}. Como cambia iso a túa análise?". A IA incorporará a nova información e moitas veces revisará a súa conclusión.
O razoamento é circular ou vago. Pide máis concreción: "No paso 2, dixeches 'isto pode ser arriscado'. A que riscos concretos te refires e como os cuantificarías?". Forzar detalles concretos saca á luz o pensamento difuso.
Sospeitas que a IA está sendo sobrada. Proba: "Faime de avogado do diaño. Cal é o argumento máis forte en contra desta conclusión?". Isto adoita destapar debilidades que a IA pasou por alto na primeira resposta.
O obxectivo do prompting de cadea de pensamento non é só obter mellores respostas — é facer visible o razoamento da IA para que poidas detectar e corrixir erros. Trata a primeira resposta como un punto de partida, non como unha resposta definitiva.

Empeza a usar a cadea de pensamento hoxe

Non precisas memorizar técnicas nin seguir marcos complicados. Só lembra a idea central: cando precises que a IA pense de verdade en vez de adiviñar, pídelle que mostre o seu traballo.
Empeza por unha tarefa que adoites facer coa IA — algo que implique análise, comparación ou resolución de problemas. Engade "Pensemos isto paso a paso" e mira como cambia a resposta. Cando vexas a diferenza, empezarás a recoñecer cando convén usalo.
Se queres construír unha biblioteca de prompts de razoamento como os de arriba, podes gardalos en calquera sitio — unha app de notas, un documento, o que xa uses. Ou, se prefires algo feito ad hoc, PromptNest é unha app nativa de Mac ($19.99 pago único na Mac App Store, sen subscrición, sen conta, funciona localmente) que mantén os teus prompts organizados con variables incorporadas. Sexa como sexa, o importante é ter os teus mellores prompts a man cando os precises — non sepultados en historiais de chat antigos.
A diferenza entre unha IA que che axuda a pensar e unha IA que só soa segura adoita reducirse a catro palabras: "Pensemos isto paso a paso".