Dans analiza cómo el prompting se ha convertido en una forma esencial de alfabetización digital. No solo para lograr resultados útiles, sino para evitar errores que pueden tener consecuencias graves. En su análisis, Dans cuestiona la falta de preparación de muchos profesionales que confían en la IA como si fuera infalible. El especialista advierte que los errores generados por estas herramientas -las llamadas alucinaciones- pueden derivar en daños legales, económicos y de reputación.
Errores más potentes, consecuencias más graves
El avance de modelos como o3 y o4-mini de OpenAI, o los sistemas de Google y DeepSeek, ha traído consigo un fenómeno preocupante: las alucinaciones no han disminuido, han aumentado. Según los datos citados por Dans, o4-mini alucina hasta el 79% de las veces en ciertas pruebas. Esto demuestra que más capacidad lógica no garantiza más precisión, sino todo lo contrario: más pasos en el razonamiento implican más oportunidades para equivocarse.
Un ejemplo concreto lo proporciona el caso de Cursor, una herramienta para programadores que, a través de su bot de soporte, afirmó erróneamente que los usuarios perderían acceso a la aplicación por un supuesto cambio de política que nunca existió. La empresa tuvo que intervenir en Reddit para mitigar la crisis y recuperar la confianza de sus clientes. Este caso ilustra que una simple pregunta mal formulada puede desencadenar un error de gran impacto.
Cómo evitar ser víctima del sesgo probabilístico de la IA
Los modelos de lenguaje no "saben" nada en sentido estricto. Calculan la palabra más probable a continuación, sin distinguir entre verdadero o falso. Por eso, Dans hace un llamado a no confiar ciegamente en ellos. Y propone un enfoque concreto: contextualizar cada conversación al máximo, alimentar a los modelos con datos y fuentes verificadas, y definir claramente el objetivo de cada interacción.
Para Dans, cada pregunta a un modelo de IA debería ser tratada como una miniconsulta documentada. Es decir, proporcionar contexto, pedir explicaciones paso a paso, solicitar revisión de posibles errores y exigir fuentes. Esta metodología reduce el margen de error y convierte a la IA en una herramienta realmente útil, y no en una caja negra generadora de respuestas seductoras, pero falsas.
La recomendación es clara: iterar y ajustar. Cada prompt exitoso puede transformarse en una plantilla, y cada error sirve como insumo para mejorar. Además, Dans recomienda no exigir brevedad innecesaria, ya que las respuestas cortas aumentan la probabilidad de alucinaciones, como reveló un estudio de Giskard publicado en Hugging Face.
Del arte al estándar profesional: preguntar será como saber leer
La conclusión de Dans es contundente: el prompting ya no es un arte reservado a especialistas, es una forma de alfabetización que debe incorporarse a las competencias básicas de cualquier persona que interactúe con sistemas de inteligencia artificial. Ignorar esta habilidad equivale a entregar nuestra reputación, decisiones y resultados a un motor estadístico.
"En realidad, no vivimos la muerte del prompting, sino su normalización", señala Dans. La inteligencia artificial puede ser una prótesis cognitiva de enorme valor, pero sólo si quien la usa sabe cómo conducirla. En este nuevo paradigma, ser un profesional competente no implica dominar la tecnología en sí, sino saber comunicarse con ella de forma clara, estructurada y verificable.
El prompting eficaz no debería figurar en un currículum como si fuera una habilidad especial; debería asumirse con la naturalidad con la que se espera que alguien sepa escribir o usar un buscador. Y eso, concluye Dans, es lo que definirá quién permanece relevante en un entorno donde los errores de las máquinas ya no son anecdóticos, sino sistémicos.
Comentar esta noticia