Enseñá con ejemplos (few-shot)

Clasifica cada comentario como POSITIVO, NEGATIVO o NEUTRO.

Comentario: "Llegó tarde pero el producto es excelente."
Clasificación: POSITIVO

Comentario: "No vuelvo a comprar aquí."
Clasificación: NEGATIVO

Comentario: "Lo recibí ayer."
Clasificación:

Las instrucciones en palabras siempre dejan margen. “Clasifica el sentimiento” suena claro, pero la IA no sabe qué etiquetas usar, qué hacer con un comentario mixto, si quieres explicación o solo la etiqueta, ni cómo te conviene presentar el resultado. Cada hueco lo rellena a su criterio, y por eso dos peticiones casi idénticas pueden devolver formatos distintos.

Mostrarle dos o tres ejemplos resueltos elimina esa ambigüedad de raíz. La IA infiere el patrón a partir de tus casos y lo aplica al siguiente. Es la diferencia entre explicarle una regla y dejar que la deduzca viendo cómo lo haces tú. Por eso la técnica del few-shot (literalmente “con unos pocos ejemplos”) suele ganarle a cualquier descripción larga, sobre todo cuando lo que quieres es repetir un patrón con consistencia.

Encaja muy bien con mostrar un ejemplo del formato que quieres (es la versión más simple, con un solo ejemplo) y con restricciones y formato cuando además del patrón quieres acotar largo y tono.

Cómo aplicarlo

1. Muestra pares entrada/salida. Cada ejemplo lleva el caso de entrada y, debajo, exactamente la respuesta que querrías para ese caso. No describas: enseña.
2. Usa 2 o 3 ejemplos. Con uno solo, la IA puede tomar un detalle accidental como si fuera la regla. Con dos o tres ejemplos distintos, ya generaliza el patrón verdadero. Más de cinco no suelen aportar y consumen contexto.
3. Cubre los casos difíciles. Incluye un ejemplo ambiguo o de borde (un comentario sarcástico, un dato con formato raro). Le enseñas qué hacer cuando dude, en lugar de dejar que improvise solo en los casos complicados.
4. Mantén el formato idéntico en todos los ejemplos. Misma estructura, mismas etiquetas, mismo orden de campos. La IA copia hasta los detalles tipográficos: si en uno escribes “POSITIVO” en mayúsculas y en otro “Positivo”, romperás el patrón.
5. Termina con la entrada del nuevo caso, sin la salida. El último bloque es solo la entrada nueva con el rótulo de salida vacío. La IA entiende que tiene que completar ahí, siguiendo el patrón.
6. Usa ejemplos reales del trabajo, no inventados. Casos sacados de tu contexto enseñan a la IA tu jerga, tus matices y los tipos de entradas que vas a darle. Inventados, le enseñas un patrón limpio que no se parece a tu realidad.
7. Few-shot también vale para tono. Pega dos textos tuyos y pídele que escriba “con esa misma voz”. La IA copia tu estilo de escritura, no solo la estructura. Es lo más rápido para que escriba “como tú”.

Ejemplos en contexto

Caso negocio. Tienes que clasificar cien comentarios de clientes en POSITIVO, NEGATIVO o NEUTRO, sabiendo que muchos son mixtos. Le explicas las reglas con palabras y la IA mete todo lo mixto en NEUTRO. Le das tres ejemplos resueltos (uno claramente positivo, uno mixto que marcas como POSITIVO porque la valoración final es buena, y uno mixto que marcas como NEGATIVO) y la IA clasifica con tu criterio el resto del lote.

Caso estudio. Una estudiante de filología tiene que analizar versos según una métrica. La instrucción “analiza el verso indicando número de sílabas y tipo de rima” le da resultados desiguales. Crea un prompt con dos versos ya analizados con el formato exacto que necesita (“Verso: … | Sílabas: 11 | Rima: consonante con el v.3”). A partir de ahí, le pasa los versos del trabajo y todos salen en el mismo formato listos para incluir en el documento.

Caso vida personal. Quieres que la IA te ayude a redactar mensajes de WhatsApp en tu estilo, que es seco y con gracia. Pegas tres mensajes tuyos reales y dices “responde con este mismo tono a este mensaje nuevo”. La respuesta sale mucho más cercana a cómo escribes tú que cualquier descripción (“tono cercano pero seco, con humor”). El few-shot captura matices que las palabras no.

Errores comunes

• Usar un único ejemplo y dar por buena la generalización: la IA puede haberse fijado en algo accidental. Sube a dos o tres y comprueba que el patrón se mantiene.
• Mezclar ejemplos con formatos ligeramente distintos: estás enseñando “haz como quieras”, no un patrón. Repasa que todos sean idénticos hasta en los espacios.
• Poner todos ejemplos fáciles: la IA acierta en los fáciles y falla en cuanto aparece un caso de borde. Incluye al menos uno difícil.
• Confundir few-shot con explicación previa: explicar las reglas y luego dar ejemplos puede ayudar, pero los ejemplos solos suelen ganarle a las reglas solas. No te apoyes solo en la descripción.
• Olvidar dejar el último bloque “abierto” (con la entrada pero sin la salida): la IA puede no entender que tiene que completar y darte solo otra repetición del patrón.
• Reusar el mismo ejemplo siempre, hasta cuando ya no encaja con la nueva tarea: actualiza tus ejemplos si cambia el tipo de entradas que vas a darle.

Mini-ejercicio

Coge una tarea repetitiva que hagas con la IA (clasificar correos, extraer datos, dar formato a notas). Resuelve dos casos a mano con el formato exacto que te gustaría. Móntalos como ejemplos antes de la entrada nueva. Sabrás que está bien si la IA respeta tu formato sin que tengas que explicarlo en palabras y aciertas en el primer intento sin iterar.

Siguiente paso

Una vez que domines el few-shot básico, combínalo con pedir que piense paso a paso: incluye en cada ejemplo no solo la respuesta final, sino el razonamiento que llevó a ella. Es el truco más fuerte para tareas complejas. Para guardar tus mejores plantillas con ejemplos ya integrados, pasa también por montar tu biblioteca de prompts.