En el marco del #DOYOUSEO, un evento desarrollado por Webpositer Academy, dimos una pequeña charla sobre lo que hemos llamado «documentaciones reactivas». Y en esta charla, abordamos los avances que hemos hecho en IKAUE para trabajar con IA generativas y ponerlas al servicio de nuestro trabajo diario.
Buscamos que las IA en nuestro trabajo cotidiano puedan generar contenidos o un sistema de soporte que esté 100% adaptado a cómo se darían esos tipos de contenidos y respuestas por personas de la propia empresa. Es decir, queremos que una IA se transforme en un miembro más de la organización que disponga de todo el know-how posible y de las metodologías y buenas prácticas que con el tiempo se han ido generando.
Vamos a repasar los puntos clave de esta charla y, al final de la misma, te dejaremos la presentación para que puedas consultarla.
Para qué usamos las IA en el día a día
Normalmente se acude a la inteligencia artificial generativa, como ChatGPT, Gemini, u otros sistemas, con uno de estos tres objetivos en mente:
- Conocimiento Global: Disponer de la IA como un sistema de conocimiento global al que hacerle preguntas o como sustituto de los sistemas de búsqueda más tradicionales como Google. Aunque el problema de las alucinaciones y las respuestas incoherentes va a estar ahí, para ciertas materias (que conoces y controlas) es muy interesante disponer de una IA a tu lado.
- Inspiración: Que la IA sirva de inspiración, pudiendo dialogar y hacerle preguntas que se salgan de nuestra rutina y de lo que siempre hacemos. Nunca será lo mismo que hablar con nuestros clientes o crear focus groups, pero puede ser un acelerador bastante útil.
- Copiloto: En tareas más técnicas o repetitivas, los copilotos pueden multiplicar la velocidad de trabajo tanto por ofrecernos soluciones directas como porque estas, por ejemplo, a la hora de crear código de programación, suelen contener menos errores tipográficos que con la redacción humana. Aunque no puedes tener a día de hoy como copiloto a la IA para todas las tareas, sí que cada vez son más las herramientas especializadas que te permiten acudir a ellas para que hagan parte de tu trabajo.
Formas de usar las IA
En la charla, abordamos tres formas distintas por las cuales trabajar con las IA, de la más básica a la que consideramos más efectiva, con menos alucinaciones y que mejores resultados puede llegar a darnos.
Lo que vamos a abordar es cómo una persona puede pasar del uso básico de IA generativas a un uso altamente especializado en su trabajo y metodologías de empresa.
Los 3 puntos clave son:
1. El Diálogo con IAs:
Esta es la forma básica en la que todo el mundo, incluso la gente que no está acostumbrada a manejar IA generativas, trabaja con estas herramientas. Se trata básicamente de abrir un entorno de conversación con una IA generativa y empezar haciéndole una pregunta, y refinando lo que le pides en base a las respuestas que te va dando. Este diálogo nos permite construir a medida que hablamos con ella y eso termina por darnos una respuesta válida en la mayor parte de los casos.
El problema de estos sistemas de diálogo con IA es que, para contenidos que sean medianamente largos o donde tendríamos que hacer una investigación previa para estar seguros de lo que estamos diciendo, van a permitirnos que la IA sea parte de nuestro trabajo. El propio sistema que nos obliga a dialogar y a ir refinando poco a poco lo que buscábamos ralentiza la obtención de los resultados.
2. El Prompt Engineering:
Este sistema lo que hace es que desarrollamos un trabajo previo por el cual creamos las preguntas adecuadas para que las IA siempre nos vayan a devolver una respuesta válida (sin tener que dialogar con ellas, con tan solo una pregunta y tan solo una respuesta).
El prompt engineering es una metodología por la cual aprendemos a fabricar esos prompts que dan las respuestas que nosotros perseguimos. Es un proceso que va a costarnos un tiempo y un aprendizaje, pero que una vez terminado nos dejará una serie de preguntas las cuales harán que las IA respondan directamente lo que deseamos y que no tengamos que refinarlo.
Las ventajas de disponer de estos prompts no son solo que luego cuando nosotros los utilicemos vayamos a trabajar de forma mucho más rápida sino que podemos escalar la forma de trabajo hacia personas de nuestra propia empresa que aún no tienen las habilidades con IA para hacer este trabajo, o que desconocen parte de nuestra metodología o conocimiento interno como para llegar al mismo tipo de respuestas que alguien más senior llegaría.
Convertimos así a las IA en un transmisor de conocimiento y del buen hacer. Lo único que tenemos que hacer es generar prompts y disponibilizar esos prompts para que distintas personas de una misma empresa los utilicen.
Convertimos así a las IA en un transmisor de conocimiento y de buenas prácticas. Lo único que tenemos que hacer es generar prompts y ponerlos a disposición de las distintas personas de una misma empresa.
Pero, ¿cómo se realiza el prompt engineering? No existe una técnica única; cada experto tiene sus propias prácticas y preferencias. Sin embargo, un buen punto de partida son las recomendaciones que la propia OpenAI nos ofrece sobre esta materia.
La base del prompt engineering es el ensayo y error. Debes situarte frente a una IA y empezar a preguntarle lo que crees que vas a necesitar en el futuro. No preguntas exactas, sino tipologías de preguntas para las cuales sabes la respuesta esperada. Basándote en estas pruebas, descubrirás que muchas veces la IA no devuelve exactamente lo que querías, o lo devuelve pero no en el formato deseado, o en algunos casos lo devuelve pero encuentras varias situaciones en las cuales se equivoca de respuesta, tiene alucinaciones o directamente su respuesta no te sirve como información de calidad. ¿Qué haces entonces? En lugar de dialogar con la IA, vas haciendo tu pregunta cada vez más detallada y más concreta, dándole ejemplos del tipo de información que esperas como respuesta, o matizando cosas que sí quieres que haga a la hora de elaborar su respuesta o caminos que no quieres que tome.
De esta forma, nos salimos directamente del diálogo. Nuestros prompts, las preguntas que le hacemos a la máquina, ya no son simples frases cortas, sino una construcción detallada de lo que estamos buscando. Una vez disponemos de ese prompt maestro, lo guardamos para reutilizarlo en múltiples ocasiones y garantizar que las respuestas que obtenemos de las IA sean mucho más cualificadas cuando las usemos.
Como decía, OpenAI nos ofrece una serie de estrategias para hacer este proceso de ingeniería de prompts:
- Escribe instrucciones claras: Habla a las IA como si fueran una persona especialmente literal, donde hay que detallarle todo sin ningún tipo de ambigüedad.
- Dale textos de referencia: Los ejemplos le ayudan a modelar la respuesta y el formato; úsalos.
- Separa tareas complejas en pasos: Si no resuelve las cosas como quieres, detállale los pasos (primero haz esto, seguidamente, aquello).
- Oblígale a “pensar”: Cuando un paso tienda a inventarse cosas, detalla que necesitas que trabaje mucho en esa parte o que lo “piense”.
- Usa sus herramientas externas: Buscador de Bing, DALL·E o Code Interpreter son maravillosos. Sácales partido en tus prompts.
- Hazle evaluar la respuesta: Una buena forma de autocorregirse es obligándole a darte una evaluación de lo que acaba de responder. (Revisa que el texto contenga xxx, cada dato ponlo en una tabla y calcula si A o B son verdaderos).Estas estrategias conviene leerlas en la propia web de OpenAI, pues se desarrollan distintas técnicas con ejemplos que pueden ayudarte muchísimo a refinar estos prompts.
En este enlace encontrarás todos los detalles sobre la guía de prompt engineering de OpenAI:
🔗 Guía de prompt engineering de OpenAI
O si lo prefieres, puedes consultar esta visualización que la explica en un diagrama de árbol para tenerla como referencia:
🔗 Visualización de prompt engineering en Twitter
Si necesitas más guía, también me gustaría recomendarte la explicación que dimos en el Ministerio SEO sobre cómo crear este tipo de prompts y las reglas que nosotros usamos en IKAUE para ello.
Puedes encontrar este vídeo en el canal de YouTube del Ministerio SEO:
🔗 Vídeo sobre prompt engineering en YouTube
Y aquí te dejo también la presentación en Google Slides que lo explica:
🔗 Presentación sobre prompt engineering en Google Slides
3. Custom GPTs: Documentaciones Reactivas
Todo esto ha mejorado mucho más con los Custom GPTs. El sistema de OpenAI para generar chats especializados y con contexto ya dado.
Un custom GPT es un modelo de GPT donde le preconfiguras una gran cantidad de contexto. Seleccionas qué modelos de GPT quieres que se puedan usar, por ejemplo, GPT-4, DALL·E, Code Interpreter o el buscador de Bing. Luego le das un prompt en base, el mismo tipo de prompt que crearías con el prompt engineering. Pero además, y ahí está la guinda del pastel, puedes aportarle una gran cantidad de documentación, archivos de ejemplo y documentos técnicos o directamente datos con los que quieres que trabaje.
Este sistema, bien usado, lo que consigue es que las alucinaciones prácticamente desaparezcan y que todas las respuestas que te dé la IA estén fundamentadas en tu propia forma de trabajar.
OpenAI dispone de un directorio de custom GPTs que distintas personas y empresas han ido creando. Puedes consultar esta guía en su plataforma.
Para empezar a configurar un custom GPT debes tener una cuenta de pago de OpenAI y entrar en tu sección de GPTs. Desde ahí accederás a un sencillo editor donde, además, el propio ChatGPT te ayudará a entender lo que quieres o a generar iconos e imágenes. La interfaz es tan simple que apenas requiere explicación.
Como ejemplo simpático, tenéis el custom GPT público que yo mismo he hecho para jugar con mis hijos. Un sistema de generación de cuentos infantiles al estilo «Elige tu propia aventura» con el cual los niños podrán elegir qué es lo que quieren que les pase a los personajes del cuento.
Y la gracia de disponer de un custom GPT es que ya no se trata de que tengas que afinar en una sola pregunta el resultado válido sino que lo que generas es un sistema por el cual cualquier persona puede realizar cualquier tipo de pregunta sabiendo que siempre obtendrán la respuesta cualificada y fiel a cómo suele trabajar tu organización.
Esto lo hace en base a todos los documentos y ejemplos que vas a tener que subirle. Y no te voy a engañar, esos documentos es probable que muchos de ellos no los tengas y tendrás que fabricarlos solo para hacer el custom GPT. Eso significa también que es mucho más tiempo el que tendrás que invertir en crear un custom GPT que en realizar un prompt engineering simple.
Qué hemos hecho en IKAUE con este sistema
En IKAUE, lo que hemos hecho es crear «documentaciones reactivas». Sistemas que actúan como sustitutos de la documentación tradicional que podríamos tener en la empresa. Se trata de cumplir con el mismo objetivo: estandarizar, servir de Centro de Conocimiento, y dar pautas claras de cómo se espera que se realice el trabajo. Solo que lo que haremos es añadir todos los detalles a un custom GPT para que sea esta la vía de entrada para resolver los problemas de la empresa.
Ya no hace falta leerse toda la documentación, podemos preguntarle a nuestro GPT. GPT nos hace las consultas y nos da los datos complejos. Nos ayudará con las configuraciones, nos explicará qué datos existen y nos dará ideas sobre qué es lo que deberíamos mirar para resolver distintos problemas.
Ponemos como ejemplo el desarrollo del custom GPT que hemos desarrollado para «IKrawlerJS». IKrawlerJS es un crawler propio desarrollado por IKAUE, que usamos con nuestros clientes. El desarrollo de esta herramienta nos ha supuesto alrededor de una semana de trabajo en total, menos de 30 horas.
Hemos cargado distintos recursos dentro del sistema de custom GPTs por los cuales ahora el sistema es capaz de responder a todas las preguntas que podamos tener sobre el uso de nuestro propio crawler. Nos dirá qué significa cada campo y cada dato que contiene, cómo extraer distintos informes y queries hacia Google BigQuery (queries que además se basan en nuestras buenas prácticas), nos dará ideas de lo que podríamos mirar para solucionar distintos problemas SEO, nos asistirá creando configuraciones y scrapings, y nos servirá de asistente para casi todo nuestro trabajo en relación con nuestro crawler.
Para ello, hemos tenido que crear y subirle distintos documentos con muchos detalles sobre qué es cada dato, qué procesos realiza el crawler y todos los detalles de configuración que se pueden realizar. Además, le hemos dado ejemplos de queries bien hechas y de configuraciones de crawls de distintos tipos.
Con todo esto y un prompt inicial personalizado, hemos conseguido aligerar cualquier tipo de demanda sobre nuestro propio sistema.
¿Y qué más podemos hacer con documentaciones reactivas?
En esta vía de trabajo, puedes transformar en una IA prácticamente todo lo que seas capaz de mirar y definir. Todos tus protocolos, metodologías, formatos de respuestas, análisis o interpretaciones.
Tan solo tienes que tener claro a quién deseas ayudar y qué contextos debe tener tu GPT para dar las respuestas adecuadas. A partir de ahí, todo se transforma en prueba y error: tendrás que afinar tu prompt y luego afinar los archivos que le has dado para que sean más claros en los puntos donde suele equivocarse. Poco a poco, pero en mucho menos tiempo del que crees, dispondrás de una herramienta útil para todos.
¿Quieres ver la charla sobre documentaciones Reactivas con IA?
Estas de suerte. Puedes consultar los slides de la charla aquí mismo en esta página.
