Prompting de Pocos Ejemplos — Enseñanza Mediante Ejemplos

Hay tareas en las que decirle a la IA lo que quieres no es suficiente — necesitas mostrarle. Este es el principio fundamental detrás del few-shot prompting: en lugar de (o además de) escribir instrucciones, incluyes uno o más ejemplos del tipo de salida que buscas, y dejas que el modelo los use como plantilla.

El few-shot prompting es una de las técnicas de mayor impacto disponibles, especialmente para tareas que requieren coincidir con un tono, formato o estilo específico que es difícil de describir con palabras.

Cómo funciona el Few-Shot Prompting

La estructura es sencilla. Proporcionas:

1. Una instrucción breve (la tarea);
2. Uno o más ejemplos que muestran pares de entrada → salida;
3. La entrada real que deseas que el modelo procese.

El modelo lee los ejemplos, identifica el patrón y lo aplica a la nueva entrada.

Estructura del ejemplo:

¿Cuántos ejemplos necesitas?

El nombre "few-shot" refleja el hecho de que normalmente no necesitas muchos ejemplos para anclar el patrón:

• Un ejemplo (one-shot) suele ser suficiente para tareas simples de formato o coincidencia de estilo;
• Dos o tres ejemplos cubren la mayoría de los casos de uso profesional y dan al modelo suficiente variación para generalizar correctamente;
• Más de cinco rara vez es necesario y puede hacer que el prompt sea difícil de manejar.

La calidad de tus ejemplos importa más que la cantidad. Un ejemplo bien elegido que demuestre claramente el patrón es más efectivo que tres inconsistentes.

Cómo elegir los ejemplos adecuados

Tus ejemplos deben ser:

• Representativos — deben reflejar toda la gama de lo que solicitas, no solo los casos más sencillos;
• Consistentes — el estilo, formato y nivel de detalle deben ser uniformes en todos los ejemplos;
• Reales cuando sea posible — usar ejemplos de tu trabajo real produce una coincidencia de estilo más precisa que los inventados;
• Correctamente formateados — el modelo replicará las elecciones de formato, incluidos los errores. Si tu ejemplo tiene un error estructural, espera que la salida también lo tenga.

Cuándo vale la pena el esfuerzo adicional del Few-Shot Prompting

El few-shot requiere más trabajo de configuración que el zero-shot. Vale la pena cuando:

• Se necesita que la salida coincida con una voz o formato existente específico (el estilo de redacción de la empresa, una plantilla de informe, una guía de tono);
• Los intentos con zero-shot han producido resultados que son consistentemente cercanos pero no del todo correctos;
• Se está construyendo una plantilla de prompt reutilizable que se usará repetidamente — el costo de configuración es una inversión única;
• La tarea implica juicios de calidad subjetivos (qué hace que un asunto sea bueno, qué hace que un resumen sea conciso) que son más fáciles de demostrar que de explicar.