La ingeniería rápida de IA no es el futuro

A pesar del revuelo que lo rodea, el protagonismo de Prompt Engineering puede ser fugaz. ¿Una habilidad más duradera y adaptable nos seguirá permitiendo aprovechar el potencial de la IA generativa? Se llama formulación del problema— la capacidad de identificar, analizar y delinear los problemas.

••• La ingeniería rápida ha arrasado en el mundo de la IA generativa. El trabajo, que implica optimizar la entrada textual para comunicarse de forma eficaz con modelos lingüísticos de gran tamaño, ha sido aclamado por el Foro Económico Mundial como el número uno[«trabajo del futuro»](https://www.weforum.org/agenda/2023/03/new-emerging-jobs-work-skills/) mientras que el CEO de Open AI, Sam Altman, lo describió como[«una habilidad increíblemente aprovechada».](https://twitter.com/sama/status/1627796054040285184?lang=en) Las redes sociales están repletas de una nueva ola de personas influyentes que muestran «indicaciones mágicas» y prometen resultados increíbles. Sin embargo, a pesar de los rumores que lo rodean, el protagonismo de la ingeniería rápida puede ser fugaz por varias razones. En primer lugar, las generaciones futuras de sistemas de IA serán más intuitivos y expertos en entender el lenguaje natural, lo que reducirá la necesidad de diseñar instrucciones meticulosamente. En segundo lugar, los nuevos modelos lingüísticos de IA, como el GPT4, ya son muy prometedores en la creación de indicaciones: la propia IA está a punto de dejar obsoleta la ingeniería rápida. Por último, la eficacia de las indicaciones depende del algoritmo específico, lo que limita su utilidad en los distintos modelos y versiones de la IA. Entonces, ¿qué habilidad es más duradera y adaptable que nos siga permitiendo aprovechar el potencial de la IA generativa? Lo es _formulación del problema_— la capacidad de identificar, analizar y delinear los problemas. La formulación de problemas y la ingeniería rápida se diferencian en su enfoque, tareas principales y habilidades subyacentes. La ingeniería rápida se centra en crear la entrada textual óptima mediante la selección de[palabras, frases, estructuras de oraciones y signos de puntuación apropiados](https://www.euronews.com/next/2023/03/30/ai-prompt-engineering-how-talking-to-chatgpt-became-the-hottest-tech-job-six-figure-salary). Por el contrario, la formulación del problema hace hincapié [definir el problema delineando su enfoque, alcance y límites](https://onlinelibrary.wiley.com/doi/full/10.1002/smj.2004?casa_token=zVLyymBals4AAAAA%3ARmRkPttorrYS2TTucflM4djD8Y7RNXpK01oQXyrsGUEy032ID9Ph0SnKSP0naq98ifQ-SZF-j0uD8ovr). La ingeniería rápida requiere un conocimiento firme de una herramienta de IA específica y un dominio lingüístico, mientras que la formulación de problemas requiere una comprensión exhaustiva del dominio del problema y la capacidad de destilar los problemas del mundo real. El hecho es que, sin un problema bien formulado, incluso las indicaciones más sofisticadas se quedarán cortas. Sin embargo, una vez que el problema está claramente definido, los matices lingüísticos de un prompt pasan a ser tangenciales a la solución. Lamentablemente, la formulación de problemas es una habilidad que la mayoría de nosotros pasa por alto y está subdesarrollada. Una de las razones es el énfasis desproporcionado que se da a la resolución de problemas a expensas de la formulación. Este desequilibrio quizás se ilustre mejor con el popular pero equivocado adagio de la administración:[«no me traiga problemas, tráigame soluciones».](/2008/02/dont-bring-me-problems-bring-m) Por lo tanto, no es sorprendente que una encuesta reciente revele que[El 85% de los altos ejecutivos consideran que sus organizaciones no diagnostican problemas](/2017/01/are-you-solving-the-right-problems). ¿Cómo puede mejorar en la formulación de problemas? Sintetizando los conocimientos de investigaciones anteriores sobre [formulación del problema](https://onlinelibrary.wiley.com/doi/full/10.1002/smj.2004) y[diseño de trabajo](https://www.sciencedirect.com/science/article/abs/pii/S0749597816302643), así como el mío [experiencia](/2020/01/a-new-model-for-crowdsourcing-innovation) y[investigación](https://www.sciencedirect.com/science/article/abs/pii/S0048733318302889) en las plataformas de crowdsourcing, en las que los desafíos organizacionales se articulan con regularidad y se abren a un gran público, he identificado cuatro componentes clave para una formulación eficaz de los problemas: _problema_ _diagnóstico_, _descomposición_, _reencuadrar_, y _diseño de restricciones_. ## Diagnóstico de problemas El diagnóstico de problemas consiste en identificar el problema principal que debe resolver la IA. En otras palabras, se trata de identificar el objetivo principal que quiere que logre la IA generativa. Algunos problemas son relativamente fáciles de precisar, por ejemplo, cuando el objetivo es obtener información sobre un tema específico, como varias estrategias de gestión de recursos humanos para la compensación de los empleados. Otros son más desafiantes, como explorar soluciones a un problema de innovación. Un buen ejemplo es InnoCentive (ahora Wazoku Crowd). La empresa ha ayudado a sus clientes a formular más de 2500 problemas, con una impresionante tasa de éxito superior al 80%.[Mis entrevistas con los empleados de InnoCentive](https://repub.eur.nl/pub/76076) reveló que un factor clave detrás de este éxito era su capacidad para discernir lo fundamental que subyace a un problema. De hecho, suelen iniciar su proceso de formulación de problemas con el[«Cinco porqués»](https://www.taylorfrancis.com/chapters/edit/10.1201/9781315367699-11/5-whys-frank-voehl) técnica para distinguir las causas fundamentales de los simples síntomas. Un caso en particular es el problema del petróleo subártico, que implicó la limpieza de las aguas subárticas tras el catastrófico derrame de petróleo del Exxon Valdez. En colaboración con el Instituto de Recuperación de Derrames de Petróleo, InnoCentive identificó la causa fundamental del problema de la limpieza de petróleo como[viscosidad del petróleo crudo: el petróleo congelado se hizo demasiado espeso para bombearlo desde barcazas](https://www.innocentive.com/wp-content/uploads/2019/09/prince-william-case-study-1.pdf). Este diagnóstico fue clave para resolver por fin el problema de hace dos décadas con una solución que consistía en utilizar una versión modificada del equipo de construcción diseñada para hacer vibrar el aceite y mantenerlo en estado líquido. ## Descomposición del problema La descomposición de los problemas implica dividir los problemas complejos en subproblemas más pequeños y manejables. Esto es especialmente importante cuando se abordan problemas multifacéticos, que a menudo son demasiado complicados como para generar soluciones útiles. Tomemos como ejemplo el desafío de la esclerosis lateral amiotrófica (ELA) de InnoCentive. En lugar de buscar soluciones para el amplio problema de descubrir un tratamiento para la ELA, el desafío se concentró en un subcomponente del mismo:[detectar y monitorear el progreso de la enfermedad](https://www.innocentive.com/wp-content/uploads/2019/09/prize4life-case-study.pdf). En consecuencia, se desarrolló por primera vez un biomarcador de ELA que proporcionaba una solución rentable y no invasiva basada en la medición del flujo de corriente eléctrica a través del tejido muscular. He probado cómo la IA mejora con la descomposición de los problemas[utilizar un desafío organizativo común y oportuno: implementar un marco de ciberseguridad sólido](/2023/04/cyber-risk-is-growing-heres-how-companies-can-keep-up). Las soluciones de Bing AI eran demasiado amplias y genéricas para ser útiles de inmediato. Pero después de dividirlo en subproblemas (por ejemplo, políticas de seguridad, evaluaciones de vulnerabilidades, protocolos de autenticación y formación de los empleados), las soluciones mejoraron considerablemente. Las siguientes instantáneas ilustran la diferencia. Métodos como [descomposición funcional](https://asmedigitalcollection.asme.org/IDETC-CIE/proceedings-abstract/IDETC-CIE2007/227/355660) o[estructura de desglose del trabajo](https://www.wiley.com/en-us/Work+Breakdown+Structures:+The+Foundation+for+Project+Management+Excellence-p-9780470177129) puede ayudarlo a representar visualmente problemas complejos y a simplificar la identificación de los componentes individuales y sus interconexiones que son más relevantes para su organización. ## Problema al reencuadrar Reencuadrar el problema implica cambiar la perspectiva desde la que se ve un problema, lo que permite interpretaciones alternativas. Al reformular un problema de varias maneras, puede guiar a la IA para que amplíe el alcance de las posibles soluciones, lo que, a su vez, puede ayudarlo[encontrar soluciones óptimas y superar los obstáculos creativos](https://journals.sagepub.com/doi/pdf/10.1177/0008125620906620). Pensemos en Doug Dietz, un arquitecto de innovación de GE Healthcare, cuya principal responsabilidad era diseñar escáneres de resonancia magnética de última generación. Durante una visita al hospital, vio a un niño aterrorizado esperando una resonancia magnética y descubrió que un asombroso 80% de los niños necesitaban sedación para hacer frente a la intimidante experiencia. Esta revelación lo llevó a replantear el problema: «¿Cómo podemos convertir la abrumadora experiencia de la resonancia magnética en una emocionante aventura para los niños?» Este nuevo enfoque llevó al desarrollo de la serie GE Adventure, que redujo drásticamente las tasas de sedación pediátrica hasta tan solo un 15%, aumentó las puntuaciones de satisfacción de los pacientes en un 90% y mejoró la eficiencia de las máquinas. Ahora imagine esto: los empleados se quejan de la falta de plazas de aparcamiento disponibles en el edificio de oficinas. Puede que el planteamiento inicial se centre en aumentar el espacio de aparcamiento, pero si reformula el problema desde la perspectiva de los empleados (consideran que aparcar es estresante o tienen opciones de viaje limitadas), puede explorar diferentes soluciones. De hecho, cuando pedí a ChatGPT que generara soluciones para el problema de las plazas de aparcamiento utilizando marcos iniciales y alternativos, los primeros me dieron soluciones centradas en optimizar el diseño o la asignación de los aparcamientos y en encontrar nuevos espacios. Esto último creó un conjunto de soluciones diverso, como la promoción del transporte alternativo, los desplazamientos sostenibles y el trabajo remoto. Para replantear los problemas de forma eficaz, considere la posibilidad de adoptar la perspectiva de los usuarios,[explorar analogías para representar el problema](https://www.sciencedirect.com/science/article/pii/S0142694X11000603), usando [abstracción](/2017/06/how-you-define-the-problem-determines-whether-you-solve-it?utm_medium=social&utm_campaign=hbr&utm_source=twitter&tpcc=orgsocial_edit), y [cuestionar de forma proactiva los objetivos del problema o identificar los componentes que faltan](/2017/01/are-you-solving-the-right-problems) en la definición del problema. ## Diseño de restricciones de problemas El diseño de restricciones de problemas se centra en delinear los límites de un problema mediante la definición[restricciones de entrada, proceso y salida de la búsqueda de soluciones](https://journals.sagepub.com/doi/full/10.1177/0149206318805832) . Puede utilizar las restricciones para dirigir la IA a la generación de soluciones valiosas para la tarea en cuestión. Cuando la tarea está orientada principalmente a la productividad, suele ser más apropiado emplear restricciones específicas y estrictas para describir el contexto, los límites y los criterios de resultado. Por el contrario, para las tareas orientadas a la creatividad, experimentar con la imposición, la modificación y la eliminación de restricciones permite explorar un espacio de soluciones más amplio y descubrir perspectivas novedosas. Por ejemplo, los directores de marca ya utilizan varios[Herramientas de IA, como Lately o Jasper,](https://influencermarketinghub.com/ai-marketing-tools/#toc-0) para producir contenido útil en las redes sociales a gran escala. Para garantizar que este contenido esté alineado con los diferentes medios y la imagen de la marca, suelen establecer restricciones precisas en cuanto a la longitud, el formato, el tono o[público objetivo](/2023/02/generative-ai-can-help-you-tailor-messaging-to-specific-audiences). Sin embargo, si buscan la verdadera originalidad, los directores de marca pueden eliminar las restricciones de formato o restringir la salida a un formato poco convencional. Un buen ejemplo es GoFundMe[La ayuda lo cambia todo](https://www.akqa.com/work/gofundme/help-changes-everything/) campaña. La empresa tenía como objetivo generar contenido creativo con reseñas anuales que no solo expresara su gratitud a sus donantes y evocara emociones, sino que también destacara del contenido típico de fin de año. Para ello, impusieron restricciones poco ortodoxas: las imágenes se basarían exclusivamente en arte de estilo mural callejero generado por la IA y mostrarían a todas las campañas de recaudación de fondos y a los donantes. El DALL-E y Stable Diffusion generaron imágenes individuales que luego se transformaron en un vídeo cargado de emociones. El resultado: una estética visualmente cohesiva y llamativa que cosechó[aclamación generalizada](https://www.thedrum.com/news/2022/12/21/us-ad-the-day-gofundme-paints-the-power-donating-the-bigger-picture). En general, perfeccionar las habilidades de diagnóstico de problemas, descomposición, reencuadre y diseño de restricciones es esencial para alinear los resultados de la IA con los objetivos de las tareas y fomentar la colaboración eficaz con los sistemas de IA. Si bien prompt engineering puede ser el centro de atención a corto plazo, su falta de sostenibilidad, versatilidad y transferibilidad limita su relevancia a largo plazo. Hacer demasiado hincapié en la creación de la combinación perfecta de palabras puede resultar incluso contraproducente, ya que puede restar valor a la exploración del problema en sí y disminuir la sensación de control sobre el proceso creativo. En cambio, dominar la formulación de problemas podría ser la clave para navegar por un futuro incierto junto con sofisticados sistemas de IA. Podría resultar tan fundamental como lo fue aprender lenguajes de programación en los primeros días de la informática.