Objetivos de aprendizaje:
- Entender cómo funciona la cadena de pensamiento y por qué ayuda
- Aprender a guiar el razonamiento de la IA con «pensemos paso a paso»
- Reconocer qué tipos de tarea encajan bien con CoT
Requisitos: << Lección 3: Few-shot learning | Siguiente: Lección 5 >>
Le pasas a la IA un problema matemático con enunciado y responde «42». Lo revisas y la respuesta es correcta. Pero cambias a un problema parecido y la respuesta sale mal. ¿Qué pasó? El modelo pudo haber adivinado, o haber seguido un camino de razonamiento roto que casualmente cayó en el número correcto.
Para tareas que necesitan razonamiento de varios pasos (problemas matemáticos, acertijos de lógica, análisis complejos), hacer que la IA muestre sus pasos de razonamiento es más confiable que pedirle la respuesta directamente1 2. Esa es la idea central del prompting de chain-of-thought (cadena de pensamiento, CoT): partir la conclusión en pasos intermedios que de verdad puedas revisar.
El prompting de chain-of-thought (CoT) es una técnica que hace que el modelo despliegue pasos de razonamiento intermedios antes de dar una respuesta final1. En palabras de la investigación, el prompting de cadena de pensamiento "enables complex reasoning capabilities through intermediate reasoning steps" (habilita capacidades de razonamiento complejo mediante pasos de razonamiento intermedios)1. La intuición es simple: "Chain of Thought prompting encourages the model to think through the problem in a step-by-step manner, which is supposed to mimic how humans break down complex problems" (el prompting de cadena de pensamiento anima al modelo a pensar el problema paso a paso, imitando cómo los humanos descomponen problemas complejos)2. Es lo mismo que haces tú cuando anotas ecuaciones y resultados intermedios en una hoja borrador para resolver un problema de matemáticas.
Compara los dos enfoques:
❌ Sin CoT:
La IA podría limitarse a devolver:
Si la respuesta está mal, no tienes idea de qué paso se desvió.
✅ Con CoT:
La IA devuelve:
Cada paso queda a la vista, así que si uno está mal lo detectas de inmediato y corriges el prompt.
La investigación muestra que en tareas con razonamiento de varios pasos CoT eleva la precisión de forma sustancial1; en algunas tareas, combinar CoT con demostraciones resueltas sube la precisión hasta un 28.2% adicional2.
Agrega una línea al final de tu prompt: "let's think step by step" (en español, «pensemos paso a paso»)1 2.
Esa sola línea activa el modo de razonamiento paso a paso del modelo. No entregas ningún ejemplo; el modelo descompone el problema por su cuenta.
Entrega uno o dos ejemplos que incluyan el proceso de razonamiento completo1 2.
El ejemplo muestra el formato del razonamiento y qué tan detallados deben ser los pasos, y el modelo imita ese estilo.
CoT rinde mejor en tareas que necesitan razonamiento de varios pasos2:
✅ Razonamiento matemático y lógico
✅ Análisis causal
✅ Planificación y decisiones
✅ Depuración de código
Dónde no encaja:
❌ Consultas de hechos simples: «¿Cuándo se lanzó Python por primera vez?» — no hace falta razonar ❌ Escritura creativa: poemas, cuentos — los pasos de razonamiento rompen el flujo creativo ❌ Conversión de formato: JSON → CSV — es una operación mecánica, no hace falta razonar
Regla práctica: si para hacer la tarea por tu cuenta necesitas una hoja borrador para anotar los pasos, encaja bien con CoT.
Sin CoT (una conclusión en la que no puedes confiar):
Solo una conclusión, sin ninguna razón.
Con CoT (razonamiento claro):
La IA muestra:
Cada paso del razonamiento es verificable, así que si uno está mal lo ves de inmediato.
Problema:
Salida de la IA:
Desplegar esta eliminación paso a paso hace mucho más fácil verificar si la lógica es impecable.
Parte un problema complejo en unos pocos subproblemas.
Enumera las hipótesis y después revísalas una por una.
Enumera las razones a favor y en contra, y después llega a una conclusión.
CoT no es una cura para todo. Tiene algunos límites:
1. Agrega longitud y tiempo
Mostrar los pasos del razonamiento alarga la salida, consume más tokens y tarda más en responder.
Cuándo vale la pena: en tareas complejas, gastar 2-3 veces los tokens para ganar precisión es un buen intercambio. Cuándo no: en tareas simples («qué día es hoy»), los pasos de razonamiento son puro desperdicio.
2. Los pasos del razonamiento pueden estar mal ellos mismos
Los pasos que muestra la IA pueden parecer razonables y aun así tener un hueco en la lógica. Sigues teniendo que verificar si el razonamiento es correcto.
El valor de CoT es que vuelve visibles los errores. Cuando la IA responde directamente, el error se esconde en una caja negra; cuando los pasos están a la vista, el error aflora en algún paso y es más fácil de encontrar y corregir.
3. No encaja con tareas que dependen de la intuición
Algunas tareas (escritura creativa, evaluar arte) se apoyan en una impresión de conjunto, y forzarlas a pasos rompe el todo.
El prompting de cadena de pensamiento hace que la IA muestre sus pasos de razonamiento en vez de saltar directo a una respuesta. Al agregar «pensemos paso a paso» a un prompt, o al entregar ejemplos que incluyen el razonamiento, puedes elevar sustancialmente la precisión en tareas de razonamiento de varios pasos.
CoT encaja con razonamiento matemático, análisis lógico, inferencia causal, decisiones complejas: cualquier cosa que necesite varios pasos de pensamiento. Vuelve el razonamiento visible y verificable. Sí agrega longitud a la salida, pero en tareas complejas el beneficio supera con creces el costo.
La siguiente lección cubre cómo depurar y mejorar prompts: cuando la salida de la IA no coincide con lo que esperabas, cómo encontrar el problema de forma sistemática y corregirlo.
Próxima lección Depuración y mejora de prompts >>
Problema: un equipo tiene 8 personas, cada una trabaja 6 horas al día. El proyecto requiere 240 horas-persona de trabajo. Si el equipo crece a 12 personas, ¿cuántos días antes puede terminar?
Escribe el prompt completo (incluyendo «pensemos paso a paso») y después predice qué pasos intermedios mostrará la IA.
Diseña un prompt de CoT few-shot con 2 ejemplos (uno O(n), uno O(n²)) que muestre los pasos de razonamiento completos.
Problema: una cafetería vendió 23 tazas de café en la mañana, 17 al mediodía y el doble de la mañana en la tarde. ¿Cuántas tazas vendió en todo el día?
Respuesta:86 tazasProblema: una cafetería vendió 23 tazas de café en la mañana, 17 al mediodía y el doble de la mañana en la tarde. ¿Cuántas tazas vendió en todo el día?
Pensemos paso a paso:Pensemos paso a paso:
1. Ventas de la mañana: 23 tazas2. Ventas del mediodía: 17 tazas3. La tarde es el doble de la mañana: 23 × 2 = 46 tazas4. Total del día: 23 + 17 + 46 = 86 tazas
Respuesta: 86 tazasProblema: si 5 trabajadores necesitan 5 días para terminar un proyecto, ¿cuántos días necesitan 10 trabajadores?
Pensemos paso a paso:Ejemplo:Problema: un auto viaja a 60 km/h. ¿Qué distancia recorre en 3 horas?Razonamiento:- Velocidad = 60 km/h- Tiempo = 3 horas- Distancia = velocidad × tiempo = 60 × 3 = 180 kmRespuesta: 180 km
Ahora resuelve este problema:Problema: un auto viaja a 80 km/h durante 2.5 horas y después a 60 km/h durante 1 hora más. ¿Qué distancia recorre en total?Razonamiento:¿Este código tiene un problema de rendimiento?
```pythondef find_duplicates(items): duplicates = [] for i in range(len(items)): for j in range(i + 1, len(items)): if items[i] == items[j] and items[i] not in duplicates: duplicates.append(items[i]) return duplicates```
Respuesta: sí, tiene un problema de rendimientoAnaliza el problema de rendimiento de este código. Explica paso a paso:1. Identifica la estructura de bucles2. Calcula la complejidad temporal3. Señala el cuello de botella concreto4. Sugiere una optimización
```pythondef find_duplicates(items): duplicates = [] for i in range(len(items)): for j in range(i + 1, len(items)): if items[i] == items[j] and items[i] not in duplicates: duplicates.append(items[i]) return duplicates```Análisis de rendimiento:
1. Estructura de bucles: - Bucle externo: recorre cada elemento, O(n) - Bucle interno: por cada elemento, recorre los restantes, O(n) - En conjunto: bucles anidados, O(n²)
2. Complejidad temporal: - Bucles principales: O(n²) - La comprobación `items[i] not in duplicates`: O(m) en el peor caso, donde m es la cantidad de duplicados encontrados hasta ese momento - Complejidad total: O(n² × m)
3. Cuello de botella de rendimiento: - Los bucles anidados se vuelven muy lentos con entradas grandes (n > 1000) - El escaneo lineal de `not in` sobre una lista lo ralentiza todavía más
4. Optimización: - Usar un set en vez de una lista para guardar los duplicados, bajando la comprobación de O(m) a O(1) - O usar un Counter para encontrar en una sola pasada todos los elementos que aparecen más de una vez, bajando a O(n)Tres personas — A, B y C — entran a una competencia. Sabemos que:- A no es primer lugar- B no es último lugar- C no es ni primer ni último lugar
¿Cuáles son sus posiciones?
Razonemos paso a paso:Razonemos paso a paso:
1. Partimos de la condición de C: - C no es primero ni último - Entonces C tiene que ser segundo
2. Fijamos a A y a B: - A no es primero - B no es último - C ya es segundo, así que quedan el primer y el tercer lugar para A y B
3. Asignamos las posiciones restantes: - A no es primero, así que A es tercero - B no es último (tercero), así que B es primero
Respuesta: B primero, C segundo, A terceroProblema: un proyecto de software tiene 5 ingenieros, cada uno trabaja 6 horas al día, y requiere 120 días-persona de trabajo. Si se amplía a 8 ingenieros, ¿cuántos días antes puede terminar?
Calculemos paso a paso:1. ¿Cuántos días necesita la configuración actual?2. ¿Cuántos días después de sumar gente?3. ¿Cuántos días antes?Este código lanza "TypeError: unsupported operand type(s)". ¿Cuáles son las causas posibles?
Revisemos las causas posibles una por una:1. Revisa los tipos de las variables a cada lado del operador2. Revisa si hay un valor None involucrado en la operación3. Revisa si se está mezclando una cadena con un número¿Deberíamos usar una arquitectura de microservicios o un monolito?
Analicémoslo desde dos ángulos:
Razones a favor de los microservicios:1. ...2. ...
Razones a favor de un monolito:1. ...2. ...
Juicio general:Con base en el tamaño actual del equipo y la complejidad del proyecto, recomiendo...