VIAJES FOTOS Y COMIDA DE BERNARDO SABISKY
Por: Bernardo Sabisky
A veces me detengo a pensar en la cantidad de datos que nos rodean. La verdad,es que es abrumador. Vivimos en un mundo donde las inteligencias artificiales pueden procesar trillones de datos en lo que nosotros tardamos en pestañear. Pero aquí aparece el gran dilema: ¿cómo hace una máquina para elegir lo que realmente importa entre tanto ruido? La respuesta no es más tecnología, sino algo muy humano: el rol.
No se trata de un simple nombre o una etiqueta decorativa. El rol es, en esencia —y esto es lo que muchos pasan por alto—, el filtro que guía a la máquina para que no se pierda en el infinito de su propia memoria.
El Rol: Mucho más que un simple título profesional
Cuando le decimos a una IA que actúe como un «asistente de ventas» o un «ingeniero de software», no estamos jugando a los disfraces digitales. Lo que estamos haciendo es definir un filtro cognitivo. Imaginen que la IA es una biblioteca gigante que contiene todos los libros del mundo. Si entramos y solo decimos «busco información», el bibliotecario se va a quedar mirándonos sin saber qué hacer. Pero si le decimos «ayudame como si fueras un historiador», ese bibliotecario ya sabe qué pasillos recorrer y cuáles ignorar.
¿Por qué funciona este truco?
La clave está en la capacidad de establecer límites. Nosotros, como personas, cuando nos ponemos «en la piel» de un profesional, empezamos a ver el mundo desde esa óptica. La IA hace lo mismo:
Priorización: Si le pedís que sea un «ingeniero industrial», va a poner por encima de todo la eficiencia y la seguridad.
Creatividad: Si le pedís que sea un «diseñador», su prioridad va a ser la estética y la experiencia del usuario.
Es la misma máquina, pero con un par de anteojos distintos.
Poner límites para evitar el caos informativo
En un entorno donde la IA tiene acceso a todo, la especificidad es la única forma de no naufragar. Si no le damos un contexto detallado, la inteligencia artificial suele dar respuestas genéricas. Son respuestas que suenan bien (son «plausibles», como dicen los expertos), pero que no sirven para nada concreto.
Es como —y perdonen la comparación, pero creo que ayuda— pedirle a un cocinero que «prepare algo rico» sin decirle si estamos en un restaurante de lujo o en una parrillada de barrio. El resultado puede ser una maravilla, pero si vos querías un choripán y te traen caviar, el problema no es la calidad, sino la falta de instrucciones claras.
El «contenedor» de la respuesta
Cuando fijamos un rol, también definimos el espacio donde se va a mover la respuesta:
Extensión: Podemos pedirle que sea breve (un par de párrafos).
Geografía: Podemos decirle que solo use leyes de un país específico.
Complejidad: Podemos pedirle que nos hable como a un colega o como a un principiante.
Si no marcamos bien la cancha, el árbol de la información crece tanto que termina tapando todo el paisaje.
La curiosa ciencia del tono: ¿Sirve ser amable?
Aquí es donde la cosa se pone interesante, y hasta un poco extraña. Uno pensaría que tratar con cortesía a la máquina ayuda, pero investigaciones de la Universidad de Pensilvania han demostrado algo contra intuitivo: un tono «grosero» —o mejor dicho, extremadamente directo y sin vueltas— puede hacer que la IA sea más precisa.
Parece que las fórmulas de cortesía (el «por favor», el «serías tan amable») generan lo que llamamos ruido semántico. Son palabras que la IA tiene que procesar pero que no aportan contenido real, lo que a veces la confunde. Los estudios dicen que, al ser directos, la precisión puede subir hasta un 84.8%. Increíble, ¿no?
La prueba del niño de cinco años
Seguramente escucharon hablar del método Feynman. Consiste en explicar algo complejo como si fuera para un nene chiquito. Usar analogías del mundo real es la mejor forma de comprobar si la IA entendió el núcleo del problema. Si puede explicar un procesador de computadora comparándolo con un chef que organiza ingredientes, entonces la comunicación fue un éxito.
Detectives contra las «alucinaciones»
Hay un riesgo real: las alucinaciones. No, la máquina no está soñando, pero a veces genera respuestas que suenan perfectas pero que son totalmente inventadas. Como un detective con ojo clínico, el usuario debe estar atento.
Citar fuentes: Siempre es bueno pedirle que diga de dónde sacó la información.
Reconocer la ignorancia: Una IA honesta es mucho más útil que una que inventa para quedar bien. Es fundamental que el sistema sepa decir «no tengo suficiente información para responder esto».
El camino es la práctica (Iteración)
Para terminar, hay que entender que esto no es magia. Un buen resultado con IA rara vez sale a la primera. Es un proceso dinámico de iteración. Un «prompt» (que es como llamamos a la instrucción que le damos) se va puliendo. Cuanto más hablemos con la máquina y le demos feedback, más se va a ajustar a lo que necesitamos.
Al final, la inteligencia artificial no es solo una base de datos; es un socio que asume identidades para ayudarnos a organizar el mundo. Pero, pero la batuta de esa orquesta siempre la tenemos que llevar nosotros.
