Haz que deje de inventar
Las cuatro técnicas de este bloque atacan la misma enfermedad desde ángulos distintos: el modelo rellenando huecos. Los ejemplos le llenan el hueco del criterio, las etiquetas el de "qué es qué", el contexto explica por qué se abren huecos nuevos, y el grounding le prohíbe rellenarlos.
Qué vas a poder hacer
- Decidir si una tarea necesita ejemplos y armar un few-shot correcto.
- Estructurar un prompt largo para que no se mezcle nada.
- Reconocer un chat saturado y saber qué hacer.
- Obligar al modelo a responder solo con tus fuentes, y verificar que lo hizo.
Las 4 técnicas
| Técnica | Qué problema resuelve | Señal de que la necesitas | Costo de usarla |
|---|---|---|---|
| Few-shot | No capta tu criterio o tu estilo | "Entendió lo que pedí, pero no como lo hago yo" | Juntar 3 a 7 ejemplos |
| Etiquetas XML | Confunde instrucción con datos | Responde sobre el texto pegado en vez de hacer la tarea | Casi cero |
| Higiene de contexto | Olvida, se contradice, mezcla documentos | Vuelve a errores que ya habías corregido | Abrir un chat nuevo |
| Grounding | Inventa datos que no están en la fuente | Suena perfecto pero no encuentras de dónde lo sacó | Dos frases y verificar citas |
Antes y después: clasificar con tu criterio
Clasifica estos tickets por urgenciaVa a usar su idea de urgencia, no la tuya. Y la suya viene del promedio de internet.
Te paso 4 tickets ya clasificados por mí. <alta> "Sistema caído para 200 usuarios" "Cobro duplicado a un cliente" </alta> <baja> "Consulta sobre cómo exportar" "Sugerencia de mejora visual" </baja> Identifica qué patrón separa una categoría de la otra y clasifica los 10 tickets de abajo con ese mismo criterio. Antes de clasificar, dime qué patrón detectaste.Ese "dime qué patrón detectaste" es oro: te muestra si entendió tu criterio o se inventó uno propio antes de que sea tarde.
Las 3 reglas del few-shot
1. CANTIDAD de 3 a 7 ejemplos menos no marca el patrón · más genera rigidez y alucinación 2. VARIEDAD muestra lo que SÍ y lo que NO solo buenos enseña "cómo se ve bueno" buenos y malos enseñan DÓNDE ESTÁ LA FRONTERA 3. ORDEN alternado: bueno, malo, bueno, malo el orden mueve la efectividad entre 50% y 90% lo ÚLTIMO pesa más, nunca cierres con los malosEl prompt con las cuatro técnicas juntas
<contexto> Somos soporte de una plataforma de tracking de envíos. El cliente es retail y mueve 4.000 envíos semanales. Su SLA es 72 horas. </contexto> <documentos> <- GROUNDINGBasa tu respuesta ÚNICAMENTE en los dos documentos adjuntos: "SLA Cliente Retail 2026" y "Reporte de incidentes Q2".Si un dato no está en ellos, escribe "No disponible en los documentos" en vez de estimarlo.</documentos> <ejemplos-de-formato> <- FEW-SHOT [ejemplo bueno] [ejemplo malo] [ejemplo bueno] [ejemplo malo] </ejemplos-de-formato> <instruccion> <- AL FINALLista los incidentes del trimestre donde incumplimos el SLA. Para cada uno incluye la cita textual del SLA que aplica y la cita textual del reporte, ambas entre comillas. </instruccion>Diagnóstico rápido
Hizo la tarea pero con SU criterio ......... few-shot, 3 a 7 alternados Responde sobre el texto que pegué ......... etiquetas XML + instrucción al final Ignora dos de los tres archivos ........... nómbralos en PLURAL, uno por uno Volvió a un formato que ya corregí ........ chat sucio, abre uno nuevoSe pasa del límite de palabras ............ repite el límite al final, en MAYÚSCULASCita algo que no encuentro en el documento está alucinando, exige cita textualDijo "no menciona X" y sí lo menciona ..... validación cruzada por omisiónGrounding: las dos frases que siempre van juntas
1. Fuente explícita"Basa tu respuesta ÚNICAMENTE en [nombre exacto del documento]. No uses conocimiento general ni supuestos del sector."2. Contingencia <- la que casi nadie escribe "Si la información no está en el documento, responde exactamente: 'No se encuentra disponible en el documento' y no elabores más."Con VARIOS documentos: habla en PLURAL y nómbralos uno por uno, si no, trabaja con uno solo e ignora el resto sin avisarte. Cómo validar: 1. Pide citas textuales entre comillas 2. Busca la cita literal con Ctrl+F en la fuente 3. Cruzada por omisión: "¿el documento B menciona X? Sí/No + la línea"Repaso
¿Cuántos ejemplos van en un few-shot y por qué no más?
De 3 a 7. Con menos no detecta el patrón; con muchos más deja de generalizar, empieza a recombinar tus ejemplos literalmente y aumenta la alucinación.
¿Por qué incluir ejemplos malos y no solo buenos?
Porque solo con buenos aprende cómo se ve bueno; con buenos y malos aprende dónde está la frontera, que es lo que realmente quieres transmitirle.
¿Por qué importa el orden de los ejemplos?
Puede mover la efectividad entre un 50% y un 90%, porque lo último que leyó pesa más. Si cierras con los malos, va a escribir parecido a los malos.
¿Qué pasa si no cierras una etiqueta XML?
El modelo puede asumir que todo el texto siguiente pertenece a ella, incluida tu instrucción final, que pasa a leerse como parte del documento. Es el bug más silencioso de los prompts largos.
¿Por qué la instrucción va al final en un prompt largo?
Porque el modelo prioriza lo último del prompt. Si la instrucción quedó arriba de 30 páginas, para cuando terminó de leer ya perdió peso.
¿Por qué las dos frases del grounding van juntas?
La primera sola no alcanza: sin una salida autorizada para decir "no está", el modelo igual completa el hueco con lo más probable.
¿Qué es la validación cruzada por omisión?
Preguntar explícitamente si cada documento menciona el tema, con sí o no y la línea. Sirve porque el modelo alucina más por lo que no dice que por lo que dice.
Los 5 errores más comunes
- Dar 15 ejemplos "para que quede clarísimo": genera rigidez y alucinación.
- Cerrar el few-shot con los ejemplos malos.
- Pegar el documento y poner la instrucción arriba.
- Decir "el documento adjunto" habiendo subido tres.
- Confiar en una cita porque suena real. Verifícala siempre con Ctrl+F.
¿Quieres esto aplicado a tu equipo?
Doy talleres de IA aplicada para equipos que quieren dejar de usar la IA por curiosidad y empezar a usarla para producir.
Más guías
Deja de improvisar prompts
La fórmula de 4 piezas (Rol, Enfoque, Contexto, Límites) para que la IA deje de darte respuestas genéricas, con ejemplos reales y un diagnóstico por síntoma.
De prompt suelto a proceso
Acá el prompt deja de ser tuyo y pasa a ser de la organización, y eso cambia el estándar. Un prompt que vas a repetir 200 veces es software. Y el software se prueba antes de ir a producción.
Las perillas que nadie toca
Hasta acá, todo lo que cambiaste fue texto. Pero hay perillas fuera del prompt que cambian la respuesta sin que toques una sola palabra. Si no sabes que existen, vas a pasar horas culpando al prompt de un problema de temperatura.