De la Ingeniería de Prompts a la Ingeniería del Contexto

De la Ingeniería de Prompts a la Ingeniería del Contexto

La ingeniería de prompts consiste en elaborar instrucciones claras y directas. Ejemplo: «Crea una breve historia de usuario sobre el pago de libros de una compra en línea».

La ingeniería de contexto es diferente (diseñar el flujo de trabajo completo); consiste en brindar un entorno de información que permite a la IA adaptarse con el tiempo al procesar la información y llegar a mejores respuestas. Se trata de crear un sistema integrado a información que sostiene las respuestas.

Para diseñar el contexto, se necesita definir la información que requiere el modelo para procesar y brindar respuestas. Por ejemplo, con la información sobre los problemas de los clientes y el valor identificado, las respuestas se generan desde ese contexto.

Esta información también puede ser relacionada con fuentes externas como documentos, repositorios, bases de datos u otros medios, de tal manera que se puedan adaptar o ser dinámicos. Pero, además, en el contexto es importante la forma en que se procesa y transforma la información. Por ejemplo, brindar un formato para historias de usuario con ejemplos de salida, reglas y restricciones.

En algunas ocasiones, los usuarios pueden quejarse de respuestas incoherentes y desalineadas; esto es un síntoma de que la información, junto a la forma en que se procesa y transforma, tiene que ser rediseñada.

En la ingeniería de contexto debemos plantearnos la pregunta: ¿qué información se necesita para que se brinde una respuesta coherente, útil, valiosa y alineada con los objetivos? El contexto se diseña, se estructura para que implemente un flujo que asegure una salida coherente y relevante.

El mejor prompt es una ilusión; el objetivo es el mejor contexto. El prompt recoge el contexto y las salidas serán las adecuadas.

Un ejemplo de contexto adecuado para la definición de un Product Backlog:

• Modelo de negocio,
• Personas
• Visión de producto
• Objetivo de producto
• Definición de valor
• Objetivos de negocio
• Análisis de la competencia
• Diseños UX, arquitectura de aplicaciones,
• Restricciones legales, de seguridad y otras
• Documentos, repositorios, bases de datos asociadas al producto.
• Brindar formatos, ejemplos, restricciones.

Cuanto mejor se defina el contexto y se diseñe para que pueda ser orquestado e integrado, mejores los resultados. Además, incluir el rol, por ejemplo, como Product Owner, formatos de salida específicos, ejemplos concretos, fuentes usadas, la explicación de la salida, acciones claras solicitadas, entre otras, puede ayudar a obtener resultados de calidad.

En el contexto de Scrum hay dos prácticas adicionales recomendadas:

1. Cocrear el diseño del contexto y los prompts. Diseñar el contexto exige la participación de un equipo multidisciplinario para aportar diferentes aspectos para diseñar un producto. Por ejemplo, los aspectos de pruebas, de restricciones técnicas, de valor. Los mejores prompts salen de un equipo multidisciplinario colaborativo. El Scrum Master puede facilitar el diseño del contexto y la cocreación y revisión de prompts. No solamente se trata de escribirlos, sino de mejorar la creatividad del equipo para entregar valor.
2. Facilitar la revisión colaborativa de los resultados de los prompts. El desafío de crear el contexto es el primero; el segundo, la creación de prompt, pero el tercero es igual de importante, la revisión de los resultados. No se puede aceptar la salida de un prompt por defecto; toda la información recibida de la IA necesita ser revisada, validada y testeada. Cuanta más información brinde la IA, mayor el desafío de validar la información. El equipo Scrum debe considerar revisar las salidas brindadas en equipo y verificar el entendimiento y validez.

Usar la IA generativa no se trata de escribir prompts y esperar resultados sorprendentes; lo mejor es diseñar un modelo de información con una arquitectura que permita su uso y mantenimiento para lograr un sistema adaptativo y coherente en la salida. Pero todo esto también se trata del trabajo en equipo para mejorar la transparencia y la responsabilidad compartida.

Como anécdota final, intente pedirle a una herramienta de IA generativa que me genere este artículo, pero el resultado fue bastante pobre, porque no tenia el contexto. Ese contexto en este caso es mi experiencia, intención, información, estilo, etc. Mi recomendación es que no dejen que la IA genere la información por si sola, somos nosotros los que decidimos que debe procesar y como debe hacerlo.