La técnica “Chain of Thought” (Cadena de Pensamiento) consiste en guiar al modelo de lenguaje a que no se limite a dar una respuesta inmediata, sino que explique de manera explícita cada paso intermedio de su razonamiento. Esto permite que el modelo haga visibles los procesos lógicos que utiliza para llegar a la conclusión final, lo que incrementa la transparencia y la coherencia de las respuestas.
A diferencia del few-shot prompting, donde se le proporcionan ejemplos concretos, el chain of thought puede aplicarse incluso en contextos de zero-shot, es decir, sin ejemplos previos. Simplemente basta con añadir en la instrucción una indicación como “razona paso a paso” o “explica tu proceso antes de dar la respuesta”.
Esta técnica es especialmente poderosa en tareas que requieren pensamiento analítico o resolución de problemas abstractos, tales como:
Resolver problemas matemáticos complejos.
Explicar fenómenos científicos o físicos con rigor lógico.
Desarrollar argumentos estructurados en contextos filosóficos o jurídicos.
Diseñar estrategias o planes en escenarios con múltiples variables interdependientes.
El valor principal del chain of thought es que ayuda al modelo a mantener la consistencia interna de su respuesta, evitando saltos lógicos o conclusiones apresuradas. Además, al desglosar el proceso, el usuario puede evaluar y verificar cada paso, lo que aumenta la confiabilidad y la utilidad del resultado.
En síntesis, esta técnica convierte al modelo en algo más parecido a un “razonador explícito” que no solo da respuestas, sino que también muestra cómo llegó a ellas, haciendo más fácil identificar errores, seguir el razonamiento y aplicar la solución en otros contextos.
