Chain of thought

¿Qué es chain of thought?

Si te piden calcular de cabeza el precio de un pedido con descuento por volumen, IVA y portes, aciertas más si vas paso a paso que si sueltas un número. A los modelos de lenguaje les pasa algo parecido. Generan el texto token a token, y cada palabra que escriben les sirve de apoyo para la siguiente. Si escriben primero los pasos, la conclusión se apoya en ellos.

Chain of thought es eso: hacer que el modelo razone por escrito antes de responder. Se puede pedir en el prompt («piensa paso a paso») o enseñar con ejemplos que incluyen el razonamiento, una mezcla con few-shot. Los modelos de razonamiento actuales lo hacen por defecto, sin que se lo pidas.

Cómo funciona

1. El modelo recibe la pregunta y la instrucción de razonar.
2. Escribe los pasos intermedios: datos, reglas aplicables, cálculos.
3. Da la respuesta final, separada del razonamiento.

En una aplicación, el paso 2 suele quedarse dentro: se guarda para revisar, pero al usuario solo le llega el paso 3.

Tiene costes. El razonamiento ocupa tokens, que se pagan, y tarda en generarse. En un chat escrito unos segundos de más no importan. En una llamada de teléfono, sí: el silencio se nota. Por eso en voz se reserva para lo que de verdad lo necesita.

Y no es infalible. Un razonamiento bien escrito puede partir de un dato falso. Ayuda a reducir errores, no los elimina.

Ejemplo

Una empresa de alquiler de furgonetas de Alicante usa IA para preparar presupuestos que luego revisa una persona. Las tarifas cambian por días, kilómetros y temporada. Sin razonamiento, el modelo a veces aplica mal el suplemento de agosto. Con este prompt, acierta más y el error se ve enseguida:

Calcula el presupuesto con la tabla de tarifas adjunta.
Antes de dar el total, escribe los pasos:
1) días y temporada, 2) precio por día, 3) kilómetros extra, 4) suplementos.
Después escribe «TOTAL:» y el importe.
Si falta un dato, no lo supongas: indica cuál falta.

Quien revisa no tiene que rehacer la cuenta: comprueba los pasos.

Cómo te afecta en tu empresa

Para tareas con varias reglas encadenadas, pedir pasos mejora el resultado y facilita revisar. Para respuestas rápidas a clientes, sobra.

En los agentes de UTIO las respuestas al cliente van directas y, sobre todo en el agente de voz, cuenta que lleguen sin esperas. Lo que no está claro no se calcula a ciegas: el agente arranca en modo borrador y puede pasar la conversación a tu equipo con las reglas que tú definas.