Glosario de IA · Prompts
Few-shot
En una frase
Few-shot es una técnica de prompt que consiste en incluir unos pocos ejemplos resueltos dentro de la instrucción, para que el modelo de IA copie el formato, el tono o el criterio sin necesidad de volver a entrenarlo.
También se llama: few-shot prompting · aprendizaje con pocos ejemplos · prompt con ejemplos · in-context learning
¿Qué es few-shot?
A veces es más fácil enseñar que explicar. Puedes pasarte un párrafo describiendo el tono de tu empresa, o puedes enseñar tres respuestas que te gustan. Few-shot es lo segundo: meter en el prompt unos pocos ejemplos de entrada y salida para que el modelo siga el patrón.
Llévalo a tu empresa
Agentes de IA para atender a tus clientes
Desde 49 €/mes + IVA
Voz, WhatsApp y email con la línea incluida: agente, números y CRM en la misma cuota.
Ver planes y preciosEl nombre viene del inglés few shots, «pocos intentos». Se opone a zero-shot, donde el modelo recibe la tarea sin ningún ejemplo. Los modelos de lenguaje actuales son muy buenos imitando patrones dentro de su contexto, y few-shot aprovecha justo eso.
Relacionado con este término
Agentes UTIO
- Atienden 24/7 en 26 idiomas
- Montarlo tú cuesta 0 €: se crea leyendo tu web
- Prueba de 14 días sin tarjeta
Desde 49 €/mes + IVA
Ver planes y preciosCómo funciona
El modelo no aprende en sentido estricto: no cambia nada dentro de él. Lo que pasa es que los ejemplos están en su ventana de contexto y orientan la respuesta. Por eso los ejemplos se pagan en tokens en cada llamada.
Funciona mejor cuando:
- Los ejemplos son variados: uno fácil, uno ambiguo, uno que suele fallar.
- El formato es idéntico en todos: misma estructura, mismas etiquetas.
- No hay un patrón accidental que el modelo pueda copiar, como que todas las respuestas sean «positivo».
Es útil para clasificar, extraer datos con un formato fijo o mantener un estilo de redacción.
Ejemplo
Una bodega de La Rioja recibe muchos mensajes por su web y quiere etiquetarlos para repartirlos: visita, compra, distribuidor u otro. Con la tarea sola, el modelo duda con los mensajes de restaurantes. Con tres ejemplos, deja de dudar:
Clasifica el mensaje: visita, compra, distribuidor u otro.
Mensaje: «¿Hacéis catas el sábado para 6 personas?»
Categoría: visita
Mensaje: «Tengo un restaurante en Logroño y quiero vuestro crianza en carta.»
Categoría: distribuidor
Mensaje: «¿Me mandáis 2 cajas del rosado a Madrid?»
Categoría: compra
Mensaje: «{mensaje nuevo}»
Categoría:El ejemplo del restaurante es el que marca la diferencia: enseña el criterio que más se confundía.
Cómo te afecta en tu empresa
Few-shot es la forma más rápida de corregir a una IA que no acierta con tu criterio. Si revisas las respuestas de un agente de IA y ves que falla siempre en el mismo tipo de caso, un buen ejemplo suele arreglarlo mejor que otra regla escrita.
En UTIO, el agente arranca en modo borrador: tú revisas lo que propone, y esas correcciones son la materia prima para afinarlo. Si construyes tus propias herramientas, el API de IA de UTIO genera y clasifica texto con los prompts que tú le envíes, ejemplos incluidos.
Preguntas frecuentes
¿Cuántos ejemplos hay que poner en un prompt few-shot?
Suelen bastar de dos a cinco. Más ejemplos dan más precisión hasta cierto punto, pero gastan tokens en cada llamada. Lo importante es que sean variados y cubran los casos que más se confunden.
¿Few-shot y fine-tuning son lo mismo?
No. Con few-shot los ejemplos van dentro del prompt y el modelo no cambia. Con fine-tuning se vuelve a entrenar el modelo con muchos ejemplos. Few-shot se prueba en minutos; el fine-tuning tiene sentido cuando necesitas cientos de ejemplos o mucho volumen.
¿Qué significa one-shot?
Es el caso de un solo ejemplo. Zero-shot es sin ninguno y few-shot, con unos pocos.
Términos relacionados
- Zero-shot
Zero-shot es cuando un modelo de IA resuelve una tarea solo con la instrucción, sin ningún ejemplo previo de cómo hacerla. Funciona gracias a lo que el modelo ya aprendió durante su entrenamiento.
- Prompt
Un prompt es la instrucción o el texto que le das a un modelo de IA para que haga algo: una pregunta, una orden, un documento para resumir o una combinación de todo. Del prompt depende en buena parte lo que el modelo responde.
- Prompt engineering
El prompt engineering o ingeniería de prompts es el trabajo de diseñar, probar y ajustar las instrucciones que se dan a un modelo de IA para que responda bien de forma estable, no solo una vez.
- Fine-tuning
El fine-tuning (ajuste fino) es volver a entrenar un modelo de IA ya preentrenado con un conjunto pequeño de ejemplos propios, para que se especialice en una tarea, un formato o un estilo concretos sin empezar de cero.
- Clasificación de texto
La clasificación de texto es la tarea de IA que asigna automáticamente una o varias categorías a un texto, como un correo o un mensaje: tipo de consulta, tema, prioridad o idioma. Es la base para ordenar, priorizar y repartir el trabajo.
Actualizado el