Prompt engineer: un nuevo perfil laboral impulsado en el auge de la IA

Un prompt engineer o ingeniero de prompts es un especialista en diseñar, desarrollar y refinar prompts en formato textual para un amplio rango de tareas.

El avance imparable de las nuevas tecnologías y la inteligencia artificial está cambiando, poco a poco, el panorama laboral de forma definitiva. Mientras que, por un lado, se habla de las amenazas de la IA para la humanidad, también hay voces que afirman que la IA traerá nuevos puestos de trabajo que hasta hace poco no podíamos ni llegar a imaginar. 

En estos últimos años se ha venido gestando un nuevo perfil profesional que surge de la mano del desarrollo de la IA generativo: el prompt engineer. Este profesional se encarga de confeccionar prompts para un sistema de inteligencia artificial generativa como ChatGPT o Bing con el fin de obtener el mejor resultado de la forma más eficiente.

¿En qué consiste el prompt engineering?

El prompt engineering o ingeniería de prompts consiste en crear prompts y optimizarlos para utilizarlos en una IA generativa y que esta aporte el mejor resultado posible. Entendamos por mejor resultado como un output que se ajuste a lo que necesitamos, e incluso que vaya un poco más allá de lo que esperamos.

Puede utilizarse como un gran apoyo para una gran variedad de tareas como redactar emails, generar código en diferentes lenguajes de programación, analizar texto, manipularlo, configurar chatbots, crear arte digital, componer música, entre otras muchas. Incluso podríamos emplear esta práctica para redactar un artículo como este.

Ejemplo de prompt engineering

Imaginemos que estás trabajando en el desarrollo de un asistente virtual para la atención al cliente de e-commerce de productos electrónicos. Quieres que el modelo propia de la empresa pueda proporcionar información detallada sobre la garantía de un producto en respuesta a las consultas de los clientes.

Un prompt inicial no optimizado que podría darnos un resultado mediocre y vago sería:

Dale al usuario detalles sobre la garantía del producto seleccionado.

Un ejemplo de prompt optimizado que ofrecería un output más satisfactorio sería:

Proporciona detalles completos sobre la garantía de un producto específico para un usuario preocupado por la durabilidad y cobertura del servicio posventa. El producto en cuestión es una laptop de última generación que ha sido adquirida recientemente. El usuario desea conocer la duración exacta de la garantía, los tipos de averías que cubre, y si existen opciones para extenderla. Además, el cliente está particularmente interesado en saber cómo realizar reclamaciones y cuál es el proceso de soporte técnico en caso de problemas.

Conceptos básicos en ingeniería de prompts

La ingeniería de prompts no es una ciencia infusa, a diferencia del machine learning, que sí requiere conocimientos mucho más técnicos. Aun así, un prompt engineer ha de saber cómo funciona una IA generativa para poder explotar su potencial al máximo, así como otros conceptos relevantes de la profesión. 

Una inteligencia artificial generativa, como GPT-3, emplea una red neuronal para su funcionamiento. Durante la fase de entrenamiento, el modelo aprende patrones y estructuras a partir de grandes conjuntos de datos, que pueden venir en muchos formatos (texto, imagen, vídeo, etc.). Luego, de cara al usuario, la IA utiliza ese conocimiento para responder a prompts que se le vayan introduciendo, produciendo respuestas coherentes y contextualmente relevantes basadas en el contexto proporcionado.

A continuación, te explicamos algunos conceptos indispensables de interiorizar para un aspirante a prompt engineer:

• Modelo de lenguaje: Un modelo de lenguaje es un componente de inteligencia artificial que tiene la capacidad de comprender y generar texto de manera coherente. Está entrenado para predecir palabras o secuencias de palabras en función del contexto proporcionado por una entrada dada.
• Prompt: Un prompt es la entrada o instrucción que se le da a un modelo de lenguaje para solicitar una respuesta específica.
• Output: El output se refiere al resultado por un modelo de lenguaje en respuesta a un prompt. Puede ser en forma de texto, imágenes u otro tipo de datos, dependiendo del tipo de modelo.
• Input: El input es la entrada proporcionada al modelo de lenguaje a través del prompt. Es la información que el modelo utiliza para generar el resultado correspondiente.
• Fine-tuning: Es el proceso por el que se ajusta un modelo de lenguaje preentrenado para adaptarlo a tareas o contextos específicos.
• Token: En el contexto del procesamiento de lenguaje natural, un token es una unidad individual, como una palabra o un carácter, que el modelo procesa. Los modelos de lenguaje trabajan con tokens para comprender y generar texto.
• Deep learning: Es una rama del aprendizaje automático que utiliza redes neuronales profundas para aprender patrones y representaciones complejas a partir de datos.
• Iteración: Se refiere al proceso de repetir un conjunto de operaciones o ajustes de manera gradual y repetitiva. En el contexto de la prompt engineering, implica ajustar y mejorar los prompts y el modelo a lo largo del tiempo.
• Red neuronal: Una red neuronal es un componente fundamental en modelos de aprendizaje profundo. Está compuesta por capas de nodos interconectados que procesan información de manera similar a cómo funciona el cerebro humano.
• IA conversacional: La inteligencia artificial conversacional se centra en el desarrollo de sistemas que pueden interactuar de manera natural con los usuarios a través del lenguaje, como chatbots o asistentes virtuales.
• Machine learning: El aprendizaje automático es una rama de la inteligencia artificial que se centra en desarrollar algoritmos y modelos que pueden aprender patrones a partir de datos y mejorar su rendimiento con la experiencia.
• Alucinación: En el contexto de modelos de lenguaje, la alucinación se refiere a la generación de información falsa o incorrecta. Puede ocurrir cuando un modelo produce resultados que no están respaldados por datos reales o cuando responde de manera incorrecta a un prompt.

Formación de un prompt engineer

Hay cierta controversia sobre este nuevo puesto de trabajo. En general, el prompt engineering es más una habilidad por curtir más que una profesión en sí. Siendo simplistas, un prompt engineer adquiere conocimiento con la práctica misma al interactuar con IA, y solo necesita un poco de intuición y sentido común para teclear y corregir prompts. No necesita de ninguna formación técnica o específica, más allá de la que se emplee en su sector laboral.

Sin embargo, como hemos indicado, sí es muy recomendable que tenga formación en inteligencia artificial, aunque sea para conocer las bases de funcionamiento de la IA generativa y el machine learning. También debe estar al tanto de las nuevas tendencias en el nicho de las tecnologías y trabajar su creatividad para diseñar prompts más acertados y enriquecidos.