Claves para obtener resultados más precisos con una IA, según el cofundador de Google, Sergey Brin

En el acelerado ecosistema de la inteligencia artificial, optimizar las respuestas de los modelos ya no es solo cuestión de capacidad computacional. Según Sergey Brin, cofundador de Google y figura clave en el desarrollo de tecnologías avanzadas, la clave podría estar en el tono con el que se formula una orden.

En una charla reciente, Brin sorprendió al afirmar que los modelos de IA ofrecen mejores resultados cuando se enfrentan a instrucciones con carácter urgente o imperativo.

“Es una cosa rara, no se habla mucho de esto en la comunidad de IA, pero nuestros modelos, y otros modelos en general, tienden a funcionar mejor si los amenazas”, explicó Brin, aludiendo a que la IA responde con más precisión cuando percibe exigencia.

Aunque no se trata de amenazas en el sentido literal, el lenguaje firme (tipo “hazlo ahora”, “responde con exactitud”) parece activar patrones que generan respuestas más completas y alineadas con las expectativas del usuario.

Esta reacción no implica una comprensión emocional por parte de la IA. Lo que ocurre, según los expertos, es que los modelos están entrenados con grandes volúmenes de texto donde los comandos imperativos suelen estar asociados a tareas claras y relevantes.

En ese contexto estadístico, el sistema interpreta que un tono más directo implica mayor prioridad, y por tanto “se esfuerza” más por ofrecer un resultado útil. Brin lo enmarca como una consecuencia natural del entrenamiento masivo de datos, donde ciertas formas de lenguaje guían al modelo hacia tipos de respuesta específicos.

Este hallazgo, aunque anecdótico, conecta con una necesidad práctica, saber cómo comunicarse con una inteligencia artificial para obtener lo mejor de ella. En ese sentido, las recomendaciones de Greg Brockman, presidente de OpenAI, sirven como complemento útil para quienes quieren dominar el arte de escribir buenos prompts.

Sugiere cuatro claves esenciales que permiten mejorar notablemente la interacción con los modelos.

1. Definir con claridad el objetivo

El primer paso es establecer qué se espera exactamente del modelo. Un prompt como “Explícame cómo funciona la energía solar en niños” ofrece un marco más específico que “Cuéntame algo sobre energía solar”. Cuanto más clara y precisa es la instrucción, menor es el margen de ambigüedad.

2. Determinar el formato de la respuesta

Brockman recomienda incluir detalles sobre la forma en que debe estructurarse la respuesta. Si es necesaria una lista de pasos, tal vez un resumen breve, o un análisis con introducción y conclusión.

Definir esto desde el inicio mejora tanto la utilidad como la legibilidad del resultado.

3. Incluir advertencias o restricciones

Para evitar errores, el prompt puede indicar lo que no debe hacerse. Frases como “No incluyas información desactualizada” o “Evita mencionar marcas comerciales” ayudan al modelo a limitar sus opciones y centrarse en lo que realmente importa. Esto refuerza la precisión del contenido entregado.

4. Agregar contexto relevante

Un error común es suponer que el modelo “sabe” lo que el usuario quiere sin mayor explicación. Añadir contexto (por ejemplo, el uso final de la respuesta, la audiencia o el nivel de detalle requerido) puede marcar la diferencia entre una respuesta genérica y una ajustada a las necesidades reales.

En conjunto, estas estrategias revelan que interactuar con una IA no es solo cuestión de cortesía o intuición.

Por eso, si se busca eficiencia, claridad y profundidad, conviene más hablarle como a un ejecutor de instrucciones que como a un asistente servicial. En este terreno, el tono puede ser el interruptor oculto que separa una respuesta mediocre de una solución precisa.