Cadena de pensamiento

¿Qué es la cadena de pensamiento?

Seguro que lo has visto: le preguntas algo difícil a una IA y suelta una respuesta que está mal. La cadena de pensamiento (CoT, por Chain of Thought) le dice que no se precipite. Como un alumno que enseña su trabajo en clase de mates, el modelo escribe cada paso del razonamiento antes de concluir. Y lo curioso: basta añadir «piensa paso a paso» para que la precisión suba un montón.

¿Por qué funciona?

Convierte saltar en resolver
El modelo genera un token cada vez. Si se salta los pasos intermedios, es como adivinar: fácil fallar. La CoT lo obliga a desplegar el proceso, y los errores se pillan a mitad de camino.
Los pasos son el papel de borrador
Cada paso escrito en el contexto se vuelve la entrada del siguiente. Cuanto más claro el borrador, más fiable la respuesta final.

¿Cómo se usa?

Lo más simple: añade una línea
«Razona paso a paso» o «piensa primero, responde después»: probarlo no cuesta nada.
Siguiente nivel: muestra un ejemplo
Pon un ejemplo resuelto con su razonamiento en el prompt y el modelo seguirá ese ritmo.
Más exigente: que haga varios borradores
Deja que la IA piense varias versiones por dentro y elija la mejor (el truco de la «autoconsistencia») para resultados más estables.

¿Qué cambió?

La cadena de pensamiento es uno de los trucos clásicos de la ingeniería de prompts, y también la idea detrás de los «modelos de razonamiento» actuales: modelos que piensan por dentro antes de responder. Convierte a la IA de bocazas en alguien que piensa antes de hablar.

En resumen: la cadena de pensamiento hace que la IA convierta el cálculo mental en trabajo mostrado, caminando contigo por cada paso para que la respuesta salga más fiable.