Introducción: La “ingeniería de prompt” es crucial en el uso de modelos de IA como GPT-3 y GPT-4, ya que ayuda a obtener respuestas efectivas en áreas como generación de texto y programación. Un buen prompt mejora la calidad de las respuestas. El estudio analizó el funcionamiento de los LLMs y recogió consejos para la ingeniería de prompt, examinando también las limitaciones tecnológicas y el impacto del lenguaje del usuario.
Método: Se describieron los grandes modelos de lenguaje desde su evolución hasta la arquitectura Transformers en 2017. Se evaluaron las respuestas de ChatGPT 3.5 y 4.0 en dos casos de estudio para analizar la complejidad y personalización de los prompts.
Resultados: En los casos de estudio, se encontró que agregar contexto y especificidad mejoraba las respuestas de los modelos. Las respuestas detalladas y personalizadas resultaban en mayor precisión y relevancia.
Conclusión: La calidad de las respuestas de los LLMs depende de la precisión y especificidad de los prompts. La personalización y el lenguaje técnico adecuado mejoran la interacción con la Inteligencia Artificial (IA), lo que aumenta la satisfacción del usuario. Los futuros estudios deberían analizar los campos semánticos y las métricas para evaluar la calidad de las respuestas de la IA.