Cómo enseñar el estilo de tu negocio a la IA con few-shot: tutorial práctico con ejemplos

canonical_url: «https://margapress.com/few-shot-ensenar-estilo-negocio-ejemplos/»

---

La técnica few-shot —incluir ejemplos en el prompt para enseñar el estilo o formato esperado— es una de las más recomendadas en cualquier guía de prompt engineering. Lo que rara vez se menciona es cuántos ejemplos son suficientes, cuántos son demasiados, y qué ocurre cuando los ejemplos son inconsistentes entre sí.

En el laboratorio probamos esta técnica de forma sistemática en tres tipos de tarea. Los resultados tienen implicaciones prácticas que cambian cómo deberías usar ejemplos en tu trabajo diario.

El diseño: tres tipos de tarea, cuatro dosis de ejemplos

Usamos tres tipos de tarea:

• Redacción de estilo específico: emails de empresa con tono y vocabulario definidos.
• Clasificación estructurada: categorizar registros de soporte según criterios concretos.
• Transformación de formato: convertir texto narrativo en tabla estructurada con campos fijos.

Para cada tarea probamos cuatro dosis de ejemplos: 0 ejemplos (instrucción solo), 1 ejemplo, 3 ejemplos y 7 ejemplos. Cada condición se ejecutó 20 veces. Medimos: alineación con el estilo objetivo, tasa de errores estructurales y consistencia entre iteraciones.

Resultado 1 — La curva de rendimiento no es lineal

El hallazgo central: el rendimiento no sube linealmente con el número de ejemplos. La curva tiene forma de campana con el pico en un rango concreto.

Para redacción de estilo:

• 0 ejemplos: 51% de alineación con el estilo objetivo
• 1 ejemplo: 74% (+23 puntos)
• 3 ejemplos: 82% (+8 puntos más)
• 7 ejemplos: 79% (-3 puntos respecto a 3)

Para clasificación estructurada:

• 0 ejemplos: 68%
• 1 ejemplo: 81%
• 3 ejemplos: 87%
• 7 ejemplos: 85%

Para transformación de formato:

• 0 ejemplos: 72%
• 1 ejemplo: 91%
• 3 ejemplos: 90%
• 7 ejemplos: 88%

El patrón es consistente: el mayor salto está entre 0 y 1 ejemplo. El salto de 1 a 3 ejemplos es significativo pero menor. De 3 a 7 ejemplos el rendimiento se estanca o baja ligeramente.

Por qué más ejemplos puede empeorar el resultado

Esto requiere explicación porque va contra la intuición.

La razón principal: cuando el número de ejemplos crece, el modelo tiene más material para inferir el patrón, pero también más oportunidades de inferir patrones incorrectos o secundarios. Si tus siete ejemplos tienen pequeñas variaciones de estilo entre sí (como ocurre en cualquier colección de textos reales), el modelo puede quedarse con la «media» de esas variaciones en lugar del patrón central que intentas enseñar.

Hay además un efecto de longitud: con 7 ejemplos el prompt se alarga significativamente, y las instrucciones originales quedan proporcionalmente más lejos del inicio del prompt. En nuestras pruebas, los prompts con 7 ejemplos tenían mayor tasa de pérdida de instrucciones específicas que los de 3 ejemplos.

Resultado 2 — La calidad de los ejemplos importa más que la cantidad

El experimento incluyó una variante: comparar 3 ejemplos elegidos deliberadamente (casos representativos del estilo objetivo) con 3 ejemplos elegidos al azar de la misma colección.

Los 3 ejemplos deliberados superaron a los 3 aleatorios en todas las métricas:

• Alineación de estilo: 82% vs 71%
• Errores estructurales: 8% vs 17%
• Consistencia entre iteraciones: 79% vs 63%

La conclusión es clara: el esfuerzo de selección importa más que el esfuerzo de recopilación. Tres ejemplos bien elegidos superan a siete ejemplos mediocres.

Los criterios para elegir los mejores ejemplos

A partir de los experimentos, identificamos cuatro criterios para seleccionar ejemplos que maximizan el aprendizaje del modelo:

1. Representatividad del caso central: elige ejemplos que representen el caso más común de lo que quieres producir, no los casos extremos o excepcionales.

2. Consistencia entre sí: si los ejemplos tienen variaciones de estilo, tono o formato entre ellos, el modelo aprenderá la variación, no el patrón. Elige ejemplos que sean consistentes en las dimensiones que más importan.

3. Longitud comparable al output esperado: si el output esperado es de 200 palabras, usa ejemplos de 200 palabras. Los ejemplos muy cortos para outputs largos o viceversa crean desalineación.

4. Ausencia de elementos que no quieres reproducir: si tus mejores ejemplos contienen algún elemento que preferirías no replicar (una frase de cierre que ya no usas, un formato que has cambiado), mejor criar un ejemplo sintético limpio que usar el ejemplo real con elementos indeseados.

El caso especial: cuando necesitas enseñar lo que NO quieres

Hay una variante del few-shot que no se menciona suficientemente: los ejemplos negativos. En lugar de (o además de) mostrar ejemplos de lo que sí quieres, mostrar un ejemplo de lo que no quieres y explicar por qué.

En nuestras pruebas, añadir un ejemplo negativo comentado («esto es lo que no queremos: [ejemplo], porque [razón]») tuvo un efecto equivalente a añadir dos ejemplos positivos en términos de reducción de errores del tipo que el ejemplo negativo ilustra.

Esta técnica es especialmente útil cuando el problema que intentas evitar es sutil: un tono ligeramente demasiado informal, una estructura que se acerca demasiado a la de un email comercial cuando quieres algo más cercano, o un nivel de tecnicismo que no encaja con el público objetivo.

Recomendación práctica para trabajo diario

Para la mayoría de tareas de trabajo profesional:

• 1 ejemplo bien elegido es suficiente para tareas de formato (transformación, clasificación).
• 2-3 ejemplos bien elegidos es el punto óptimo para tareas de estilo (redacción, adaptación de tono).
• Más de 3 ejemplos: solo si la tarea tiene variaciones genuinas que necesitas cubrir, y en ese caso, etiqueta cada ejemplo con su caso («ejemplo para cliente corporativo», «ejemplo para cliente individual»).

Fuera de esos casos, más ejemplos solo alargan el prompt y pueden degradar el output.

---

Aprende a construir el sistema completo de estilos y ejemplos para tu negocio en El Empleado Digital.

Descarga el libro en Amazon | Lee el artículo original en MargaPress