“Prompt Engineering” se ha convertido en uno de los términos más comunes en el mundo de la inteligencia artificial, pero no todos están convencidos de que realmente merezca la etiqueta de “ingeniería”.
En su artículo On Prompt Engineering, su autor BuschnicK analiza críticamente este concepto y plantea argumentos sólidos sobre por qué no se ajusta a los principios de la ingeniería de software como tal.
La falta de previsibilidad, el escaso control sobre los resultados y la imposibilidad de depuración efectiva son algunas de las razones que expone para cuestionar la validez del término.
¿Qué plantea el artículo?
BuschnicK comienza admitiendo que la sola mención de “Prompt Engineering” le genera una reacción negativa, algo que atribuye a su formación en ingeniería de software y a los estándares rigurosos que esta disciplina exige. Explica que la ingeniería de software se basa en principios como la predictibilidad, la estabilidad, la capacidad de prueba y la depuración eficiente. Sin embargo, los modelos de lenguaje como GPT carecen de estas características fundamentales, lo que hace que el término “ingeniería” aplicado a los prompts sea, en el mejor de los casos, impreciso.
El Prompt Engineering actualmente se trata más bien de una combinación de intuición, experimentación y trucos heurísticos, lo que lo aleja de una verdadera práctica de ingeniería.
Por ejemplo, en un sistema de software bien diseñado, pequeños cambios en la entrada deberían producir cambios proporcionales y esperados en la salida. Sin embargo, con modelos de IA, incluso una ligera modificación en un prompt puede generar resultados completamente distintos, lo que dificulta la previsibilidad y el control. Además, la IA genera respuestas en base a patrones estadísticos en lugar de seguir una lógica estricta, lo que hace aún más complicado garantizar la coherencia en los resultados.
Otra crítica importante es que los modelos de IA no permiten la inspección ni la depuración adecuada. En un programa tradicional, un ingeniero puede analizar el código línea por línea para identificar y corregir errores, asegurando que el sistema se comporte como se espera. Con la IA, el proceso es opaco: no es posible saber exactamente por qué un modelo genera una respuesta específica ni ajustarlo de manera precisa para mejorar los resultados de forma determinista. El comportamiento del modelo se basa en redes neuronales entrenadas con vastas cantidades de datos, lo que lo hace difícil de analizar y comprender en detalle.
Reflexión sobre el término “ingeniería de prompts”
El autor argumenta que la dificultad de escribir prompts efectivos no debería verse como una señal de que se trata de un proceso de ingeniería. Más bien, indica que los modelos de IA actuales son inherentemente inestables y difíciles de controlar.
Mientras que en la ingeniería de software se busca reducir la incertidumbre y garantizar la reproducibilidad de los resultados, en la interacción con modelos de IA, los usuarios están constantemente lidiando con su imprevisibilidad y la necesidad de iterar en sus prompts para obtener respuestas útiles.
Ajustar un prompt es más parecido a aprender a persuadir a una persona con un conjunto limitado de instrucciones que a construir un sistema robusto y confiable.
La falta de determinismo y de herramientas para la depuración hace que el Prompt Engineering sea más un arte que una ciencia. Es un proceso de prueba y error donde el conocimiento y la intuición juegan un papel clave, pero sin las garantías propias de un sistema de software tradicional.
El autor también destaca que la mejora de los modelos de IA en el futuro podría hacer que el Prompt Engineering sea menos relevante. A medida que los modelos se vuelvan más intuitivos y capaces de interpretar instrucciones de manera más precisa, la necesidad de afinar y ajustar los prompts podría disminuir. Sin embargo, por ahora, sigue siendo un desafío significativo para quienes trabajan con inteligencia artificial.
Conclusión y mi opinión
El artículo de BuschnicK invita a reflexionar sobre la naturaleza de los modelos de IA y cómo interactuamos con ellos. Aunque escribir buenos prompts es una habilidad valiosa que puede marcar la diferencia en la calidad de las respuestas obtenidas, llamarlo “ingeniería” es exagerado, especialmente cuando no cumple con los estándares de precisión, control y reproducibilidad propios de esta disciplina.
En lo personal, concuerdo con el análisis del autor. Si bien la IA ha demostrado ser una herramienta poderosa para automatizar tareas y generar contenido, aún estamos lejos de poder tratarla como un sistema tradicional de software. Creo que el termino Prompt Engineering responde más a una cuestión de marketing que no al nacimiento de una nueva disciplina y que usan tanto candidatos como empresas para intentar marcar un factor diferenciador.