Chain of thought: cómo usarlo sin pedir pasos de más

El chain of thought, o prompting con cadena de pensamiento, resulta útil cuando una tarea requiere pasos intermedios explícitos. Eso no significa que debas añadir «piensa paso a paso» a todas las instrucciones que das a un modelo de razonamiento. La técnica, presentada en 2022, utilizaba ejemplos resueltos para orientar al modelo hacia una respuesta; los modelos de razonamiento actuales pueden realizar ese trabajo internamente sin mostrarlo. En tareas empresariales, define qué evidencia y qué resultado necesitas, y ajusta el esfuerzo de razonamiento solo cuando la tarea lo justifique.

¿Qué es el chain of thought o cadena de pensamiento?

El prompting con cadena de pensamiento proporciona a un modelo de lenguaje pasos intermedios que puede seguir, o le pide que los genere, en lugar de limitarse a la respuesta final. Un modelo de lenguaje grande, o LLM, genera texto a partir de las instrucciones y el contexto que recibe. CoT es una forma de estructurar esa interacción.

Jason Wei y sus coautores presentaron la técnica con ese nombre en Chain-of-Thought Prompting Elicits Reasoning in Large Language Models, enviado por primera vez el 28 de enero de 2022. Los ejemplos del prompt combinaban un problema, una breve explicación y su respuesta. Después, el modelo seguía ese patrón para resolver un problema nuevo. Se trataba de dar instrucciones a un modelo existente, no de volver a entrenarlo para cada tarea. Artículo original.

Imagina a un analista que aprende a conciliar el inventario. Mostrarle solo el saldo final oculta el método; mostrarle las existencias iniciales, las salidas, las entradas y el saldo resultante deja claro el cálculo. Esa es la idea que hay detrás de la técnica original.

Con los modelos de razonamiento actuales conviene distinguir dos cosas: los apuntes de trabajo del analista y el informe que entrega a su responsable. Puedes darle al modelo más margen para trabajar internamente y, aun así, pedir una respuesta final breve.

¿Para qué sirve el prompting con cadena de pensamiento?

Su propósito es ayudar a resolver problemas en los que importan las operaciones intermedias. Si un modelo se beneficia de las demostraciones explícitas, un ejemplo resuelto puede enseñarle qué cantidades combinar o qué regla aplicar.

En el trabajo diario, la pregunta útil es si el resultado gana en precisión y resulta más fácil de comprobar. Una explicación más larga no demuestra ninguna de las dos cosas. Considera el prompt una posible mejora que debes evaluar con tu propia tarea.

Ejemplos de chain of thought prompting en tareas empresariales

Usa un ejemplo resuelto para enseñar un método y un requisito de salida para especificar qué necesita ver quien revisa el resultado. Ambos objetivos pueden coincidir, pero son motivos distintos para pedir pasos intermedios.

Un ejemplo de cadena de pensamiento: antes y después

Este prompt de conciliación de inventario es un ejemplo ilustrativo adaptado al trabajo empresarial, no una copia del artículo científico. Incluimos el cálculo para explicar la técnica; no son respuestas obtenidas en una prueba con un modelo.

Antes: un ejemplo que muestra solo la respuesta

Pregunta de ejemplo: Empiezas con 12 unidades, envías 5 y recibes 3. ¿Cuántas quedan?

Respuesta de ejemplo: 10 unidades.

Nueva pregunta: Empiezas con 18 unidades, envías 7 y recibes 4. ¿Cuántas quedan?

Después: el mismo ejemplo con los pasos intermedios

Pregunta de ejemplo: Empiezas con 12 unidades, envías 5 y recibes 3. ¿Cuántas quedan?

Respuesta de ejemplo: Existencias restantes = existencias iniciales − salidas + entradas = 12 − 5 + 3 = 10 unidades.

Nueva pregunta: Empiezas con 18 unidades, envías 7 y recibes 4. ¿Cuántas quedan?

Lo que cambia es que el ejemplo incluye el método. La nueva pregunta tiene la misma respuesta correcta en ambos casos: 15 unidades. El prompt no demuestra que un modelo vaya a responder correctamente; muestra cómo funciona el CoT few-shot. «Few-shot» significa incluir ejemplos en el prompt, y una sola demostración es la versión mínima de ese patrón.

Extracción de datos: pide el campo y su evidencia

Si una persona del área de cuentas por pagar necesita extraer un número de factura, conviene empezar con una instrucción directa:

Devuelve el número de factura exactamente como aparece y la línea del documento que lo contiene. Si no está, devuelve null. No deduzcas el número a partir de otros identificadores.

Una explicación extensa de cómo el modelo detectó una etiqueta aporta poco. La línea de origen permite comprobar la extracción. Si la tarea pasa a incluir la conciliación de órdenes de compra y facturas que no coinciden, puede tener sentido aumentar el esfuerzo de razonamiento.

Decisiones: pide la regla aplicada

Si una persona de atención al cliente revisa una solicitud de reembolso, especifica qué debe incluir el resultado:

Aplica únicamente la política de reembolsos proporcionada. Devuelve la recomendación, la cláusula aplicable, los datos del caso del cliente que la respaldan y cualquier dato que falte e impida decidir. Justifica la respuesta de forma concisa.

Ese prompt define la evidencia que resulta útil sin pedir una transcripción del razonamiento privado. Mantén la política reutilizable y las instrucciones de salida en el prompt de sistema, con los documentos específicos de cada caso claramente separados.

Zero-shot CoT: cadena de pensamiento sin ejemplos

El CoT zero-shot pide razonamiento intermedio sin aportar un ejemplo resuelto. Takeshi Kojima y sus coautores estudiaron este enfoque en Large Language Models are Zero-Shot Reasoners, enviado por primera vez el 24 de mayo de 2022, con la frase «Pensemos paso a paso». Artículo sobre CoT zero-shot.

Aplicado al inventario, el prompt queda así:

Empiezas con 18 unidades, envías 7 y recibes 4. ¿Cuántas quedan? Pensemos paso a paso.

La frase da una instrucción general en lugar de mostrar un método concreto. Conviene conocer su papel histórico, pero no es una fórmula universal que mejore todos los modelos actuales.

Estas variantes también describen mecanismos distintos. El CoT few-shot aporta ejemplos resueltos. El CoT zero-shot da una instrucción sin demostraciones. Auto-CoT utiliza un modelo para construir demostraciones a partir de preguntas variadas; no es otra forma de llamar al razonamiento interno de un modelo. Artículo sobre Auto-CoT.

Para tareas empresariales, empieza por definir bien la tarea y examina los fallos. Añade ejemplos cuando lo que falte sea un método, un caso límite o una muestra del formato de salida requerido.

¿Qué cambia con los modelos de razonamiento?

Cuando el modelo tiene razonamiento nativo, tu principal tarea es definir el objetivo, las restricciones y el resultado que debe entregar. El control de razonamiento determina cuánto trabajo interno puede dedicarle. Las instrucciones sobre la explicación final determinan qué recibe el usuario.

Las recomendaciones siguientes se verificaron en la documentación publicada de OpenAI, Anthropic y Google el 18 de octubre de 2026. Los controles varían según el modelo y la API: no existe un ajuste de «presupuesto de razonamiento» que puedas copiar y usar con cualquier proveedor.

OpenAI: instrucciones directas para los modelos de razonamiento

La guía de OpenAI para modelos de razonamiento indica que pedirles que piensen paso a paso es innecesario porque ya razonan internamente y, en ocasiones, puede perjudicar su rendimiento. Empieza por el objetivo, el contexto relevante, las restricciones y un formato de salida claro. Buenas prácticas para modelos de razonamiento.

Esa recomendación no se aplica a todos los modelos de OpenAI. La guía de prompting de GPT-4.1 lo identifica como un modelo sin razonamiento nativo y señala que las instrucciones explícitas paso a paso pueden ser útiles, a costa de generar más texto y aumentar la latencia. Elige la estrategia de prompting según el modelo que realmente estés usando. Guía de prompting de GPT-4.1.

Anthropic: ajusta el razonamiento y el esfuerzo antes de dictar cada paso

La guía de prompting de Claude de Anthropic recomienda orientar el razonamiento de forma general antes que escribir manualmente una secuencia de pasos. Los ejemplos resueltos siguen sirviendo para enseñar un enfoque. El CoT manual es una alternativa cuando el razonamiento está desactivado en los modelos que lo permiten; algunos modelos más recientes pueden rechazar solicitudes de mostrar su razonamiento interno. Buenas prácticas de prompting con Claude.

En la práctica, primero elige un nivel de esfuerzo adecuado para tu carga de trabajo. Después añade indicaciones al prompt si aún necesitas ajustar el comportamiento del modelo. Una solicitud sencilla puede recibir una respuesta directa, y configurar el esfuerzo no garantiza que aparezca un bloque de razonamiento visible. Cómo orientar el razonamiento.

Google: el razonamiento interno no suele necesitar un plan visible

La guía de prompting de Gemini de Google explica que las series Gemini 2.5 y Gemini 3 generan razonamiento interno, por lo que normalmente no hace falta pedirles esquemas o pasos de razonamiento detallados en la respuesta. También señala que una instrucción sencilla para dedicar más esfuerzo al razonamiento puede ayudar en problemas exigentes, con un consumo adicional de tokens de razonamiento. Es una recomendación para determinadas tareas, no una promesa de que añadir esa frase mejore cualquier respuesta. Estrategias de diseño de prompts para Gemini.

Para consultar un campo, la guía de razonamiento de Google recomienda un nivel mínimo o bajo cuando esté disponible. Reserva un esfuerzo mayor para tareas complejas, como la planificación en varios pasos. Razonamiento en Gemini.

Nivel de esfuerzo y presupuesto de razonamiento: ¿en qué se diferencian?

Un nivel de esfuerzo orienta la profundidad con la que trabaja el modelo. Un presupuesto de tokens fija una cantidad disponible para el razonamiento en las configuraciones que lo permiten. Ninguno de los dos le indica qué evidencia debe incluir en la respuesta final.

Estos son los nombres de los campos que debes localizar en tu integración, no un formato de configuración común. Consulta la referencia de razonamiento de OpenAI, la guía de razonamiento de Claude y la referencia de Generate Content de Gemini antes de modificarlos.

Facturación: OpenAI indica que los tokens de razonamiento se facturan como tokens de salida, aunque la API no permita ver los tokens de razonamiento en bruto. Información de facturación del proveedor.

Los tokens son las unidades que el modelo procesa y genera; la guía sobre qué son los tokens en IA explica la diferencia entre el texto visible y el consumo de tokens. Una respuesta breve puede requerir mucho trabajo interno.

¿Cuándo conviene pedir pasos visibles?

Pide pasos visibles cuando formen parte del resultado que necesitas. Una persona del área financiera puede necesitar la fórmula con los valores sustituidos. Quien revisa un caso de atención al cliente puede necesitar la cláusula de la política y los hechos que encajan con ella. Un analista de negocio puede necesitar los supuestos, las referencias a las fuentes y el cálculo que respalda una recomendación.

Formula una petición concreta:

Devuelve la recomendación, las referencias a las fuentes que la respaldan, los supuestos principales y una explicación concisa. Muestra los cálculos necesarios para reproducir el resultado. Señala qué evidencia falta.

Eso produce una explicación que una persona puede evaluar. No exige mostrar cada pensamiento interno, enfoque fallido o estado intermedio privado.

Los resúmenes de razonamiento que ofrecen los proveedores son otro tipo de salida. OpenAI permite obtener resúmenes de razonamiento en las configuraciones compatibles, en lugar de los tokens de razonamiento en bruto; Anthropic describe el texto de razonamiento de Claude como un resumen, no como la cadena de pensamiento sin procesar. Usa esos resúmenes como contexto para diagnosticar el comportamiento, no como un registro completo del cálculo interno. Resúmenes de OpenAI, salida de razonamiento de Claude.

Si desarrollas la aplicación, define campos que pueda validar. Si la usas para trabajar, define evidencia que una persona pueda comprobar. Si la decisión depende de un saldo actual o del estado de un pedido, utiliza una herramienta para recuperar ese dato. Las llamadas a funciones conectan el modelo con esas operaciones externas; pedirle que razone durante más tiempo no le proporciona el registro que falta.

¿Cuándo perjudica el chain of thought?

Evita los prompts de razonamiento elaborados cuando solo necesitas recuperar un dato o extraerlo en un formato fijo. Devolver un identificador de cuenta conocido no debería requerir una argumentación. Cada explicación adicional aumenta el texto que tu aplicación debe procesar y que la persona encargada de revisarlo debe leer.

La siguiente limitación es la latencia. Mostrar el razonamiento genera más texto de salida, mientras que un mayor esfuerzo nativo puede retrasar la respuesta útil. OpenAI documenta esta relación entre texto de salida y latencia para GPT-4.1, y Google recomienda un razonamiento más ligero para tareas sencillas. La regla práctica es empezar con un prompt directo y aumentar su complejidad solo cuando las evaluaciones lo justifiquen. Guía de GPT-4.1, recomendaciones de razonamiento para Gemini.

La falta de información es un fallo distinto. Si nunca se proporcionó la política pertinente, pedir un razonamiento más largo no resuelve el problema. Recupera la política e identifica su versión. Si la entrada es demasiado grande, revisa qué incluyes en la ventana de contexto, el espacio de trabajo disponible para el modelo, antes de experimentar con más razonamiento.

Un método rígido también puede ser inadecuado para la tarea. Un ejemplo de inventario que contempla entradas y salidas no dice nada sobre devoluciones, daños o existencias reservadas. Usa ejemplos representativos y permite que el modelo indique si falta alguna regla.

¿Qué demuestran las cifras originales y qué no?

El benchmark original documenta un resultado histórico en una tarea concreta, no una mejora garantizada de la precisión en el trabajo empresarial. El artículo de Wei y sus coautores presentado en NeurIPS 2022 informa de una precisión del 17.9% con prompting estándar y del 56.9% con prompting de cadena de pensamiento para PaLM 540B en GSM8K, un benchmark de problemas matemáticos con enunciado. La configuración utilizaba ocho ejemplos resueltos. Estas cifras proceden de la tabla 1 de la revisión del artículo fechada el 10 de enero de 2023. Artículo y resultados.

Esos números no estiman la mejora en la extracción de datos de facturas, las recomendaciones de reembolso ni el rendimiento de un modelo de razonamiento actual. Importan el modelo, el benchmark y la configuración del prompt. Sirven para entender por qué la técnica llamó la atención; después debes medir la tarea que pretendes poner en producción.

¿Qué se exagera sobre la cadena de pensamiento?

Una explicación convincente no equivale a un registro de auditoría completo. En una investigación publicada el 3 de abril de 2025, Anthropic encontró casos en los que los modelos utilizaban pistas proporcionadas, pero omitían esa influencia en sus explicaciones. Los experimentos se realizaron en escenarios controlados, con modelos y tareas concretos; no midieron todos los flujos de trabajo empresariales. Aun así, muestran por qué una justificación no debe tomarse como prueba de cómo se produjo una respuesta. Investigación de Anthropic sobre la fidelidad de las explicaciones.

Para poder auditar una decisión, conserva los documentos proporcionados, los registros recuperados, los resultados de las herramientas, las reglas aplicadas y la salida final. Comprueba las citas contra la fuente y repite los cálculos cuando sea posible. Una explicación escrita por el modelo puede ayudar a entender la recomendación, pero no sustituye esos registros.

Otra exageración es afirmar que los modelos de razonamiento vuelven irrelevante el diseño de prompts. Lo que cambia es aquello que debes especificar. El objetivo de negocio, los límites de la evidencia admitida, el tratamiento de las excepciones y el formato de salida siguen siendo tu responsabilidad.

¿Qué puedes cambiar esta semana en tu flujo de trabajo?

Revisa tus prompts si añades «piensa paso a paso» de forma general a todas las solicitudes. Quienes desarrollan aplicaciones deberían probar a retirar esa instrucción de las extracciones rutinarias y comparar prompts directos con los mismos casos. Quienes usan esas aplicaciones en su trabajo deberían sustituir las peticiones de razonamiento exhaustivo por un resultado bien definido que puedan revisar: evidencia, cálculos, supuestos y una recomendación concisa.

Conserva el prompt que funciona mientras pruebas su sustituto. Un modelo sin razonamiento nativo que aprovecha buenos ejemplos no queda obsoleto automáticamente. Migrar a un modelo de razonamiento es un motivo para volver a evaluar el sistema, no una prueba de que haya que eliminar el flujo de trabajo anterior.

1. 1

   Elige una tarea cuya respuesta puedas comprobar

   Usa una tarea recurrente, como extraer campos de facturas o conciliar el inventario. Define por escrito qué se considera correcto, en qué casos se debe indicar que falta información y qué debe poder procesar tu software.

2. 2

   Compara un cambio a la vez

   Mantén el modelo y los casos de entrada mientras comparas un prompt directo con otro que incluya un ejemplo resuelto. Después, con un modelo de razonamiento, mantén el prompt y cambia un nivel de esfuerzo compatible. Registra si las respuestas son correctas, cómo se comporta ante la falta de evidencia, cuánto tarda en completar la tarea y cuántos tokens consume.

3. 3

   Conserva solo los cambios cuya complejidad valga la pena

   Prioriza las comprobaciones deterministas para los cálculos y los campos exactos. Cuando haga falta criterio, utiliza una rúbrica y revisión humana; un LLM como juez puede ayudar a ampliar la evaluación, pero sus puntuaciones también deben calibrarse. Pon en producción la versión que cumpla tus requisitos de calidad y tiempo de respuesta.

Para empezar el lunes: elige un prompt que uses en una tarea empresarial recurrente, especifica qué evidencia necesita quien revisa el resultado y realiza la comparación anterior. Quédate con la configuración más sencilla que supere tus comprobaciones.

Preguntas frecuentes sobre el prompting con cadena de pensamiento

¿Qué es el prompting con cadena de pensamiento?

Consiste en dar a un modelo de lenguaje pasos intermedios o ejemplos resueltos antes de la respuesta final. La técnica few-shot original muestra un método; el CoT zero-shot pide pasos sin proporcionar ejemplos.

¿Cuál es un ejemplo de cadena de pensamiento?

En los prompts de IA, un ejemplo es un cálculo de inventario desarrollado: las existencias iniciales menos las salidas más las entradas dan las existencias finales. Incluir ese cálculo junto con un ejemplo resuelto muestra cómo abordar una pregunta similar.

¿Cómo sería un prompt con cadena de pensamiento?

«Empiezas con 18 unidades, envías 7 y recibes 4. ¿Cuántas quedan? Pensemos paso a paso». Es un ejemplo de CoT zero-shot. Con un modelo de razonamiento nativo, puedes pedir en su lugar las existencias finales y un cálculo reproducible como resultado de la tarea.

¿Sigue siendo útil el prompting con cadena de pensamiento?

Sí, sobre todo con modelos que se benefician de las demostraciones explícitas y en tareas donde resulta útil una explicación desarrollada. Los modelos de razonamiento cambian el punto de partida: comienza con instrucciones claras y controles de razonamiento nativo, y añade ejemplos o requisitos de explicación cuando aporten valor.

¿Quién inventó el prompting con cadena de pensamiento?

Jason Wei y sus coautores presentaron la técnica con ese nombre en su artículo de 2022, Chain-of-Thought Prompting Elicits Reasoning in Large Language Models. Su trabajo combinó explicaciones intermedias en lenguaje natural con ejemplos en el prompt y se apoyó en investigaciones anteriores sobre justificaciones y prompting.

¿Cuál es la principal ventaja del prompting con cadena de pensamiento?

Puede ayudar a un modelo adecuado a resolver un problema mediante operaciones intermedias, en lugar de saltar directamente a una respuesta. Que eso mejore tu flujo de trabajo depende del modelo y de la tarea; una explicación más larga no es, por sí sola, una medida de calidad.

¿En qué se diferencian el encadenamiento de prompts y el prompting con cadena de pensamiento?

El encadenamiento de prompts divide un flujo de trabajo entre varias llamadas al modelo y pasa el resultado de una a la siguiente. El prompting con cadena de pensamiento se refiere a los pasos intermedios dentro de un ejemplo del prompt o de una respuesta. Un flujo de trabajo puede usar ambos, pero son decisiones de diseño distintas.

Para recibir guías prácticas sobre cómo crear flujos de trabajo útiles con IA, suscríbete al boletín.