Pensar paso a paso: por qué mejora las respuestas

Antes de teoría, un experimento. Lee este problema y decide mentalmente la respuesta:

Una cafetería empieza el día con 3 cajas de 12 botellas cada una. Durante la mañana vende 15 botellas. A mediodía llegan 2 cajas más (también de 12). ¿Cuántas botellas quedan al final?

Ahora imagina que se lo pides a un LLM de dos formas distintas. En una le exiges la respuesta de inmediato. En la otra le pides que razone en voz alta antes de responder. Aunque es el mismo modelo y el mismo problema, la segunda versión acierta con mucha más frecuencia. Esa es toda la idea de chain-of-thought (CoT), o cadena de pensamiento: pedir que el modelo exponga los pasos intermedios antes de dar la respuesta final.

En esta lección verás por qué funciona, cuándo aporta valor y practicarás la técnica tú mismo. Es la palanca más simple y de mayor impacto para tareas de varios pasos: aritmética, lógica, análisis y planificación.

El mismo problema, dos prompts

Empecemos con el prompt directo (zero-shot): pedimos solo el número. Pruébalo en el panel interactivo contra el modelo real y observa la respuesta.

Cuando el modelo intenta "calcular de un salto", es fácil que se equivoque: aquí ha mezclado los pasos (por ejemplo, olvidó reabastecer o restó mal) y devuelve 33, que es incorrecto. La respuesta correcta es 45: 3·12 = 36, 36 − 15 = 21, 21 + 2·12 = 45.

Ahora el mismo problema, pero pidiendo razonamiento explícito. Basta añadir una instrucción como "piensa paso a paso":

Mismo modelo, mismos datos, resultado correcto. La única diferencia es que le pedimos escribir los pasos intermedios. Prueba tú mismo a cambiar los números del problema y verás que la versión paso a paso se mantiene fiable mientras la directa falla con más frecuencia.

Truco clave: al final pedimos una línea con formato fijo (RESPUESTA: <número>). Así obtienes el razonamiento y una respuesta fácil de extraer con código. Volveremos a esto: CoT y "pedir el formato de salida" se combinan muy bien.

Por qué funciona

Un LLM genera texto un token a la vez, y cada token nuevo se elige mirando todo lo que ya escribió. No tiene una "memoria de trabajo" oculta donde hacer cuentas en secreto: lo único que puede usar como borrador es el propio texto que va produciendo.

Cuando lo obligas a dar la respuesta de inmediato, le pides comprimir un cálculo de varios pasos en el primerísimo token: no hay espacio para razonar. Cuando le pides pensar paso a paso, cada paso intermedio se convierte en texto que el modelo puede releer para producir el siguiente. En la práctica, el razonamiento actúa como una hoja de borrador (scratchpad): descompone un problema difícil en subproblemas fáciles, y cada resultado parcial reduce el margen de error del siguiente.

Hay dos ideas que conviene fijar:

• Más pasos visibles ⇒ menos saltos lógicos. Cada paso escrito es una restricción que guía al modelo hacia la respuesta correcta, en lugar de "adivinarla".
• El razonamiento consume tokens (y por tanto tiempo y costo). No es gratis: pedir CoT alarga la respuesta. Por eso no se usa siempre —lo veremos en la lección "Cuándo NO usar chain-of-thought".

Dónde marca la diferencia

CoT no mejora todo por igual. Su beneficio crece con el número de pasos que exige la tarea. En tareas de un solo paso (una definición, una clasificación simple) apenas cambia nada; en tareas de varios pasos el salto es grande.

El siguiente gráfico ilustra el patrón típico observado en la literatura y en la práctica: comparación de acierto entre pedir la respuesta directa frente a paso a paso, por tipo de tarea. Los valores son ilustrativos, pero la forma es la que verás una y otra vez.

Fíjate en la última fila: en una clasificación de un solo paso, pedir razonamiento casi no cambia el acierto (y solo añade texto). El valor de CoT está en las tareas donde hay que encadenar varios pasos.

Formas de invocar CoT

Hay varias maneras de pedir razonamiento, de menos a más control:

Más adelante en el módulo verás cómo descomponer tareas grandes y cuándo el razonamiento explícito estorba en lugar de ayudar. Por ahora, la regla mental es simple: si la tarea tiene varios pasos, pide los pasos.

Practica: descompón como lo hace el modelo

La mejor forma de interiorizar CoT es hacer tú mismo lo que le pides al modelo: partir el problema en pasos en lugar de adivinar el total de un salto. Retomamos el problema de la cafetería.

Completa el cálculo paso a paso en el siguiente ejercicio y comprueba tu resultado. Igual que el razonamiento explícito ayuda al modelo, verás que resolver por partes hace el resultado fácil y a prueba de errores.

Para recordar

• Chain-of-thought = pedir al modelo que exponga su razonamiento paso a paso antes de la respuesta final.
• Funciona porque el texto intermedio es el borrador del modelo: cada paso escrito guía y restringe el siguiente.
• Aporta valor en tareas de varios pasos (aritmética, lógica, análisis); en tareas de un solo paso apenas cambia nada y solo añade tokens.
• El disparador más simple es una frase: "Piensa paso a paso." Combínalo con un formato de salida fijo para extraer la respuesta con facilidad.
• Tiene un costo: respuestas más largas, lentas y caras. No lo uses por reflejo en todo.

Comprueba que lo entendiste

Responde antes de seguir (justifica en tu cabeza el por qué):

Tienes un modelo que falla al calcular de un salto: "Un almacén tiene 4 estantes con 25 cajas cada uno; se retiran 30 cajas y llegan 3 estantes más de 25. ¿Cuántas cajas quedan?". El modelo responde un número incorrecto en zero-shot directo.

(a) ¿Qué instrucción mínima añadirías al prompt para que sea mucho más probable que acierte, y por qué esa instrucción ayuda?
(b) ¿Cuál es la respuesta correcta al problema, resuelta paso a paso?

Pista de verificación para (b): 4·25 = 100, 100 − 30 = 70, 70 + 3·25 = 145. Si tu respuesta a (a) fue "pedirle que piense paso a paso / muestre sus cálculos" porque así el modelo usa cada paso como borrador que restringe el siguiente, has captado la idea central de esta lección.