Microsoft ha desarrollado una solución innovadora para abordar el problema de los prompts de inteligencia artificial que no logran cumplir con las expectativas de los usuarios. Este inconveniente, que genera un ciclo de prueba y error, se traduce en una pérdida de recursos y en una experiencia frustrante para los trabajadores del conocimiento. En lugar de ser una herramienta que aumente la productividad, se convierte en un verdadero pozo de tiempo y esfuerzo.
La nueva herramienta, denominada Promptions, combina las palabras prompt y options y se presenta como un marco de interfaz de usuario diseñado específicamente para eliminar la ambigüedad en las solicitudes en lenguaje natural. Este enfoque permite sustituir las peticiones vagas por controles dinámicos y precisos, facilitando así la interacción de los trabajadores con los modelos de lenguaje grande (LLMs).
Un aspecto crucial del uso de la inteligencia artificial en entornos empresariales es la comprensión profunda de la información, más allá de la simple generación de texto o imágenes. Por ejemplo, un usuario que busca entender una fórmula de hoja de cálculo puede requerir una explicación básica, mientras que otro podría necesitar una guía para depurarla o una descripción adecuada para enseñar a sus compañeros. Las interfaces de chat actuales a menudo no logran captar esta intención de manera efectiva, lo que lleva a que los usuarios tengan que formular preguntas complejas que consumen tiempo y energía.
Promptions actúa como una capa intermedia que soluciona este problema común. En lugar de forzar a los usuarios a escribir especificaciones largas y complicadas, el sistema analiza la intención y el historial de conversación para generar opciones clicables en tiempo real. Estas opciones pueden incluir la longitud de la explicación, el tono y áreas de enfoque específicas, permitiendo a los usuarios concentrarse en el contenido en lugar de en la mecánica de la formulación de preguntas.
Los investigadores de Microsoft llevaron a cabo pruebas comparativas entre controles estáticos y el nuevo sistema dinámico. Los resultados mostraron que los participantes encontraron mucho más fácil expresar los detalles de sus tareas sin necesidad de reformular constantemente sus solicitudes. Esto no solo redujo el esfuerzo en la ingeniería de prompts, sino que también permitió a los usuarios enfocarse más en entender el contenido.
A pesar de sus beneficios, la adopción de esta nueva herramienta conlleva ciertos desafíos. Aunque los participantes valoraron la adaptabilidad del sistema, también encontraron que era más complicado de interpretar. Algunos usuarios expresaron dificultades para anticipar cómo una opción seleccionada influiría en la respuesta final, lo que sugiere que, si bien las interfaces dinámicas pueden simplificar tareas complejas, también pueden introducir una curva de aprendizaje.
Promptions se define como una solución ligera que funciona como una capa intermedia entre el usuario y el modelo de lenguaje subyacente. Su arquitectura consta de dos componentes principales: el Módulo de Opciones, que revisa el prompt del usuario y el historial de conversación para generar elementos de interfaz relevantes, y el Módulo de Chat, que incorpora estas selecciones para producir la respuesta de la IA. Un aspecto importante para los equipos de seguridad es que no es necesario almacenar datos entre sesiones, lo que simplifica la implementación y mitiga preocupaciones sobre la gobernanza de datos.
Al pasar de la ingeniería de prompts a la selección de prompts, se abre un camino hacia resultados más consistentes de la IA en toda la organización. Al implementar marcos de interfaz de usuario que guían la intención del usuario, los líderes tecnológicos pueden reducir la variabilidad de las respuestas de la IA y mejorar la eficiencia del personal. Sin embargo, el éxito de esta herramienta depende de una calibración adecuada, ya que persisten desafíos de usabilidad relacionados con cómo las opciones dinámicas afectan la salida de la IA y la gestión de la complejidad de múltiples controles.
Los líderes deben considerar esto no como una solución definitiva para corregir los resultados de los prompts de IA, sino como un patrón de diseño que se puede probar en sus plataformas internas de desarrollo y herramientas de soporte.
