Przejdź do treści
promptowy.com / Glosario de IA / Zero-shot prompting (instrucción sin ejemplos)
Prompts

Zero-shot prompting (instrucción sin ejemplos)

Técnica de interacción con inteligencia artificial donde se solicita resolver una tarea de forma directa, sin aportar ejemplos previos en el mensaje.

El zero-shot prompting es una técnica de formulación de instrucciones para modelos de inteligencia artificial en la que se pide realizar una tarea concreta sin proporcionarle ningún ejemplo previo de cómo resolverla. El usuario simplemente describe lo que necesita y el sistema recurre exclusivamente al conocimiento adquirido durante su entrenamiento general para generar la respuesta adecuada.

En el trabajo diario con herramientas de lenguaje, una orden como «Traduce este texto al catalán» o «Resume este informe en tres puntos clave» representa un caso típico de zero-shot. El modelo no recibe muestras de traducciones anteriores ni resúmenes de referencia: asume el contexto y ejecuta la acción desde cero.

¿Cómo funciona el zero-shot en la práctica?

Cuando un modelo de lenguaje procesa un mensaje sin ejemplos, activa patrones lingüísticos, reglas gramaticales y conceptos temáticos aprendidos previamente. La clave para que esta técnica funcione reside en la capacidad del sistema para comprender la intención humana a partir de una descripción clara.

Esta estrategia suele ser el punto de partida natural para cualquier usuario. Es rápida, no consume espacio excesivo en la ventana de contexto y resuelve con soltura la mayoría de las peticiones habituales, desde clasificar correos electrónicos hasta redactar borradores iniciales de documentos formales.

Un caso cotidiano: del comercio en Sevilla a los servicios en Bogotá

Imagina que gestionas una librería de barrio en Sevilla o una pequeña empresa de logística en Bogotá. Cada mañana recibes decenas de mensajes de clientes con consultas de diversa índole: dudas sobre envíos, quejas por demoras o felicitaciones por el servicio.

Para organizar el buzón con zero-shot prompting, basta con enviar al modelo una instrucción directa:

Clasifica el siguiente mensaje en una de estas categorías: Consulta de producto, Reclamación de envío o Agradecimiento. Mensaje: "Llevo tres días esperando mi pedido y la guía no se actualiza en el sistema".

El modelo comprende la tarea al instante y responde «Reclamación de envío» sin necesidad de haber visto antes veinte correos etiquetados a mano. Para tareas de categorización estándar, corrección ortográfica o generación de ideas, este nivel de instrucción suele ser más que suficiente.

Diferencia entre zero-shot y few-shot

La principal distinción entre ambos métodos radica en la presencia o ausencia de demostraciones dentro de la misma consulta:

  • Zero-shot: Solo incluye la orden directa (por ejemplo, «Extrae los números de teléfono de este texto»). Es ideal para tareas comunes, traducciones directas y redacción fluida.
  • Few-shot: Incluye dos, tres o más pares de muestra con entrada y salida esperada antes de plantear la tarea final. Resulta imprescindible cuando se exige una estructura muy rígida, como un formato JSON específico o el tono corporativo particular de un despacho legal.

Si un modelo no responde como esperas tras redactar una buena orden zero-shot, el siguiente paso lógico no es insistir con la misma frase, sino pasar al enfoque few-shot y mostrarle exactamente qué aspecto debe tener el resultado.

Errores comunes al utilizar instrucciones sin ejemplos

El fallo más habitual consiste en confundir brevedad con falta de claridad. Decir «Mejora este texto» no ofrece criterios de evaluación: el modelo no sabe si buscas un registro más formal para una comunicación municipal, un tono fresco para redes sociales o una versión más concisa para un folleto turístico.

Aunque no incluyas ejemplos, una instrucción zero-shot eficaz debe delimitar con precisión el rol, el público destinatario, la extensión deseada y las restricciones necesarias. Cuanto más nítido sea el mandato, menos margen habrá para respuestas vagas o formatos imprevistos.

Preguntas frecuentes

¿Qué significa exactamente el término zero-shot?

Proviene del aprendizaje automático y significa «cero intentos» o «cero muestras». Indica que el modelo debe resolver un problema en su primer intento sin haber visto ejemplos específicos de esa tarea en la instrucción.

¿Cuándo conviene pasar de zero-shot a few-shot?

Conviene cambiar a few-shot cuando el modelo insiste en usar un formato incorrecto, cuando necesitas imitar un estilo de redacción muy particular o cuando la tarea sigue reglas lógicas complejas poco habituales.

¿El zero-shot prompting consume menos recursos?

Sí. Al no incluir ejemplos previos en el mensaje, la consulta utiliza menos espacio de texto y reduce el consumo de procesamiento por cada interacción.

← Todos los términos del glosario de IA

🛒 Sklep Kinetyka CapCut Pro 460 zł/rok Lovable Pro 450 zł/rok Replit Core 119 zł/rok Zobacz wszystko →
× ‹ powiększenie ›