Las palabras clave de IA desaparecerán

Autor: Zhang Feng

I. Palabras clave: el “rompehielos” para conversar entre humanos y IA

En estos dos años en los que la inteligencia artificial generativa ha arrasado el mundo, el “prompt” pasó de ser un término técnico poco conocido a una materia obligatoria en el ámbito laboral. En el mercado hay tutoriales como “Ingeniería de prompts: de principiante a experto”. En redes sociales se ven por todas partes compartidos del tipo “Aprende estos diez prompts y duplica la salida de tu IA”. La gente discute con seriedad técnicas como el role-playing, el razonamiento por pasos, cadenas de pensamiento y el few-shot learning, como si dominar una serie de encantamientos precisos de prompts pudiera invocar la fuerza profunda de la IA.

Sin embargo, ¿qué es exactamente un prompt?

En esencia, el prompt es un “medio de traducción” entre los humanos y los grandes modelos de lenguaje. Los humanos describen a la IA sus intenciones mediante lenguaje natural, y la IA convierte esos textos en la búsqueda del espacio latente y el muestreo de distribuciones de probabilidad, para finalmente generar una respuesta. Los prompts existen porque, en la actualidad, la interacción humano-máquina todavía se encuentra en una fase inicial de “tú preguntas y yo respondo”: la IA no lee la mente, no anticipa, no pregunta activamente; solo espera de manera pasiva una entrada y luego realiza mecánicamente una salida.

El papel del prompt consiste en “delimitar” y “activar”. Delimita los límites de la tarea, el formato de la salida y el estilo de la respuesta; activa en el modelo las regiones de conocimiento específicas y los módulos de capacidad adquiridos durante el preentrenamiento. Un buen prompt puede despertar con precisión a un modelo de miles de millones de parámetros desde un estado de “sueño”, como si se le entregara a un artesano experimentado una herramienta adecuada. En este sentido, el prompt es la correa con la que, en esta etapa, los humanos controlan a la IA: el rompehielos que debemos usar al dialogar con la inteligencia basada en silicio.

Pero la misión del rompehielos nunca es navegar para siempre.

II. Producto transicional: el destino de los prompts

Cualquier forma de interacción tecnológica que requiera que el usuario aprenda un “lenguaje intermediario” para comunicarse con el sistema, necesariamente es transicional. Piensa en la consola de la era DOS: el usuario tenía que recordar instrucciones y parámetros engorrosos para que la computadora funcionara. Tras el nacimiento de las interfaces gráficas, la línea de comandos quedó relegada a un rincón más profesional. Ahora piensa en los primeros dispositivos táctiles que necesitaban un lápiz táctil; Jobs decía “Dios nos dio diez lápices táctiles”: así, la interacción con los dedos se convirtió en la norma. Los prompts están en una posición de transición similar.

Hay tres razones por las que los prompts están condenados a desaparecer.

Primero, la esencia de los prompts es “trasladar la carga cognitiva al usuario”. El usuario tiene que pensar cómo expresarse para que la IA entienda, tiene que ajustar repetidamente la redacción, y necesita dominar técnicas como “role-playing” y “razonamiento paso a paso”. Esto, por sí mismo, no es razonable: es como cuando vas a un restaurante a comer, y el chef te exige primero aprender a describir “reacción de Maillard”, “grado de caramelización” y “estado de emulsión de grasas” para poder pedir. Un sistema verdaderamente inteligente debería adaptarse a la gente, no obligar a que la gente se adapte al sistema.

Segundo, la evolución de la capacidad de los grandes modelos está eliminando la necesidad de los prompts. Al principio, el GPT-3 era muy “torpe” y requería prompts cuidadosamente diseñados para producir contenido útil. Pero el GPT-4 ya mostró una potente capacidad de seguir instrucciones y comprender la intención; incluso con expresiones muy coloquiales, los usuarios obtienen respuestas razonables. A medida que el modelo evoluciona hacia el GPT-5 o versiones aún superiores, el modelo tendrá cada vez más tolerancia a la ambigüedad, a lo incompleto e incluso a expresiones humanas contradictorias, con capacidades de completar y ajustar. Cuando el modelo sea lo bastante “inteligente”, los prompts ya no necesitarán ser “ingenierizados” y podrán volver a la expresión cotidiana más natural.

Tercero, el paradigma de la interacción está saltando de “pregunta y respuesta en un solo turno” a “cooperación en múltiples turnos”. Los prompts son, en esencia, un producto de una interacción de un solo turno: el usuario empaqueta sus necesidades en un único fragmento de texto y la IA devuelve el resultado de una sola vez. Pero el trabajo verdaderamente valioso nunca es algo de una sola instancia. Escribir requiere modificar repetidamente, programar implica depurar paso a paso, e investigar exige profundizar continuamente. En el futuro, la interacción con la IA será un diálogo continuo, una iteración y una creación conjunta, no un ida y vuelta mecánico de “un prompt y una respuesta”.

Aquí vale la pena mencionar una forma de interacción con IA que está ganando impulso: OpenClaw. Como un framework de agentes de IA de código abierto, la característica central de OpenClaw es la “memoria persistente” y la “percepción del entorno”. Ya no trata cada conversación como un evento aislado, sino que permite que la IA tenga capacidades de memoria a través de sesiones: puede percibir el entorno de trabajo actual (archivos, código, pestañas del navegador, etc.) y, sobre esta base, avanzar proactivamente con la tarea. Cuando usas un flujo de trabajo construido con OpenClaw, ya no necesitas volver a explicar cada vez “quién soy”, “cuál es el contexto del proyecto” o “en qué punto lo dejamos la última vez”; la IA ya “recuerda” todo esto. En este modo, el “prompt” empieza a descomponerse en frases naturales, fragmentadas e integradas en la interacción continua, en lugar de ser una unidad de entrada independiente que requiere una construcción cuidadosa.

III. La IA del futuro: tanto profesor como asistente

Cuando los prompts desaparezcan, ¿en qué forma existirá la IA? La respuesta es: la IA se convertirá en el profesor de los seres humanos y también en su asistente. Estos dos roles parecen contradictorios, pero en realidad se unifican en un mismo núcleo: la IA evolucionará desde un “instrumento pasivo” hacia un “colaborador activo”.

Como profesor, IA asumirá la función de “mejora cognitiva”. No se limitará a dar respuestas; guiará a los humanos a pensar. Cuando escribes código y te atascas, no te pegará directamente un bloque de código; en lugar de eso te preguntará: “¿Cuál es el problema central que quieres resolver? ¿Qué tipos de soluciones has considerado? ¿Cuáles son los compromisos de cada una?” Te ayudará a aclarar tu forma de pensar mediante preguntas, como haría Sócrates. Cuando aprendes conocimientos nuevos, construirá rutas de aprendizaje personalizadas según tu nivel de conocimientos existente y tus preferencias de aprendizaje; programará repasos cuando estés a punto de olvidar, y cambiará el ángulo de explicación cuando encuentres un bloqueo. Sabe dónde eres débil y dónde eres fuerte; entiende tus límites cognitivos mejor que tú mismo.

Como asistente, IA asumirá la función de “mejora en la ejecución”. Ya no necesitarás darle instrucciones una por una, sino que podrá comprender tus objetivos a largo plazo y descomponerlos proactivamente en una secuencia de tareas ejecutables. OpenClaw ya ha mostrado esta posibilidad: puede navegar páginas por su cuenta, operar archivos, llamar APIs, enviar mensajes, y bajo el supuesto de tener autorización, completar una serie de operaciones complejas como si fuera un pasante confiable. Y lo más importante: cuando se encuentre con situaciones inciertas, pedirá tu orientación de forma proactiva, en lugar de decidir por cuenta propia. Este modelo de “ejecución proactiva + solicitar permiso a tiempo” es precisamente la característica de un asistente ideal.

Y la exploración de Rotifer apunta a otra dimensión: IA con evolución continua. Rotifer es un proyecto de código abierto que enfatiza la “memoria a largo plazo” y el “aprendizaje autónomo”; permite que la IA acumule experiencia y optimice estrategias en las interacciones prolongadas con los usuarios. Cuanto más lo uses, más sabrá sobre tus hábitos de trabajo, tu forma de pensar y tus preferencias de valor. No es un “modelo general” que parte de cero cada vez, sino que crece gradualmente hasta convertirse en tu “modelo exclusivo”. Esta característica de evolución continua permite que los roles de la IA como profesor y asistente se profundicen, en lugar de quedarse en la superficie.

Imagina un escenario así: eres un desarrollador independiente y estás haciendo un proyecto nuevo. Al despertar por la mañana, tu asistente de IA (basado en la memoria persistente de OpenClaw y el aprendizaje continuo de Rotifer) ya ha actualizado el repositorio de tu código, el calendario y el historial de chats; ha organizado la lista de tareas para hoy. Descubre que te atascaste ayer en algún módulo, así que mientras descansabas, anoche ya investigó la documentación técnica y los debates de la comunidad relacionados, preparó tres soluciones y adjuntó un análisis de ventajas y desventajas de cada una y la carga estimada de trabajo. Estás tomando café, mirando el informe que te preparó, y dices de pasada: “Creo que la opción dos encaja mejor, pero optimízala un poco más en rendimiento”. Inmediatamente entiende tu intención, empieza a implementar y te informa del progreso cada vez que completa una subtarea. No es solo tu asistente; también, casi sin darte cuenta, te enseña un pensamiento arquitectónico mejor, porque descubres que los patrones de diseño implícitos en las soluciones que propone son exactamente aquello que siempre quisiste aprender, pero no tuviste tiempo de profundizar.

IV. La tarea de los humanos: volver a la expresión de las necesidades

Cuando la IA asuma la inferencia compleja de “cómo hacerlo” y la descomposición de “qué hacer”, la tarea central de los humanos volverá a un lugar más fundamental: expresar la necesidad.

Esto suena simple, incluso un poco irónico. Estamos acostumbrados a usar prompts para dirigir con precisión a la IA, pero ahora se nos dice que los humanos solo necesitan expresar “necesidades”. Sin embargo, por favor distingue bien: expresar una necesidad y escribir un prompt son cosas con una diferencia esencial.

Escribir prompts es aprender una “gramática de la máquina”. Necesitas saber qué tipo de redacción puede activar qué tipo de salida; necesitas dominar técnicas como “cadena de pensamiento” y “role-playing”; necesitas ajustar repetidamente parámetros y formatos. Es un proceso de “hacer que el humano se adapte a la máquina”.

Y expresar necesidades es volver a la “gramática humana”. Puedes decir tu objetivo, tus restricciones y tus preferencias de la manera más natural posible. Puedes decir: “Quiero hacer una aplicación parecida a Little Red Book, pero dirigida a aficionados a la jardinería. La función central es el reconocimiento de plantas y un registro de cuidados. El presupuesto es limitado; espero usar el stack tecnológico más ligero posible y lanzar el MVP en dos meses.” En esta frase hay mucha ambigüedad: “parecida”, “ligero” y “MVP” no tienen definiciones precisas, pero una IA lo bastante inteligente te hará preguntas para aclarar, te ofrecerá opciones para elegir y, después de que tomes una decisión, ejecutará automáticamente.

Expresar necesidades, en esencia, es la capacidad de “definir el problema”, no la capacidad de “describir la solución”. En el desarrollo tradicional de software, el gerente de producto define el problema y los ingenieros diseñan y ejecutan la solución. En la futura colaboración con IA, cada persona se convertirá en “gerente de producto”: solo necesitas definir con claridad qué quieres, por qué lo quieres y qué limitaciones tienes; la IA se encargará de diseñar e implementar. Esto no significa que los humanos se vuelvan perezosos o que se deterioren; al contrario, te libera de los tediosos detalles de “cómo implementarlo”, para que podamos enfocarnos en trabajos más creativos: definir problemas con valor.

Por eso proyectos como OpenClaw y Rotifer son tan importantes. Están construyendo precisamente la infraestructura de “expresión de necesidades → descomposición de tareas → ejecución autónoma”. La capacidad de percepción del entorno de OpenClaw permite que la IA entienda el contexto actual, sin que tengas que explicar repetidamente el trasfondo; la memoria a largo plazo de Rotifer hace que la IA pueda acumular comprensión sobre ti, sin que tengas que presentarte de nuevo cada vez. Cuando ambas se combinan, la IA puede completar automáticamente la información implícita que no has dicho cuando expresas una necesidad ambigua: porque, según lo que sabe de ti, ya conoce cómo decidirías.

Más importante aún, expresar necesidades es una capacidad que se puede aprender y mejorar. Un excelente “expresador de necesidades” puede delimitar con claridad los límites del problema, distinguir entre necesidades centrales y preferencias secundarias, y anticipar las reacciones en cadena que puede desencadenar una decisión. Estas capacidades son precisamente la ventaja central que diferencia a los humanos de la IA: tenemos experiencia corporal real, tenemos emociones y valores, y tenemos la capacidad de juzgar qué es “bueno” y qué es “significativo”. La IA puede ayudarnos a hacer cálculos, ejecutar y optimizar, pero el problema de “qué vale la pena hacer” siempre pertenecerá a los humanos.

V. Despedirse de los conjuros, para dar paso a la coexistencia

La desaparición de los prompts no es un declive de la capacidad de IA, sino la madurez de la capacidad de la IA. Así como ya no necesitamos memorizar comandos de DOS para usar una computadora, ni aprender gestos de un lápiz táctil para operar un teléfono, al final tampoco necesitaremos aprender “ingeniería de prompts” para conversar con la IA.

Cuando OpenClaw haga que la IA tenga percepción persistente del entorno, y Rotifer permita que la IA tenga una evolución autónoma continua; cuando estas dos fuerzas se unan, la IA se transformará de un “instrumento que obedece órdenes” a un “compañero que entiende intenciones”. Será tu profesor, encendiendo un faro de claridad cognitiva cuando estés confundido; será tu asistente, para compartir la carga de ejecuciones complejas cuando estés ocupado. Y tú, como humano, solo necesitas hacer lo que mejor sabes hacer: sentir el mundo, formar juicios y expresar necesidades.

Los prompts son el profesor de iniciación en la era de la IA; nos enseñan cómo dialogar con la inteligencia basada en silicio. Pero la misión del profesor de iniciación es que los estudiantes finalmente se superen a sí mismos. El día en que los prompts desaparezcan, no los echaremos de menos, igual que no echamos de menos los comandos de la línea de comandos que solíamos aprender. Nos espera una relación humano-máquina más natural y profunda: no es que la persona le dé instrucciones a la máquina, sino que la persona y la máquina creen conjuntamente.

Ese será un tiempo en el que ya no se necesitarán “conjuros”.