GUÍA DE PROMPTS PARA CLASIFICACIÓN DE DATOS.

Recuerdo perfectamente una tarde de 2019 en la oficina. Teníamos frente a nosotros una base de datos con más de 50.000 entradas de feedback de clientes, todas mezcladas, sin etiquetas y en tres idiomas diferentes. Mi colega, encargado del análisis, estaba al borde del colapso porque el script de expresiones regulares que había programado no lograba distinguir entre una queja técnica y una sugerencia de producto. «— Esto es imposible de automatizar con lógica simple», me dijo mientras cerraba su terminal. Fue en ese momento cuando decidimos dejar de pelear con el código tradicional y empezamos a hablarle a la máquina de forma humana, pero con un rigor de ingeniería que no conocíamos hasta entonces.

Empezamos a experimentar con lo que hoy llamamos "Few-Shot Prompting". En lugar de darle una orden genérica, le dimos al modelo ejemplos exactos de cómo queríamos que clasificara los datos. «— Mira, si el cliente dice que el botón no carga, eso es error técnico; si dice que el botón debería ser azul, eso es UX», le explicamos a la IA a través del prompt. La diferencia fue inmediata. Lo que antes tomaba semanas de revisión manual, se resolvió en apenas una hora de procesamiento distribuido.

Aquella experiencia en Barcelona nos enseñó que la clasificación no es un problema de potencia de cómputo, sino de claridad semántica. Aprendimos que si no defines los límites de cada categoría en la instrucción, el modelo alucinará o creará categorías fantasma. Desde entonces, nuestra Metodología de Trabajo en Barcelona se centra en la precisión del lenguaje como motor de la productividad. No se trata de lanzar datos al modelo, sino de construir el andamiaje mental para que los procese correctamente.