Salud mental y bienestar de los profesionales sanitarios
La salud mental de los profesionales sanitarios está influida por determinantes sociales y factores laborales. Es clave identificar riesgos y recursos, promover la equidad en el acceso a […]
La técnica de preguntar bien: introducción al prompting en el ámbito sanitario
Formular buenas preguntas es una competencia esencial en la era de la inteligencia artificial generativa. En este artículo exploramos cómo la calidad del prompt determina la fiabilidad de las respuestas y por qué aprender a preguntar bien se ha convertido en una nueva destreza profesional para el ámbito sanitario
Durante nuestra formación en la escuela y la universidad, el sistema educativo se ha basado sobre todo en enseñar a responder con precisión, no tanto a preguntar con intención. El saber se ha asociado con tener respuestas correctas, no con saber buscar las preguntas adecuadas. Sin embargo, comprender una temática implica saber hacer buenas preguntas. Cuando no se entiende o se sabe sobre una temática, uno no sabe lo que preguntar.
Esta carencia se hace hoy más visible que nunca. La inteligencia artificial generativa depende por completo de la calidad de las preguntas que recibe. Su potencial no está en lo que sabe, sino en cómo se le pregunta.
En el ámbito sanitario, donde la claridad y la precisión son esenciales, aprender a formular buenas preguntas es más que una habilidad técnica: es una nueva competencia profesional necesaria. Dominar el prompting permite obtener respuestas más útiles, precisas y adaptadas a las necesidades del profesional que consulta.
¿Qué es un Prompt?
Un prompt es la instrucción, pregunta o contexto que una persona introduce en un modelo de inteligencia artificial para obtener una respuesta correcta.
¿Qué es el Prompting?
Un prompting es la práctica de diseñar, formular y estructurar adecuadamente esas instrucciones para guiar a la IA hacia resultados más precisos, útiles y relevantes.
La inteligencia artificial no es “inteligente”
A pesar de su nombre, la inteligencia artificial generativa no razona ni comprende como lo haría una mente humana. Su funcionamiento se basa en modelos matemáticos que analizan millones de ejemplos de lenguaje y aprenden a predecir la palabra o estructura más probable en cada contexto.
Esto es así porque, en realidad, el lenguaje sigue patrones altamente predecibles. Por ejemplo: tras un artículo, lo más probable es que aparezca un sustantivo; después, un verbo que dé sentido a la frase.
La IA no “entiende” ese significado: simplemente calcula la probabilidad estadística de que esa combinación ocurra. En consecuencia, la respuesta de la IA depende de la claridad, la estructura y la precisión del prompt con el que se formula la pregunta.
En este sentido, la IA se convierte en una herramienta que es necesario aprender a utilizar. Y su uso puede compararse con pintar un cuadro. Un pintor experimentado usaría el pincel con destreza, consciente de la técnica, el color y el efecto que desea lograr. Otra persona, con la misma herramienta, tal vez imagine un paisaje similar, pero carecería del control y la destreza necesarios que convertirían esa intención en un buen resultado.
Del mismo modo, un profesional sanitario difícilmente obtendrá un buen nivel de precisión al preguntar a la IA sin haber desarrollado la destreza del prompting. En definitiva, toda herramienta requiere aprendizaje y práctica, y aprender a usar la IA, en esencia, es aprender a hacer mejores preguntas.
Buenas prácticas de prompting
Un prompting eficaz combina claridad, método y pensamiento crítico. No se trata de “hablarle bien” a la IA, sino de pensar con precisión para formular preguntas con intención. En el ámbito sanitario, donde la calidad de la información es esencial, conocer cómo se comporta el modelo ante distintos tipos de preguntas resulta clave.
En MSD Profesionales
I. La diferencia entre preguntar de forma abierta o cerrada
Las herramientas de inteligencia artificial responden en función de la probabilidad estadística del lenguaje. Por ello, la forma de preguntar influye en la respuesta.
- Las preguntas abiertas, por ejemplo,“¿Qué implicaciones éticas tiene el uso de IA en diagnóstico?”, generan respuestas más amplias y generalistas. Son útiles cuando se busca explorar ideas o perspectivas.
-
Las preguntas cerradas o con alto contexto, por ejemplo “Enumere tres riesgos éticos señalados por la OMS en el uso de IA diagnóstica y resuma las recomendaciones asociadas”, acotan el marco de probabilidad, reduciendo la ambigüedad y mejorando la precisión y la relevancia de la respuesta al caso particular que se le está preguntando.
En otras palabras, la IA no sabe qué es relevante si no se le indica con suficiente contexto. Cuanto más específica sea la pregunta, más ajustada será la respuesta. Un buen prompting empieza, por tanto, por formular preguntas con propósito y contexto.
II. Los tres componentes clave de un buen prompt
Un prompt es mejor cuando tiene en cuenta o incluye tres elementos fundamentales: la forma de la pregunta, palabras que orientan la acción y detalles que aportan contexto.
-
La forma de la pregunta:
La manera en que formulamos la pregunta define el nivel de profundidad de la respuesta. Las preguntas abiertas sirven para explorar, mientras que las detalladas o paso a paso generan respuestas más concretas y precisas, ya que reducen el espectro de posibilidades de la respuesta. Por ejemplo, en lugar de preguntar “¿Qué se sabe sobre los efectos adversos de las terapias hormonales?”, puede resultar más útil indicar:
“Describe paso a paso cómo se revisa la literatura sobre eventos adversos en terapias hormonales.”
El segundo prompt dirige el tipo de análisis esperado y evita interpretaciones demasiado generales. -
Las palabras de acción:
Los verbos que utilizamos funcionan como instrucciones de movimiento para el modelo de inteligencia. Verbos como analizar, comparar, sintetizar, clasificar o identificar ayudan a orientar el tipo de respuesta y el nivel de profundidad que buscamos. Por ejemplo:
“Analiza los resultados de tres estudios, identificando coincidencias y discrepancias, y resume los hallazgos principales.”
El uso de verbos precisos convierte la petición en una tarea concreta, facilitando una respuesta más estructurada a lo que se le está preguntando. -
Los modificadores o matices contextuales
Los modificadores son indicaciones que aportan detalle y contexto al prompt, y pueden ser los siguientes:
– El rol del modelo: “actúa como un experto en epidemiología”.
– La audiencia: “explica como si se dirigiera a una paciente de 15 años”.
– El formato de la respuesta: “presente el resumen en forma de tabla comparativa”.
Este tipo de matices permite adaptar el tono y el nivel de detalle al entorno profesional sanitario, evitando respuestas genéricas.
En conjunto, estos tres componentes (formato, acción y contexto) determinan la calidad del resultado que la IA puede ofrecer. Formular un buen prompt es, en esencia, diseñar un pequeño protocolo de comunicación.
III. Técnica de Prompting específica en el ámbito sanitario
En el entorno sanitario, el prompting requiere además ciertas precauciones éticas y metodológicas que garanticen un uso responsable de la información generada. Entre ellas, destaca la necesidad de establecer una directriz de comportamiento “anticomplacencia”.
Los modelos de IA generativa, en general, están diseñados para resultar cooperativos, lo que puede inducir un sesgo de confirmación: tenderán a validar la hipótesis planteada en lugar de cuestionarla. Por ello, resulta recomendable incorporar instrucciones que fomenten el pensamiento crítico del modelo, como:
“Actúa como revisor científico. Analiza posibles errores, contradicciones o limitaciones en el siguiente texto. Compórtate de forma neutra y analítica. No seas complaciente.”
Este tipo de indicaciones ayuda a mantener el rigor analítico, a evitar respuestas complacientes y a reforzar el pensamiento crítico del profesional, que nunca debe ser sustituido por el criterio de la IA.
Ventajas y limitaciones del prompting
Aplicado con criterio, el prompting puede:
- Acelerar búsquedas preliminares de información.
- Mejorar el razonamiento y la claridad comunicativa.
- Favorecer la reflexión crítica y el análisis.
Sin embargo, tiene limitaciones: las respuestas dependen de los datos de entrenamiento del modelo, pueden reflejar sesgos o imprecisiones, y no sustituyen la interpretación clínica ni la revisión de las fuentes originales.
Conclusiones
En la práctica sanitaria, donde la exactitud y la precisión son esenciales, la inteligencia artificial generativa debe entenderse como una herramienta de apoyo cognitivo. Saber hacer un buen prompting es esencial; sin embargo, no reemplaza la experiencia ni el criterio profesional: los complementa. Este principio coincide con las recomendaciones recientes de la Organización Mundial de la Salud2, que subrayan la necesidad de mantener la supervisión humana y el juicio clínico en el uso de IA en el área de la salud.
Aprender a formular buenas preguntas —al igual que aprender a manejar un instrumento diagnóstico o una técnica quirúrgica— requiere destreza, método y práctica. En definitiva, el arte de preguntar bien no solo mejora las respuestas de la IA: también ayuda a mejorar el proceso de pensamiento y razonamiento del profesional.
Fuentes:
1. WHO, Ethics and Governance of Artificial Intelligence for Health, 2023: https://www.who.int/publications/i/item/9789240084759
Le puede interesar
Herramientas de apoyo para la búsqueda bibliográfica científica con inteligencia artificial
Panorama de herramientas con IA para búsqueda bibliográfica científica: funciones, ventajas y límites, comparativa y foco en Consensus como apoyo a una revisión más eficiente.
Herramientas de estudio y aprendizaje asistidas por inteligencia artificial
Conozca nuevas herramientas que le permitan llevar a cabo estudios y aprendizajes más eficientes y de una forma más sencilla gracias al apoyo de la IA.
Herramientas de apoyo para crear presentaciones con inteligencia artificial
Descubra las herramientas de inteligencia artificial que pueden ayudarle a crear presentaciones más completas, dinámicas y atractivas en sus tareas sanitarias.
Gestión del duelo en sanitarios
El día a día del personal sanitario les hace enfrentarse a situaciones difíciles de gestionar por la alta carga emocional que supone. A continuación, podrá descubrir algunas estrategias y políticas qu […]
Generación de gráficos visuales a partir de texto con la ayuda de la IA
¿Qué herramientas de inteligencia artificial son las más usadas para dinamizar las presentaciones médicas con gráficos? ¿Cómo funcionan? Descúbralo con este post y aprenda a hacer sus contenidos más v […]
Evolución de la telemedicina
La medicina se adapta a los tiempos y en los últimos años ha dado pasos agigantados hacia el futuro sanitario. ¿Cómo es la implantación de la telemedicina? ¿Qué dice la legislación al respecto? ¿Cuále […]
La técnica de preguntar bien: introducción al prompting en el ámbito sanitario
Formular buenas preguntas es una competencia esencial en la era de la inteligencia artificial generativa. En este artículo exploramos cómo la calidad del prompt determina la fiabilidad de las respuestas y por qué aprender a preguntar bien se ha convertido en una nueva destreza profesional para el ámbito sanitario
Durante nuestra formación en la escuela y la universidad, el sistema educativo se ha basado sobre todo en enseñar a responder con precisión, no tanto a preguntar con intención. El saber se ha asociado con tener respuestas correctas, no con saber buscar las preguntas adecuadas. Sin embargo, comprender una temática implica saber hacer buenas preguntas. Cuando no se entiende o se sabe sobre una temática, uno no sabe lo que preguntar.
Esta carencia se hace hoy más visible que nunca. La inteligencia artificial generativa depende por completo de la calidad de las preguntas que recibe. Su potencial no está en lo que sabe, sino en cómo se le pregunta.
En el ámbito sanitario, donde la claridad y la precisión son esenciales, aprender a formular buenas preguntas es más que una habilidad técnica: es una nueva competencia profesional necesaria. Dominar el prompting permite obtener respuestas más útiles, precisas y adaptadas a las necesidades del profesional que consulta.
¿Qué es un Prompt?
Un prompt es la instrucción, pregunta o contexto que una persona introduce en un modelo de inteligencia artificial para obtener una respuesta correcta.
¿Qué es el Prompting?
Un prompting es la práctica de diseñar, formular y estructurar adecuadamente esas instrucciones para guiar a la IA hacia resultados más precisos, útiles y relevantes.
La inteligencia artificial no es “inteligente”
A pesar de su nombre, la inteligencia artificial generativa no razona ni comprende como lo haría una mente humana. Su funcionamiento se basa en modelos matemáticos que analizan millones de ejemplos de lenguaje y aprenden a predecir la palabra o estructura más probable en cada contexto.
Esto es así porque, en realidad, el lenguaje sigue patrones altamente predecibles. Por ejemplo: tras un artículo, lo más probable es que aparezca un sustantivo; después, un verbo que dé sentido a la frase.
La IA no “entiende” ese significado: simplemente calcula la probabilidad estadística de que esa combinación ocurra. En consecuencia, la respuesta de la IA depende de la claridad, la estructura y la precisión del prompt con el que se formula la pregunta.
En este sentido, la IA se convierte en una herramienta que es necesario aprender a utilizar. Y su uso puede compararse con pintar un cuadro. Un pintor experimentado usaría el pincel con destreza, consciente de la técnica, el color y el efecto que desea lograr. Otra persona, con la misma herramienta, tal vez imagine un paisaje similar, pero carecería del control y la destreza necesarios que convertirían esa intención en un buen resultado.
Del mismo modo, un profesional sanitario difícilmente obtendrá un buen nivel de precisión al preguntar a la IA sin haber desarrollado la destreza del prompting. En definitiva, toda herramienta requiere aprendizaje y práctica, y aprender a usar la IA, en esencia, es aprender a hacer mejores preguntas.
Buenas prácticas de prompting
Un prompting eficaz combina claridad, método y pensamiento crítico. No se trata de “hablarle bien” a la IA, sino de pensar con precisión para formular preguntas con intención. En el ámbito sanitario, donde la calidad de la información es esencial, conocer cómo se comporta el modelo ante distintos tipos de preguntas resulta clave.
I. La diferencia entre preguntar de forma abierta o cerrada
Las herramientas de inteligencia artificial responden en función de la probabilidad estadística del lenguaje. Por ello, la forma de preguntar influye en la respuesta.
- Las preguntas abiertas, por ejemplo,“¿Qué implicaciones éticas tiene el uso de IA en diagnóstico?”, generan respuestas más amplias y generalistas. Son útiles cuando se busca explorar ideas o perspectivas.
-
Las preguntas cerradas o con alto contexto, por ejemplo “Enumere tres riesgos éticos señalados por la OMS en el uso de IA diagnóstica y resuma las recomendaciones asociadas”, acotan el marco de probabilidad, reduciendo la ambigüedad y mejorando la precisión y la relevancia de la respuesta al caso particular que se le está preguntando.
En otras palabras, la IA no sabe qué es relevante si no se le indica con suficiente contexto. Cuanto más específica sea la pregunta, más ajustada será la respuesta. Un buen prompting empieza, por tanto, por formular preguntas con propósito y contexto.
II. Los tres componentes clave de un buen prompt
Un prompt es mejor cuando tiene en cuenta o incluye tres elementos fundamentales: la forma de la pregunta, palabras que orientan la acción y detalles que aportan contexto.
-
La forma de la pregunta:
La manera en que formulamos la pregunta define el nivel de profundidad de la respuesta. Las preguntas abiertas sirven para explorar, mientras que las detalladas o paso a paso generan respuestas más concretas y precisas, ya que reducen el espectro de posibilidades de la respuesta. Por ejemplo, en lugar de preguntar “¿Qué se sabe sobre los efectos adversos de las terapias hormonales?”, puede resultar más útil indicar:
“Describe paso a paso cómo se revisa la literatura sobre eventos adversos en terapias hormonales.”
El segundo prompt dirige el tipo de análisis esperado y evita interpretaciones demasiado generales. -
Las palabras de acción:
Los verbos que utilizamos funcionan como instrucciones de movimiento para el modelo de inteligencia. Verbos como analizar, comparar, sintetizar, clasificar o identificar ayudan a orientar el tipo de respuesta y el nivel de profundidad que buscamos. Por ejemplo:
“Analiza los resultados de tres estudios, identificando coincidencias y discrepancias, y resume los hallazgos principales.”
El uso de verbos precisos convierte la petición en una tarea concreta, facilitando una respuesta más estructurada a lo que se le está preguntando. -
Los modificadores o matices contextuales
Los modificadores son indicaciones que aportan detalle y contexto al prompt, y pueden ser los siguientes:
– El rol del modelo: “actúa como un experto en epidemiología”.
– La audiencia: “explica como si se dirigiera a una paciente de 15 años”.
– El formato de la respuesta: “presente el resumen en forma de tabla comparativa”.
Este tipo de matices permite adaptar el tono y el nivel de detalle al entorno profesional sanitario, evitando respuestas genéricas.
En conjunto, estos tres componentes (formato, acción y contexto) determinan la calidad del resultado que la IA puede ofrecer. Formular un buen prompt es, en esencia, diseñar un pequeño protocolo de comunicación.
III. Técnica de Prompting específica en el ámbito sanitario
En el entorno sanitario, el prompting requiere además ciertas precauciones éticas y metodológicas que garanticen un uso responsable de la información generada. Entre ellas, destaca la necesidad de establecer una directriz de comportamiento “anticomplacencia”.
Los modelos de IA generativa, en general, están diseñados para resultar cooperativos, lo que puede inducir un sesgo de confirmación: tenderán a validar la hipótesis planteada en lugar de cuestionarla. Por ello, resulta recomendable incorporar instrucciones que fomenten el pensamiento crítico del modelo, como:
“Actúa como revisor científico. Analiza posibles errores, contradicciones o limitaciones en el siguiente texto. Compórtate de forma neutra y analítica. No seas complaciente.”
Este tipo de indicaciones ayuda a mantener el rigor analítico, a evitar respuestas complacientes y a reforzar el pensamiento crítico del profesional, que nunca debe ser sustituido por el criterio de la IA.
Ventajas y limitaciones del prompting
Aplicado con criterio, el prompting puede:
- Acelerar búsquedas preliminares de información.
- Mejorar el razonamiento y la claridad comunicativa.
- Favorecer la reflexión crítica y el análisis.
Sin embargo, tiene limitaciones: las respuestas dependen de los datos de entrenamiento del modelo, pueden reflejar sesgos o imprecisiones, y no sustituyen la interpretación clínica ni la revisión de las fuentes originales.
Conclusiones
En la práctica sanitaria, donde la exactitud y la precisión son esenciales, la inteligencia artificial generativa debe entenderse como una herramienta de apoyo cognitivo. Saber hacer un buen prompting es esencial; sin embargo, no reemplaza la experiencia ni el criterio profesional: los complementa. Este principio coincide con las recomendaciones recientes de la Organización Mundial de la Salud2, que subrayan la necesidad de mantener la supervisión humana y el juicio clínico en el uso de IA en el área de la salud.
Aprender a formular buenas preguntas —al igual que aprender a manejar un instrumento diagnóstico o una técnica quirúrgica— requiere destreza, método y práctica. En definitiva, el arte de preguntar bien no solo mejora las respuestas de la IA: también ayuda a mejorar el proceso de pensamiento y razonamiento del profesional.
Fuentes:
1. WHO, Ethics and Governance of Artificial Intelligence for Health, 2023: https://www.who.int/publications/i/item/9789240084759