El artículo "Just Send the Prompt" aborda una práctica cada vez más común con el auge de los modelos de lenguaje grandes (LLMs) como ChatGPT: la edición y presentación de la respuesta generada como si fuera un trabajo propio. La premisa central es simple y contundente: no edites la respuesta del LLM, simplemente envía la instrucción (el prompt) que le diste.
¿Por qué es importante? Cuando interactuamos con un LLM, estamos esencialmente pidiendo a un algoritmo que genere texto basado en patrones aprendidos de enormes cantidades de datos. La respuesta que obtenemos es el resultado de ese proceso. Modificar esa respuesta, incluso con una revisión “cuidadosa”, no añade valor real. La edición implica un esfuerzo que, en la mayoría de los casos, no justifica el resultado final. El texto editado sigue siendo una derivación del trabajo del modelo, y la intervención humana, a menudo, no mejora significativamente la calidad o la precisión.
¿Cómo funciona y qué implica? El problema radica en la ilusión de control y la necesidad de aparentar. La gente tiende a editar las respuestas de los LLMs para que parezcan más pulidas, más profesionales o más originales. Sin embargo, el artículo argumenta que esta edición es, en esencia, inútil. El prompt original contiene toda la información relevante sobre cómo se generó la respuesta. Si alguien necesita entender el proceso o evaluar la calidad, el prompt es el punto de partida más útil. Considera, por ejemplo, si estás usando un LLM para generar un borrador de correo electrónico. En lugar de pasar horas editando el resultado, simplemente envía el prompt original: “Escribe un correo electrónico a [persona] solicitando [cosa] con un tono [tono].” Esto permite a la persona que recibe el correo electrónico entender el contexto y el propósito del mensaje.
Casos de uso y aplicaciones: Esta práctica es relevante para cualquier persona que utilice LLMs para generar contenido, incluyendo: redactores, programadores, investigadores, estudiantes, y profesionales de marketing. Imagina un desarrollador que usa un LLM para generar código. En lugar de presentar el código editado como propio, compartir el prompt original permite a otros entender la lógica y el contexto del código generado, facilitando la colaboración y la depuración.
Consideraciones: El artículo no implica que la edición de LLMs sea siempre incorrecta. En algunos casos, puede ser necesaria para corregir errores factuales o adaptar el contenido a un contexto específico. Sin embargo, la mayoría de las veces, la edición es una pérdida de tiempo y no añade valor. Una alternativa es utilizar el prompt como punto de partida y reescribir completamente el contenido, asegurando así la originalidad y la precisión. También es importante recordar que los LLMs son herramientas, y como cualquier herramienta, su eficacia depende de cómo se utilicen. Un prompt bien diseñado es más valioso que una edición extensa de una respuesta mediocre.