Pregúntale a ChatGPT qué aspectos de su respuesta no tiene claros: un truco sencillo para obtener respuestas más precisas

ChatGPT tiene una costumbre irritante: ofrece encantado una respuesta segura incluso cuando faltan datos importantes. El texto parece convincente, la conclusión está bien hilada y las suposiciones ocultas quedan dentro, como las piezas de un mueble que alguien olvidó atornillar al suelo. Una forma sencilla de detectar el problema es preguntar, después de una respuesta normal: «¿Qué aspectos de tu respuesta no tienes claros?».

Esta pregunta obliga al modelo a señalar por separado los puntos débiles de su razonamiento. El autor del texto probó el truco al planificar un viaje familiar. Pidió a ChatGPT que preparase un itinerario de tres días, le dio algunos datos básicos y obtuvo un plan que, a primera vista, parecía acertado: actividades por la mañana, propuestas para comer, paradas por la tarde y ratos libres.

Sin embargo, el itinerario no tenía en cuenta para quién era exactamente el viaje, el ritmo que podía llevar la familia, los retrasos en carretera ni la necesidad de descansar. En vez de acusar de entrada al plan de ser demasiado apretado, el autor preguntó a ChatGPT qué aspectos no tenía claros. El modelo reconoció que dudaba del ritmo, sobre todo en el segundo día. Había supuesto que el niño aguantaría dos actividades exigentes con una pausa entre ellas, aunque desconocía sus horarios de sueño, su nivel de energía y cuánto tiempo libre necesitaba la familia. Además, había calculado los trayectos sin conocer la dirección exacta del alojamiento.

Después, el autor concretó las limitaciones: solo una actividad importante planificada al día y un horario flexible después de comer. ChatGPT rehízo el itinerario, que pasó a ser mucho más realista para una familia corriente.

El segundo ejemplo trataba de un portátil viejo que había empezado a funcionar peor. El autor preguntó si merecía la pena repararlo o sustituirlo. ChatGPT propuso tener en cuenta la antigüedad del equipo, el coste de la reparación, su rendimiento y el precio de uno nuevo, y se inclinó por comprar otro.

Pero apenas había datos de partida: se desconocían el modelo, la avería y el coste de la reparación. Al preguntarle de nuevo por sus dudas, ChatGPT admitió que la recomendación de sustituir el portátil no era muy fiable. La edad, por sí sola, no demuestra que repararlo salga a cuenta. Si el problema está en la batería o en el disco, una mejora barata puede alargar considerablemente la vida del equipo. Para llegar a una conclusión más segura, el modelo necesitaría las especificaciones, los síntomas y un presupuesto de reparación.

Ahí está precisamente la utilidad de este truco. ChatGPT está diseñado para ser útil, así que a menudo rellena los huecos con suposiciones para que la conversación no se detenga. Una persona suele decir: «Necesito más información». El modelo, en cambio, puede elaborar una respuesta impecable a partir de datos que nadie le ha dado.

Una vez detectadas las dudas, se pueden hacer preguntas adicionales: cuál de las incertidumbres podría cambiar más la recomendación, qué datos hacen falta y qué puede aportar el usuario para aumentar la confianza en la respuesta. Al comparar productos o elegir entre varias opciones, así no hace falta perder cinco minutos redactando una consulta enorme: se obtiene una conclusión preliminar y se comprueba enseguida su punto más débil.

El método tiene una limitación importante. La propia valoración de su nivel de confianza también la genera ChatGPT, así que el modelo puede pasar por alto un problema clave o equivocarse al describir sus dudas. Cuando se trata de hechos importantes, dinero, salud o seguridad, esta pregunta no sustituye la consulta de fuentes fiables. Pero, para las tareas cotidianas, ayuda a hacer visibles las suposiciones ocultas y a entender hasta qué punto puede servir la respuesta.