Cadena de pensamiento: cuando la IA razona paso a paso
La cadena de pensamiento (chain of thought) consiste en hacer que un modelo escriba los pasos intermedios de su razonamiento antes de la respuesta final. Mejora claramente los resultados en problemas de varios pasos: cálculos, lógica, planificación.
Datos a 22 de octubre de 2026
Lo esencial en cifras
| Nivel | Intermedio |
|---|---|
| Origen | 2022 |
| Introducido por | Wei et al. (Google) |
La idea en una frase
En lugar de pedir directamente la respuesta, se deja que el modelo «haga las cuentas a la vista»: escribe los pasos intermedios y luego concluye. Como un alumno que desarrolla el procedimiento, es menos probable que se salte un paso o responda al azar.
Un ejemplo concreto
Pregunta: «Una papelería vende cuadernos a 3 € la unidad y regala uno por cada cuatro comprados. ¿Cuánto cuestan diez cuadernos?».
Un modelo que responde de golpe puede decir «30 €», olvidando la promoción, o aplicarla mal. Con una cadena de pensamiento razona: «Pago cuatro y me llevo cinco. Diez cuadernos son dos lotes de cinco, así que pago ocho. Ocho por 3 € son 24 €». La respuesta queda justificada y es verificable: si un paso falla, usted lo ve.
De dónde viene
La técnica se formalizó en el artículo «Chain-of-Thought Prompting Elicits Reasoning in Large Language Models» (Wei et al., Google, enero de 2022). Sus autores mostraron que, al dar al modelo algunos ejemplos cuya respuesta va precedida de un razonamiento detallado, su rendimiento mejora mucho en problemas de aritmética, sentido común y lógica. Es decir, nació como una variante del prompt con ejemplos.
Por qué importa hoy
La cadena de pensamiento ha pasado de ser un truco de ingeniería de prompts a formar parte del propio funcionamiento de los modelos. Los modelos de razonamiento están entrenados para producir un largo razonamiento antes de responder, a menudo oculto o resumido en pantalla. Esa idea de «pensar más tiempo» al responder es la base del cómputo en tiempo de inferencia.
Ideas equivocadas frecuentes
- «Un razonamiento detallado siempre es correcto». Un modelo puede encadenar pasos muy convincentes y llegar a un error, incluso a una alucinación. El razonamiento facilita la comprobación, no la sustituye.
- «Sirve para cualquier pregunta». En una traducción o una pregunta factual sencilla la mejora es mínima y la respuesta resulta más larga y cara.
- «Es lo mismo que un modelo de razonamiento». No: la cadena de pensamiento es una técnica; el modelo de razonamiento es un modelo entrenado para aplicarla por sí mismo.
Para probarlo
El generador de prompts del sitio le permite añadir a su instrucción una petición de razonamiento paso a paso y comparar las respuestas con y sin ella.
Términos relacionados
- Ingeniería de prompts · Práctica de redactar, probar y mejorar las instrucciones que se dan a una IA para obtener respuestas más fiables y útiles.
- Prompt con ejemplos (few-shot) · Técnica que consiste en incluir algunos ejemplos de entrada y respuesta esperada en el prompt para orientar al modelo.
- Modelo de razonamiento · Modelo de lenguaje entrenado para «pensar» por pasos antes de responder: más lento y caro, pero más sólido en matemáticas, código y lógica.
- Cómputo en inferencia (test-time compute) · Potencia de cálculo que gasta un modelo en el momento de responder, por ejemplo para razonar más tiempo o comparar varias soluciones.
- Alucinación · Respuesta de una IA que parece segura y verosímil pero es falsa o inventada: una cifra, una cita, una fuente o una referencia.
Para probar
Todo el glosario
Preguntas frecuentes
¿Sigue siendo necesario pedir «piensa paso a paso»?
Con un modelo de razonamiento suele ser innecesario, porque ya lo hace por sí solo. Con un modelo convencional, pedir un razonamiento detallado sigue siendo una forma sencilla de mejorar las respuestas en problemas complejos.
¿El razonamiento que se muestra refleja lo que «piensa» realmente el modelo?
Nada lo garantiza. El texto es una explicación plausible, no una ventana directa a los cálculos internos del modelo. Ayuda a detectar errores, pero no demuestra que la respuesta sea correcta.
¿Tiene algún coste la cadena de pensamiento?
Sí. El modelo escribe más texto, así que consume más tokens y tarda más en responder. Para una pregunta sencilla, ese coste adicional no aporta nada.
Fuentes de los datos
Datos a 22 de octubre de 2026
Señalar un error
¿Una cifra, una fecha o un dato le parece incorrecto? Díganoslo: verificamos cada aviso.