Ir al contenido principal

Glosario de IA Models & Architecture

¿Qué es la cadena de razonamiento (chain-of-thought, CoT)?

Cadena de razonamiento (Chain-of-Thought (CoT))

← Todos los términos del glosario
En pocas palabras

Forma de pedir o entrenar a un modelo de lenguaje para que escriba los pasos intermedios de su razonamiento antes de dar la respuesta final.

Explicación

La cadena de razonamiento (chain-of-thought, CoT) es una técnica en la que un modelo de lenguaje grande escribe pasos intermedios antes de responder, en lugar de contestar directamente. Nació como técnica de prompting: enseñar al modelo unos pocos ejemplos con el razonamiento resuelto mejoraba sus resultados en problemas aritméticos, de sentido común y simbólicos. Hoy muchos modelos están entrenados para razonar paso a paso por sí solos. Se usa en la planificación de agentes y la elección de herramientas, y los pasos escritos ayudan a revisar cómo se llegó a una respuesta, aunque no son un registro garantizado del proceso interno del modelo.

Cómo funciona la cadena de razonamiento

En su forma original, el prompt incluye unos pocos ejemplos en los que cada pregunta va seguida de la solución razonada y después de la respuesta. El modelo imita ese patrón y escribe sus propios pasos antes de concluir. Una variante más sencilla se limita a pedirle que razone paso a paso.

Escribir los pasos le da al modelo más margen para descomponer el problema, llevar la cuenta de los resultados intermedios y detectar algunos errores por el camino. La mejora es mayor en tareas que de verdad requieren varios pasos; en consultas simples es pequeña o nula.

Cadena de razonamiento y modelos de razonamiento

Varios modelos recientes están entrenados para razonar extensamente antes de responder, a veces de forma oculta para el usuario y a veces con un resumen. La cadena de razonamiento pasa así de truco de prompting a capacidad integrada.

Si construyes sobre estos modelos, las instrucciones explícitas de ir paso a paso importan menos que antes. Importan más los objetivos claros, el buen contexto y las herramientas adecuadas, y decidir cuánto razonamiento merece cada tarea, porque razonar más cuesta más tokens y más tiempo.

Límites que conviene tener en cuenta

  • El razonamiento escrito puede parecer convincente y estar mal.
  • No es una ventana fiel a cómo calculó el modelo su respuesta, así que no sirve por sí solo como pista de auditoría.
  • Más razonamiento significa más tokens, más coste y más latencia.
  • En decisiones importantes, comprueba el resultado contra datos o reglas, no solo la explicación.

Preguntas frecuentes

¿Qué es un ejemplo de cadena de razonamiento?

En lugar de pedir solo la solución de un problema, el prompt muestra un ejemplo resuelto: primero las cantidades, luego cada cálculo y al final el resultado. Ante un problema nuevo, el modelo sigue el mismo patrón y escribe sus pasos antes de responder.

¿Qué es la cadena de razonamiento zero-shot?

Es la variante sin ejemplos resueltos: el prompt solo pide al modelo que piense paso a paso. Es más fácil de usar que la versión con ejemplos, porque nadie tiene que escribir soluciones de muestra.

¿La cadena de razonamiento reduce las alucinaciones?

Puede reducir errores de razonamiento en problemas de varios pasos, pero no impide que el modelo invente datos. Un modelo puede razonar con cuidado a partir de una premisa falsa. Sigue haciendo falta anclar las respuestas en fuentes recuperadas y verificar los resultados.

¿Sigue sirviendo la cadena de razonamiento con modelos de razonamiento?

Menos como técnica de prompting, porque estos modelos ya razonan antes de responder. La idea sigue siendo útil al diseñar agentes y flujos: partir una tarea en pasos explícitos que se puedan comprobar sigue siendo una buena práctica.

¿Sirve la cadena de razonamiento para explicar decisiones de la IA?

Solo en parte. Los pasos ayudan a quien revisa a seguir la lógica, pero son texto generado, no una traza fiable del cálculo interno del modelo. En decisiones reguladas, combínalos con registros, reglas y otros métodos de explicabilidad.

Guías de decisión que usan este término

Dónde aparece en Thinkia

Productos

Para seguir leyendo

Fuentes

Actualizado: 2026-10-21

¿Quieres ver cómo se aplica en tu organización?

Habla con un experto en IA