La forma en que interactuamos con la inteligencia artificial está evolucionando rápidamente. Si bien el 'prompt engineering' fue clave para usuarios avanzados, una nueva técnica, el 'loop engineering', está ganando terreno. Este método permite a la IA autoevaluarse y corregir errores, prometiendo resultados más precisos y eficientes al automatizar la retroalimentación.
En los últimos tres años, ser un usuario avanzado de inteligencia artificial implicaba dominar el prompt engineering, una habilidad crucial para formular preguntas a la IA y obtener los mejores resultados. Sin embargo, esta aproximación está quedando obsoleta con la aparición de una técnica aún más prometedora para maximizar el potencial de los chatbots.
De los prompts a los loops. El nuevo paradigma que se ha vuelto viral entre los desarrolladores es el "loop engineering" o "ingeniería de bucles". Esta técnica parte de la premisa de que la IA puede cometer errores o "alucinar". Por ello, implementa un sistema de retroalimentación donde un subagente genera una respuesta, otro la audita en busca de fallos, y el sistema ejecuta el proceso automáticamente hasta que el resultado cumple con los estándares de calidad definidos por el usuario.
Los gurús de la IA recomiendan los bucles. Boris Cherny, creador de Claude Code, explicó en una charla reciente que ya no escribe prompts en Claude Code, sino que se enfoca en escribir bucles. "Los bucles hacen el trabajo. Mi trabajo es escribir bucles". Peter Steinberger, creador de OpenClaw, compartió esta perspectiva, comentando en X que "no deberíais escribir prompts para los agentes de programación. Deberíais diseñar bucles que crean los prompts para vuestros agentes". Addy Osmani, responsable de Google Cloud, planteó exactamente la misma idea: el "loop engineering te está reemplazando como la persona que crea los prompts para el agente. Tú diseñas el sistema que hace eso en lugar de ti".
Ciclo implacable. Este enfoque ha demostrado ser exitoso en agentes de IA como Claude Code y OpenClaw. El modelo puede ejecutar código en un entorno seguro, probarlo, identificar mensajes de error si existen y corregir esos fallos para reiniciar el proceso. La IA ya poseía la capacidad de "razonar", pero ahora es capaz de autoevaluarse y autocorregirse de manera autónoma e independiente. Steinberger proporcionó un ejemplo claro de cómo diseñar uno de estos bucles.
Adiós a la ventana de chat. Aunque esta técnica es muy popular entre los desarrolladores, también sugiere la posible desaparición del tradicional chatbot en la ventana del navegador. Anteriormente, el valor residía en conversar con la IA y experimentar con prompts, pero ahora la tendencia es hacia la creación de flujos de trabajo automatizados. El usuario solo interactúa con el problema inicial y la solución final, eliminando las constantes repreguntas y dudas, a menos que desee ajustar la solución final.
Cuidado con los costes. Un aspecto a considerar de esta metodología es que al diseñar un bucle, se pueden activar varios subagentes trabajando en paralelo. Esto implica un consumo de tokens que podría ser considerable, lo que potencialmente resultaría costoso. La recomendación es utilizar subagentes y bucles de manera estratégica y justificada.
Otra etapa en la evolución de la IA. El cambio de los prompts a los loops representa una nueva fase en la evolución de la inteligencia artificial. ChatGPT nos sorprendió al generar poemas rápidamente, pero el proceso era ineficiente, ya que la conversación no siempre es la ruta óptima para alcanzar el resultado deseado. La profesión de 'prompt engineer' podría, por tanto, verse afectada después de la fase inicial en la que la habilidad para comunicarse con la IA era primordial. Ahora, la clave reside en diseñar esos bucles que finalmente automatizan todo el proceso para el usuario.
