aplicaciones

LocalizaTodo es un geoportal en tiempo real para visualizar el tráfico marítimo (AIS) y aéreo (ADS-B), además de otros objetos rastreados, sobre un mapa web. De acceso gratuito y sin instalación, permite ver en un mismo visor barcos y vuelos, conocer su posición actual, rumbo y velocidad, y consultar el recorrido de las últimas 24 horas.

Incorpora búsqueda por nombre/identificador, filtros por tipo de elemento y capas adicionales como la cartografía de OpenStreetMap, la capa náutica OpenSeaMap, la cobertura de antenas y una capa meteorológica con viento, oleaje, temperatura y presión.

Entre sus herramientas destaca el medidor de distancias y tiempos, el cálculo del CPA (closest point of approach) entre dos elementos o frente a un punto, el centrado del mapa en coordenadas y la consulta del histórico por zona/identificador. Cada elemento dispone de una ficha con los últimos datos recibidos y una galería de fotos aportadas por usuarios.

 Si se inicia sesión en Google, Facebook, Twitter o Microsoft es posible acceder a funciones extra, como gestionar dispositivos propios conectados a la plataforma o solicitar descarga de datos (KML, CSV, Excel, GeoJSON o SHP). Para usos avanzados existe una versión Pro con áreas, alarmas, filtros y más opciones de análisis.

SUBSIDIA ONERIS (carga de subvenciones en latín) es una librería de applets que permiten el acceso masivo a datos del portal de la Base de Datos Nacional de Subvenciones desde Excel, empleando la ETL PowerQuery accediendo a la API oficial del SNPSAP, que se comparte con licencia CC BY-NC-SA 4.0. 

Para su uso solo se requiere un conocimiento muy básico de Excel. Los applets disponibles son los siguientes: 

• Inspector de minimis 2.0: Introduciendo uno o múltiples NIF de beneficiarios presenta como resultados todas las concesiones de minimis existentes en el Portal el día en que se efectúa la consulta, concedidas en los tres últimos años, ofreciendo la información transaccional de estas concesiones y diversos agregados e informes. Útil para comprobar los requisitos de acumulación trienal de minimis por beneficiario establecidos en los Reglamentos europeos de aplicación. 

• Inspector de AdE 2.1: Introduciendo uno o múltiples NIF de beneficiarios presenta como resultados todas las concesiones de Ayudas de Estado existentes en el Portal el día en que se efectúa la consulta, ofreciendo la información transaccional de estas concesiones y diversos agregados e informes. 

• Inspector de Concesiones - Todas 2.0: Introduciendo uno o múltiples NIF de beneficiarios presenta como resultados todas las concesiones de existentes en la pestaña Todas del Portal el día en que se efectúa la consulta, ofreciendo la información transaccional de estas concesiones y diversos agregados e informes. 

• Consultor de Concesiones x Fecha (más de 10 000) 2.1: Introduciendo fecha de inicio y fin presenta como resultados todas las concesiones de existentes en la pestaña Concesiones-Todas del Portal para el periodo de referencia el día en que se efectúa la consulta, ofreciendo la información transaccional de estas concesiones y diversos agregados e informes. Conviene que los intervalos de tiempo no sean superiores al mes, ya que el gran número de concesiones puede hacer colapsar la descarga, dependiendo de los recursos de memoria del ordenador donde se ejecuta Excel y de la carga transaccional de los servidores. 

• Consultor de Concesiones por Convocatoria (más de 10 000) 2.1: Para las convocatorias que tienen más de 10 000 concesiones, permite descargar todas estas, hasta 1.000.000 de concesiones. Solo se puede especificar un código de convocatoria. 

• Consultor de AdE por fecha (más de 10 000) 2.1: Introduciendo fecha de inicio y fin presenta como resultados todas las concesiones de existentes en la pestaña Ayudas de Estado del Portal para el periodo de referencia el día en que se efectúa la consulta, ofreciendo la información transaccional de estas concesiones y diversos agregados e informes. Conviene que los intervalos de tiempo no sean superiores al año, ya que el gran número de concesiones puede hacer colapsar la descarga, dependiendo de los recursos de memoria del ordenador donde se ejecuta Excel y de la carga transaccional de los servidores. 

• Consultor de minimis por fecha (más de 10 000) 2.1: Introduciendo fecha de inicio y fin presenta como resultados todas las concesiones de existentes en la pestaña de minimis del Portal para el periodo de referencia el día en que se efectúa la consulta, ofreciendo la información transaccional de estas concesiones y diversos agregados e informes. Conviene que los intervalos de tiempo no sean superiores al año, ya que el gran número de concesiones puede hacer colapsar la descarga, dependiendo de los recursos de memoria del ordenador donde se ejecuta Excel y de la carga transaccional de los servidores. 

• Consultor de Ayudas de Estado multi SA (menos de 10 000) 2.0: Introduciendo una o múltiples referencias de medidas de AdE (SA.number) presenta como resultados todas las concesiones de Ayudas de Estado existentes en el Portal el día en que se efectúa la consulta para esas medidas, ofreciendo la información transaccional de estas concesiones y diversos agregados e informes. Si alguna medida (SA.number) tiene más de 10 000 concesiones, solo descarga las 10 000 primeras, así que no debe usarse en ese caso. Si alguna SA tiene más de 10 000 concesiones, puede usarse el Consultor de Concesiones x Convocatoria multi código. Para ello antes debe averiguar las convocatorias que se han formalizado respecto a esa medida SA. 

• Consultor de Concesiones x Convocatoria multi código (menos de 10 000) 2.1: Introduciendo uno o múltiples códigos BDNS de convocatorias, presenta como resultados todas las concesiones de esas convocatorias existentes en el Portal el día en que se efectúa la consulta ofreciendo la información transaccional de estas concesiones y diversos agregados e informes.

Si alguna convocatoria tiene más de 10 000 concesiones, solo descarga las 10 000 primeras, así que no debe usarse en ese caso.

El Cabildo Insular de Tenerife ha convocado el II Concurso de Datos Abiertos: Desarrollo de APP, una iniciativa que premia la creación de aplicaciones web y móviles que aprovechen los conjuntos de datos disponibles en su portal datos.tenerife.es. Esta convocatoria representa una nueva oportunidad para desarrolladores, emprendedores y entidades innovadoras que quieran transformar información pública en soluciones digitales de valor para la sociedad. En este post, te contamos los detalles sobre la competición.

Un ecosistema en crecimiento: de las ideas a las aplicaciones

Esta iniciativa se enmarca en el proyecto de Datos Abiertos del Cabildo de Tenerife, que promueve la transparencia, la participación ciudadana y la generación de valor económico y social a través de la reutilización de información pública.

El Cabildo ha diseñado una estrategia en dos fases:

• El I Concurso de Datos Abiertos: Ideas de Reutilización (ya celebrado) centrado en identificar propuestas creativas.

• El II Concurso: Desarrollo de APP (convocatoria actual) que da continuidad al proceso y busca materializar ideas en aplicaciones funcionales.

Este enfoque progresivo permite construir un ecosistema de innovación que acompaña a los participantes desde la conceptualización hasta el desarrollo completo de soluciones digitales.

El objetivo es fomentar la creación de productos y servicios digitales que generen impacto social y económico, mientras se identifican nuevas oportunidades de innovación y emprendimiento en el ámbito de los datos abiertos.

Premios y dotación económica

Este concurso cuenta con una dotación total de 6.000 euros distribuidos en tres premios:

• Primer premio: 3.000 euros

• Segundo premio: 2.000 euros

• Tercer premio: 1.000 euros

¿Quién puede participar?

La convocatoria está abierta a:

• Personas físicas: desarrolladores individuales, diseñadores, estudiantes o cualquier persona interesada en la reutilización de datos abiertos.

• Personas jurídicas: startups, empresas de tecnología, cooperativas, asociaciones u otras entidades.

Siempre y cuando presenten el desarrollo de una aplicación basada en datos abiertos del Cabildo de Tenerife. Una misma persona, física o jurídica, puede presentar tantas candidaturas como desee, tanto de forma individual como conjunta. 

¿Qué tipo de aplicaciones se pueden presentar?

Las propuestas deben ser aplicaciones web o móviles que utilicen al menos un conjunto de datos del portal datos.tenerife.es. Algunas ideas que pueden servir de inspiración son:

• Aplicaciones para optimizar el transporte y la movilidad en la isla.

• Herramientas de visualización de datos turísticos o medioambientales.

• Servicios de información ciudadana en tiempo real.

• Soluciones para mejorar la accesibilidad y la participación social.

• Plataformas de análisis de datos económicos o demográficos.

Criterios de evaluación: ¿qué valora el jurado?

El jurado evaluará las propuestas considerando los siguientes criterios:

• Uso de datos abiertos: grado de aprovechamiento e integración de los conjuntos de datos disponibles en el portal.

• Impacto y utilidad: valor que aporta la aplicación a la sociedad, capacidad para resolver problemas reales o mejorar servicios existentes.

• Innovación y creatividad: originalidad de la propuesta y carácter innovador de la solución planteada.

• Calidad técnica: solidez del código, buenas prácticas de programación, escalabilidad y mantenibilidad de la aplicación.

• Diseño y usabilidad: experiencia de usuario (UX), diseño visual atractivo e intuitivo, garantía de accesibilidad digital en dispositivos Android e iOS.

¿Cómo participar?: plazos y forma de presentación: 

Las solicitudes pueden presentarse hasta el 10 de marzo de 2026, tres meses desde la publicación de la convocatoria en el Boletín Oficial de la Provincia.

Sobre la documentación requerida, las propuestas deben presentarse en formato digital e incluir:

• Descripción técnica detallada de la aplicación.

• Memoria justificativa del uso de los datos abiertos.

• Especificación de entornos tecnológicos utilizados.

• Vídeo demostrativo del funcionamiento de la aplicación.

• Código fuente completo.

• Ficha técnica resumen.

Desde la institución organizadora recomiendan la presentación telemática a través de la Sede Electrónica del Cabildo de Tenerife, aunque también es posible la presentación presencial en los registros oficiales habilitados. Las bases completas y el modelo oficial de solicitud están disponibles en la Sede Electrónica del Cabildo.

Con esta segunda convocatoria, el Cabildo de Tenerife consolida su apuesta por la transparencia, la reutilización de información pública y la creación de un ecosistema de innovación digital. Iniciativas como esta demuestran cómo los datos abiertos pueden convertirse en catalizadores del emprendimiento, la participación ciudadana y el desarrollo económico local.

Open ODS Index es una plataforma de gestión y visualización de resultados y avances en el cumplimiento de los Objetivos de Desarrollo Sostenible y Agenda 2030. Permite reportar y sistematizar los progresos y el esfuerzo que realizan las entidades públicas y privadas por cumplir los ODS. Por una parte, facilita la autoevaluación de dicho progreso y, por otra, da a conocer los resultados al público en general. Es parte del sistema ODS y permite que cualquier entidad incorpore y actualice su perfil. 

El portal incluye búsquedas avanzadas, filtros sectoriales, territoriales y perfiles de organización para consulta abierta. La información es verificada por agentes independientes y se presenta geolocalizada para facilitar la comparación entre organizaciones y territorios.

Para el despliegue de Open ODS Index se ha desarrollado una metodología propia en colaboración con el PNUD (Programa de las Naciones Unidas para el Desarrollo). El proyecto obtuvo el Primer Premio de Emprendimiento Social “La Noria” de la Diputación de Málaga en 2020.

La web Smart Agro–Recomendaciones de Riego es una plataforma gratuita desarrollada por el Cabildo de La Palma como parte del proyecto La Palma Smart Island. Su objetivo es mejorar la eficiencia del uso del agua en la agricultura local, especialmente para cultivos de plátano y aguacate.

Para obtener una recomendación personalizada, el usuario debe seleccionar un cultivo y una zona de la isla a través de un desplegable o sobre el mapa. En vez hecho esto, la aplicación:

• Proporciona gráficos detallados que muestran la evolución reciente de la precipitación y la evapotranspiración (ETo) en los últimos 7 días en la zona seleccionada.
• Genera recomendaciones de riego ajustadas al municipio y las condiciones climáticas locales.

Para realizar los cálculos, se utilizan los datos de la red insular de estaciones meteorológicas y de calidad del aire, junto a un motor de cálculo que procesa la información para generar las recomendaciones semanales. Asimismo, los datos generados por este motor se integran en el portal de datos abiertos, promoviendo un ecosistema de innovación abierto que se retroalimenta.

CLIMA TERRA es una aplicación web progresiva (PWA) que ofrece información ambiental en tiempo real de forma clara y accesible. Permite al usuario conocer parámetros clave como la temperatura, humedad relativa, velocidad del viento e índice UV, a partir de datos abiertos meteorológicos y geoespaciales.
La app ha sido diseñada con un enfoque minimalista y bilingüe (español/inglés), con el objetivo de acercar los datos abiertos a la ciudadanía y fomentar decisiones cotidianas más informadas y sostenibles.

 MOVACTIVA es una plataforma digital desarrollada por el Departamento de Geografía de la Universitat Autònoma de Barcelona, que funciona como un atlas interactivo centrado en la movilidad activa, es decir, al transporte de personas utilizando medios no motorizados, como caminar o andar en bicicleta. El atlas recoge información de cinco ciudades españolas: Barcelona, Granada, Madrid, Palma de Mallorca y Valencia.

El proyecto cartografía cinco indicadores urbanos determinantes para la movilidad activa, basándose en 57 variables georreferenciadas:

• Densidades urbanas para la caminabilidad
• Ciclabilidad
• Presencia de espacios verdes
• vitalidad urbana
• Ciudad de los 15 minutos

La combinación de estos cinco elementos permite crear un indicador objetivo y estandarizado: el Indicador Global de Movilidad Activa. 

De forma adicional, la web también ofrece información sobre:

• Micromovilidad, que incluye modos de transporte eléctricos, pequeños y ligeros (Vehículos de Movilidad Personal o VMP), como bicicletas y patinetes eléctricos, hoverboards, segways y monoruedas.
• Intermodalidad, que implica el uso de dos o más modos de transporte dentro del marco de un solo viaje.

Para acercar la información a los usuarios, cuenta con un visor interactivo que permite explorar datos geográficos de forma visual, facilitando la comparación entre ciudades y promoviendo un enfoque urbano más saludable y sostenible. Los indicadores se superponen sobre mapas base de acceso abierto como la ortofotografía del PNOA (del IGN) y OpenStreetMap.

Edalitics es un servicio de analítica en la nube que permite conectar datos, modelarlos, crear informes y cuadros de mando sin desplegar infraestructura propia y sin conocimientos técnicos. Está basado en EDA (Enterprise Data Analytics), la plataforma open source de la empresa Jortilles y se ofrece como Saas (Software as a Service), lo que reduce la complejidad técnica: el usuario accede a través de un navegador, selecciona sus fuentes y construye visualizaciones simplemente arrastrando y soltando, o bien mediante SQL. 

Edalitics funciona como una plataforma de datos corporativos y públicos: puede conectarse a bases de datos y servicios web, y también admite ficheros CSV que el usuario sube para enriquecer su modelo. A partir de ahí, se crean dashboards, KPIs y alertas por correo, y se publican informes privados o públicos para distintos perfiles de decisión, con control de acceso y trazabilidad. Permite tener usuarios ilimitados, lo que la hace interesante para grandes organizaciones con muchos usuarios. 

Es importante aclarar que Edalitics no incorpora datasets por defecto, sino que se integra con APIs o portales abiertos. Organismos como el Consell Comarcal del Baix Empordà han utilizado Edalitics para desplegar sus catálogos de datos abiertos. 

Edalitics ofrece dos modalidades de uso: 

• Versión en la nube (Cloud). La plataforma puede utilizarse directamente en la nube, con un modelo de tarifas escalonado. Esta versión es gratuita para organizaciones con un uso limitado. Las organizaciones con mayores exigencias de uso o volumen de datos pueden acceder a una versión de pago mediante una cuota mensual.
• Instalación en servidores propios (On-Premise). Para aquellas organizaciones que prefieran alojar Edalitics en su propia infraestructura, Jortilles ofrece:
  • Asistencia en la instalación y configuración, adaptándose al entorno del cliente.
  • Posibilidad de contratar un mantenimiento anual que incluye: soporte técnico directo del equipo desarrollador y acceso a actualizaciones y mejoras de forma proactiva, asegurando el buen funcionamiento y evolución de la plataforma. 

¿Cuántas veces has tenido entre tus manos un conjunto de datos que necesitabas analizar, pero te has encontrado con errores, inconsistencias o problemas de formato que te han hecho perder horas de trabajo? La realidad es que, aunque cada día tenemos más datos disponibles, no siempre contamos con las herramientas o conocimientos necesarios para trabajar con ellos de manera eficiente.

Para abordar este proceso existen varias opciones. Una de ellas es Open Data Editor, una herramienta gratuita y de código abierto que Open Knowledge Foundation (OKFN) ha diseñado pensando en democratizar el acceso y la explotación de los datos.

Características principales y funcionalidades

Tal y como indican desde OKFN, esta aplicación está diseñada para personas que trabajan con datos tabulares (Excel, Google Sheets, CSV) y que no saben programar o no tienen acceso a herramientas técnicas especializadas. Su enfoque sin código la convierte en una alternativa accesible que se centra específicamente en la limpieza y validación de datos tabulares.

La herramienta implementa un proceso conocido como "validación de datos", que consiste en encontrar errores en conjuntos de datos y corregirlos de manera eficiente. Además, verifica que las hojas de cálculo o conjuntos de datos contengan toda la información necesaria para que otras personas puedan utilizarlos. Por lo tanto, también tiene en cuenta la interoperabilidad, un valor muy relevante en lo que respecta a la reutilización de datasets.

Más allá de garantizar la reutilización, Open Data Editor también vela por la privacidad y seguridad gracias a su arquitectura local, es decir, los datos permanecen en el dispositivo del usuario.

Proyectos piloto: impacto global y resultados tangibles

A pesar de que se trata de una herramienta muy intuitiva, la organización pone a disposición del usuario un curso online y gratuito para aprender a sacarle el máximo partido. Actualmente el curso está en inglés, pero la traducción al español estará disponible próximamente.

Además del curso principal, la Open Knowledge Foundation ha implementado un programa de “formación de formadores” que capacita a personas para que puedan impartir el curso localmente en diferentes regiones del mundo. En el marco de este programa de formación se están ejecutando proyectos piloto aplicados a diferentes sectores y comunidades. Estos proyectos piloto se han enfocado especialmente en incentivar el acceso a formación básica en herramientas de análisis de datos de calidad, algo que, OKFN considera que no debe estar limitado por barreras económicas o tecnológicas.

Los casos de uso documentados muestran aplicaciones diversas que van desde organizaciones de derechos humanos hasta instituciones gubernamentales locales, todas aprovechando las capacidades de validación y limpieza de datos que ofrece la herramienta. El enfoque educativo de Open Data Editor va más allá del simple uso de la herramienta: se trata de formar en open data y promover el conocimiento abierto y accesible.

Próximos pasos: integración de inteligencia artificial

Los resultados de esta primera fase han sido tan prometedores que la Open Knowledge Foundation ha decidido avanzar hacia una segunda etapa, esta vez incorporando tecnologías de inteligencia artificial para ampliar aún más las capacidades de la herramienta. La nueva versión, que ofrece asistencia de IA enfocada en validación y características que generen confianza, acaba de ser anunciada y lanzada.

La filosofía detrás de esta integración de IA es mantener el carácter educativo de la herramienta. En lugar de crear una "caja negra" que simplemente proporcione resultados, la nueva funcionalidad explicará cada paso que realiza la inteligencia artificial, permitiendo que los usuarios comprendan no solo qué se está haciendo con sus datos, sino también por qué se están tomando ciertas decisiones.

Esta aproximación transparente a la IA es especialmente importante en el contexto de datos abiertos y gubernamentales, tal y como explicamos en este episodio del pódcast de datos.gob.es. Los usuarios de Open Data Editor podrán ver cómo la IA identifica problemas potenciales, sugiere correcciones y valida la calidad de los datos, convirtiéndose en una herramienta de aprendizaje además de una utilidad práctica.

Impacto en el ecosistema open data

Esta nueva funcionalidad se sumará al propósito por ofrecer una herramienta sostenible y abierta. Es precisamente este compromiso con el código abierto lo que hace que Open Data Editor pueda ser adaptada y mejorada por la comunidad global de desarrolladores. Para ello, utilizan como base tecnológica el Framework Frictionless, que asegura que los estándares utilizados sean abiertos y ampliamente adoptados en el ecosistema de datos abiertos.

No hay duda de que la herramienta está especialmente alineada con los principios de datos abiertos gubernamentales, proporcionando a las Administraciones públicas una manera de mejorar la calidad de sus publicaciones de datos sin requerir inversiones significativas en infraestructura técnica o capacitación especializada. Para periodistas de datos y organizaciones de la sociedad civil, Open Data Editor ofrece la capacidad de trabajar con conjuntos de datos complejos de manera más eficiente, permitiendo que se concentren en el análisis y la interpretación en lugar de en la limpieza técnica de los datos.

En definitiva, más que una herramienta técnica, Open Data Editor simboliza un cambio paradigmático hacia la democratización del análisis de datos. Porque su impacto se extiende más allá de sus funcionalidades inmediatas, contribuyendo a un ecosistema más amplio de datos abiertos y accesibles.

En la búsqueda habitual de trucos para hacer más efectivos nuestros prompts, uno de los más populares es la activación de la cadena de razonamiento (chain of thought). Consiste en plantear un problema multinivel y pedir al sistema de IA que lo resuelva, pero no dándonos la solución de golpe, sino visibilizando paso a paso la línea lógica necesaria para resolverlo. Esta función está disponible tanto en sistemas IA de pago como gratuitos, todo consiste en saber cómo activarla.

En su origen, la cadena de razonamiento era una de las muchas pruebas de lógica semántica a las que los desarrolladores someten a los modelos de lenguaje. Sin embargo, en 2022, investigadores de Google Brain demostraron por primera vez que proporcionar ejemplos de razonamiento encadenado en el prompt podía desbloquear en los modelos capacidades mayores de resolución de problemas.

A partir de este momento, poco a poco, se ha posicionado como una técnica útil para obtener mejores resultados desde el uso, siendo muy cuestionada al mismo tiempo desde el punto de vista técnico. Porque lo realmente llamativo de este proceso es que los modelos de lenguaje no piensan en cadena: solo están simulando ante nosotros el razonamiento humano.

Cómo activar la cadena de razonamiento

Existen dos maneras posibles de activar este proceso en los modelos: desde un botón proporcionado por la propia herramienta, como ocurre en el caso de DeepSeek con el botón “DeepThink” que activa el modelo R1:

Figura 1. DeepSeek con el botón “DeepThink” que activa el modelo R1.

O bien, y esta es la opción más sencilla y habitual, desde el propio prompt. Si optamos por esta opción, podemos hacerlo de dos maneras: solo con la instrucción (zero-shot prompting) o aportando ejemplos resueltos (few-shot prompting).

• Zero-shot prompting: tan sencillo como añadir al final del prompt una instrucción del tipo “Razona paso a paso”, o “Piensa antes de responder”. Esto nos asegura que se va a activar la cadena de razonamiento y vamos a ver visibilizado el proceso lógico del problema.

Figura 2. Ejemplo de Zero-shot prompting.

• Few-shot prompting: si queremos un patrón de respuesta muy preciso, puede ser interesante aportar algunos ejemplos resueltos de pregunta-respuesta. El modelo ve esta demostración y la imita como patrón en una nueva pregunta.

Figura 3. Ejemplo de Few-shot prompting.

Ventajas y tres ejemplos prácticos

Cuando activamos la cadena de razonamiento estamos pidiendo al sistema que “muestre” su trabajo de manera visible ante nuestros ojos, como si estuviera resolviendo el problema en una pizarra. Aunque no se elimina del todo, al obligar al modelo de lenguaje a expresar los pasos lógicos se reduce la posibilidad de errores, porque el modelo focaliza su atención en un paso cada vez. Además, en caso de existir un error, para la persona usuaria del sistema es mucho más fácil detectarlo a simple vista.

¿Cuándo es útil la cadena de razonamiento? Especialmente en cálculos matemáticos, problemas lógicos, acertijos, dilemas éticos o preguntas con distintas etapas y saltos (llamadas en inglés multi-hop). En estas últimas, es práctico, sobre todo, en aquellas en las que hay que manejar información del mundo que no se incluye directamente en la pregunta.

Vamos a ver algunos ejemplos en los que aplicamos esta técnica a un problema cronológico, uno espacial y uno probabilístico.

1. Razonamiento cronológico

Pensemos en el siguiente prompt:

Si Juan nació en octubre y tiene 15 años, ¿cuántos años tenía en junio del año pasado?

Figura 5. Ejemplo de razonamiento cronológico.

Para este ejemplo hemos utilizado el modelo GPT-o3, disponible en la versión Plus de ChatGPT y especializado en razonamiento, por lo que la cadena de pensamiento se activa de serie y no es necesario hacerlo desde el prompt. Este modelo está programado para darnos la información del tiempo que ha tardado en resolver el problema, en este caso 6 segundos. Tanto la respuesta como la explicación son correctas, y para llegar a ellas el modelo ha tenido que incorporar información externa como el orden de los meses del año, el conocimiento de la fecha actual para plantear el anclaje temporal, o la idea de que la edad cambia en el mes del cumpleaños, y no al principio del año.

2. Razonamiento espacial

Una persona está mirando hacia el norte. Gira 90 grados a la derecha, luego 180 grados a la izquierda. ¿En qué dirección está mirando ahora?

Figura 6. Ejemplo de razonamiento espacial.

En esta ocasión hemos usado la versión gratuita de ChatGPT, que utiliza por defecto (aunque con limitaciones) el modelo GPT-4o, por lo que es más seguro activar la cadena de razonamiento con una indicación al final del prompt: Razona paso a paso. Para resolver este problema el modelo necesita conocimientos generales del mundo que ha aprendido en el entrenamiento, como la orientación espacial de los puntos cardinales, los grados de giro, la lateralidad y la lógica básica del movimiento.

3. Razonamiento probabilístico

En una bolsa hay 3 bolas rojas, 2 verdes y 1 azul. Si sacas una bola al azar sin mirar, ¿cuál es la probabilidad de que no sea ni roja ni azul?

Figura 7. Ejemplo de razonamiento probabilístico.

Para lanzar este prompt hemos utilizado Gemini 2.5 Flash, en la versión Gemini Pro de Google. En el entrenamiento de este modelo se incluyeron con toda seguridad fundamentos tanto de aritmética básica como de probabilidad, pero lo más efectivo para que el modelo aprenda a resolver este tipo de ejercicios son los millones de ejemplos resueltos que ha visto. Los problemas de probabilidad y sus soluciones paso a paso constituyen el modelo a imitar a la hora de reconstruir este razonamiento.

La gran simulación

Y ahora, vamos con el cuestionamiento. En los últimos meses ha crecido el debate sobre si podemos o no confiar en estas explicaciones simuladas, sobre todo porque, idealmente, la cadena de pensamiento debería reflejar fielmente el proceso interno por el que el modelo llega a su respuesta. Y no hay garantía práctica de que así sea.

Desde el equipo de Anthropic (creadores de Claude, otro gran modelo de lenguaje) han realizado en 2025 un experimento trampa con Claude Sonnet, al que sugirieron una pista clave para la solución antes de activar la respuesta razonada.

Pensémoslo como pasarle a un estudiante una nota que dice "la respuesta es [A]" antes de un examen. Si escribe en su examen que eligió [A] al menos en parte debido a la nota, eso son buenas noticias: está siendo honesto y fiel. Pero si escribe lo que afirma ser su proceso de razonamiento sin mencionar la nota, podríamos tener un problema.

El porcentaje de veces que Claude Sonnet incluyó la pista entre sus deducciones fue tan solo del 25%. Esto demuestra que en ocasiones los modelos generan explicaciones que suenan convincentes, pero que no corresponden a su verdadera lógica interna para llegar a la solución, sino que son racionalizaciones a posteriori: primero dan con la solución, después inventan el proceso de manera coherente para el usuario. Esto evidencia el riesgo de que el modelo pueda estar ocultando pasos o información relevante para la resolución del problema.

Cierre

A pesar de las limitaciones expuestas, tal y como vemos en el estudio mencionado anteriomente, no podemos olvidar que en la investigación original de Google Brain, se documentó que, al aplicar la cadena de razonamiento, el modelo PaLM mejoraba su rendimiento en problemas matemáticos del 17,9% al 58,1% de precisión. Si, además, combinamos esta técnica con la búsqueda en datos abiertos para obtener información externa al modelo, el razonamiento mejora en cuanto a que es más verificable, actualizado y robusto.

No obstante, al hacer que los modelos de lenguaje “piensen en voz alta” lo que realmente estamos mejorando en el 100% de los casos es la experiencia de uso en tareas complejas. Si no caemos en la delegación excesiva del pensamiento en la IA, nuestro propio proceso cognitivo puede verse beneficiado. Es, además, una técnica que facilita enormemente nuestra nueva labor como supervisores de procesos automáticos.

Contenido elaborado por Carmen Torrijos, experta en IA aplicada al lenguaje y la comunicación. Los contenidos y los puntos de vista reflejados en esta publicación son responsabilidad exclusiva de su autor.