Chain of Thought (cadena de pensamiento)
Chain of thought es una técnica de prompting que pide al modelo razonar paso a paso antes de dar la respuesta final, mejorando su precisión en tareas de lógica, matemáticas y decisiones complejas.
Chain of thought (cadena de pensamiento) es una técnica que consiste en pedir a un modelo de lenguaje que exponga su razonamiento paso a paso antes de dar la respuesta final, en lugar de saltar directamente a la conclusión. Al generar los pasos intermedios, el modelo distribuye el problema en partes más manejables y llega a respuestas notablemente más precisas en tareas de lógica, aritmética, planificación o análisis.
Cómo funciona
Un modelo como Claude genera texto token a token, y cada token que produce condiciona los siguientes. Cuando le pides que responda de golpe, obliga a comprimir todo el razonamiento en un único salto probabilístico, algo que falla en problemas con varios pasos. La cadena de pensamiento cambia eso: el modelo escribe primero el proceso, y esos tokens intermedios se convierten en contexto que guía la respuesta final.
La forma clásica de activarla es tan simple como añadir "piensa paso a paso" o pedir explícitamente que razone antes de concluir. En Claude funciona especialmente bien si estructuras el razonamiento dentro de etiquetas, por ejemplo pidiendo que use un bloque <thinking> para el análisis y luego otro bloque para la respuesta. Esto separa el trabajo interno de la salida que verá el usuario.
Los modelos Claude más recientes incorporan además un modo de razonamiento extendido (extended thinking), en el que el modelo dedica de forma nativa una fase de reflexión previa antes de responder, sin que tengas que provocarla con prompting. Es chain of thought elevado a capacidad del propio modelo.
Por qué importa
Para quien construye con Claude, la cadena de pensamiento es una de las palancas más baratas para subir la calidad de las respuestas sin cambiar de modelo ni afinar nada. En clasificaciones difíciles, extracción de datos con reglas o problemas matemáticos, la diferencia entre respuesta directa y razonada puede ser enorme.
Tiene también una lectura de transparencia: al ver el razonamiento puedes auditar por qué el modelo llegó a una conclusión y detectar dónde se equivocó. Esto es clave en flujos donde necesitas confiar en la decisión, como revisión de contratos o soporte técnico.
El coste es real: el razonamiento consume tokens, y por tanto dinero y latencia. Cada paso intermedio es texto generado que se paga. Si quieres el razonamiento pero no mostrarlo al usuario, la práctica habitual es pedir que piense dentro de un bloque etiquetado y luego extraer solo la respuesta final. Si te interesa dominar estas técnicas desde la base, un curso para empezar con Claude desde cero te da el marco para aplicarlas con criterio.
Ejemplo
Sin cadena de pensamiento, ante "Si un tren sale a las 14:00 y tarda 2h45m, ¿a qué hora llega?" un modelo puede fallar. Con la instrucción de razonar:
Prompt: Resuelve paso a paso.
Paso 1: hora de salida 14:00
Paso 2: sumar 2 horas -> 16:00
Paso 3: sumar 45 minutos -> 16:45
Respuesta: 16:45El resultado es más fiable precisamente porque cada paso es explícito.
Errores comunes
El primero es confundir chain of thought con siempre mejor. En tareas triviales solo añade coste y latencia sin ganancia. El segundo es asumir que el razonamiento mostrado refleja literalmente el proceso interno del modelo: es una racionalización útil, no un log fiel de sus cálculos. Y el tercero es mezclar razonamiento y respuesta en la misma salida cuando el usuario final solo debería ver la conclusión; para eso conviene separarlos con etiquetas.
Preguntas frecuentes
¿Chain of thought es lo mismo que el razonamiento extendido de Claude?
Están relacionados pero no son idénticos. Chain of thought es una técnica de prompting que provocas tú; el razonamiento extendido es una capacidad nativa de los modelos Claude recientes que dedican una fase de reflexión antes de responder sin que la pidas explícitamente.
¿La cadena de pensamiento aumenta el coste?
Sí. Cada paso intermedio son tokens generados que se facturan y añaden latencia. Por eso conviene usarla solo en tareas que la necesiten y, si no quieres mostrarla, encapsularla en un bloque para extraer únicamente la respuesta final.
¿Cómo activo chain of thought en Claude?
Basta con pedir explícitamente que razone paso a paso antes de responder, idealmente estructurando el razonamiento dentro de etiquetas como un bloque de thinking. En los modelos con razonamiento extendido puedes activar ese modo directamente.
¿El razonamiento que muestra el modelo es fiel a cómo piensa?
No del todo. La cadena de pensamiento es una racionalización útil y a menudo correcta, pero no es un registro literal de los cálculos internos del modelo. Sirve para auditar y mejorar resultados, no como prueba exacta del proceso.