Borradores de poesía a partir de un tema

Al pedirle a ChatGPT que escriba un poema dándole solo el tema, el resultado suele ser idéntico: metáforas trilladas sobre ríos que fluyen, estrellas lejanas y un último verso de superación tipo "y aun así seguimos adelante". Los modelos recurren primero a los lugares comunes más repetidos en su entrenamiento, pero basta con bloquear esas salidas fáciles para transformar el resultado.

El último párrafo de restricciones cumple esa función. Es crucial listar palabras prohibidas concretas. Decir simplemente "no uses clichés" no suele funcionar; en cambio, vetar términos abstractos obliga a la IA a buscar imágenes concretas. La instrucción "no nombres las emociones, muéstralas" opera igual: si impides la palabra "tristeza", el modelo se ve forzado a describir una percha vacía o la marca de un mueble en el suelo.

Definir el rol como un podador de clichés en lugar de un juez elogioso apunta al mismo objetivo. Un evaluador genérico produce poesía decorativa pero vacía; un editor enfocado en depurar genera versos que, aunque ásperos, tienen una voz más genuina. Como un borrador siempre requiere edición, tres propuestas imperfectas y distintas aportan mucho más que una sola respuesta pulida y predecible.

Pedir tres opciones a la vez permite comparar ángulos. Al contrastar distintas voces y marcos temporales, resulta más fácil identificar el enfoque exacto que se busca. La selección del verso más potente sirve como punto de partida para iterar: basta conservar ese verso y descartar el resto para construir una versión definitiva rápidamente.

Pedir algo "emotivo" es para la IA una señal de recurrir a los sentimentalismos más comunes. En lugar de una habitación vacía, llenará el texto con palabras como "recuerdos" y cerrará con un cliché sobre los nuevos comienzos. Al recibir solo una opción, si no convence, la tendencia es pedir "hazlo de nuevo", acumulando versiones casi idénticas sin descubrir qué enfoque era el adecuado.