Todos hemos escuchado el dicho de que una imagen vale más que mil palabras. A través del avance de las tecnologías AI, esta idea se ha vuelto más tangible que nunca. Computer vision es un campo interdisciplinario de AI, generative AI, deep learning y machine learning que aprovecha el poder para identificar objetos, leer texto y analizar patrones a partir de imágenes y videos. Transforma efectivamente el contenido visual en información rica y accionable. Muchas operaciones de campo de utility ya requieren la captura de imágenes o videos como parte de sus flujos de trabajo de recolección de datos. Esto permite que computer vision mejore el flujo de trabajo sin una gran interrupción a los procesos actuales. Mientras la adopción de computer vision continúa creciendo en diversas industrias, su aplicación exitosa en ArcGIS Survey123 depende en gran medida de un factor crítico: prompts bien diseñados.<\/P>
¿Por Qué Importa el Diseño del Prompt?<\/STRONG><\/P>Trabajar con computer vision es como trabajar con cualquiera de tus compañeros, necesitas proporcionar al LLM (large language model) instrucciones claras y detalladas, conocidas como prompts, para realizar inspecciones de activos y producir los resultados detallados que buscas. Evitar la ambigüedad es clave ya que previene que computer vision use su propia interpretación del prompt o que devuelva resultados genéricos.<\/P>En algunos casos, prompts mal diseñados pueden llevar a resultados inconsistentes, información irrelevante o incluso resultados engañosos. En inspecciones de campo, esto puede significar problemas de mantenimiento no detectados, reportes inexactos o recursos desperdiciados. Discutamos formas en las que podemos mejorar nuestras habilidades para redactar prompts.<\/P>Define Objetivos Específicos<\/STRONG><\/P>El primer paso para diseñar prompts efectivos para computer vision es definir objetivos claros y específicos sobre exactamente lo que quieres que computer vision haga. Sugerimos usar las cuatro Ws (who, what, where y why) al comenzar a diseñar tus prompts. Esto te ayudará a recopilar información esencial para definir la solicitud y aclarar la meta que quieres que computer vision logre. Querrás incluir detalles contextuales sobre el tipo de activo, el entorno donde se encuentra el activo y cualquier regulación o política empresarial que impulse la necesidad. Por ejemplo, un prompt básico para inspecciones de mantenimiento podría ser así:<\/P>"Identifica preocupaciones de mantenimiento del activo en esta imagen,"<\/P>A través del diseño cuidadoso del prompt podemos transformar la solicitud para ser más definida sobre lo específico<\/P>"Describe la condición del medidor de gas. Incluye detalles sobre cualquier óxido, corrosión o daño presente en el componente del medidor de gas dentro del conjunto del medidor de gas. Esto forma parte de la inspección del tubo expuesto de gas que ocurre cada tres años."<\/P>Usa Lenguaje Simple y Directo<\/STRONG><\/P>Las industrias a menudo dependen de acrónimos especializados y jerga para comunicarse rápidamente. Sin embargo, estos términos pueden ser ambiguos, ya que el mismo acrónimo puede representar diferentes conceptos dependiendo del contexto o departamento. Por ejemplo, PM podría significar preventive maintenance en asset management y project manager en operations. Para asegurar que computer vision entienda completamente tu solicitud, es esencial usar lenguaje claro y descriptivo en tus prompts. En lugar de depender de abreviaturas o jerga específica del sector, escribe los nombres completos de los elementos, procesos o condiciones. Por ejemplo, en lugar de pedir a computer vision "check PM status," especifica "check the preventive maintenance status of the transformer." Los términos técnicos pueden aclararse proporcionando una breve definición la primera vez que aparecen en tu prompt. Este enfoque minimiza malinterpretaciones y ayuda a computer vision a entregar resultados precisos y accionables.<\/P>
<\/span><\/P> <\/P>Especifica Formato y Longitud del Resultado<\/STRONG><\/P>Al diseñar prompts para análisis con computer vision, es importante considerar no solo la precisión de los resultados sino también cómo esos resultados se integrarán en tu sistema. ArcGIS Survey123 almacenará los resultados en un campo atributo que tendrá un tipo y longitud definidos.<\/P>Mantén esto en mente mientras diseñas el prompt: los resultados devueltos deberán coincidir con el tipo del campo y ajustarse a la longitud especificada.<\/P>Algunos formatos sugeridos para resultados que podrías agregar a tu prompt:<\/P>"Proporciona un resumen conciso de 500 caracteres o menos sobre..."<\/P>"Usa una palabra para describir..."<\/P>"Cuenta los transformers en el poste eléctrico y devuelve el conteo total como un entero."<\/P>Haz Prompts Cerrados Cuando Sea Posible<\/STRONG><\/P>Cuando sea apropiado, crea preguntas para encuestas que sean cerradas. Este enfoque te permite definir un conjunto específico de posibles respuestas y establecer criterios claros para cada condición del activo en tu prompt, resultando en resultados más consistentes y accionables. Por ejemplo, podrías instruir al sistema:<\/P>"Devuelve Pass si el trabajador tiene casco duro, chaleco reflectante high-res y gafas de seguridad o Fail si al trabajador le falta uno o más elementos entre casco duro, chaleco reflectante high-res y gafas de seguridad."<\/P>"Si se detecta daño, clasifícalo como Minor/Moderate/Critical basado en la severidad del daño."<\/P>Al formular preguntas así minimizas la ambigüedad y aseguras que tanto sistemas computer vision como inspectores humanos puedan interpretar las respuestas consistentemente. En última instancia, esto conduce a datos más confiables y estandarizados que apoyan análisis robustos posteriormente.<\/P>Manejo de Errores<\/STRONG><\/P>Los errores son inevitables. Hay ocasiones en las que un activo no está centrado en la foto o la foto es de mala calidad dificultando determinar su contenido. Querrás tomar esto en cuenta al diseñar tu prompt. Especifica una condición en el prompt sobre qué debe suceder si el activo no está presente. Esto evitará generar datos cuando no debería.<\/P>Por ejemplo: "Si no hay medidor de gas en la foto, devuelve 'No gas meter in photo.'"<\/P>
<\/span><\/P> <\/P>Planifica Pruebas y Refinamiento<\/STRONG><\/P>Antes de desplegar tu encuesta habilitada con AI para uso productivo, es recomendable probar tus prompts para evaluar qué tan precisos son los resultados y ajustar el prompt para mejorar dichos resultados. Tu plan de pruebas debe incluir entradas esperadas e inesperadas. Las entradas esperadas pueden ser fotos de inspecciones pasadas del activo. Las entradas inesperadas pueden consistir en fotos incorrectas del activo, activo no centrado en la foto o fotos de mala calidad.<\/P>Asegúrate de comparar el resultado del computer vision con los resultados obtenidos por inspectores humanos para evaluar qué tan cercanos son entre sí. Si hay demasiada variación, ajusta tu prompt e inténtalo nuevamente. Puede que necesites experimentar con múltiples iteraciones antes de encontrar el prompt que devuelva los resultados deseados.<\/P> <\/P>En conclusión, diseñar prompts específicos y bien estructurados no es solo una necesidad técnica sino una ventaja estratégica para operaciones de campo utility. Al definir objetivos claros, eliminar ambigüedades y probar rigurosamente los prompts, las organizaciones desbloquean todo el potencial de computer vision lo cual impulsa mayor calidad de datos, eficiencia operativa y cumplimiento regulatorio. A medida que las tecnologías AI continúan evolucionando, un compromiso con la excelencia en diseño de prompts asegura que tu organización permanezca ágil, segura y lista para capitalizar nuevas oportunidades. Haz del diseño del prompt una práctica colaborativa y continua, y empodera a tus equipos para liderar la transformación digital.<\/P>
