En pocas palabras
Chain of Thought (cadena de pensamiento) es pedirle a la inteligencia artificial que explique cómo llega a la respuesta, paso a paso, en vez de darla sin más. Al razonar despacio y por partes, el modelo acierta mucho más en problemas difíciles.
Explicado fácil
Piensa en un examen de matemáticas. Si solo escribes el resultado y te equivocas, no ganas nada. Pero si escribes todas las cuentas paso a paso, es más fácil que el resultado salga bien, porque vas comprobando cada parte por el camino, y además se ve dónde te has equivocado si fallas.
Chain of Thought es eso aplicado a la IA: le dices «explica tu razonamiento paso a paso». Entonces el modelo, en lugar de adivinar la respuesta de un salto, descompone el problema en trocitos, resuelve cada uno y llega a la solución de forma ordenada. Pensar despacio le hace pensar mejor.
¿Por qué importa para crear agentes de IA?
Un agente tiene que tomar decisiones difíciles: qué herramienta usar, en qué orden hacer las cosas, qué hacer si algo falla. Si el modelo razona paso a paso antes de actuar, se equivoca menos y elige mejor. Por eso Chain of Thought es la base de patrones como ReAct y de casi todos los agentes que necesitan pensar antes de moverse. Los modelos de razonamiento de 2026, como o3, llevan esta idea integrada de serie.
Un ejemplo
Le preguntas: «Tengo 3 cajas con 4 manzanas cada una y regalo 5 manzanas. ¿Cuántas me quedan?». Sin CoT, el modelo podría soltar un número al azar. Con CoT responde así: «Primero, 3 cajas por 4 manzanas son 12 manzanas. Luego regalo 5, así que 12 menos 5 son 7. Me quedan 7 manzanas». Al mostrar los pasos, acierta y tú puedes seguir su lógica.