Tomé nota de cómo usé IA esta semana, acá algunos aprendizajes

Connect with me on LinkedIn: jpmarindiaz

Esta semana hice:

• Creé un periodista de IA con la técnica Prompt Inception para entrevistarme y organizar mis ideas de escritura
• Terminé de migrar 40.000 líneas de código de un lenguaje a otro
• Construí un sistema en Datasketch para generar propuestas comerciales — lo que antes tomaba un día completo ahora toma solo una hora
• Usé IA para transcribir audio, convertir PDFs escaneados a texto y estructurar información sobre clientes potenciales
• Desarrollé un agente de IA para explorar legislación sobre protección de datos en 15 países
• Creé una API interna para limpiar datos
• Construí una extensión de Chrome para extraer información estructurada de mi propio LinkedIn
• Creé un Speaker Bio Bot — toma el contexto del evento y genera una descripción personalizada usando múltiples versiones de mi CV y participaciones anteriores
• Escribí y envié 20 correos de presentación 10 veces más rápido que antes
• Investigué el futuro de la educación en la era de la IA para proponer a colegios
• Estudié modelos gráficos probabilísticos y cómo usarlos para simplificar el análisis de datos

Algunas reflexiones de este trabajo

• ¿La IA está profundizando las desigualdades?: Mi formación técnica me da ventaja para aprovechar estas herramientas — algo que no es cierto para todos. Esto ampliará las brechas si la “capa de apps” no se vuelve local y accesible rápidamente.
• Productividad 10x con IA: He visto mejoras de productividad de 10 veces en tareas específicas. No se trata solo de mejoras exponenciales (10%), sino de órdenes de magnitud. Aún más poderoso es el efecto compuesto de ciertos hábitos. Por ejemplo, crear mi propia herramienta para extraer texto de PDFs me permitió responder a una solicitud de cliente que vino como documento escaneado. El verdadero reto ahora es unir las herramientas sin fricciones — algo que los agentes de IA podrán resolver eventualmente, pero aún no estamos ahí.
• Perderse en la jerga de IA: Es fácil sentirse abrumado por la cantidad de modelos, APIs y plataformas. Yo me mantengo al día porque dirijo una empresa de IA — pero eso no es realista para la mayoría. Aún es necesario presionar botones y escribir código. La experiencia de usuario está lejos de ser ideal, pero llegaremos.
• La Ley de Pareto del “Vibe Coding”: La IA puede ayudarte a llegar al 80% de un producto rápidamente, pero el 20% final te toma el 80% del tiempo. Los casos reales requieren pensamiento sistémico y descomposición de problemas — algo que las personas sin experiencia técnica tendrán dificultades para hacer. Incluso he visto a modelos de IA haciendo trampa al echar código “a la fuerza” solo para pasar pruebas.
• La IA es tan buena como los datos que puede acceder: Gran parte del valor real de la IA viene de tener datos bien organizados. He llevado registros detallados de mis participaciones públicas por años — eso me permitió construir un Speaker Bio Bot muy confiable. (Crea una cuenta en Datasketch si quieres uno y te contactaré cuando lo lancemos públicamente)
• Los LLMs aún son débiles para descubrir conocimiento: Incluso con ventanas de contexto grandes, les cuesta ubicar, confiar y razonar con información adecuada en contextos locales y matizados. El input multimodal ayuda, pero los humanos siguen siendo mejores integrando múltiples fuentes. Una solución: no esperes que los LLMs lo sepan todo ni que arrastren bolsas de tokens — mejor que consulten sistemas confiables cuando lo necesiten. Aquí podrían ayudar el Model Context Protocol (MCPs), aunque es un protocolo aún iniciando.
• El reto de la veracidad del input para los LLMs: Los humanos podemos construir modelos mentales a partir de ensayos o ficción — podemos notar cuando algo no cuadra. Las IAs no. El problema no es solo corregir alucinaciones en la salida, sino enseñar a las máquinas a discernir la veracidad del input. Mucha de la información valiosa es local: documentos internos, notas personales, leyes. Esto aún no se contempla bien en la mayoría de implementaciones de IA actuales.

Estos últimos meses han sido reveladores. Me siento más productivo que nunca — y no solo en términos de resultados. Cuanto más construyo, más creativo me siento.

Algunos proyectos que vienen:

• Grabar una entrevista tipo podcast con mi periodista de IA
• Diseñar dos landing pages para proyectos especiales
• Ejecutar un experimento sobre sesgos de modelos
• Construir 20 mini apps web para procesamiento y visualización de datos
• Diseñar los assets de marketing (incluyendo íconos) para esas 20 apps

Y aquí algunas herramientas con IA que he construido fuera del trabajo:

• Una app de calendario para colegios
• Un escáner de códigos de barras para organizar mi biblioteca en casa
• Una lámpara navideña para niños: narramos un paisaje navideño a la IA, lo cortamos en capas de papel y lo ensamblamos con luz de fondo
• Descargué una copia local de Deepseek — por si algún día necesitamos un respaldo offline del conocimiento del mundo codificado probabilísticamente