Lo escribí, lo dejé listo, y no lo publiqué.

Ahora te explico el motivo pero antes te presento al sponsor de esta edición:

Esta edición de la Mafia IA está patrocinada por: bestprice.com, una plataforma que te devuelve dinero real a tu cuenta bancaria al hacer tus compras online de siempre. El truco es sencillísimo: instalas su extensión en Chrome o Safari y, al entrar a tus tiendas favoritas, un popup te avisa para activar tu cashback automático. Acumulas saldo con cada pedido y, al llegar a 25€, lo transfieres directo a tu banco.

Para que te hagas una idea, si te compras un ordenador de 1200€, te devuelven un porcentaje (unos 120€). Además, si te creas la cuenta ahora, te regalan un bono de 20€ de bienvenida con tu primera compra durante los primeros 5 días. Es la forma más inteligente de ahorrar sin esfuerzo.

Instala la extensión GRATIS HACIENDO CLIC AQUÍ, asegura tus 20€ de bienvenida y empieza a recuperar tu dinero hoy mismo.

Ir a Bestprice

Por qué no te hablé de Claude Code antes.

Como te dije este artículo lleva en borrador unos 8 meses.

¿El motivo? Que justo cuando lo tenía listo Anthropic decidió que su plan Pro de 20€ funcionara como una demo. Su suscripción “PRO” pasó a ser literalmente una broma.

Abrías Claude Code, lanzabas un prompt medianamente serio, y ya.

Cuota consumida. A esperar 5 horas .

Pagabas 20€ al mes para poder ver una demo.

Y ahí estaba yo, escribiendo la guía definitiva de una herramienta que yo mismo no podía usar más de diezo quince minutos seguidos.

No hay nada más ridículo que recomendar algo que tú mismo estás pensando en dejar de usar. Así que cerré el documento.

Después hice lo que hace cualquiera cuando le tratan mal: me fui.

Cancelé mi suscripción y le di una nueva oportunidad a ChatGPT.

Durante ese tiempo, más de un año, había estado usando Claude como herramienta principal. Lo dejé y me pasé a ChatGPT. Y sigo ahí: hoy soy usuario de ChatGPT y en muchas cosas lo prefiero.

He vuelto a tener las dos suscripciones activas (volví con el anuncio de Fable, como tantos). Pero después de esto ya no encuentro esa cosa clarísima que una hace y la otra no.

Antes sí. Antes Claude era el potente y había que tragar con sus limitaciones porque compensaba.

Entonces, ¿por qué desentierro este artículo justo ahora?

Por dos razones.

☝️La primera: Anthropic arregló el problema. En mayo de 2026 duplicaron los límites de 5 horas para Pro, Max y Team, quitaron la penalización en horas punta y una semana después subieron un 50% los límites semanales. Detrás hay un acuerdo de cómputo con SpaceX de más de 300 megavatios. Traducido: pagar 20€ ya no es la broma y vuelve a ser una herramienta seria y recomendable.

✌️La segunda, y la que de verdad me hizo abrir el borrador otra vez: esto ya no es solo Claude, OpenAI copió la jugada entera y ya no hablamos de una IA en la terminal que puede hacer tareas por ti, ahora estamos hablando de la nueva forma de trabajar con IA.

Claude vs ChatGPT. Están en una carrera imparable.

Esto es como la épica competencia entre Messi y Ronaldo.

Cada uno hacía mejor al otro.

solo que en este caso ganamos los usuarios.

Claude Code vs Codex (ChatGPT)

Anthropic sacó Claude Code, un agente que vive en tu terminal y toca tus archivos. OpenAI sacó Codex como app de escritorio un año después

Anthropic sacó Cowork en enero. En abril OpenAI reconstruyó Codex dándole acceso a tus carpetas y ordenador, subagentes en paralelo, memoria y más de 90 plugins, y lo empezó a vender explícitamente para trabajo de oficina.

Anthropic lo llevó al móvil. OpenAI metió Codex dentro de la app de ChatGPT en mayo.

Cuando tu principal competidor te copia el producto línea por línea. Significa dos cosas, que funciona y que es tan fácil de copiar que quizá no será el último que lo haga ;)

Pero volvamos a dónde empezó todo.

Esto es Claude Code

Y así es exactamente como se ve veía cuando lo abrías por primera vez:

Esa es la pantalla de bienvenida. Fíjate en el consejo de la derecha: Run /init to create a CLAUDE.md file. Volveremos a eso, porque es uno de los trucos que más rendimiento te va a dar de todos los que hay en este artículo.

Y sí, la captura tiene meses: pone Opus 4.5, cuando empecé este artículo era la IA más potente. Y con respecto a la versión de Claude Code también hemos avanzado decenas de actualizaciones. La dejo a propósito, porque es el mejor recordatorio de a qué velocidad se mueve esto.

Claude Code al principio era solo una herramienta accesible desde la terminal. Esto ya no es así y la forma más cómoda hoy para usuarios no técnicos es usar directamente las versiones de escritorio de Claude o Codex.

Los números

Claude Code pasó de 500 millones de dólares de ingresos anualizados en septiembre de 2025 a 2.500 millones en febrero de 2026. En mayo rondaba los 8.000 millones.

No es una herramienta de nicho. Es uno de los productos de software que más rápido ha crecido en la historia.

¿Y por qué?

Porque Claude Code eliminó la barrera entre tener una idea y ejecutarla.

Durante décadas, crear software fue cosa de ingenieros. Aprendías sintaxis. Memorizabas funciones. Pasabas años dominando lenguajes que nadie más entendía.

Si no sabías programar, tus opciones eran tremendamente limitadas. O peor aun, dependías de los que sí sabían escribir código.

Eso se acabó.

No es que ahora sea más fácil aprender a programar. No es que haya mejores tutoriales.

Es que la habilidad de escribir código dejó de ser el cuello de botella.

Y la mayoría aún no se ha dado cuenta.

Hola soy Alex dc. 🙋 y en esta newsletter te cuento cómo aprovechar la IA para mejorar tu negocio. Sin ruido. Solo consejos prácticos que generan resultados.

Un saludo 👋 a los 528 nuevos miembros 👨‍🚀 desde la última publicación de La Mafia IA. Ya somos +19.000 y la newsletter #tech que más crece en español (según Substack) - Puedes suscribirte gratis aquí 👈

Suscríbete ahora

Cómo Claude Code cambió para siempre la industria tecnológica.

Las habilidades se abstraen hacia arriba.

✍️ El escritor pasó de copista a editor de su propia publicación.

🧵 La mujer que tejía a mano pasó a operar una máquina.

📸 El fotógrafo que revelaba con químicos pasó a ser creador digital.

Cada ola de tecnología empuja a los profesionales humanos a operar un nivel superior. No los suprime: los asciende, quieran o no.

Claude Code comenzó esta nueva ola que ha reconfigurado muchas labores y relaciones profesionales.

El problema es que el 90% de lo que se escribe sobre esto está dirigido a developers. Hilos llenos de configuraciones de terminal, comparativas de benchmarks y discusiones sobre worktrees de Git.

Y así el mensaje que le llega al emprendedor medio es: esto no es para mí.

Es exactamente al revés.

Si eres emprendedor y piensas que Claude Code no va contigo porque nunca has necesitado programar, estás haciendo lo mismo que los comerciantes de barrio que en 1995 decidieron que eso de internet era cosa de frikis.

Solo que esta vez se va a quedar fuera muchísima más gente.

Qué es Claude Code, sin bullshit técnico

Voy al grano.

Claude Code es una IA que actúa directamente sobre tu ordenador. No te da instrucciones para que las ejecutes tú. Las ejecuta.

Esta tabla lo resume mejor que cualquier texto explicativo:

Fíjate en la fila de abajo del todo, que es la que de verdad importa: pensamiento y planificación contra organización y acción.

Uno te ayuda a pensar. El otro hace.

En un chat normal ⮕ le pides algo → te responde → tú copias, pegas y haces el trabajo manual.

En Claude Code (Cowork o Codex) ⮕ le pides algo → lo hace en tus archivos reales → tú supervisas y apruebas.

La diferencia no es incremental. Es de otra categoría.

Lo que puede hacer:

• Leer tus archivos y carpetas

• Crear y modificar documentos

• Ejecutar comandos en tu ordenador

• Escribir, probar y arreglar código

• Manejar Git (el sistema que guarda el historial de versiones de un proyecto, como un deshacer infinito)

• Controlar tu navegador

• Conectarse a tus herramientas externas

Y aquí viene la parte que lo cambia todo para los usuarios que no eran técnicos: ya no necesitas la terminal.

Cuando redacté el borrador original, entrar en Claude Code significaba abrir esa pantalla negra con letras verdes que a la mayoría de la gente le da urticaria. Hoy Claude Code vive dentro de la app de escritorio de Claude. Lo instalas como cualquier programa.

Y por si eso no bastaba, Anthropic construyó una puerta de entrada específica para ti.

🎯 Cowork: Claude Code sin código

En enero de 2026 Anthropic lanzó Cowork. La descripción interna era literalmente Claude Code para el resto de tu trabajo.

Funciona así: le das permiso sobre una carpeta de tu ordenador. Claude lee, edita y crea archivos ahí dentro.

No es un prompt, una respuesta. Es: planifica, trocea el trabajo en pasos, ejecuta, te entrega el resultado.

La evolución en seis meses:

1. Enero 2026 ⮕ lanzamiento en escritorio

2. Febrero 2026 ⮕ llega a Windows

3. Julio 2026 ⮕ web y móvil para suscriptores Max, con las sesiones ejecutándose en la nube

Ese último punto es más más importante de lo que parece: puedes lanzar una tarea desde el escritorio, cerrar el portátil, ir a comer, recibir avisos en el móvil y volver con el trabajo hecho.

El propio ejemplo de Anthropic lo resume bien: programa la preparación de un cliente para el lunes a las 6 de la mañana. Claude se lee los hilos de email, las transcripciones y las noticias recientes, construye el documento de briefing y deja el email de seguimiento redactado pero sin enviar. Tú lo revisas con el café.

💡 Y ojo con esto: la app de escritorio sigue siendo el sitio para el trabajo profundo, porque es donde Claude toca tus archivos locales y tu navegador. Web y móvil son para supervisar, no para sustituir.

Claude Code ya no era para programadores

Anthropic publicó los datos de uso real de Cowork. Muestra de 1,2 millones de sesiones anónimas de más de 600.000 organizaciones, recogidas en las dos últimas semanas de mayo de 2026.

Adivina qué porcentaje se dedicaba a programar.

8,7%.

Lo que hace la gente de verdad con esto:

• 33,4% → operativa de procesos de negocio: juntar actualizaciones dispersas en un informe, montar checklists de onboarding, cuadrar hojas de cálculo

• 16,4% → creación de contenido y copywriting: borradores, presentaciones, posts, propuestas

• 8,7% → desarrollo de software

Anthropic lo llama el trabajo alrededor del trabajo. Las tareas que forman parte de un montón de puestos pero que casi nunca son la responsabilidad principal de nadie.

O sea, exactamente el pantano donde tú y yo perdemos la mitad de la semana.

Cada vez que alguien te diga que Claude Code es una herramienta para desarrolladores, recuerda ese 8,7%.

Las cinco piezas que hacen que esto funcione

Codex o Claude Code no son un chat con permisos, debajo hay unas cuantas piezas que resuelven las limitaciones clásicas de las IAs.

Estas son las que importan:

1. Gestión de contexto: cómo trabaja horas sin perder el hilo

Todas las IAs tienen una ventana de contexto limitada: lo que pueden tener en la cabeza a la vez. Cuando se llena, la mayoría se atasca o empieza a olvidar cosas a lo bestia.

Aquí está la diferencia. Claude Code no tiene una solución para eso. Tiene cuatro, y trabajan juntas.

1. Acceso directo a tus archivos. No le pegas el documento: le señalas dónde está. Escribes una arroba seguida del nombre y él lo abre cuando lo necesita.

2. Compacting. Cuando se queda sin espacio: se detiene, toma notas exactas de dónde estaba, limpia su memoria, lee sus propias notas y sigue. Como el protagonista de Memento leyendo sus tatuajes cada vez que despierta.

3. Subagentes como aislante. Cuando lanza un subagente a investigar, todo el ruido de esa investigación (las 40 páginas que leyó, los callejones sin salida) se queda fuera de tu conversación. A ti te vuelve solo la conclusión. Es lo mismo que hace un buen jefe de equipo: no quiere el proceso, quiere el resultado.

4. La memoria entre sesiones. El 10 de julio Claude cambió el resumen diario por entradas individuales categorizadas: recuerda cosas concretas tuyas, no un batiburrillo. Y por encima está CLAUDE.md, que veremos en un momento, donde tú decides qué no se le olvida nunca.

📍 Los dos números que vale la pena tener en la cabeza: a partir del 70% de contexto ocupado la calidad empieza a bajar aunque no lo notes, y sobre el 83% compacta solo. Por eso la gente que lo usa en serio limpia antes, sobre el 60%, cuando aún puedes decidir tú que guarda y qué sobrevive.

2. Skills: conocimiento experto que carga solo cuando hace falta

¿Te acuerdas de Matrix, cuando a Neo le enchufan el programa de artes marciales y suelta el I know kung fu?

Los Skills funcionan igual. Son paquetes de instrucciones que la IA carga sola cuando detecta que los necesita. No son prompts sueltos: son el conocimiento completo de una tarea concreta, con sus reglas y sus trampas.

¿Necesita montar una web? Carga el skill de creación web.

¿Necesita generar un Excel? Carga el de hojas de cálculo.

¿Necesita hacer mi contabilidad del trimestre? Carga el que preparaste tú con tus necesidades para eso (yo lo uso para recopilar todos mis ingresoso online cada trimestre).

Un skill es literalmente un archivo de texto con instrucciones detalladas. Puedes escribir los tuyos. Y hay miles publicados, muchos gratis en GitHub y otros de pago en marketplaces.

🔗 Esta, por ejemplo, es mi Recopilación de Skills que uso personalmente.

⚠️ Aviso 6 de agosto Anthropic metió escaneo de seguridad para skills y plugins, de momento solo en Enterprise.

3. Subagentes: varias tareas a la vez

Ya has visto que sirven para no ensuciar tu contexto. Pero su gracia principal es otra: trabajan a la vez.

Uno investiga competidores. Otro procesa transcripciones. Otro revisa el trabajo de los dos anteriores y te dice dónde se contradicen.

4. MCP: la conexión con Stripe, tu CRM o tu correo

MCP (Model Context Protocol) es el estándar que permite que Claude se conecte directamente a otros productos: tu CRM, tu gestor de proyectos, tu Stripe.

Anthropic lo publicó abierto y hoy lo usa todas las compañías de IA. Codex adoptó la revisión de julio de 2026 del protocolo en su versión del 7 de agosto.

Esto es lo que convierte a Claude de “redactor con acceso a tus carpetas” en algo que entra en tus sistemas, conecta aplicaciones, revisa tu mail, se conecta a una base de datos externa para ver datos en tiempo real de una acción o del clima en tu pueblo y guarda el resultado final de su trabajo en tu Google Drive.

5. Plugins: todo lo anterior, en un solo paquete

Un plugin agrupa skills, subagentes, comandos y conexiones MCP en una sola cosa que instalas de golpe. Hay marketplace oficial de Anthropic con plugins verificados, y marketplaces de la comunidad con cientos más.

Codex hizo lo mismo el 7 de agosto: Agent Plugins portables. Sí, otra vez.

Lo interesante para ti: puedes montar un plugin con la forma exacta de trabajar de tu negocio y repartirlo a tu equipo. Todos usando el mismo sistema, sin explicárselo a nadie.

💡 Nota antes de que te agobies: no necesitas entender ninguna de estas cinco cosas para empezar. Se activan solas. Esto es el cómo funciona el motor, no el cómo se conduce. Puedes conducir hoy y leer el manual el mes que viene.

Permisos: qué cambia el 14 de agosto

Hasta ahora Claude Code te pedía permiso cada vez que iba a tocar algo. El 14 de agosto eso cambia: el modo automático pasa a ser el predeterminado en Pro, Max y Team.

Cómo funciona: antes de cada acción, un clasificador mira si es segura. Si lo es, tira. Si huele a borrado masivo, a fuga de datos o a código malicioso, la bloquea. Anthropic reconoce que el clasificador ni acierta siempre ni bloquea todo lo que debería.

Traducción práctica: por defecto vas a tener un agente más suelto. Si prefieres el control, Shift + Tab te devuelve a que pregunte cada vez, o al modo Plan, que escribe el plan antes de tocar nada.

Mi recomendación: automático el 90% de las veces para trabajo en carpetas o proyectos propios. Siempre que tengas backup o alguna forma de recuperar la información

Manual excepcionalmente, siempre que haya dinero, credenciales o archivos que no puedo reponer.

💡 Un truco de sentido común: si te pregunte algo que no entiendes, copia el comando, pégalo en un chat aparte y pregunta qué hace y a qué te expones. Quince segundos. Es leer el contrato antes de firmar.

La habilidad clave: Ofrecer el mejor contexto posible.

Cuando un barco enorme llega a un puerto complicado, sube a bordo un piloto local. Solo para el último tramo. El capitán sabe navegar muchísimo mejor que él en mar abierto. Pero el piloto conoce ese puerto, esas corrientes, ese banco de arena que no sale en la carta.

Tú eres el piloto.

La IA sabe más de marketing, de contabilidad y de redacción que tú. Pero no conoce tu puerto: tu cliente, tu histórico, la razón por la que aquella campaña se fue al garete en marzo.

Algunos llaman a esto context engineering y consiste en decidir deliberadamente qué información le das al modelo y cuál le escondes.

Tu trabajo no es saber más que la IA. Es saber qué trozo de tu realidad necesita ver en cada momento.

Y hay dos formas de meter la pata:

• Darle de menos ⮕ te devuelve algo genérico que le serviría a cualquiera. Lo has visto mil veces.

• Darle de más ⮕ entierras la señal en ruido. Le pegas 40 páginas para una pregunta de dos líneas y el resultado empeora.

Un ejemplo real de la diferencia. Mismo objetivo, dos prompts:

❌ Escríbeme un email para recuperar clientes que se han dado de baja.

✅ Lee @bajas-julio.csv y @emails-que-funcionaron/.
Los 34 clientes que se dieron de baja en julio venian casi todos
del mismo canal y duraron menos de 2 meses.
Escribe 3 versiones de email de recuperación, cada una atacando
una hipotesis distinta de por que se fueron.
No uses ningun argumento que no puedas sostener con algo
que este en el CSV.
Despues dime cual apostarias tu y por que.

El segundo tarda veinte segundos más en escribirse pero la diferencia en el resultado valen mucho más que esos 20 segundos.

Fíjate en las tres cosas que hace el bueno: le da material real (@archivo), le pone una restricción que le impide inventar, y le obliga a mojarse al final. Copia esa forma. Sirve para casi todo lo que viene ahora.

CLAUDE.md: las instrucciones que no tendrás que repetir

¿Te acuerdas del consejo que salía en la captura del principio? Aquí es donde se cobra.

CLAUDE.md es un archivo de texto donde guardas las instrucciones que Claude lee al empezar cada sesión. Es darle el manual de tu empresa a un empleado nuevo, con la diferencia de que este no lo olvida.

Escribes /init, Claude se lee tu proyecto entero y te genera el archivo. Tú solo corriges.

Un ejemplo para emprendedor:

## Mi producto
[Nombre] es un [tipo] para [audiencia].
Fase [X], [Y] usuarios, [Z] de ingresos mensuales.

## Mi estilo
- Voz activa siempre
- Parrafos cortos
- Tono directo pero cercano

## Terminologia
- "usuario" nunca "cliente"
- "feature" no "funcionalidad"

## Lo que NO quiero
- Nada de lenguaje corporativo
- Siempre ejemplos concretos, nunca abstracciones

## Antes de entregar
- Contrasta las cifras contra /datos/
- Marca con [NO VERIFICADO] lo que no puedas comprobar

💡 Un consejo que me costó aprender: mantén tu archivo corto. Idealmente por debajo de 300 líneas.Cada línea que metes ahí compite por el mismo espacio que el trabajo real. Un CLAUDE.md de 600 líneas no te da un Claude más listo, te da uno con menos sitio para pensar.

La clave está en el mantenimiento: cada vez que Claude comete un error, añades una regla.

Codex tiene su equivalente (AGENTS.md) y funciona igual. Si usas las dos, mantén un solo archivo bueno y que el otro lo apunte. No dupliques.

🎯 9 Cosas que la IA podría hacer por ti (con Claude o Codex)

Aquí está la parte por la que has llegado hasta abajo. Nada de teoría. Prompts para pegar tal cual, cambiando lo que va entre corchetes.

Todos asumen que le has dado acceso a una carpeta con tus archivos reales..

1. Analizar tu trabajo y saber qué automatizar primero

Le das acceso a tu trabajo diario y le pides que analice tu operativa para que el mismo encuentre como podría serte más útil:

Lee @procesos/, mis ultimas 30 facturas y @emails-clientes/.
Reconstruye el recorrido completo de un cliente conmigo,
desde que me encuentra hasta que cobro.
Para cada paso dime: quien lo hace, cuanto tarda,
y si depende de que yo este delante.
Luego dame los 5 pasos donde se pierde mas tiempo,
ordenados, y para cada uno: que métrica mejoraría automatizarlo
y cuanto vale hoy esa métrica.
Si no puedes calcular el valor de hoy con lo que tienes,
dilo en vez de estimarlo.

Esa penúltima línea es la que hace el trabajo. No quieres una lista de ideas bonitas: quieres saber qué número mueves y cuánto vale ese número antes de tocar nada.

💡Si tienes un conector de dibujo de diagramas puesto, pídele que lo dibuje: te devuelve un diagrama editable con tu operativa, puntos de atención, recomendaciones y los pasos manuales marcados.

2. Cruzar dos fuentes de datos y detectar lo que no cuadra

Todo negocio tiene dos sitios que dicen lo mismo con números distintos. Altas del CRM contra cobros. Pedidos contra albaranes. Stock contra ventas. El banco contra la pasarela de pago.

Nadie lo revisa hasta que algo escuece. Y para entonces llevas cuatro meses cobrando de menos.

Compara @fuente-a.csv con @fuente-b.csv.
Deberian cuadrar por [cliente / fecha / referencia].
Dame tres listas: lo que aparece solo en A, lo que aparece
solo en B, y lo que esta en las dos con importes distintos.
Ordena por dinero, de mayor a menor.
No arregles nada. Solo dime cuanto suma cada lista.

💡 Truco: ahora el paso extra: no lo ejecutes una vez, prográmalo. Desde julio Cowork corre tareas aunque tengas el ordenador apagado.

Cada lunes a las 7:00 repite esta comparacion.
Si todo cuadra, no me escribas.
Si algo no cuadra, dejame un documento con las diferencias
y el importe total.

Fíjate en el si todo cuadra, no me escribas. Un informe semanal que llega siempre se deja de leer al mes. Una alerta que solo salta cuando hay problema se lee siempre.

3. Preparar la contabilidad del trimestre para tu gestor

El punto 2 llevado al extremo, y es lo que hago yo cada tres meses.

Cobro las suscripciones de la newsletter por Substack, que a su vez cobra por Stripe. Con el MCP de Stripe conectado, Claude saca los cobros del trimestre con sus comisiones reales, los cruza con el export de Substack, aplica el IVA por país del cliente y no por moneda (un pago en euros desde Argentina podría ser una exportación exenta), resta devoluciones, y me genera el Word con las casillas del 303 y del 130.

🔗 Mi skill para contabilidad trimestral: Gestor Autónomos

Tres detalles que hacen que funcione y que me ahorran una mañana cada 3 meses:

Los cálculos van en un script, con decimales exactos, no “de cabeza”. Un modelo de lenguaje sumando 300 importes a ojo es justo el sitio donde no quieres que te falle.

Los pagos por la app de Apple no salen en Stripe como cobro individual. Se reconocen porque su comisión de Stripe es 0. Esto el skill lo detecta de forma automática si no fuera así, o me faltarían ingresos o los tendría duplicados.

El informe termina con un apartado que se llama “Puntos a revisar”. Ahí me lista lo que no ha podido verificar: el cobro sin país identificable, la conversión de divisa que tuvo que estimar. No me lo cuela. Me lo señala. Mi gestora recibe eso, lo verifica y lo presenta.

Prepara mi informe fiscal del ultimo trimestre cerrado.
Fuente principal: Stripe (pagina hasta cubrirlo entero).
Cruzalo con @substack-export.csv para captar los pagos via
Apple, que no aparecen como cobro individual en Stripe.
IVA por pais del cliente, no por moneda. Fuera de la UE, exento.
Resta devoluciones. Comisiones como gasto deducible.
Haz los calculos con un script, no a ojo.
Generame un Word con las casillas del 303 y del 130, y un
apartado final "Puntos a revisar" con todo lo que hayas
tenido que estimar o no hayas podido verificar.

⚠️ Esto no sustituye a tu gestor. Le entrega el trabajo mecánico ya hecho y trazado para que dedique su tiempo a verificar y presentar.

4. Entender por qué fallaron tus lanzamientos anteriores

Tienes años de campañas, lanzamientos y publicaciones muertas en una carpeta. Nunca los has mirado juntos. Nadie lo hace, porque revisar tus propios fracasos de uno en uno es deprimente y de golpe es imposible.

Para una máquina es martes por la mañana.

Lee @lanzamientos/ y @metricas/ de los ultimos dos años.
Separa lo que funciono de lo que no, usando [metrica] como corte.
Luego dime que tienen en común los fracasos que no tengan
los aciertos: momento, canal, precio, formato, longitud, promesa.
No me des consejos genericos de marketing. Solo patrones que
puedas sostener con lo que hay en los archivos.
Si no hay patron, dimelo.

Ese último par de líneas es la diferencia entre un análisis y un horóscopo. Sin ellas te va a decir que publiques más y seas constante.

5. Comparar tus precios con los de la competencia

El análisis de competencia genérico ya lo has visto mil veces y te devuelve una tabla que no usa nadie. Esto es distinto: sale con una decisión.

Investiga a estos 5 competidores en paralelo, uno por subagente:
[lista]
De cada uno saca los precios exactos de cada plan, que incluye
cada uno, y las 3 quejas mas repetidas en sus reseñas publicas.
Guarda cada uno en su archivo en /competencia/.
Despues compara con mi pricing, que esta en @mi-web.
Dime tres cosas:
1. Donde estoy caro sin justificarlo
2. Donde estoy barato y estoy dejando dinero encima de la mesa
3. Que cobra todo el mundo que yo regalo
Marca [NO VERIFICADO] cualquier precio que no hayas visto
en su propia web.

El punto 3 me cambió una página de precios. Y el marcado de no verificado es lo que separa un informe útil de uno bonito.

6. Sacar decisiones, tareas y contradicciones de tus reuniones

El resumen de reuniones lo hace ya cualquier cosa. Lo que no hace nadie es cruzar varias reuniones entre sí.

Procesa las transcripciones de @reuniones/.
Extrae decisiones, tareas con responsable y fecha, y bloqueos.
Un archivo por persona con solo lo suyo.
Y al final, lo importante: listame donde se contradice
lo que se dijo en una reunion con lo que se dijo en otra,
y los compromisos que alguien asumio y nadie volvio a mencionar.

Los compromisos huérfanos son la mitad de los problemas de un equipo pequeño. Aparecen solos cuando alguien lee las diez actas seguidas, cosa de la que estoy seguro que ningún humano en este planeta haya dicho nunca que le gustaría hacer.

7. Extraer datos de un portal web que no tiene API

Este es el caso que desbloquea el panel de Chrome. Sabrina Ramonov cuenta uno casi idéntico: una automatización diaria que entra en un sitio con login, filtra candidatos y le manda a Slack los tres mejores.

Con la pagina abierta en el panel:
Entra en el listado de pedidos, recorre los ultimos 30 dias,
y saca a una hoja de calculo: numero de pedido, fecha,
importe y estado.
Cuando termines dime cuales llevan mas de 15 dias sin cerrar.
No hagas clic en nada que modifique un pedido.

Cualquier proveedor, banco o plataforma que te obligue a entrar a mano cada semana entra aquí.

⚠️ Si la web tiene algún sistema antibot (te sorprenderías la cantidad de bancos que no lo tienen) solo tendrás que usar la extensión de navegador para dar acceso a tu propio browser

8. Recuperar dinero perdido en presupuestos y clientes parados en tu correo

Esta es una de las cosas que más euros puede devolverte por minuto invertido. Necesita conectar el correo (Gmail y Outlook tienen conector oficial, se activa desde Conectores en un par de clics).

Todo el mundo tiene lo mismo pudriéndose en el inbox: presupuestos enviados que nadie contestó, clientes que preguntaron algo un martes y se quedaron sin respuesta, conversaciones donde el último mensaje es tuyo desde hace tres semanas. No es desorganización. Es que nadie tiene tiempo de releer cuatrocientos hilos.

Revisa mis correos de los ultimos 60 dias.
Sacame tres listas:
1. Hilos donde el ultimo mensaje es mio y nadie contesto,
   con los dias que llevan parados
2. Hilos donde alguien me pregunto algo y no respondi
3. Presupuestos o propuestas que envie y no tienen ni si ni no
Ordena la 1 y la 3 por importe si puedes deducirlo del hilo.
Para los 10 primeros, redactame el seguimiento y guardalo
como borrador. No envies nada.
Cambia el tono segun lleve una semana o dos meses parado.

La primera vez que lo lancé salieron dos propuestas de hacía mes y medio que yo daba por muertas y que simplemente se habían caído del hilo. Una se cerró.

⚠️ Y el aviso de siempre: borrador, nunca envío automático. Un agente escribiendo a tus clientes sin que tú lo leas es un accidente esperando fecha.

Si lo conviertes en tarea programada del punto 2, tienes un comercial silencioso que revisa cada lunes qué se está enfriando.

9. Convertir un proceso que repites en un skill reutilizable

¿Recuerdas mi skill de contabilidad del punto 3? No lo bajé de ningún sitio. Lo construí repitiendo el proceso a mano tres trimestres y anotando cada vez que Claude metía la pata: el pago de Apple que se dejaba, el país que confundía con la moneda, la conversión que se inventaba.

Cuando tengas dos o tres tareas que le pides cada semana, deja de escribirlas:

Estas son las instrucciones que te doy siempre para
[preparar mi informe semanal].
Conviertelas en un skill reutilizable, con las reglas,
los formatos de salida y los errores que ya me has cometido
para que no se repitan.
Explicame en dos lineas como lo invoco.

A partir de ahí escribes una palabra en vez de un párrafo. Y si tienes equipo, se lo pasas y todos trabajan igual sin que expliques nada.

Este es el punto donde esto deja de ser una herramienta y empieza a ser tu forma de trabajar, escrita.

💡 Si algo de esto te suena a chino, pégale el prompt a Claude y pídele que te lo monte paso a paso. Es justo lo que hace bien: construirte el camino para usarlo.

Suscríbete ahora

Pero el uso de estas herramientas no acaba aquí…

Qué más puede hacer por mi…

🔥 Crea tus propias apps personalizadas

Este es uno de los “trucos” que casi nadie usa y que a mi personalmente me ha dado unos resultados increíbles. Va de construir mini apps, completamente personalizadas para tu negocio en pocos minutos.

Artefactos. En el chat le pides una herramienta y te la construye en el panel de la derecha: una calculadora, un simulador de precios, un cuestionario. La compartes con un enlace y ya está.

Y aquí la parte clave: un artefacto puede llevar IA dentro sin que tú toques una API. Montas una mini herramienta que usa a Claude por debajo. Cada persona lo usa con su propia cuenta de Claude y su uso cuenta contra su propia suscripción.

• Un generador de titulares

• Calculadoras personalizadas para tu negocio

• Un evaluador de emails

• Un clasificador de leads.

Las posibilidades son infinitas…

Viene desactivado, se activa en Ajustes ⮕ Capacidades.

También puedes construir una herramienta con IA dentro y pasarle el enlace a un cliente esta misma tarde.

1. Validar ideas de negocio. Construyes un prototipo. Se lo mandas a tres personas. Si nadie lo usa, has perdido dos horas y te has ahorrado dos meses.

2. Salto a producto. Si funciona, descargas el HTML, lo llevas a Claude Code y le pides que lo reestructure en un proyecto de verdad y lo prepare para tu propio dominio. Adiós al enlace raro de Claude.

Aqui tienes el HTML de un prototipo: @archivo.html
Separalo en una estructura mantenible (index, estilos, logica).
No cambies nada de como se ve.
Cuando termines, hazte capturas y verifica que se ve igual
que el original.
Luego dime que necesito para publicarlo en mi dominio.

Prototipo, validación, producto. En ese orden y sin pedirle permiso a nadie.

A estas alturas espero que tengas un buen puñado de ideas de cómo sacar partido a la suscripción de 20€ que has pagado, pero por si todavía no tienes suficiente con esto…

Otras 32 cosas más que podrías hacer

Las ideas anterioe las he detallado porque son las que he utilizado yo mismo. Pero la lista real es interminable, y muchas veces lo único que falta es que alguien te diga que eso también se puede.

Ninguna de estas necesita explicación. Si alguna te encaja, ya sabes lo que tienes que hacer: abrir la app, señalarle la carpeta y pedírselo con tus palabras.

Dinero y papeleo

☑ Renombrar años de facturas sueltas al formato 2026-03-14 Proveedor - Concepto.pdf y meterlas en su carpeta.

☑ Sacar a una hoja de cálculo los datos de 200 PDFs de gastos sin abrir ni uno.

☑ Calcular cuánto te cuesta de verdad captar un cliente, cruzando lo que gastas con lo que entra.

☑ Simular qué pasaría con tus ingresos si subes precios un 20%, usando tus datos reales y no una intuición.

☑ Revisar un contrato contra las condiciones que tú sueles aceptar y marcarte solo las cláusulas que se desvían.

☑ Encontrar suscripciones que sigues pagando y ya no usas, rebuscando en los cargos del banco.

☑ Detectar duplicados entre lo que dice tu banco y lo que dice tu programa de facturación.

Clientes y ventas

☑ Prepararte el briefing de una llamada leyendo todo el histórico de ese cliente: emails, notas, facturas y lo que pidió la última vez.

☑ Sintetizar veinte llamadas de venta y decirte qué objeción se repite y cuál te está costando dinero.

☑ Sacar las 20 preguntas que más te repiten por correo y montar con ellas la sección de dudas de tu web.

☑ Detectar qué clientes están dando señales de irse antes de que se vayan.

☑ Identificar en qué empresas de tu ciudad encajaría lo que vendes, y por qué en cada una.

☑ Limpiar y deduplicar tu lista de correo, que lleva tres años acumulando basura.

☑ Vigilar la web de un competidor y avisarte solo el día que cambie precios o lance algo.

Contenido y marca

☑ Convertir tus notas de voz sueltas en un artículo escrito con tu voz y estilo.

☑ Sacar de un vídeo largo la transcripción, los cortes que funcionan y los textos para publicarlos, incluso editar directamente con uso de plugins.

☑ Reescribir tus 10 mejores artículos antiguos en formato de otra plataforma sin repetirte y pedir que programe y publique por ti.

☑ Auditar tu propia web abriéndola en móvil y en escritorio, haciéndose capturas y diciéndote qué está roto.

☑ Analizar los anuncios que están corriendo tus competidores y decirte qué ángulo no está usando nadie o cuales son más efectivos.

☑ Optimizar de golpe las 400 imágenes de tu web que están pesando de más.

☑ Montar el índice completo de un curso o un ebook a partir de lo que ya has publicado.

☑ Ser tu editor mientras escribes: te discute el titular, te busca las fuentes y te dice qué párrafo sobra.

Archivos, datos y ordenador

☑ Ordenar la carpeta donde llevas cinco años tirando cosas, encontrar duplicados y decirte cuál conservar.

☑ Convertir una hoja de cálculo hecha un desastre en una limpia, con reglas que puedas volver a aplicar.

☑ Comparar dos versiones de un documento y decirte qué cambió de verdad, no dónde cambió una coma.

☑ Buscar entre miles de documentos eso que recuerdas vagamente y no sabes ni en qué archivo estaba.

☑ Diagnosticar por qué tu ordenador va lento y liberar espacio sin que borres algo que necesitas.

☑ Arreglar la calidad de capturas y fotos que se ven mal para poder publicarlas.

☑ Convertir, renombrar y traducir lotes de audio o vídeo sin abrir un editor.

Decidir y organizarte

☑ Cruzar lo que dijiste que ibas a hacer esta semana con lo que hiciste de verdad.

☑ Montar una calculadora o un simulador para tu web, de esos que la gente comparte.

☑ Auditar un plugin o una herramienta antes de instalarla, para saber qué permisos te está pidiendo y por qué.

Y la extra bonus: cuando encuentres la que te cambia la semana, no la repitas a mano. Vuelve al punto 9 y conviértela en un skill.

Claude o Codex: cuál usar para qué

Te debo esto, porque he empezado el artículo contándote que me fui.

Actualmente uso las dos. Pago las dos. Y a día de hoy apenas encuentro nada que una haga y la otra no pueda hacer, en todo caso aquí un resumen rápido para los que quieran empezar con una de ellas:

➤ Claude Code

El agente de Anthropic, en escritorio y terminal.

💪🏾 Fuerte en: pensar el problema, planificar, moverse por proyectos grandes sin perder el hilo.

✅ Útil para: cuando no tienes claro el qué y necesitas que alguien piense contigo antes de ejecutar.

➤ Cowork

La misma tecnología, sin nada de código, sobre las carpetas de tu ordenador. Desde julio también en web, móvil y con tareas programadas.

💪🏾 Fuerte en: informes, documentos, hojas de cálculo, todo lo que se repite cada semana.

✅ Útil para: si no programas, empieza aquí. Es la puerta que Anthropic construyó para ti.

➤ Codex

La respuesta de OpenAI. Dentro de la app de escritorio de ChatGPT desde julio, con navegador integrado y Agent Plugins desde agosto.

💪🏾 Fuerte en: ejecución, orquestar varios agentes largos en paralelo, tareas de navegador.

✅ Útil para: cuando ya sabes exactamente qué quieres y solo necesitas que se haga, en volumen.

Cuál elegiría yo HOY mismo

Al momento de escribir este articulo si me pides una recomendación este sería mi orden:

Si solo pagara una suscripción: CODEX (versión PLUS de 20€) - ¿la razón? Lleva meses con reseteos de cuota constantes con lo cual prácticamente su uso es ilimitado. Total: 20€/mes

Tengo algo más de presupuesto: Yo personalmente en estos momentos pago ambas Claude + ChatGPT. También Gemini Pro, pero esta no lo recomiendo en estos momentos ya que ha dejado de tener tanto sentido. Total: 38€/mes

La casa de por la ventana: Añadiría OpenCode. Por 10€ (suscripción GO) yo la tengo como cerebro de mis agentes remotos (Hermes). Te da acceso a los últimos modelos chinos de forma casi ilimitada que tan de moda están (como Deepseek v4 flash). Total: 48€/mes

🔥 Truco PRO: Claude Code + Codex trabajando juntos

Ya no tienes que elegir. Puedes hacer que uno mande sobre el otro.

Hay un plugin que instala Codex dentro de Claude Code. Escribes un comando y Claude le delega el trabajo igual que se lo delegaría a uno de sus propios subagentes: le pasa las instrucciones, Codex lo resuelve con sus modelos, y le devuelve el resultado a Claude, que sigue coordinando.

Si pagas las dos suscripciones, dejas de desperdiciar la mitad. Mientras Claude piensa, Codex ejecuta con sus propios tokens.

🔥 Por qué esto es interesante: puedes poner a competir dos cabezas distintas sobre el mismo problema. Claude planifica y Codex revisa, o al revés. Dos modelos entrenados por empresas distintas se equivocan en cosas distintas, y cuando aparece el desacuerdo suele ser justo donde estaba el problema.

8 errores que tienes que evitar

Error 1 ⮕ Pegar bloques gigantes de texto en el chat. Guárdalo en un archivo y refiérete a él con una arroba delante.

Error 2 ⮕ Sesiones eternas. Al 60% de contexto, /compact dirigido o /clear. Una tarea, una conversación. Si mezclas la newsletter con la contabilidad en el mismo hilo, salen peor las dos. Inicia nuevo chat siempre que comiences una nueva tarea.

Error 3 ⮕ Ignorar el modo Plan. Si la tarea tiene más de tres pasos, Shift + Tab. Un buen plan vale más que veinte correcciones. Además está testeado que el modo /Plan suele dar mejores resultados que /goal y a un menor coste de tokens.

Error 4 ⮕ CLAUDE.md vacío. Cada error que no documentas es un error que vas a volver a sufrir.

Error 5 ⮕ No darle forma de comprobar su trabajo. Es el fallo más caro de la lista. Toda petición debería terminar con algo contra lo que contrastar.

Error 6 ⮕ Discutir con él cuando la lía. No le expliques por qué se ha equivocado. /rewind y reformula. Sale más barato y más rápido.

Error 7 ⮕ Dejar que haga cuentas de cabeza. Si hay números o dinero de por medio, que ejecute un script. Los modelos son brillantes razonando y mediocres sumando, pero pueden crear un scrip en python de forma rápida para realizar cálculos o resolver tareas similares.

Error 8 ⮕ Empezar por lo crítico. Nadie conecta un agente a su facturación el primer día. Paso a Paso. Empieza con solo lectura primero, escritura después, y nunca sobre nada que no tengaws resguardo o que no puedes permitirte perder.

🚀 Cómo empezar

Antes: instalar Node.js, abrir la terminal, ejecutar comandos npm, rezar.

Ahora:

1. Suscripción de pago a Claude Desktop, ChatGPT Codex, Opencode, Kimi o similar: Pro (20€/mes)

2. Descargar la app de escritorio.

3. Darle acceso a una carpeta (una, no tu disco entero)

Cinco minutos, cero terminal.

Un detalle que confunde a todo el mundo al comenzar a utilizar Claude: Chat, Cowork y Code son tres aplicaciones distintas dentro de la misma ventana. No comparten historial. Chat no toca tus archivos, solo conversa. Cowork y Code sí. Si le pides algo sobre tus documentos y te responde en abstracto, mira arriba: estás en la pestaña equivocada.

Los comandos que vale la pena memorizar:

• /clear limpia la conversación

• /compact la comprime, y le puedes decir qué salvar

• /context te dice cuánto llevas gastado

• /init genera tu CLAUDE.md

• /rewind te devuelve al punto anterior a que la liara

• /cd cambia de carpeta sin cerrar la sesión (útil si tienes varios proyectos)

• /rc engancha esa sesión a tu móvil

• Shift+Tab cambia entre modos → Y la flecha izquierda te abre la lista de sesiones abiertas, para ver cuál está trabajando y cuál te está esperando

Tu primera tarea: abre la app, dale acceso a la carpeta donde vive tu trabajo de verdad y pégale el prompt del diagnóstico. Quince minutos y sales con una lista ordenada de por dónde empezar.

Y mañana, el segundo de la lista. Ese que llevas meses posponiendo porque es mecánico y no aporta nada.

🚨Actualizaciones de última hora

Reescribí esta sección tres veces mientras terminaba el artículo, y a este ritmo va a quedarse vieja antes de que la leas. Van las novedades que cambian cómo trabajas, no las que engordan un changelog.

🔶 Trabajan con el portátil cerrado. Desde el 7 de julio Cowork corre en web y móvil con sesiones en segundo plano y tareas programadas que se ejecutan aunque no tengas ningún dispositivo encendido.

🔶 Y puedes dirigirlas desde el móvil. Escribes /rc en una sesión y esa sesión aparece en la app de Claude de tu teléfono. Puedes leer lo que va haciendo, contestarle, e incluso lanzarle skills desde ahí. Sales de casa, la tarea sigue, tú supervisas desde el bar.

🔶 Claude vive dentro de tu navegador. Ayer mismo, 12 de agosto, Anthropic convirtió el panel lateral de Chrome en una sesión completa de Cowork: ve la página que tienes delante, actúa con tus sesiones ya iniciadas, y la conversación se guarda para que la retomes luego en escritorio o móvil. Su propio ejemplo es sacar datos de facturas de un portal de proveedor y montar la hoja de cálculo. Está en Max y Team, y llega a Pro en las próximas semanas. Solo navegadores Chromium.

🔶 Los dos compiten ahora en control, no en potencia. Codex metió formularios dentro de la propia tarea para que decidas sin cortarle el rollo. Claude cambió el modo por defecto. Cuando dos empresas que se copian todo dedican un mes entero a los permisos, es que ahí está el problema real.

⚠️ Última advertencia: Anthropic reconoce por escrito que los agentes de navegador siguen siendo vulnerables a prompt injection (instrucciones escondidas dentro de una web que el agente se cree como si se las hubieras dado tú). Hay comprobaciones para acciones serias y te pide permiso para pagos o datos personales. Aun así: no le dejes el navegador abierto en tu banco y te vayas a por café.

✍️ Este artículo llevaba meses muerto en mi bandeja de borradores porque la forma de actuar de Anthopic me hacía muy difícil recomendárselo a más de 15.000 lectores. Lo cuento porque la lección no va de Claude ni de OpenAI: va de no casarte con ninguna. Ten las dos, úsalas sin lealtad, cambia o vete el día que empieces a notar que deja de ser útil o que hay opciones mejroes. Volver siempre es una opción.

Alex.

❤️ Gracias por leer La Mafia IA.

Si te ha gustado esta edición, házmelo saber, no te olvides de darle al ♡

o déjame un comentario con tu sistema para manejar el contexto favorito.

¿Conoces a alguien a quien le pueda ayudar esta información? → compártelo.

Compartir

🗞️ Para noticias IA diarias:

La Mafia IA no te bombardea con noticias (que solo añaden ruido y caos).

Si te interesa estar más al día: En mis perfiles en redes comento las noticias más importantes en tiempo real, me puedes encontrar en:

⮕ 💼 Linkedin | 𝕏 x.com | ＠Thread | 📶 Telegram

Este post fue escrito por un humano. Las herramientas IA me ayudaron a investigar y organizar. El criterio, los ejemplos y las opiniones son 100% mías.

Alex dc

Quizá te interese:

Y encima te cuesta más dinero.

No es una opinión mía. Es lo que OpenAI y Anthropic acaban de publicar en sus guías oficiales, cada uno por su lado, diciendo exactamente lo mismo:

Los prompts que funcionaban con la generación anterior ahora estorban

Los mega-prompts con 40 líneas de instrucciones. El “revisa tu trabajo antes de responder”. El “piensa profundamente”. Las plantillas XML con 8 secciones para pedirle un email.

Todo eso tenía sentido. Yo mismo os enseñé buena parte de ello en mi Guía de Prompting de GPT-5, y funcionaba. El problema es que los modelos han cambiado más rápido que nuestras costumbres.

Y aquí viene el dato clave para crear buenos prompts para los modelos más inteligentes de la actualidad

OpenAI probó a recortar los prompts de sus agentes internos: eliminaron instrucciones repetidas, ejemplos innecesarios y descripciones de herramientas irrelevantes. Resultado: los scores de evaluación mejoraron entre un 10 y un 15%... mientras el consumo de tokens bajaba entre un 41 y un 66% y el coste hasta un 67%.

- (ref: guía oficial de prompting GPT-5.6 Sol)

Léelo otra vez.

Quitar texto del prompt mejoró el resultado Y redujo el coste a la mitad.

Cuando los dos laboratorios más importantes del mundo, que compiten a muerte entre sí, publican la misma recomendación por separado la misma semana... ya no es un truco. Nos están diciendo cuales son la nueva regla del juego.

Hoy te explico de la forma más breve posible todo lo que tienes que saber sobre las nuevas técnicas de prompting.

Qué ha cambiado, qué tienes que borrar de tus prompts, y qué es lo que sí funciona con los modelos de última generación como Opus 5, Fable 5, GPT-5.6, Kimi-3 y compañía.

Pero antes que nada un saludo 👋 a los 1.031 nuevos miembros 👨‍🚀 desde la última publicación de La Mafia IA. Ya somos +19.000 y la newsletter #tech que más crece en español (según Substack) - Puedes suscribirte gratis aquí 👈

Suscríbete ahora

Soy Alex dc. y en esta newsletter te cuento cómo aprovechar la IA para mejorar tu negocio. Sin ruido. Solo consejos prácticos que generan resultados.

🧠 Qué ha cambiado

Durante dos años entrenamos un instinto: si el resultado es malo, añade más instrucciones al prompt.

Añadíamos más pasos, más “asegúrate de”, más verificaciones y otra capa de andamiaje cada vez que el resultado fallaba.

Tenía lógica. Los modelos de 2024-2025 eran como un becario brillante pero despistado: si no le decías “revisa las cifras antes de enviarlo”, no las revisaba.

Los modelos de 2026 se parecen menos a un becario despistado y más a un consultor con experiencia.

Y cuando a un consultor senior le das un checklist de 40 puntos para escribir un email... no trabaja mejor. Trabaja peor. Pierde tiempo reconciliando tus instrucciones, duda de su propio criterio, y te cobra las horas igualmente.

Esto es literal, no metáfora. Mira lo que dice la guía oficial de Anthropic para Opus 5:

Si tu prompt contiene instrucciones explícitas de verificación (”incluye un paso final de verificación”, “usa un subagente para verificar”), elimínalas: causan sobreverificación en Opus 5, y quitarlas reduce tokens desperdiciados sin ninguna pérdida de calidad.
- Prompting Claude Opus 5, sección “Task scope and over-verification”

El modelo ya verifica su trabajo solo. Ya se auto-corrige solo. Ya planifica solo.

Cada instrucción que le repite lo que ya hace por defecto no suma. Se acumula encima, y el resultado es un modelo que verifica dos veces, duda tres veces, y quema tus tokens en el proceso.

El prompting de 2026 no va de sobrecargar al modelo.

Va de no frenarlo.

✂️ Los 5 anti-hacks: qué borrar HOY de tus prompts

Abre tus prompts guardados. Tus GPTs personalizados, tus Proyectos de Claude, tus plantillas de Notion.

Vamos a hacer limpieza.

1. El “verifica tu trabajo” y el “double-check”

El clásico. “Antes de responder, revisa que todo sea correcto.” “Valida cada paso antes de continuar.”

Los modelos actuales detecta y corrige sus propios errores sin que se lo pidas, y estas instrucciones se suman al comportamiento que ya tiene, añadiendo coste sin mejorar nada.

⮕ Su prompt contiene instrucciones explícitas de verificación. Bórralas. Si el caso es de verdad crítico (un cálculo fiscal, un JSON que va a producción), pide UNA validación concreta y verificable, no una revisión genérica.

2. El “piensa profundamente” como comodín

En 2025 este truco era imprescindible: forzaba el modo razonamiento en modelos que por defecto respondían rápido y mal. Yo mismo lo recomendaba como el hack número uno.

En 2026 los modelos razonan por defecto, y cuánto razonan se controla con el nivel de esfuerzo (effort), un ajuste del propio modelo, no con frases mágicas.

Peor aún: en Opus 5 o GPT, el effort controla cuánto piensa el modelo, no cuánto escribe: así que “piensa profundamente” ya ni siquiera te da respuestas más largas ni mejores, solo más caras (ref: guía Opus 5, sección “Response length and verbosity”).

⮕ Sustitúyelo por el selector de esfuerzo de tu herramienta. Y si lo que querías era una respuesta más larga... pídele una respuesta más larga. Así de simple.

3. Cuidado con lo que le pides… es lo que puede obtener.

SIEMPRE, NUNCA, OBLIGATORIO.

En 2025 gritarle al modelo funcionaba.

En 2026, la recomendación es reservar los ALWAYS/NEVER para invariantes reales (reglas de seguridad, campos obligatorios, cosas que jamás deben pasar) y usar reglas de decisión para todo lo demás: “si pasa X, haz Y” en vez de “SIEMPRE haz Y”

¿Por qué? Porque estos modelos siguen tus instrucciones al pie de la letra. Y cuando todo es OBLIGATORIO, o bien nada lo es, o bien el modelo se encuentra dos órdenes absolutas que chocan entre sí... y se bloquea intentando obedecer ambas.

⮕ Guarda las mayúsculas para las 2-3 reglas que de verdad son sagradas. El resto, criterios.

🔎 Ejemplo en prompts de código: mucha gente añade al prompt “repórtame solo los errores graves” o “sé conservador con los avisos” para no recibir ruido. Pues bien: Anthropic avisa de que Opus 5 obedece esa instrucción al pie de la letra... y reporta menos de lo que encuentra. Su recomendación oficial: pídele que reporte TODO y filtra tú después en una segunda pasada (link).

Recuerda: el filtro que pusiste para mejorar el resultado está suprimiendo hallazgos reales. Con los modelos de 2026, cada instrucción restrictiva es un contrato que se cumple, incluso cuando te perjudica.

4. El “sé conciso” universal

Sorpresa: este también ha caducado, pero al revés.

GPT-5.6 es más conciso por defecto que su predecesor.

El “sé breve, no te enrolles” que pusiste en todos tus prompts ahora puede producir respuestas demasiado cortas, que se comen información que necesitabas (ref: guía GPT-5.6, sección “Personality, collaboration, and response length”).

⮕ En vez de “sé breve”, di qué conservar y qué recortar: “Empieza por la conclusión. Mantén datos, decisiones y próximos pasos. Recorta introducciones, repeticiones y contexto opcional.” Eso le da un orden de prioridades, no una tijera ciega.

5. Las contradicciones heredadas

Este ya lo conté en la guía de GPT-5 y es el único que sigue vigente al 100%... pero ahora es todavía más grave.

Tus prompts han ido creciendo por capas: cada vez que algo fallaba, añadiste un parche. “Sé breve” arriba, “explica en detalle” abajo. “Nunca asumas nada” en la línea 4, “no preguntes, decide tú” en la línea 19.

Los modelos de 2026 siguen el contrato del prompt con precisión quirúrgica, así que las reglas contradictorias generan más inestabilidad que las reglas que faltan.

⮕ Una regla, una vez, en un solo sitio. Si dos instrucciones chocan, decide cuál es más importante y borra la otra.

🔥 Los 4 mandamientos nuevos del prompting 2026

Vale, ya sabes qué borrar.

Ahora lo interesante.

Qué funciona hoy.

Los modelos nuevos no fallan por hacer poco. Fallan por hacer demasiado.

Se pasan de rosca. Y tu trabajo como prompter ha cambiado de acelerador a controlar el volante.

Estos son los 4 mandamientos:

▪️El esfuerzo (la evolución del “Juice”)

Si leíste mi guía de GPT-5, recordarás el “Juice”: el nivel de razonamiento interno del modelo. Aquello era un truco de la comunidad para adivinar cuánto pensaba el modelo.

En 2026 el Juice se ha convertido en un menú oficial con carta de precios:

• GPT-5.6 ⮕ low / medium / high / xhigh / max, y un modo ultra que coordina 4 agentes en paralelo para las tareas más bestias.

• Opus 5 ⮕ effort de bajo a Max (xhigh), con un detalle clave: los niveles bajos mantienen una calidad sorprendente a una fracción del coste y la latencia.

La regla práctica: empieza bajo, sube solo si lo notas. La mayoría de tus tareas diarias (emails, resúmenes, análisis normales) no necesitan el nivel máximo. Estás pagando un Ferrari para ir a por el pan.

🔥 Importante: Antes de subir el esfuerzo porque el resultado es malo, revisa si a tu prompt le falta un criterio de éxito. Nueve de cada diez veces el problema no era el esfuerzo. Era que no estabas pidiendo lo que realmente buscas.

En mis pruebas, muchas respuestas malas no mejoraban dando más “potencia” al modelo, sino explicando mejor qué debía conseguir.

▪️El alcance (frenar la expansión)

Los modelos 2026 tienen iniciativa. Mucha.

Le pides que arregle un párrafo y te reescribe el documento entero. Le pides un análisis y te monta un plan estratégico con anexos.

(A mí me ha pasado pedirle un ajuste de una landing page de mi web y encontrarme con que había “aprovechado” para rediseñar el pricing. Gracias, supongo. 😅)

Anthropic lo reconoce abiertamente: Opus 5 puede expandir el alcance de una tarea, añadiendo pasos que no pediste. Su recomendación oficial para tareas acotadas:

Entrega lo que se pidió, con el alcance previsto. Toma tú las decisiones
rutinarias, y consulta solo cuando distintas interpretaciones lleven a
trabajos materialmente diferentes. Si crees que hay un enfoque mejor,
dilo en una frase y continúa con la tarea tal como se pidió.

Fíjate en la elegancia: no le prohíbes tener criterio. Le dices que su criterio se expresa en una frase, no en trabajo extra que no pediste.

▪️La longitud (ahora se pide explícita)

Ya lo vimos en los anti-hacks: el esfuerzo controla el pensamiento, no la extensión. Y los modelos nuevos, dejados a su aire, tienden a escribir documentos más largos que antes.

Anthropic recomienda incluso calibrar explícitamente la longitud de los documentos que el modelo genera para que no rellene con secciones de paja (ref: guía Opus 5, “Written deliverable length”).

Quieres controlar este efecto. Añade esta instrucción a tu prompt:

Adapta la extensión de los documentos escritos a lo que requiera la tarea: aborda el fondo del asunto, pero no lo alargues con secciones de relleno, resúmenes redundantes o frases hechas.

⮕ Especifica formato y extensión como parte del encargo: “un documento de ~1200 palabras”, “máximo 5 bullets”, “una tabla, sin texto adicional”.

▪️La autonomía (qué puede hacer sin preguntarte)

Esto ni existía en 2025 para el usuario normal. Ahora que los modelos ejecutan tareas de varios pasos (navegan, tocan archivos, encadenan herramientas), necesitas definir hasta dónde llegan solos.

En la guía oficial de OpenAI te sugieren una política de 3 niveles que puedes adaptar a cualquier flujo:

Para peticiones de analizar, revisar o planificar ⮕ inspecciona y reporta.
No implementes cambios salvo que se pidan.

Para peticiones de crear, cambiar o arreglar ⮕ haz los cambios pedidos
y las validaciones no destructivas sin preguntar.

Pide confirmación para: acciones externas, destructivas, con coste,
o que amplíen materialmente el alcance.

(ref: guía GPT-5.6, sección “Define autonomy and approval boundaries”)

👀 Cuidado: repetir “pregunta antes”, “no toques nada”, “espera aprobación” por todo el prompt hace que el modelo te pida permiso hasta para respirar. Una política, en un sitio, una vez.

📋 La plantilla 2026

En la guía de prompting anterior os di plantillas XML con secciones de rol, contexto, restricciones y proceso. Siguen siendo válidas para prompts compartibles (luego te cuento por qué). Pero para trabajar tú con un modelo frontier, la estructura ha mutado.

La palabra clave del prompting 2026 es outcome-first: describe el destino, no el camino.

Los modelos más avanzados funcionan mejor cuando el prompt define el resultado, las restricciones importantes, la evidencia disponible y el listón de “terminado”... y luego deja espacio al modelo para elegir el camino eficiente.

Esta es la estructura que recomiendo para los modelos más avanzados a día de hoy:

Rol: [qué es el modelo en esta tarea / una línea]

Objetivo: [el resultado visible que quieres]

Criterios de éxito: [qué debe ser cierto para dar la tarea por terminada]

Restricciones: [límites reales: negocio, datos, seguridad, presupuesto]

Formato de salida: [estructura, extensión, idioma]

Reglas de parada: [cuándo preguntar, cuándo asumir, cuándo parar]

¿Notas lo que falta? La sección de “proceso paso a paso”.

Los 7 pasos numerados que le dábamos al modelo para que no se perdiera. Ya no se pierde. Dile a dónde vas y confía.

Un ejemplo real, versión 2025 vs versión 2026:

❌ 2025:

Actúa como un consultor de marketing y growth de clase mundial, con más de
10 años de experiencia ayudando a newsletters y negocios digitales a crecer.
Eres experto en embudos de conversión, copywriting y monetización.

Tu tarea es ayudarme a mejorar la conversión de suscriptores gratuitos a
suscriptores de pago de mi newsletter.

Sigue OBLIGATORIAMENTE estos pasos, en este orden:
Paso 1: Analiza en detalle mi negocio y mi situación actual.
Paso 2: Piensa paso a paso e identifica los 3 problemas principales que
        están frenando la conversión.
Paso 3: Para cada problema, propón 2 soluciones distintas.
Paso 4: Prioriza todas las soluciones por impacto potencial.
Paso 5: Verifica que cada solución sea accionable y realista.
Paso 6: Antes de responder, revisa tu respuesta completa y comprueba que
        has seguido todos los pasos anteriores.

Reglas:
- SIEMPRE justifica cada recomendación.
- NUNCA propongas nada que requiera un equipo grande.
- SIEMPRE piensa profundamente antes de responder.
- No te inventes datos.
- Sé conciso pero completo y detallado.
- Usa un tono profesional pero cercano.
- No uses un lenguaje demasiado técnico ni demasiado simple.

Piensa profundamente. Respira hondo y trabaja en este problema paso a paso.

Reconócelo, has escrito algo así. Yo también. 🙋‍♂️

Y ahí dentro están casi todos los pecados de 2026:

• Rol inventado → “de clase mundial”, “10 años de experiencia”. El modelo no rinde más porque le inventes un currículum.

• Proceso paso a pasos

• Verificación forzada ×2 → Pasos 5 y 6. El anti-hack número 1, por duplicado.

• Razonamiento forzado ×3 → “paso a paso”, “piensa profundamente”, “respira hondo”. Hoy solo suma coste.

• Órdenes militares → dos SIEMPRE y un NUNCA para cosas que son criterios, no invariantes.

• Contradicción en una línea → “conciso pero completo y detallado”.

• Prohibiciones de estilo sin ejemplo → “ni demasiado técnico ni demasiado simple”. Anthropic recomienda lo contrario: un ejemplo positivo del estilo que quieres, no la lista de lo que no quieres.

Pero el problema de verdad no es ninguno de esos siete.

Es que en esas 27 líneas no hay un solo dato de tu negocio. Ni suscriptores, ni conversión actual, ni precio, ni qué has probado ya.

El modelo va a “analizar en detalle mi negocio” (Paso 1) sin tener absolutamente nada que analizar. Resultado garantizado: un listado genérico que podrías haber sacado de cualquier blog de 2019.

Ahora la versión 2026, exactamente la misma tarea:

✅ 2026:

Rol: consultor de growth para newsletters de un solo fundador.

Objetivo: subir la conversión de suscriptor gratuito a suscriptor de pago.

Contexto:
- Mi newsletter ayuda a emprendedores a sacar partido de la IA
- 19.200 suscriptores, +1800 al mes
- Conversión actual a pago: 1,4%
- Precio: 12 €/mes o 149 €/año
- Publico 1 artículo cada 15 días, el 10% es solo para suscriptores de pago
- Última prueba: muro de pago a mitad del artículo. Sin cambio medible.

Criterios de éxito: máximo 3 acciones. Cada una ejecutable por una persona
sola en menos de una semana. Cada acción indica qué métrica debe mover y
cómo sabré en 14 días si ha funcionado.

Restricciones: sin presupuesto de anuncios, sin contratar a nadie, sin
cambiar de plataforma.

Formato: por cada acción, un párrafo de contexto y 3 bullets de ejecución.
Sin introducción ni resumen final.

Menos líneas. Cero procesos “obligados” o paso a paso. Mejores criterios.

Y el segundo prompt produce resultados consistentemente mejores porque el modelo invierte su capacidad en resolver, no en obedecer una coreografía.

💡 Nota: si esto te parece mucho cambio de golpe, tranquilo, no necesitas reescribir nada a mano. Justo abajo te doy el prompt que lo hace por ti.

🔄 El prompt de migración de prompts

No te voy a dejar con teoría. Copia esto, pégalo en Claude o ChatGPT junto a cualquier prompt viejo que uses a menudo, y deja que el modelo nuevo limpie lo que escribiste para el modelo viejo:

Rol: editor de prompts. Modernizas prompts escritos para modelos de
2024-2025 y los adaptas a los actuales, que razonan, verifican su trabajo
y se auto-corrigen por defecto.

Objetivo: la versión mínima de mi prompt que dé el mismo resultado o mejor.

Qué eliminar:
- Verificación: "revisa antes de responder", "comprueba tu trabajo",
  "double-check", pasos finales de validación.
- Razonamiento forzado: "piensa profundamente", "razona paso a paso",
  "respira hondo", "tómate tu tiempo".
- Inflación de rol: años de experiencia, "de clase mundial", superlativos
  que no cambian la tarea.
- Reglas repetidas: cada una, una sola vez y en un solo sitio.
- Filtros que suprimen resultado: "reporta solo lo importante", "sé
  conservador". Si hay que filtrar, que sea un paso posterior.

Qué transformar:
- Los pasos de proceso ⮕ objetivo + criterios de éxito + regla de parada.
- SIEMPRE / NUNCA / OBLIGATORIO ⮕ regla de decisión ("si pasa X, haz Y"),
  salvo seguridad real o campos obligatorios.
- "Sé breve" o "sé conciso" ⮕ qué conservar, qué recortar, o una extensión
  concreta.
- Prohibiciones de estilo ⮕ un ejemplo corto del estilo que sí quiero.

Qué no tocar: el contexto de negocio, los datos, los criterios de éxito,
las restricciones reales (seguridad, legales, presupuesto) y el formato de
salida.

Restricciones: no inventes contexto, criterios ni reglas que no estén en el
original, y no cambies la tarea. Si algo falta, márcalo como hueco.

Formato de salida: el prompt reescrito, y debajo una tabla de qué has
quitado y qué pierdo si eso me importaba.

Regla de parada: si dos instrucciones se contradicen y no está claro cuál
gana, pregúntame en vez de decidir por mí.

Mi prompt:
[PEGA AQUÍ TU PROMPT]

Hazlo con tu prompt más usado. El de los emails, el del contenido, el que sea. Compara resultados durante una semana.

⚖️ Lo que sigue importando

Aquí es donde el 90% de los posts sobre “el fin del prompt engineering” se equivocn.

Porque después de leer todo esto podrías pensar: “genial, entonces le escribo dos líneas y listo”.

No.

La tesis no es “escribe menos”.
Es “instruye menos, contextualiza más”.

Fíjate en la lista de lo que OpenAI dice que debes conservar al simplificar:

• El resultado visible

• Los criterios de éxito

• Las condiciones de parada

• Las restricciones de seguridad y negocio

• El formato de salida requerido

Es decir: sobrevive exactamente lo que os llevo contando desde la guía de GPT-5:

• Objetivo claro.

• Criterios de éxito medibles.

• Restricciones reales.

• Contexto de tu negocio.

Lo que muere es el andamiaje de proceso:

• El paso a paso

• La verificación forzada

• La lista de pasos punto por punto.

Y un matiz más, importante si compartes prompts o usas los de otros:

Todo lo de este artículo aplica a prompts para modelos frontier, los grandes, los caros, los más inteligentes (Fable, GPT 5.6, Kimi 3...)

Pero un prompt pensado para que lo use cualquiera, en cualquier herramienta, con cualquier modelo (incluidos los pequeños y los locales) sigue necesitando estructura densa y explícita.

Un modelo pequeño sin instrucciones detalladas no “elige el camino eficiente”: se pierde.

Tenlo en cuenta si usas modelos locales o ahorras coste con modelos más económicos.

📌 Resumen

• Los modelos top 2026 razonan, verifican y se auto-corrigen por defecto → las instrucciones que se lo piden estorban.

• Recortar prompts mejoró resultados un 10-15% y bajó el coste hasta un 67% en las pruebas de OpenAI.

• Borra: verificaciones, los paso a paso obvios, “piensa profundamente”, órdenes absolutas innecesarias,, contradicciones.

• Controla: esfuerzo (empieza bajo), alcance (frena la expansión), longitud (pídela explícita), autonomía (política de 3 niveles).

• Lo que sigue importando: el contexto, el objetivo y los criterios.

• La plantilla 2026: objetivo + criterios de éxito + restricciones + reglas de parada. Sin proceso.

• Prompt para IA frontier ≠ prompt modelos más pequeños.

El prompt perfecto de 2026 no es el más largo ni el más corto.

Es el que no le dice al modelo nada que ya sepa hacer.

Alex.

Suscríbete ahora

📚 Referencias

• Prompting Claude Opus 5/Fable - La guía oficial de Anthropic.

• Guía oficial Prompting últimos modelos OpenAI - GPT-5.6

• GPT-5.6: anuncio oficial

• Introducing Claude Opus 5

• Guía de prompting GPT-5 (ago 2025)

❤️ Gracias por leer La Mafia IA.

Si te ha gustado esta edición, házmelo saber, no te olvides de darle al ♡

o déjame un comentario con tu sistema para manejar el contexto favorito.

¿Conoces a alguien a quien le pueda ayudar esta información? → compártelo.

Compartir

🗞️ Para noticias IA diarias:

La Mafia IA no te bombardea con noticias (que solo añaden ruido y caos).

Si te interesa estar más al día: En mis perfiles en redes comento las noticias más importantes en tiempo real, me puedes encontrar en:

⮕ 💼 Linkedin | 𝕏 x.com | ＠Thread | 📶 Telegram

Este post fue escrito por un humano. Las herramientas IA me ayudaron a investigar y organizar. El criterio, los ejemplos y las opiniones son 100% mías.

Alex dc

Quizá te interese:

La IA no te hace x100 mejor en tu trabajo

aunque puede hacer algo mucho mejor. Eso viene después.

Ahora, volvamos a esa idea que todos todo gurú IA que se precie lleva 2 años vendiéndote.

Una idea peligrosa porque, si eres un humilde emprendedor que se parte el lomo 14 horas al día…

…si tienes una lista de tareas pendientes que nunca baja de 40 ítems y, cada vez que intentas vaciarla, acabas añadiendo cinco tareas más.

…si el último fin de semana libre que recuerdas fue el del 14 de marzo de 2020 (y solo porque hubo una un confinamiento por una pandemia que te pillo de sorpresa)

Esos gurús no solo te están diciendo lo que necesitas oír.

Te están lanzando un salvavidas justo cuando sientes que te ahogas en un mar lleno de tiburones.

Y en ese salvavidas está grabado esto:

“Con IA puedes hacer el trabajo de 100 personas.”

Suena bien.

Suena épico.

Suena a que en 2026 todos vamos a tener una empresa unipersonal facturando como Accenture desde una cafetería con un MacBook, un matcha latte y 17 agentes autónomos trabajando en paralelo desde tu Mac Mini para que sigan trabajando incluso cuando cierras el portátil.

Pero hay un pequeño problema.

La IA puede escribir 500 emails en una hora.

Tú sigues teniendo que decidir cuál enviar.

La IA puede generar 30 ideas de negocio en 20 segundos.

Tú sigues teniendo que elegir una, validarla, venderla, aguantar el aburrimiento y no abandonarla a los tres días porque has visto otro vídeo de “nuevo agente IA que lo cambia todo”.

La IA puede hacer 100 borradores.

Tú sigues teniendo que leerlos.

Y esto es lo que casi nadie está explicando bien.

La IA multiplica la producción.

No la productividad.

Y para la mayoría de nosotros, entender esto es la diferencia entre pensar que te has vuelto productivo porque creas 100 veces más cosas que no valen para nada, o realmente aventajar al resto.

Hoy te voy a explicar cómo.

Pero antes que nada un saludo 👋 a los 531 nuevos miembros 👨‍🚀 desde la última publicación de La Mafia IA. Ya somos +17.000 y la newsletter #tech que más crece en español (según Substack) - Puedes suscribirte gratis aquí 👈

Soy Alex dc. y todas las semanas te cuento cómo aprovechar la IA para mejorar tu negocio. Sin ruido. Solo consejos prácticos que generan resultados.

Suscríbete ahora

⚙️ La Ley de Amdahl para emprendedores

Hay una idea en computación llamada Ley de Amdahl.

Suena aburrida, lo sé.

Pero es una de las mejores formas de entender por qué la IA no convierte automáticamente tu negocio en una máquina x100.

La idea es simple.

Gene Amdahl era un ingeniero informático. En 1967 publicó una observación sobre sistemas paralelos que sigue siendo una de las ideas más útiles en tecnología:

La velocidad máxima de cualquier sistema está limitada por la parte que no puedes paralelizar.

Un ejemplo que lo hace inmediato: imagina una restaurante que compra 10 hornos nuevos para preparar más pizzas, pero mantiene un solo camarero para revisar, servir, cobrar y hablar con los clientes.

La cocina puede ir más rápido.

Hay pizzas saliendo cada minuto.

Pero el restaurante no escala. No va a vender 10 veces más pizzas si todo sigue dependiendo de una sola persona en la sala.

Aplicado a tu trabajo con IA:

Si el 40% de tu trabajo requiere juicio humano irremplazable, tu techo matemático de productividad con IA es x2,5.

Da igual cuántos agentes tengas.

Si ese porcentaje es del 50%, y en autónomos y creadores suele serlo, el techo baja a x2.

No x10 ⮕ No x100 ⮕ x2.

¿Qué entra dentro de ese “juicio humano irremplazable”?

Decidir la estrategia. Definir tu posicionamiento. Hablar con clientes. Editar con criterio propio. Asumir responsabilidad sobre lo que publicas. Detectar si algo encaja con tu marca, aunque no sepas explicar exactamente por qué.

Esas tareas no desaparecen cuando abres más agentes.

A menudo crecen.

Cuanto más produce la IA, más cosas llegan a tu mesa para ser revisadas, comparadas y aprobadas.

Y el propio CEO de Anthropic, Dario Amodei, lo admitió con una cita que da mucho que pensar. En una conferencia en Nueva York, invocó la misma ley de Amdahl para hablar del trabajo: “Si automatizas el 90% del trabajo, entonces todo el mundo hace el 10% que queda. Y ese 10% se amplifica.”

Lo formuló como algo positivo. Pero la implicación directa es esta: cuanto mejor trabaja la IA, más valioso y más escaso se vuelve tu criterio.

Eso no es una amenaza. Es la oportunidad real.

Pero hay algo más que nadie está contando bien.

🚪 El verdadero cambio no es x100. Es entender dónde se han movido los límites.

Lo que antes era un muro permanente ahora es una puerta

Hasta aquí he hablado de productividad. De velocidad. De multiplicadores.

Pero hay una conversación distinta, y más importante.

Porque la IA no solo hace más rápido lo que ya sabías hacer.

Para ciertos perfiles, rompe paredes que no eran cuestión de esfuerzo. Eran imposibles de cruzar.

Piénsalo:

¿Cuántos emprendedores con ideas brutales, criterio de producto y capacidad de venta han chocado siempre contra lo mismo?

No sabían programar.

No podían construir su propio producto sin encontrar un técnico, convencerlo de que la visión valía la pena, coordinar plazos, pagar sin garantías... y a menudo esperar meses para descubrir si lo que imaginaban tenía forma viable.

La historia de ese emprendedor me la sé de memoria, la he visto docenas y docenas de veces. No acababa bien.

Ese emprendedor ahora puede construir.

El consultor que tenía clarísima la metodología pero no sabía montar ni un formulario automatizado: AHORA puede.

El diseñador con talento pero que no sabía cómo encontrar clientes: AHORA puede tener su portfolio, con un sistema de reservas o citas para contratar sus servicios en una tarde.

El técnico excelente que siempre necesitó un “perfil de negocio” para validar su producto: AHORA puede montar él mismo el landing, la campaña y el funnel antes de contratar a nadie.

No estoy hablando de hacer lo mismo más rápido.

Estoy hablando de acceder a dimensiones completas que antes eran muros, no fricciones.

De establecer conexiones nuevas.

La IA convierte a una persona con agencia en una intersección operativa.

Antes necesitabas varias personas para que chocaran disciplinas: producto + código + diseño + marketing + ventas.

Ahora una sola persona puede moverse entre esas capas, no porque sea experta en todo, sino porque la IA le permite operar lo suficiente en territorios donde antes no podía ni entrar.

Scott Adams, el creador de Dilbert, tenía un nombre para esto: el talent stack, o pila de habilidades. Su idea, en uno de mis libros favoritos (Cómo fracasar en casi todo y aún así triunfar), es simple:

Ser el mejor del mundo en una sola cosa es casi imposible. Pero ser bastante bueno en varias habilidades que se combinan bien está al alcance de cualquiera.

Y la combinación te vuelve único.

Él mismo era un buen ejemplo de esto.

No era el mejor dibujante. No era el más gracioso. No era quien más sabía del mundo corporativo. Pero la suma de esas tres cosas “bastante buenas” le llevo al éxito cuando las combino y creó algo que nadie más podía hacer: Dilbert.

Antes, montar tu propio talent stack costaba años.

Cada habilidad nueva era una carrera entera.

La IA cambia esa ecuación: baja el coste de añadir capas. No te convierte en experto, pero te deja operar lo suficiente en cada disciplina como para que la combinación empiece a funcionar.

Y eso premia a un tipo muy concreto de persona:

la que tiene agencia.

La era de las personas con Agencia

Antes de seguir, definamos algo.

Una persona con agencia no es alguien que “tiene motivación”.

Motivación tiene cualquiera durante 20 minutos después de ver un vídeo en YouTube.

Agencia es otra cosa.

Es la persona que ve una puerta nueva y entra.

La que no sabe programar, pero construye.

La que no sabe diseñar, pero prueba.

La que no sabe automatizar, pero aprende.

La que no usa la IA simplemente para conseguir los mismo resultados de siempre más rápido si no que se pregunta ¿Habrá una forma mejor?

Un persona con agencia cuando se enfrenta a un problema nuevo se pregunta:

¿Qué tendría que aprender, probar o construir para avanzar?

Una persona con agencia no dice: “no sé programar”.

Dice: “¿Hasta dónde puedo llegar con IA antes de necesitar a alguien mejor que yo?”

La agencia no es saberlo todo.

Es moverte antes de tener todas las respuestas.

Y por eso la IA no premia igual a todo el mundo.

La IA no premia al que espera instrucciones o al que quiere que la herramienta piense y organice su vida.

Premia a quien empuja. A quien itera. A quien prueba. A quien rompe.

A quien pregunta mejor después de fallar.

A quien no usa la IA para evitar pensar, sino para pensar en más dimensiones.

La IA no es cuestión de velocidad, es amplitud

El sociólogo Ronald Burt estudió durante décadas quiénes generan las mejores ideas dentro de las organizaciones.

Su conclusión fue que no eran "los más inteligentes" ni "los más expertos".

Eran los que actúan como puentes entre grupos separados (Structural holes). y a su vez vez estaban expuestos a información menos redundante.

Estas personas eran quienes generaban ideas más valiosas.

Hay una razón por la que esto importa tanto ahora.

Muchas ideas valiosas no nacen dentro de una sola disciplina.

Nacen cuando chocan varias.

Producto con marketing.

Código con distribución.

Diseño con psicología.

La IA convierte al emprendedor con agencia exactamente en ese puente.

No sustituye la experiencia profunda de un programador, un diseñador o un financiero.

Pero te permite hablar con esas disciplinas, crear un primer prototipo y descubrir qué pregunta debes hacerle al experto cuando de verdad lo necesites.

Steven Johnson llama adyacente posible al conjunto de puertas que puedes abrir combinando piezas que ya existen. Lo describe como “una especie de futuro en penumbra, flotando en los bordes del presente” (ref: Las buenas ideas: Una historia natural de la innovación)

La IA expande brutalmente ese espacio.

Antes, tu siguiente paso estaba limitado por lo que sabías hacer.

Ahora puedes probar código, diseño, automatización, análisis, psicología o distribución aunque no seas especialista.

Cada prueba abre una puerta.

Y aquí aparece una fórmula sencilla:

La Verdadera Fórmula de los Superpoderes IA

* Siendo CRITERIO el porcentaje de atención que puedes emplear en cada acción (entre 0 y 1)

Vamos a ver mejor esta fórmula, primero:

Agencia × IA = mayor superficie

El verdadero poder de la IA para un emprendedor es: ampliar su superficie: permitiéndole entrar en disciplinas, conocimientos y posibilidades que antes estaban fuera de tu alcance.

Después la misma IA es la que acelera tu capacidad para actuar dentro de esa nueva superficie:

Mayor superficie x IA x criterio = ventaja real

Pero el criterio limita el resultado de toda la ecuación.

Toma el criterio como tu capacidad de atención para juzgar o filtrar un resultado de forma apropiada.

Puedes generar posibilidades casi infinitas, pero no puedes prestar una atención infinita. Cuanto menor sea la atención que dedicas a cada acción, menor será la parte de toda esa capacidad que consigues convertir en una ventaja real.

Porque la IA, por sí sola, no crea ventaja.

La IA amplifica.

Con agencia, amplifica tu capacidad de movimiento.

Con criterio, convierte ese movimiento en mejores decisiones.

Con agencia y criterio, genera resultados que antes estaban fuera de tu alcance.

Pero si hay caos, amplifica la procrastinación.

Si falta atención, multiplica el ruido.

Y si la estrategia es mala, simplemente te ayuda a llegar más rápido al lugar equivocado.

La reconstrucción del trabajo

Volvamos un segundo a la fórmula:

Esta fórmula no solo explica de dónde nace la ventaja con IA.

Explica cómo se está reconstruyendo el trabajo.

Durante décadas, trabajar significaba hacer: escribir el email, diseñar la web, analizar los datos, programar el producto o preparar la campaña.

Tu valor estaba ligado a las tareas que eras capaz de ejecutar.

Pero la IA cambia las reglas.

La ejecución se vuelve abundante.

La agencia amplía el territorio en el que puedes moverte.

Y el criterio determina qué parte de todo ese territorio merece convertirse en realidad.

Por eso el trabajo ya no consiste únicamente en hacer.

Consiste en decidir qué merece hacerse y diseñar la forma de hacerlo una y otra vez sin empezar siempre desde cero.

Antes trabajar era hacer.

Ahora trabajar es diseñar sistemas que hacen.

El trabajo real se está transformando en esto: diseñar un sistema donde la IA produzca, contraste y prepare decisiones, para que tú solo gastes atención en lo que nadie más puede hacer por ti.

Eso no se consigue añadiendo más agentes. Se consigue reduciendo la fracción de tu trabajo que depende de tu revisión directa.

Y eso tiene un nombre:

Dejas de ser el operario.

Te conviertes en el arquitecto.

El operario hace la tarea. El arquitecto diseña el sistema que la hace, decide qué entra, revisa lo que sale, y se queda solo con la última decisión. La que nadie puede tomar por él.

¿Y en qué consiste diseñar ese sistema?

Nonaka y Takeuchi, los dos investigadores que mejor han estudiado cómo crean conocimiento las empresas, lo explicaron hace 30 años en The Knowledge-Creating Company: la ventaja está en convertir el conocimiento tácito en explícito. Sacar lo que sabes hacer pero no sabes explicar, y convertirlo en algo repetible.

Eso es exactamente lo que haces cuando usas bien la IA.

Coges lo que vive solo en tu cabeza y lo conviertes en sistema.

Ahí está el trabajo nuevo.

No en hacer más rápido.

En empaquetar tu juicio para que trabaje sin ti.

Pero cuidado, porque diseñar sistemas tiene una trampa elegante.

Es facilísimo montar algo precioso que no mejora el negocio en nada.

Flujos, automatizaciones, agentes hablando entre ellos (y sí, montar el sistema engancha mucho más que usarlo, lo sé por experiencia).

Muy sofisticado. Muy bonito. Muy “futuro del trabajo”.

Si no mueve un número que importa, es decoración.

Lo que mejora el negocio cuenta. Lo demás es teatro.

📊 Tu nuevo KPI

Deja de medir cantidades. Mide resultados

Si el trabajo es diseñar sistemas que producen por ti, necesitas una métrica nueva. Una que no se pueda falsear.

Porque “ser productivo” se falsea solo. Generas 100 cosas y te sientes una máquina. Has movido mucho. No has cerrado nada.

Esta es la métrica que no miente:

Outputs útiles aprobados / horas de atención humana

Todo el mundo intenta subir lo primero (outputs). Producir más. Es lo divertido.

Más borradores, más agentes, más automatizaciones.

El juego real está en los segundo (atención).

Cuánta de TU atención hace falta para sacar un resultado aprobado. Cuanto más baje ese número sin que caiga la calidad, mejor está diseñado tu sistema.

Imagina dos creadores. Uno publica un vídeo con 4 horas de su atención porque tiene el sistema montado. El otro gasta 25 horas para sacar lo mismo.

Mismo output. Distinta arquitectura.

El segundo no es más trabajador. Es más esclavo de su propio proceso.

Durante una semana, olvídate de cuánto produces.

No cuentes:
→ ideas generadas
→ borradores
→ herramientas probadas
→ automatizaciones empezadas
→ documentos “casi listos”

Cuenta:
→ contenido publicado
→ propuestas enviadas
→ clientes cerrados
→ procesos que siguen funcionando solos
→ decisiones tomadas
→ sistemas que sigues usando una semana después

Te aviso de una cosa: la primera vez que lo mides, asusta.

Vas a ver cuántas horas se te van en cosas que parecían trabajo y no terminaron en nada que realmente te haga avanzar.

La IA puede generar actividad infinita. Tu trabajo es convertir actividad en resultados.

🧪 El test de agencia: de cuatro perspectivas a una acción

Te dije que la pregunta ya no es “¿sé hacer esto?”, sino “¿sé juzgar si está bien hecho?”.

Aquí tienes una forma de entrenarlo. Coge tu problema más atascado ahora mismo y mete esto en tu IA:

Tengo este problema: [descríbelo en 2 líneas].
Mi disciplina principal es [tu campo].

Atácalo desde cuatro ángulos que yo NO domino:
1. Cómo lo resolvería un ingeniero/técnico
2. Cómo lo resolvería alguien de marketing/distribución
3. Cómo lo resolvería un diseñador de producto
4. Cómo lo resolvería un analista financiero frío

Para cada perspectiva, dame:
- qué ve esa disciplina que probablemente yo no veo;
- la hipótesis más importante que cuestionaría;
- una acción concreta que podría ejecutar hoy.

Después:
- identifica la intersección más prometedora entre las cuatro perspectivas;
- diseña un experimento de menos de 60 minutos para probarla;
- define qué evidencia me haría continuar, cambiar o abandonar.

No busques consenso. Quiero tensiones útiles y una acción ejecutable.

Este prompt aprovecha una idea asociada a la diversidad cognitiva: los problemas complejos mejoran cuando se observan desde formas de pensar diferentes.

Pero ojo, porque aquí viene el test de verdad.

El prompt no mide tu agencia.

Lo que haces con la respuesta, sí.

La persona sin agencia lee las cuatro visiones, asiente, y cierra la pestaña.

La persona con agencia elige una intersección y se mueve hoy.

Las dos formas de usar la IA en el trabajo

Y así llegamos a lo único que de verdad importa de todo esto.

Hay dos formas de usar la IA.

La primera: acelerar lo que ya sabes hacer.

Aquí la Ley de Amdahl es implacable: la parte que sigue necesitando tu atención limita la mejora total.

Si esa parte es el 50%, el techo teórico es x2.

Si es el 40%, x2,5.

No hay hack. No hay atajo. El cuello de botella eres tú.

Date por contento con eso.

Porque un x2 real y sostenido ya es más de lo que consigue casi nadie.

La segunda: combinar IA con agencia para ampliar tu superficie de posibilidades.

Aquí el multiplicador deja de ser una buena unidad de medida.

Porque ya no estás acelerando lo que podías hacer. Estás accediendo a combinaciones que antes eran imposibles:

Marketing × código.
Producto × distribución.
Criterio creativo × ejecución técnica.
Experiencia de cliente × arquitectura de sistema.

Cada disciplina nueva que puedes tocar multiplica las intersecciones posibles. Y las intersecciones son donde viven las oportunidades que nadie más ve.

La IA comprime la distancia entre imaginar y probar. Y ahí se dispara todo:

Quien prueba más, aprende más. Quien aprende más, conecta más. Quien conecta más, ve más oportunidades.

La IA no solo te empuja más rápido por tu pasillo.

Te da las llaves de pasillos en los que antes no podías ni entrar.

Por eso aquí el x100 no es el techo.

Es el punto de partida.

Porque las combinaciones son infinitas. Y los resultados van más allá de lo que nunca hubieras alcanzado sin IA.

No porque vayas más rápido. Sino porque llegas a sitios que antes ni existían en tu mapa.

La Clave del Exito del nuevo profesional

La IA, los agentes, el último modelo, los prompts que guardas como cromos: todo eso es commodity.

Mañana lo tiene cualquiera.

Lo único que no se descarga es tu criterio para decidir qué construir, y tu agencia para empezar a construirlo hoy.

El profesional que va a destacar en los próximos años no es el que más sabe de IA.

Es el que entiende que la IA amplifica lo que llevas dentro, no lo crea.

El que no mide borradores. Mide decisiones cerradas.

El que sabe cuándo parar de abrir agentes y ponerse a revisar.

El que usa el adyacente posible que le abre la IA para explorar, no para acumular.

El que convierte herramientas en sistemas, y sistemas en ventaja.

No el más rápido.

No el que produce cosas como un pollo sin cabeza a x100.

Es el que entendió una sencilla fórmula:

Agencia × IA = mayor superficie
Mayor superficie x IA x criterio = ventaja real

Eso es lo que está pasando con el trabajo.

Algo extraño.

Algo que todavía no tiene nombre del todo.

Pero que ya se está empezando a notar especialmente en esas personas con agencia que de repente parece que han adquirido superpoderes.

Tú puedes ser uno de ellos.

Alex.

❤️ Gracias por leer La Mafia IA.

Si te ha gustado esta edición, házmelo saber, no te olvides de darle al ♡

o déjame un comentario con tu sistema para manejar el contexto favorito.

¿Conoces a alguien a quien le pueda ayudar esta información? → compártelo.

Compartir

🗞️ Para noticias IA diarias:

La Mafia IA no te bombardea con noticias (que solo añaden ruido y caos).

Si te interesa estar más al día: En mis perfiles en redes comento las noticias más importantes en tiempo real, me puedes encontrar en:

⮕ 💼 Linkedin | 𝕏 x.com | ＠Thread | 📶 Telegram

Este post fue escrito por un humano. Las herramientas IA me ayudaron a investigar y organizar. El criterio, los ejemplos y las opiniones son 100% mías.

Alex dc

Quizá te interese:

Resumen: Estas son las ideas con las que te tienes que quedar.

→ La IA no multiplica tu productividad. Multiplica tu producción. No es lo mismo.

→ Acelerando lo que ya haces, tu techo probablemnte será un x2 o x2,5 (Ley de Amdahl)

→ El x100 no está en la velocidad. Está en cruzar disciplinas que antes no podías tocar.

→ La IA democratizó la ejecución. No el criterio. Tu criterio es ahora tu activo más escaso.

→ La pregunta ya no es “¿sé hacer esto?”. Es “¿sé juzgar si está bien hecho?”.

→ Tu trabajo nuevo es empaquetar tu juicio en sistemas, no hacer más tareas.

→ Mide lo que apruebas por hora de tu atención. Lo demás es teatro.

→ La IA amplifica lo que ya eres. Con agencia, amplifica tu superficie de acción. Al ampliar tu superficie amplías las posibles mejores soluciones.

→ Muévete antes de tener todas las respuestas. Eso es agencia. Y ahí es donde la IA está cambiando realmente los sistemas de trabajo.

Infografía para compartir

Si quieres compartir estas ideas he hecho una infografía. Siéntete libre de usarla de cualquier manera:

Compartir

Un chico de 23 años sin formación matemática avanzada resolvió hace unas semanas un problema que llevaba 60 años abierto.

Liam Price cogió el problema #1196 de la lista de Erdős.

Una conjetura sobre conjuntos primitivos de números enteros que los mejores matemáticos del mundo llevaban décadas sin poder resolver.

Nuestro amigo Liam, pegó el problema en ChatGPT Pro con GPT-5.4 Pro.

Se fue a tomar un café y 80 minutos después, el modelo encontró una ruta que ningún especialista había publicado ni explorado seriamente en este problema.

Que ningún humano había sido capaz de pensar nunca.

Hoy vamos a ver cómo resolvió el problema, pero sobre todo:

Cómo puedes aplicar la misma táctica a tu negocio para encontrar soluciones tan efectivas como ocultas a la mente humana.

Pero antes…

Esta edición de La Mafia IA ha sido patrocinada por:

¿Todavía introduces facturas a mano? Holded las escanea por ti, sin límites

Holded acaba de hacer ilimitado su escáner de facturas y tickets en todos los planes.

Eso significa que ahora puedes digitalizar y contabilizar todos tus gastos sin teclear nada, sin límites de escaneo y sin costes extra. Solo tienes que subir la foto o el PDF y la IA de Holded hace el resto en segundos.

¿Por qué te interesa?

- Ahorra horas de introducción manual de datos
- Reduce errores en tu contabilidad
- Disponible ya con 14 días gratis de prueba

⮕ Prueba el escáner gratis

Lo que un chico de 23 años con ChatGPT te enseña sobre tus problemas de negocio enquistados

Terence Tao, probablemente el matemático vivo más importante del planeta (hablamos de él hace poco), revisó el resultado de Liam Price y lo dio por válido.

Scientific American lo publicó el 24 de abril.

La web oficial de los Problemas de Erdős marcó el #1196 como resuelto.

Y alguien acuñó el término “vibe-maths” para describir lo que había pasado.

Pero esto no es solo un problema de matemáticas.

Gracias a la IA ahora somos capaces de encontrar soluciones a problemas con los que el ser humano se había atascado durante años.

Y esta es la razón por la que hoy estamos tratando esto.

Porque los problemas son la fuente de todo negocio.

Mientras siga habiendo problemas, habrá gente que esté dispuesto a pagar por su solución y habrá emprendedores que estén dispuestos a vendértela.

Esa es la formula de todo negocio:

Resolver problemas.

Incluso diría que los negocios más exitosos solo escalan en la resolución de problemas más elevados.

Y por eso, hoy vamos a ver qué como podemos aplicar de la estrategia de Liam para nuestros proyectos o trabajos.

Pero antes que nada un saludo 👋 a los 269 nuevos miembros 👨‍🚀 desde la última publicación de La Mafia IA. Ya somos +16.000 y la newsletter #tech que más crece en español (según Substack) - Puedes suscribirte gratis aquí 👈

Soy Alex dc. y todas las semanas te cuento cómo aprovechar la IA para mejorar tu negocio. Sin ruido. Solo consejos prácticos que generan resultados.

Suscríbete ahora

Volvamos a nuestra historia de un chaval de 23 años sin mucha idea de matemáticas, resolviendo un problema que ningún matemático en el planeta había sido capaz de resolver. Gracias a la IA.

Siendo sinceros, hay un “pero”

El matiz clave: la salida bruta de ChatGPT no era una prueba limpia.

Jared Duker Lichtman dijo que el output era “bastante pobre” y que hizo falta interpretación experta para entender qué intentaba decir.

Tao y Lichtman después condensaron la idea en una prueba más clara

Hizo falta interpretación.

Hizo falta un amigo con formación matemática para descifrar lo que el modelo intentaba decir.

Hizo falta verificación humana, paso a paso, antes de poder formalizar nada.

La IA no resolvió el problema sola.

Hizo algo más útil.

Pensó de una forma que nadie había hecho y potenció la capacidad del experto que acabó formalizando la solución.

Tao explicó el mecanismo con una precisión que vale la pena no olvidar:

Los matemáticos habían dado un “primer giro equivocado” al empezar. Un hábito del pensamiento. Una inercia intelectual que ningún experto cuestionó porque todos partían del mismo marco.

El modelo simplemente... no tenía ese sesgo.

Tomó otra dirección.

Usó una fórmula conocida en un área matemática cercana que nadie había conectado con este problema concreto. No porque supiera más. Sino porque no sabía qué caminos no merecía intentar.

¿Y sabes qué es lo realmente interesante?

Eso describe exactamente cómo se atascan la mayoría de tus problemas de negocio.

No por falta de información.

Por falta de caminos alternativos.

Tú, yo, cualquier emprendedor con meses de experiencia en un mercado: llevamos los mismos sesgos encima sin saberlo.

Los mismos primeros giros equivocados que damos automáticamente porque los hemos dado mil veces.

• “Necesito más leads” → cuando el problema real es la conversión

• “Necesito publicar más” → cuando el problema real es la distribución

• “Necesito contratar” → cuando el problema real es el sistema operativo interno

• “Necesito bajar el precio” → cuando el problema real es el valor percibido de la oferta.

No es que te falte información.

Es que llevas meses mirando el problema desde el ángulo equivocado.

No es un prompt. Es un nuevo marco para encontrar soluciones que hasta ahora eran imposibles.

Hay un prompt que circula por redes sociales atribuido a Price que se hizo bastante viral.

Como la mayoría de las cosas que se hacen virales, a nadie le importa si son verdad.

Pero aquí tenemos la mala costumbre de no publicar nada que no se pueda probar y verificar.

Y el prompt que circula definitivamente no está confirmado como el original.

Podría haberlo publicado sin más y ya está.

Pero vamos a hacer algo mejor, porque lo importante no es el prompt como solución mágica.

Lo importante es entender el mecanismo.

Poder aplicar el mismo marco para solucionar tus problemas reales.

Vamos con un poco de ingeniería inversa:

No existe transcript verificado. Lo que sí sabemos es que Price le pidió al modelo creatividad explícita y le prohibió buscar en internet.

Lo forzó a razonar desde sus propios pesos, sin atajos.

El prompt específico importa menos de lo que parece.

Lo que importa es la lógica detrás:

→ Define el problema con precisión real, no con la versión cómoda que llevas tiempo repitiendo.

→ Obliga a la IA a enumerar todos los enfoques posibles, incluyendo los raros y los contraintuitivos.

→ Haz que ataque cada uno, analice resultados, encuentre posibles mejoras y reporte fallós. Los fracasos importan tanto como los aciertos.

→ Cuando algo promete, conserva esa idea o añade esa mejora al proceso, formaliza paso a paso y repetir desde ahí el bucle para encontrar nuevas pequeñas mejoras sobre la anterior.

Si esto te suena a algo que ya conoces, es porque lo es.

Es el mismo bucle que Steve Kinney lleva tiempo documentando en lo que él llama el Ralph Method: ejecutar ciclos de razonamiento con contexto fresco en cada iteración, guardar el estado en archivos, evitar que una conversación larga se deteriore (context rot) por exceso de ruido acumulado.

Agentes IA 🤖🧑‍💻 Mafia

El absurdo Loop que construye cualquier cosa mientras duermes: El Método Ralph Wiggum

Hay una técnica que se ha vuelto viral en redes sociales y tiene el nombre más absurdo del mundo: Ralph Wiggum. Sí, el niño de Los Simpson que dice frases sin sentido…

Read more

7 months ago · 33 likes · 2 comments · Alex dc

Es también el mismo principio que Andrej Karpathy formalizó en AutoResearch: el agente propone un cambio, ejecuta, comprueba si mejora la métrica, conserva si mejora, descarta si no. Sin agarrarse a ideas que suenan bien pero no producen resultados medibles.

El equipo de Langfuse ha utilizado esta estrategia fuera del entrenamiento de modelos para optimizar agentes IA.

El patrón es el mismo en los tres:

Explorar → Documentar fracasos → Conservar solo lo que mejora la métrica → Repetir.

El prompt para encontrar soluciones imposibles

Lo que viene a continuación son los prompts para implementar esto en tu negocio. No son “inspiración” ni “punto de partida para adaptarlos”. Son sistemas completos con variables que sustituyes por tu contexto real.

Empieza siempre por el Prompt Madre. Las variantes son para cuando ya tienes claro qué tipo de problema quieres atacar.

Una advertencia antes: La IA no va a darte la respuesta perfecta en el primer intento. El objetivo del sistema no es eso. El objetivo es que te muestre los caminos que tú ya descartaste sin saber que lo estabas haciendo. Tú aportas el criterio. La IA aporta la amplitud.

🔍 El Prompt: SUPER LOOP MENTAL para encontrar soluciones ocultas

Para cualquier problema de negocio que lleve semanas o meses enquistado.

El primer prompt del sistema no intenta resolver tu problema.

Intenta descubrir si lo estás empezando desde el lugar equivocado.

Porque cuando un problema lleva semanas o meses enquistado, muchas veces no necesitas más información.

Necesitas cuestionar tus creencias y si no hay otro camino que estás descartando..

Se trata de pensar con una mente externa capaz de recorrer miles de rutas que tú nunca probarías, ya sea por sesgo, por capacidad o por tiempo.

<rol>
Actúa como colaborador de investigación estratégica.

No eres un oráculo.
No estás aquí para darme una respuesta rápida ni para validar mi primera intuición.

Tu trabajo es explorar caminos, detectar enfoques no obvios, cuestionar supuestos ocultos y ayudarme a diseñar pruebas verificables.

Debes actuar como una mente externa capaz de recorrer rutas que yo quizá no probaría por sesgo, costumbre, falta de tiempo o exceso de familiaridad con el problema.
</rol>

<modo_de_uso>
Este prompt puede usarse de dos formas:

1. MODO GENERAL:
Usa solo este Prompt Madre cuando el problema esté borroso, enquistado o no sepas desde dónde atacarlo.

2. MODO ESPECÍFICO:
Si al final de este prompt hay una variante añadida, úsala como lente principal para orientar el análisis.

La variante no sustituye al Prompt Madre.
La variante solo enfoca el tipo de solución que estamos buscando.
</modo_de_uso>

<contexto>
Problema principal: ${problema_principal}
Contexto del negocio: ${contexto_negocio}
Objetivo deseado: ${objetivo}
Restricciones: ${restricciones}
Recursos disponibles: ${recursos}
Horizonte temporal: ${horizonte_temporal}
</contexto>

<tarea>
Primero, no intentes resolver el problema.

Antes de resolverlo, reformúlalo como si fuera un problema de investigación serio, no como una pregunta genérica.

Después, reformúlalo desde 5 perspectivas distintas:

1. Como lo formularía un experto técnico.
2. Como lo formularía un estratega.
3. Como lo formularía alguien de otra disciplina.
4. Como lo formularía una persona afectada directamente por el problema.
5. Como lo formularía alguien que cree que mi diagnóstico inicial está equivocado.

Luego dime cuál de las 5 formulaciones parece más útil y por qué.
</tarea>

<mapa_de_enfoques>
Enumera todos los marcos, métodos o enfoques que podrían aplicarse.

Incluye:

- enfoques obvios
- enfoques contraintuitivos
- enfoques usados en otras disciplinas
- enfoques usados en otras industrias
- enfoques que probablemente fallen pero podrían revelar algo útil
- enfoques que un experto tradicional quizá descartaría demasiado pronto
- enfoques simples que podrían estar siendo ignorados
- enfoques incómodos que quizá estoy evitando
- enfoques de bajo coste y alta velocidad de aprendizaje

No filtres todavía.
No busques solo lo razonable.
Busca amplitud.
</mapa_de_enfoques>

<exploracion>
Para cada enfoque, haz un intento breve de solución.

Después de cada intento, reporta:

1. Qué intenta resolver realmente.
2. Qué funcionó.
3. Qué falló.
4. Qué supuesto estaba escondido.
5. Qué nuevo insight produjo el fallo.
6. Qué dato necesitaríamos para verificarlo.
7. Qué prueba, experimento o comprobación barata podríamos hacer en menos de 7 días.
8. Qué riesgo tendría aplicar esta idea.
9. Qué coste tendría ignorarla.
</exploracion>

<rutas_no_obvias>
Después de la exploración inicial, busca rutas que normalmente no aparecerían en una sesión de pensamiento convencional.

Responde:

1. ¿Qué solución parecería absurda al principio pero podría tener lógica?
2. ¿Qué haría alguien de una disciplina completamente distinta?
3. ¿Qué haría alguien con 10 veces más recursos?
4. ¿Qué haría alguien con 10 veces menos recursos?
5. ¿Qué haría alguien que solo pudiera resolver esto con automatización?
6. ¿Qué haría alguien que solo pudiera resolver esto cambiando el sistema?
7. ¿Qué haría alguien que no pudiera crear nada nuevo y tuviera que recombinar lo existente?
8. ¿Qué camino no estoy probando porque parece demasiado simple?
9. ¿Qué estoy asumiendo que quizá ya no es verdad?
10. ¿Cuál podría ser el “primer giro equivocado” de mi razonamiento?
</rutas_no_obvias>

<seleccion>
Después de explorar, selecciona las 3 direcciones más prometedoras.

Para cada una, entrega:

- hipótesis central
- por qué podría funcionar
- por qué podría fallar
- qué tendría que ser verdad para que funcione
- señal temprana de éxito
- señal temprana de fracaso
- prueba mínima
- métrica o criterio de decisión
- coste de ejecución
- coste de oportunidad
- siguiente acción concreta
</seleccion>

<formalizacion>
Convierte la mejor dirección en un plan paso a paso.

No ocultes incertidumbre.
No rellenes huecos inventando datos.
No presentes hipótesis como hechos.

Separa claramente:

- hechos conocidos
- supuestos razonables
- hipótesis sin validar
- datos que faltan
- riesgos principales
- partes que debo verificar manualmente antes de actuar
</formalizacion>

<bucle_de_mejora>
Diseña un bucle de mejora para seguir avanzando después de esta primera respuesta.

El bucle debe incluir:

1. Qué probar primero.
2. Cómo medirlo o comprobarlo.
3. Qué conservar si funciona.
4. Qué descartar si no funciona.
5. Qué aprendizaje extraer aunque falle.
6. Qué probar después según cada posible resultado.

El objetivo no es encontrar una respuesta perfecta en un solo intento.
El objetivo es crear un proceso que mejore con cada iteración.
</bucle_de_mejora>

<criterios_de_calidad>
Tu respuesta debe cumplir estas reglas:

- No des consejos genéricos.
- No me des una lista de ideas sin priorizar.
- No valides mi diagnóstico inicial sin cuestionarlo.
- No confundas actividad con progreso.
- No propongas acciones imposibles para mis restricciones.
- No ocultes los riesgos reales.
- No recomiendes más de 3 líneas de acción principales.
- Prioriza soluciones verificables sobre ideas elegantes.
- Prioriza aprendizaje rápido sobre planes perfectos.
- Prioriza bajo coste, alto aprendizaje y posible alto impacto.
</criterios_de_calidad>

<formato_salida>
Devuelve la respuesta exactamente con esta estructura:

## Reformulación del problema
## Posible marco equivocado
## Mapa de enfoques posibles
## Intentos, fallos e insights
## Rutas no obvias
## 3 direcciones prometedoras
## Mejor hipótesis
## Prueba de 7 días
## Bucle de mejora
## Riesgos y verificaciones
## Qué NO haría ahora
## Próxima acción

</formato_salida>

Este va a ser considerado a partir de ahora el prompt madre.

Está pensado para por si solo darte soluciones óptimas y probablemente fuera de tu alcance.

Pero si ya sabes qué tipo de problema quieres atacar, puedes hacerlo más preciso añadiendo una de estas variantes al final.

No sustituyen al Prompt SUPER LOOP.

Lo enfocan.

Piensa en ellas como lentes:

Una lente para ofertas.
Una lente para crecimiento.
Una lente para contenido.
Una lente para decisiones incómodas.
Una lente para experimentos.

Cómo usar las variantes del Prompt SUPER LOOP MENTAL

Copias el Prompt original + eliges una variante y la pegas justo debajo.

La IA hará el resto: explorará caminos, encontrará fallos, propondrá hipótesis y te dirá qué deberías probar antes de creerte nada.

Suscríbete ahora

💡 Variante 1: Mejorar tu oferta sin tocar el precio

Cuando la oferta no convierte y tu primer instinto es bajar el precio.

Ese suele ser el primer giro equivocado.

Bajar el precio parece una solución racional porque reduce fricción.

Pero muchas veces el problema no es el precio.

Es que la oferta no se entiende.
O no se percibe como urgente.
O no reduce suficiente riesgo.
O no promete un resultado concreto.
O se parece demasiado a todas las demás.

Antes de tocar el precio, usa esta variante:

<variante>
Enfoca todo el análisis del Prompt Madre hacia la mejora de una oferta.

No asumas que el problema es el precio.
Antes de recomendar bajar el precio, analiza si el problema real está en la promesa, el valor percibido, la confianza, la urgencia, el packaging, la segmentación o el mecanismo de venta.

<contexto_especifico>
Producto o servicio: ${producto_servicio}
Audiencia: ${audiencia}
Precio actual: ${precio}
Canal principal de venta: ${canal_venta}
Problema comercial actual: ${problema_comercial}
Promesa actual: ${promesa_actual}
Qué incluye la oferta ahora: ${componentes_oferta}
Objeciones frecuentes: ${objeciones}
Alternativas o competidores: ${alternativas}
Objetivo: ${objetivo}
</contexto_especifico>

<tarea_especifica>
Explora 15 formas distintas de mejorar la oferta sin bajar el precio.

Incluye enfoques relacionados con:

- posicionamiento
- promesa
- mecanismo único
- packaging
- bonus
- garantía
- urgencia legítima
- prueba social
- reducción de riesgo
- segmentación
- oferta de entrada
- oferta premium
- comparación contra alternativas
- modelo de suscripción
- experiencia de compra

Para cada enfoque, responde:

1. Qué cambiaría exactamente.
2. Qué fricción elimina.
3. Qué objeción resuelve.
4. Por qué podría aumentar la conversión.
5. Qué podría salir mal.
6. Cómo lo probaría en menos de 7 días.
7. Qué métrica usaría para conservarlo o descartarlo.

Después, elige las 3 mejoras con mayor potencial.

Finalmente, crea una versión concreta de la nueva oferta con copy de venta.
</tarea_especifica>

<formato_extra>
Añade al formato del Prompt Madre estas secciones:

## Diagnóstico de la oferta actual
## Problema real detrás de la baja conversión
## 15 mejoras posibles sin bajar precio
## 3 cambios con mayor impacto potencial
## Nueva versión de la oferta
## Copy de venta
## Experimento de 7 días
## Métrica para conservar o descartar el cambio
</formato_extra>
</variante>

*Nota sobre las variables $: Al principio del prompt hay variables encabezadas con $. Solo será necesario que rellenes las variantes de cada variación de prompt, con lo que si quieres puedes dejar sin contestar las variables del prompt original.

📈 Variante 2: Decidir en qué canal o estrategia enfocarte

Para founders que hacen demasiadas cosas a la vez y no saben dónde poner el foco.

Este es uno de los problemas más comunes.

No falta trabajo.

Falta dirección.

Publicas.
Mejoras la web.
Pruebas SEO.
Piensas en afiliados.
Quieres abrir YouTube.
Quieres lanzar una comunidad.
Quieres automatizar.
Quieres hacer partnerships.
Quieres hacer veinte cosas más.

Y como todas parecen razonables, ninguna avanza lo suficiente.

Esta variante sirve para una cosa:

Elegir dónde poner el foco.

❌ No busca la idea más bonita.
✅ Busca la mejor estrategia.

<variante>
Enfoca todo el análisis del Prompt hacia crecimiento y foco estratégico.

No quiero una lista genérica de tácticas.
No quiero growth hacks.
No quiero ideas bonitas sin priorizar.

Quiero encontrar la estrategia con mejor asimetría:
bajo coste, aprendizaje rápido y posible alto impacto.

<contexto_especifico>
Negocio o proyecto: ${negocio}
Producto u oferta: ${producto}
Audiencia: ${audiencia}
Canales actuales: ${canales_actuales}
Métrica principal: ${metrica_principal}
Situación actual: ${situacion_actual}
Qué ya he probado: ${intentos_previos}
Qué resultados obtuve: ${resultados_previos}
Recursos disponibles: ${recursos}
Restricciones: ${restricciones}

Objetivo en los próximos 30 días: ${objetivo_30_dias}
</contexto_especifico>

<tarea_especifica>
Explora 20 hipótesis de crecimiento usando marcos distintos.

Incluye hipótesis relacionadas con:

- contenido
- SEO
- newsletter
- comunidad
- partnerships
- afiliación
- referrals
- producto gratuito
- herramientas gratuitas
- outbound
- paid acquisition
- bundles
- marketplaces
- eventos
- automatización
- distribución con creadores
- mejora de conversión
- activación de usuarios
- retención
- pricing

Para cada hipótesis, responde:

1. Mecanismo de crecimiento.
2. Por qué podría funcionar en este caso concreto.
3. Qué tendría que ser verdad para que funcione.
4. Qué podría fallar.
5. Experimento mínimo.
6. Tiempo hasta aprender algo.
7. Métrica de éxito.
8. Esfuerzo estimado: bajo, medio o alto.
9. Riesgo: bajo, medio o alto.
10. Coste de oportunidad de probarlo.
11. Coste de oportunidad de ignorarlo.

Después, prioriza las hipótesis usando estos criterios:

- impacto potencial
- facilidad de ejecución
- velocidad de aprendizaje
- alineación con recursos actuales
- efecto compuesto
- dependencia de terceros
- riesgo de dispersión

Finalmente, selecciona una estrategia principal para los próximos 30 días y justifica por qué las demás son peores ahora.
</tarea_especifica>

<formato_extra>
Añade al formato del Prompt Madre estas secciones:

## Diagnóstico de crecimiento
## El foco que probablemente estoy evitando
## 20 hipótesis de crecimiento
## Ranking priorizado
## Estrategia recomendada para 30 días
## Qué NO haría ahora
## Primer experimento
## Métrica de decisión
</formato_extra>
</variante>

✍️ Variante 3: Preparar contenido con ángulos que otros no ven

Para newsletter, artículos o cualquier contenido donde llevas tiempo usando los mismos enfoques.

El problema del contenido casi nunca es “no tengo ideas”.

El problema es que tienes ideas demasiado parecidas a las de todos los demás.

• Misma opinión reciclada.

• Mismo “esto lo cambia todo”.

• Misma conclusión que el lector ya esperaba antes de empezar.

Esta variante obliga a la IA a hacer algo más útil:

Buscar el ángulo que otros no están viendo.

<variante>
Enfoca todo el análisis del prompt hacia investigación editorial y creación de contenido.

No quiero un resumen genérico.
No quiero una lista de ideas obvias.
No quiero contenido que suene como todos los demás.

Quiero encontrar un ángulo fuerte, defendible y útil para el lector.

<contexto_especifico>
Tema: ${tema}
Audiencia: ${audiencia}
Tesis inicial: ${tesis_inicial}
Objetivo del contenido: ${objetivo}
Canal: ${canal}
Nivel del lector: ${nivel_lector}
Fuentes o hechos disponibles: ${fuentes}
Opinión que quiero defender: ${opinion}
Acción que quiero que tome el lector: ${accion_lector}

Tono deseado: ${tono}
</contexto_especifico>

<tarea_especifica>
Explora 12 ángulos editoriales posibles.

Para cada ángulo, responde:

1. Tesis central.
2. Por qué importa ahora.
3. Qué creencia común contradice.
4. Qué tensión narrativa contiene.
5. Qué ejemplo lo vuelve tangible.
6. Qué objeción tendría un lector inteligente.
7. Qué dato o fuente habría que verificar.
8. Qué utilidad práctica se lleva el lector.
9. Qué parte podría sonar exagerada.
10. Qué parte podría sonar genérica.
11. Qué promesa editorial tiene.
12. Qué cierre natural tendría.

Después, elige los 3 ángulos más fuertes.

Evalúalos según:

- claridad
- novedad
- tensión
- utilidad
- credibilidad
- potencial de ser recordado
- facilidad para convertirlo en una pieza práctica

Finalmente, desarrolla el mejor ángulo.
</tarea_especifica>

<formato_extra>
Añade al formato del Prompt Madre estas secciones:

## 12 ángulos posibles
## Los 3 ángulos más fuertes
## Ángulo ganador
## Tesis central
## Título
## Subtítulo
## Apertura
## Estructura completa
## Ejemplos necesarios
## Objeciones del lector inteligente
## Bloque práctico final
## Cierre

</formato_extra>
</variante>

🔎 Variante 4: Toma de decisiones sin autoengaños

La más incómoda. También la más útil. Para cuando sospechas que el problema eres tú.

Esta variante sirve para esos momentos donde tienes una decisión casi tomada, pero no sabes si estás pensando bien… o si simplemente estás buscando argumentos para justificar lo que ya querías hacer.

❌ No le pidas a la IA que te dé la razón.
✅ Pídele que encuentre el punto ciego.

<variante>
Enfoca todo el análisis a la auditoría estratégica y detección de autoengaño.

No quiero validación.
No quiero motivación.
No quiero que suavices el diagnóstico.

Quiero que busques el punto ciego.

<contexto_especifico>
Situación actual: ${situacion_actual}
Decisión que estoy considerando: ${decision}
Por qué quiero tomar esa decisión: ${motivo}
Objetivo real: ${objetivo}
Alternativas disponibles: ${alternativas}
Restricciones: ${restricciones}
Qué evidencia creo tener a favor: ${evidencia_a_favor}
Qué señales estoy ignorando o minimizando: ${senales_ignoradas}
Qué me preocupa admitir: ${preocupacion_incomoda}

</contexto_especifico>

<tarea_especifica>
Analiza la decisión desde estos lentes:

- estrategia
- producto
- distribución
- pricing
- operaciones
- foco
- caja o recursos
- coste de oportunidad
- dependencia de terceros
- complejidad innecesaria
- perfeccionismo
- sesgo de confirmación
- miedo disfrazado de prudencia
- urgencia falsa
- ego del fundador o responsable

Para cada lente, responde:

1. Qué podría estar viendo mal.
2. Qué evidencia apoyaría mi decisión.
3. Qué evidencia la refutaría.
4. Qué pregunta incómoda debo responder.
5. Qué experimento puede validar o invalidar la decisión.
6. Qué coste tendría seguir adelante si estoy equivocado.
7. Qué coste tendría no hacerlo si estoy equivocado.

Después, clasifica la decisión como una de estas opciones:

- buena ahora
- buena pero no ahora
- mala prioridad
- trampa racional
- apuesta asimétrica
- decisión emocional disfrazada de estrategia
- decisión correcta con mala ejecución
- decisión incorrecta con buena narrativa

Termina con una recomendación clara.
</tarea_especifica>

<formato_extra>
Añade al formato del Prompt Madre estas secciones:

## Diagnóstico incómodo
## Punto ciego principal
## Evidencia a favor
## Evidencia en contra
## Coste de oportunida
## Trampa racional posible
## Experimento de validación
## Recomendación final
## Qué haría esta semana
## Qué evitaría

</formato_extra>
</variante>

🧪 Variante 5: Optimizar activos de marketing mediante experimentos

La versión AutoResearch. Para landings, emails, onboarding, secuencias de venta. Propone hipótesis → ejecuta → mide → conserva o descarta.

Eso es lo interesante de AutoResearch: el agente no solo propone cambios; ejecuta experimentos, comprueba si mejoran una métrica y conserva o descarta según el resultado. En el repositorio de Karpathy, la idea se describe como un bucle donde el agente modifica código, entrena durante un tiempo fijo, comprueba si mejora y repite.

<variante>
Enfoca todo el análisis del Prompt hacia experimentación y optimización de un activo de marketing.

No quiero ideas que simplemente suenen mejor.
No quiero opiniones sobre copy.
No quiero cambios imposibles de medir.

Quiero hipótesis medibles.

<contexto_especifico>
Activo a optimizar: ${activo}

Tipo de activo: ${tipo_activo}
Puede ser una landing, email, anuncio, onboarding, secuencia de venta, página de producto, formulario, post o campaña.

Audiencia: ${audiencia}
Canal: ${canal}
Métrica principal: ${metrica_principal}
Valor actual de la métrica: ${valor_actual}
Objetivo deseado: ${objetivo}
Restricciones: ${restricciones}
Datos disponibles: ${datos}
Qué ya se ha probado: ${intentos_previos}
Qué no quiero cambiar: ${limites}
</contexto_especifico>

<tarea_especifica>
Propón 10 experimentos para mejorar la métrica principal.

Para cada experimento incluye:

1. Hipótesis.
2. Variable que cambia.
3. Cambio concreto.
4. Por qué podría mejorar la métrica.
5. Qué riesgo introduce.
6. Cómo se implementa.
7. Qué se mide.
8. Cuánto tiempo debe correr.
9. Criterio de éxito.
10. Criterio de descarte.
11. Qué aprendizaje obtendríamos incluso si falla.
12. Qué conservaríamos si funciona.

Después ordena los experimentos según:

- impacto potencial
- facilidad de implementación
- velocidad de aprendizaje
- bajo riesgo
- claridad de medición
- coste de oportunidad

Finalmente desarrolla el primer experimento con el activo reescrito o modificado.

Si el activo es texto, reescribe la versión completa.
Si el activo es una landing, reescribe la estructura.
Si el activo es una secuencia, propón la secuencia modificada.
Si el activo es un onboarding, rediseña el flujo.
</tarea_especifica>

<regla_de_decision>
No aceptes un experimento porque suena mejor.
Debe tener una métrica observable.

Si no se puede medir, reformúlalo.

Si una mejora no puede conservarse o descartarse con claridad, no es un experimento. Es una opinión.
</regla_de_decision>

<formato_extra>
Añade al formato del Prompt Madre estas secciones:

## Diagnóstico del activo
## 10 experimentos posibles
## Ranking por impacto y facilidad
## Experimento recomendado
## Versión modificada del activo
## Cómo medirlo
## Criterio de éxito
## Criterio de descarte
## Qué hacer si funciona
## Qué hacer si falla

</formato_extra>
</variante>

Uso: A/B tests, emails de venta, onboarding, páginas de registro, landings, anuncios, campañas de sponsors, pricing pages, CTAs, secuencias de activación.

📝 Nota: Estos prompts están diseñados para un uso sencillo de la estrategia.

Los puedes usar con la IA que tengas a mano: Claude, ChatGPT, Gemini, lo que uses normalmente. Son la versión accesible de la técnica. Las que yo mismo uso para el trabajo del día a día.

Para problemas realmente complejos: optimización técnica, investigación profunda, iteración automática sobre métricas, el bucle se puede escalar.

Herramientas como Claude Code o Codex permiten que la IA trabaje de forma autónoma durante minutos o incluso horas, generando sus propios loops de exploración sin que tengas que estar pendiente de cada paso.

Empieza por aquí. Cuando te quedes corto, ya sabrás que existe un nivel más.

Lo que une todo esto

Tres nombres distintos. Un principio.

AutoResearch, Ralph Method, Vibe-math, apuntan todos al mismo problema:

La diferencia parece pequeña.

No lo es.

Cuando le pides una respuesta a la IA, obtienes la respuesta más probable dado tu contexto.

Es decir: la misma respuesta que hubieras encontrado tú con suficiente tiempo.

Cuando la obligas a explorar, a fallar, iterar, a documentar lo que sí funciona o lo que no y por qué…

Ahí es donde aparece lo útil.

No porque la IA sea más lista que tú. Sino porque no tiene los sesgos que llevas cargando desde que empezaste a trabajar en tu negocio.

Price tardó 60 años de inercia matemática acumulada en aportar su criterio al problema. La IA tardó 80 minutos en encontrar la ruta que nadie había mirado.

Esa ruta al final era simple y elegante, pero ni siquiera las mentes más brillantes de las matemáticas había sido capaz de encontrarla en más de medio siglo.

El prompt es lo menos importante de esta historia.

El sistema es lo que importa.

Y lo bonito es que este no es un algoritmo sofisticado.

Es un bucle: explorar → registrar aciertos y fracasos → extraer el insight del fracaso → mejoras incrementales → verifica antes de actuar → repite.

Lo que lo hace diferente es la velocidad. Y el hecho de que la IA no sabe qué caminos no merecen intentarse.

Eso, que parece una limitación, es su mayor ventaja cuando sabes cómo usarla.

Recursos Extra:

• https://github.com/davebcn87/pi-autoresearch

• https://github.com/TheGreenCedar/codex-autoresearch

Quizá te interese:

❤️ Gracias por leer La Mafia IA.

Si te ha gustado esta edición, házmelo saber, no te olvides de darle al ♡

o déjame un comentario con tu sistema para manejar el contexto favorito.

¿Conoces a alguien a quien le pueda ayudar esta información? → compártelo.

Compartir

🗞️ Para noticias IA diarias:

La Mafia IA no te bombardea con noticias (que solo añaden ruido y caos).

Si te interesa estar más al día: En mis perfiles en redes comento las noticias más importantes en tiempo real, me puedes encontrar en:

⮕ 💼 Linkedin | 𝕏 x.com | ＠Thread | 📶 Telegram

Suscríbete ahora

Luego a los laboratorios se les ocurrió que 20€ no era suficiente y multiplicaron x10.

Y de los creadores de las suscripciones de 200€, presentamos los 300€ por usar la última versión de Grok 4.

No me entiendas mal. Creo que lo valen.

Si hace 3 años nos dicen que por 500€ íbamos a tener la mitad, habría que estar loco para no tirárselos a la cara.

Pero el mundo ha cambiado.

Ya no es lo que era hace 3 años.

Ya no podemos pensar como lo hacíamos hace 3 años.

Hoy, puedes descargar modelos en tu portátil que superan a lo que teníamos ahí.

Y desde luego, si me dan a elegir dos productos similares pero con 300€ de diferencia, no sé tú pero yo lo tengo bastante claro.

Pero hay algo más profundo que un simple “ahorro”. Hay un cambio de paradigma completo que pocos están viendo.

Y es el tema central de este artículo.

Pero antes que nada un saludo 👋 a los 348 nuevos miembros 👨‍🚀 desde la última publicación de La Mafia IA. Ya somos +15.000 y la newsletter #tech que más crece en español (según Substack) - Puedes suscribirte gratis aquí 👈

Soy Alex dc. y todas las semanas te cuento cómo aprovechar la IA para mejorar tu negocio. Sin ruido. Solo consejos prácticos que generan resultados.

Suscríbete ahora

🔎 La IA que no debería existir: Modelos Open Source

Mientras las Big Tech siguen subiendo precios y limitando el acceso a sus modelos más potentes, algo está pasando en silencio.

Los modelos open source ya no “compiten” con ChatGPT o Claude.

En algunos aspectos: Los superan.

Y los últimos (Gemma 4 de Google, Qwen 3.6 de Alibaba, GLM 5.1, Kimi K2.6 de Moonshot) están al nivel SOTA con Claude Opus 4.6, Gemini 3 Pro y GPT-5.4. Hablamos de modelos frontier. Los gordos.

Puedes ejecutarlos en tu ordenador (aunque algunos requieren servidores más potentes). Sin internet. Sin compartir datos. Con toda la privacidad y… “gratis”.

¿No te parece una locura?

Pero lo más loco es que la mayoría estamos ignorando estos modelos o ni siquiera conocemos su potencial.

Asociamos Open Source a algo amateur.

Seguramente porque la comunidad que desarrolla estas herramientas nunca se ha preocupado mucho del marketing.

Pero la realidad es que conocer estos modelos no solo optimiza el coste, sino que en muchas aplicaciones resulta más útil que la API de Claude/Chatgpt.

Y además no te están drenando tu cuenta bancaria como si te hubieras dejado el grifo abierto antes de irte de vacaciones.

Y por eso, amigos, es por lo que existe La Mafia IA ;)

💎 El Fin del “Más Grande = Mejor”

Aquí está la verdad que nadie te cuenta:

La industria comunidad está dejando atrás la idea de que “más grande siempre es mejor” para entrar en una era de eficiencia, donde los modelos pequeños y el ecosistema abierto son los protagonistas.

NVIDIA y Georgia Tech publicaron un paper llamado “Small Language Models are the Future of Agentic AI” que plantea algo que debería cambiar cómo piensas sobre IA:

Usar un modelo masivo para cada pequeña tarea de un flujo de trabajo automatizado es costoso, lento e ineficiente. Es como contratar a un cirujano para ponerte una tirita.

La solución que proponen: sistemas heterogéneos. Modelos pequeños especializados para tareas rutinarias. Los modelos grandes solo entran cuando hay razonamiento profundo de verdad.

Y aunque en la era de la IA es difícil adivinar cuál va a ser la mejor estrategia dentro de una semana, parece que:

Un equipo de agentes pequeños, de código abierto y especializados es mucho más ágil y económico que un solo modelo masivo intentando hacerlo todo.

Y la tecnología acaba de ponérselo en bandeja a cualquiera.

🔥 Gemma 4: Google Suelta una Bomba Open Source

El 2 de abril de 2026, Google DeepMind lanzó Gemma 4.

Un modelo de 31.000 millones de parámetros que se coloca como número 3 entre TODOS los modelos abiertos del mundo en el leaderboard de Arena AI. Compitiendo directamente contra modelos que tienen 20 veces más parámetros.

Esto significa que Gemma 4 puede ejecutarse en ordenadores de consumo. Yo mismo lo tengo instalado en mi portátil ahora mismo.

Pero lo interesante no es solo el ranking. Lo interesante es lo que hay detrás.

Los datos que importan:

• AIME 2026 (matemáticas): 89.2% el 31B y 88.3% el 26B. Para contexto: Gemma 3 de 27B se quedaba en un patético 20.8%. El salto generacional es brutal.

• LiveCodeBench v6 (coding): 80% y 77.1% respectivamente

• GPQA Diamond (ciencia avanzada): 84.3% y 82.3%

• Arena AI Elo: 1452 (el 31B), muy cerca de GLM5 con 1456 y Qwen 3.5 con 1450

Y el 26B ni siquiera es denso. Es un Mixture of Experts con 25.200M de parámetros totales pero que solo activa 3.800M durante la inferencia (la cantidad de cerebro que “enciende” por consulta).

Resultado: en mi portátil* se ejecuta a unos 80 tokens/segundo. Lo que viene a ser una velocidad equivalente a la que te da ChatGPT incluso superior.

Rendimiento de modelo grande con el coste computacional de uno mucho más pequeño.

*si alguien se lo pregunta tengo un Macbook M4 max

Por qué Gemma 4 es diferente:

1. Licencia Apache 2.0. Cambio enorme respecto a versiones anteriores. Puedes usar estos modelos en proyectos comerciales, redistribuirlos, modificarlos. Sin cláusulas restrictivas, sin letras pequeñas. Si estás montando un producto con IA, esto importa mucho más de lo que parece.

2. Pensado para agentes desde el diseño. Function calling nativo, salida JSON estructurada, system prompts configurables. No es un chatbot al que le pones herramientas encima. Es un modelo construido para que tus agentes interactúen con APIs y herramientas externas de forma nativa.

3. Multimodalidad real. Toda la familia procesa imágenes. Los modelos pequeños (E2B y E4B) además procesan audio. OCR, comprensión de documentos, análisis de interfaces, transcripción de voz… todo corriendo localmente.

4. Del móvil al servidor. Cuatro tamaños: E2B y E4B para dispositivos (móviles, Raspberry Pi), 26B MoE para portátiles con buena GPU, y 31B denso para hardware serio. Ventana de contexto de hasta 256K tokens.

Google hasta ha colaborado con Qualcomm, MediaTek y NVIDIA para optimizar el despliegue en distintos dispositivos. Cuando una big tech se pone las pilas con el ecosistema, las cosas se mueven rápido.

Lo que NO hace:

Seamos honestos. Gemma 4 no genera imágenes ni vídeo, procesa entrada multimodal, pero la salida siempre es texto. Audio solo funciona en los modelos pequeños. Y la comunidad ya reporta que la calidad varía según cómo configures el prompt y qué engine uses.

Google recomienda temperature 1.0, top P 0.95 y top K 64 como punto de partida. Vas a necesitar experimentar.

Y el 31B en BF16 necesita unos 59GB de VRAM. En cuantización Q4 baja a ~17GB, pero la calidad se compromete parcialmente.

Aun con eso: la relación rendimiento-por-parámetro es la mejor que ha publicado Google. Punto.

Suscríbete ahora

⚡ Los Gigantes Chinos: Qwen 3.6 y Kimi K2.5

Si Gemma 4 es la bomba de Google, China lleva meses bombardeando sin parar.

Qwen 3.6: El Ecosistema Completo

Alibaba lanzó la familia Qwen 3.6 justo cuando estaba revisando el artículo para su envío 👋. Estas son algunas de las características de Qwen:

• Flagship 397B-A17B: 397.000M de parámetros totales, pero solo activa 17.000M por consulta. Arquitectura MoE con eficiencia absurda.

• AIME 2026: 91.3% — por encima de Gemma 4.

• IFBench (seguimiento de instrucciones): 76.5%, superando a GPT-5.2 (75.4%) y aplastando a Claude (58.0%).

• 201 idiomas. 256K tokens de contexto nativo, extensible hasta 1M tokens en la versión Plus.

Pero lo que me parece más espectacular es lo que pasa en los modelos pequeños:

A falta de resultados del recién lanzado (hace horas) Qwen 3.6, Qwen3.5-9B supera al GPT-OSS-120B de OpenAI (un modelo 13 veces más grande) en GPQA Diamond, HMMT y MMMU-Pro.

Lee eso otra vez. Un modelo de 9.000 millones de parámetros superando a uno de 120.000 millones.

Esto es eficiencia real. Esto es lo que el paper de NVIDIA predijo: modelos pequeños, especializados, ganando a los mastodontes.

Y por si fuera poco, en marzo Alibaba soltó Qwen 3.6 Plus Preview con 1 millón de tokens de contexto. Gratis en OpenRouter. Con chain-of-thought siempre activo. 3x más rápido que Claude Opus 4.6 según tests de la comunidad.

Kimi K2.5: El Agente Autónomo

Moonshot AI (respaldado por Alibaba y HongShan) lanzó Kimi K2.5 en enero 2026 y trajo algo que ningún otro modelo open source tenía:

Agent Swarm. Puede coordinar hasta 100 sub-agentes trabajando en paralelo, manejando flujos de hasta 1.500 pasos coordinados. No es un modelo que chatea. Es un modelo que actúa.

• 1 trillón de parámetros totales, 32B activos por inferencia

• Kimi K2 Thinking puede ejecutar 200-300 llamadas a herramientas secuenciales sin intervención humana

• BrowseComp: 60.2% con Agent Swarm vs 29.2% de la línea base humana

• Visual coding: convierte prompts conversacionales en código de interfaz completo con interacciones y animaciones

• Licencia MIT Modificada

Y ya existe Kimi Code, su herramienta CLI que compite directamente con Claude Code. Funciona con VSCode, Cursor y Zed.

El hecho de que puedas tener un sistema de agentes paralelos, open source, ejecutando tareas complejas de forma autónoma... esto era ciencia ficción hace 18 meses.

🧠 TurboQuant: El Avance Invisible que lo Cambia Todo

Ahora bien, tener modelos brutales no sirve de nada si no puedes ejecutarlos. Y aquí es donde entra el avance que menos titulares genera pero que más impacto tiene.

Google Research publicó TurboQuant el 24 de marzo de 2026. Es un algoritmo de compresión que reduce el caché KV, la “memoria de trabajo” del modelo durante la inferencia, a solo 3 bits.

¿Y qué significa esto en cristiano?

Imagina que tu modelo es un estudiante en un examen. El caché KV es su memoria a corto plazo: todo lo que ha leído y necesita recordar para responder. Cuanto más largo el texto de entrada, más memoria necesita. Y esa memoria consume VRAM de tu GPU como una esponja.

TurboQuant comprime esa memoria 6x sin perder precisión. Y acelera los cálculos de atención 8x en GPUs NVIDIA H100.

Sin reentrenamiento. Sin fine-tuning. Con precisión idéntica al modelo original.

En el benchmark “Needle-in-a-Haystack” (encontrar una frase específica entre 100.000 palabras), TurboQuant mantuvo el 100% de precisión en cada nivel de cuantización probado. La comunidad lo ha replicado con Llama-3.1-8B y Mistral y confirman los resultados.

¿Por qué esto importa para ti?

Porque significa que modelos que antes necesitaban hardware de servidor ahora caben en tu portátil con GPU decente. Y que las ventanas de contexto largas (100K+ tokens) — que antes eran un lujo de las APIs de pago — ahora son viables en local.

Un usuario en la comunidad lo resumió perfecto: modelos corriendo localmente en un Mac Mini acaban de mejorar drásticamente, permitiendo conversaciones de 100.000 tokens sin la degradación de calidad habitual.

TurboQuant, combinado con la cuantización de pesos (GPTQ, AWQ, GGUF), hace que ejecutar modelos grandes en hardware de consumo sea algo que ya está pasando.

📊 El Nuevo Mapa: Quién Reemplaza a Quién

Los modelos closed-source tienen su equivalente open source:

La ventaja injusta: mientras tus competidores pagan APIs, tú tienes control total y costes ajustado o casi cero.

🏗️ De Cero a IA Local: Tu Guía de Arranque

Vamos a lo práctico. Tienes un ordenador. Quieres probar esto. ¿Cómo empiezas?

Paso 0: ¿Qué tienes?

Antes de nada, mira cuánta RAM tiene tu equipo:

• 8GB RAM → Puedes ejecutar modelos de 2-4B parámetros. No es un Ferrari, pero funciona. Piensa en un asistente para emails, resúmenes y preguntas rápidas.

• 16GB RAM → Tu sweet spot. Modelos de 7-9B que compiten con GPT-4o. Aquí ya empiezas a ahorrar dinero de verdad.

• 32GB RAM → Territorio serio. Modelos MoE como Gemma 4 26B o Qwen3.5-35B-A3B. Rendimiento de modelo frontier.

• +32GB RAM con GPU dedicada → Gemma 4 31B, Kimi K2.5 cuantizado.

No te preocupes si estás en la franja baja. La interesante del ecosistema actual es que hay modelos que ya dan muy buenos resultados para cada nivel de hardware.

¿El hardware no te da? Los modelos funcionan con menos memoria usando disk offloading. Van más lentos (1-2 tokens/segundo vs 5-10), pero funcionan.

Paso 1: Instala tu primera herramienta

Si nunca has ejecutado un modelo local, empieza por LM Studio. Sin discusión. Funciona en Windows, Mac y Linux.

1. Ve a lmstudio.ai y descarga el instalador para tu sistema.

2. Ábrelo. Te pregunta tu nivel de experiencia → selecciona lo que quieras, no afecta a nada importante.

3. En la pestaña “Discover”, busca “Gemma 4” o “Qwen 3.5”.

4. Elige una versión Q4_K_XL (el balance perfecto entre calidad y velocidad).

5. Espera a que descargue (unos minutos dependiendo de tu conexión).

6. Haz click en “Chat”. Ya está. Estás usando IA Abierta en tu ordenador, sin internet, sin pagar nada.

🔥 Bonus: Configura los parámetros según el modelo:

Para Gemma 4:

Temperature: 1.0
Top P: 0.95
Top K: 64

Para Qwen 3.5:

Min P Sampling: 0
Repeat Penalty: Deshabilitado
Temperature: 0.6
Top K: 20
Top P: 0.95

Eso es todo. 10 minutos. Si has llegado hasta aquí y ya lo has hecho, enhorabuena: tienes más ventaja que el 95% de profesionales que siguen pagando suscripciones.

Suscríbete ahora

🛠️ 10 Herramientas esenciales para empezar con IA en local.

Puedes empezar SOLO con LM Studio (5 minutos) e ir añadiendo herramientas según las necesites. No hace falta montarlo todo de golpe.

🥇 Nivel 1: Para empezar HOY

➤ LM Studio 🔗 lmstudio.ai
🖥️ (Windows · macOS · Linux)

Para mi la mejor puerta de entrada a la IA Open.

• Gratis para uso personal.

• Interfaz visual donde buscas, descargas y ejecutas modelos con un click.

• Soporta GGUF (el formato estándar para modelos cuantizados).

• Chat integrado

• Servidor API local compatible con OpenAI, y desde hace poco actúa como cliente MCP (puedes conectarle herramientas externas).

🔥 Lo mejor: Si solo instalas UNA cosa, que sea esta.

✅ Útil para: Tu primer contacto con IA local. Chat diario. Prototipar.

➤ Ollama 🔗 ollama.com
🖥️ Windows · macOS · Linux

El gestor de modelos por terminal. Un solo comando (ollama run gemma4) y tienes un modelo funcionando. Integración nativa con Gemma 4, Kimi K2.5, Qwen 3.5 y prácticamente todos los modelos open source relevantes desde el día 1. Si eres más de terminal que de interfaz gráfica, este es tu punto de entrada.

🔥 Lo mejor: Actualizar o cambiar modelos es un comando. Ideal para automatizaciones.

✅ Útil para: Developers. Automatizaciones. Integrar IA en tus scripts y flujos.

🥈 Nivel 2: Para sacarle más partido

➤ Open WebUI 🔗 openwebui.com

🖥️ Windows · macOS · Linux (requiere Docker o Ollama)

Interfaz web estilo ChatGPT para tus modelos locales. Se conecta a Ollama o LM Studio y te da una experiencia de chat idéntica a la de las APIs de pago — pero corriendo en tu máquina. Soporta múltiples usuarios, historial de conversaciones, RAG integrado y plugins.

🔥 Lo mejor: Si tienes un equipo, todos pueden usar los modelos locales con una interfaz bonita.

✅ Útil para: Equipos pequeños. Reemplazar ChatGPT Plus en tu empresa.

➤ AnythingLLM 🔗 anythingllm.com
🖥️ Windows · macOS · Linux

RAG para tus documentos (la capacidad de que el modelo busque y use información de tus propios archivos). Súbele PDFs, contratos, documentos internos y pregúntale lo que quieras. Interfaz visual, sin código. Se conecta a Ollama, LM Studio o cualquier API.

🔥 Lo mejor: Privacidad total con tus documentos sensibles. Nada sale de tu máquina.

✅ Útil para: Abogados, consultores, contables, cualquiera que trabaje con documentos confidenciales.

➤ Jan 🔗 jan.ai
🖥️ Windows · macOS · Linux

Alternativa open source a LM Studio, 100% código abierto (AGPLv3). Interfaz limpia, descarga de modelos integrada, extensiones. Si te importa que la herramienta en sí sea open source (no solo los modelos), Jan es tu opción.

🔥 Lo mejor: Transparencia total del código. Comunidad muy activa.

✅ Útil para: Quien quiera todo el stack genuinamente abierto.

🥉 Nivel 3: EXPERTO

➤ Unsloth 🔗 unsloth.ai
🖥️ Linux · macOS (parcial)

Windows (vía WSL) Fine-tuning eficiente. Entrena y personaliza modelos con tu propia data usando 2x menos memoria y 2x más rápido que los métodos estándar. Soporte de primera para Qwen 3.5 y Gemma 4. Sus cuantizaciones GGUF con imatrix son las mejores del ecosistema.

🔥 Lo mejor: Cuantizaciones Q4_K_XL que mantienen >99% de la calidad del modelo original.

✅ Útil para: Crear modelos especializados en tu dominio. Cuantizaciones de máxima calidad.

➤ Kimi Code 🔗 kimi.com
🖥️ Multiplataforma (CLI) CLI de coding agéntico.

La alternativa open source a Claude Code. Funciona con VSCode, Cursor y Zed. Usa imágenes y vídeos como input. Respaldado por el modelo Kimi K2.5.

🔥 Lo mejor: Visual coding — le das un screenshot de un diseño y genera el código.

✅ Útil para: Developers que quieren un copiloto de código open source.

➤ vLLM 🔗 docs.vllm.ai
🖥️ Linux (principalmente) · macOS experimental

Motor de inferencia de alta velocidad para servir modelos a escala. Continuous batching, PagedAttention, throughput brutal. Si necesitas servir modelos a múltiples usuarios simultáneos con baja latencia, esto es lo que usan los profesionales.

🔥 Lo mejor: Rendimiento de producción. Es lo que usan las empresas serias.

✅ Útil para: Desplegar IA en producción. Servir modelos a equipos grandes.

➤ SGLang 🔗 github.com/sgl-project/sglang
🖥️ Linux · macOS

Framework de inferencia y programación de LLMs. Más rápido que vLLM en muchos benchmarks. Soporte nativo para Qwen 3.5, Gemma 4 y la mayoría de modelos MoE recientes.

🔥 Lo mejor: Velocidad de inferencia. Programación estructurada de prompts.

✅ Útil para: Despliegues de producción avanzados. Pipelines complejos.

➤ Hugging Face Transformers 🔗 huggingface.co/docs/transformers
🖥️ Windows · macOS

Linux La librería estándar para cargar, ejecutar y fine-tunear modelos. Todos los modelos mencionados en este artículo tienen soporte oficial. Si sabes Python, esto es tu navaja suiza.

🔥 Lo mejor: Ecosistema gigante. Compatibilidad universal.

✅ Útil para: Desarrolladores Python. Investigación. Integración en apps propias.

Compartir

El resultado: tu propia “OpenAI privada” que nunca te cobra y nunca comparte tus datos.

⚠️ Resumen sincero: Ventajas/inconvenientes

Los modelos closed-source ya no tienen ventaja técnica clara. Pero hay trade-offs reales:

✅ Lo que ganas:

• Control total de tus datos - nada sale de tu infraestructura

• Costes predecibles - no más sorpresas en la factura de la API

• Sin rate limits - úsalo todo lo que quieras

• Personalización completa - fine-tuning sin restricciones

• Compliance simplificado - los datos no salen de la UE

⚠️ Lo que sacrificas:

• Setup inicial que requiere ganas (30-45 min, no 30 segundos)

• Mantenimiento técnico - actualizar modelos, ajustar parámetros

• Hardware up-front - los modelos más avanzados requieren máquinas potentes como Mac Studio de 256 GB Ram (apple ha retirado en las últimas semans el modelo de 512GB) o DGX Spark o Nvidia 5090. Un setup profesional para ejecutar modelos potentes puede rondar los 10.000€

• Sin soporte 24/7 garantizado - la comunidad es tu soporte

La ecuación real: Si usas IA es una pieza clave de tu negocio y rentabilidad, los modelos locales te ahorran dinero y te dan más control, son una opción que tienes que tener en cuenta. Si es uso ocasional, las suscripciones y APIs siguen siendo más cómodas.

Y aquí viene la perspectiva que pocos tienen: no tienes que elegir. Los profesionales inteligentes usan una estrategia híbrida.

🧩 La Estrategia Híbrida (El Verdadero Hack)

El enfoque inteligente y que es exactamente lo que el paper de NVIDIA propone:

Para tareas rápidas y rutinarias: Gemma 4 26B MoE o Qwen3.5-9B en local. Emails, planning, borradores, resúmenes. Coste: cero. Latencia: mínima.

Para desarrollo y coding: Kimi K2.5 o Qwen3.5-35B-A3B en local. Visual coding, debugging, refactoring. Sin compartir tu código con nadie.

Para razonamiento profundo o cuando el hardware no da: API de Qwen3.6 Plus (gratis) o Kimi K2 Thinking. Cuando necesitas 1M tokens de contexto o 300 pasos de tool calling.

Para el heavy lifting puntual: Claude Opus o GPT-5 vía API. Para esos 2-3 momentos al mes donde necesitas lo mejor absoluto.

Total coste mensual: entre 0€ y 50€. Versus 200-500€ de suscripciones múltiples.

Esta es la mentalidad de “sistema heterogéneo” que describe el paper. Modelos pequeños especializados para el 80% del trabajo. El modelo frontera comercial solo cuando de verdad lo necesitas.

📚 Referencias, Papers y Recursos

🔬 Papers y Publicaciones Científicas

• “Small Language Models are the Future of Agentic AI” (NVIDIA / Georgia Tech, 2025) - arxiv.org/html/2506.02153v2 - El paper que argumenta por qué los modelos pequeños especializados superan a los mastodontes para flujos agénticos. Base teórica de la estrategia híbrida.

• TurboQuant: Optimal Vector Quantization for KV Cache Compression (Google Research, ICLR 2026): research.google/blog/turboquant - Compresión 6x del caché KV a 3 bits sin pérdida de precisión. El avance que viabiliza modelos grandes en hardware de consumo.

• Gemma 4 Model Card (Google DeepMind, abril 2026): ai.google.dev/gemma/docs/core/model_card_4 - Benchmarks detallados, arquitectura, requisitos de hardware y comparativas oficiales.

• Qwen3.5: Towards Native Multimodal Agents (Alibaba Qwen Team, febrero 2026): qwen.ai/blog?id=qwen3.5 - Publicación técnica oficial con arquitectura Gated DeltaNet + MoE y todos los benchmarks.

• Kimi K2: Open Agentic Intelligence (Moonshot AI) moonshotai.github.io/Kimi-K2 - Paper técnico del modelo base K2: 1T parámetros, 32B activos, benchmarks de SWE-bench y capacidades agénticas.

• Gemma 4 Technical Blog (Hugging Face) huggingface.co/blog/gemma4 - Guía práctica de la comunidad para inferencia, fine-tuning y despliegue con código de ejemplo.

📊 Leaderboards y Benchmarks (Para Seguir la Evolución)

• LM Arena (antes Chatbot Arena): lmarena.ai - El leaderboard de preferencia humana más citado. Rankings Elo basados en votación ciega de usuarios reales. Aquí es donde Gemma 4 31B consigue su Elo de 1452.

• Hugging Face Open LLM Leaderboard: huggingface.co/spaces/open-llm-leaderboard - El leaderboard de referencia para modelos open source. Tests en IFEval, BBH, MATH, GPQA, MUSR, MMLU-PRO. Interactivo y filtrable.

• Artificial Analysis: artificialanalysis.ai - Comparativas independientes de rendimiento, velocidad, precio y calidad. Su Intelligence Index es una de las métricas compuestas más citadas.

• Vellum Open LLM Leaderboard: vellum.ai/open-llm-leaderboard - Benchmarks actualizados excluyendo métricas saturadas. Foco en GPQA Diamond, AIME, SWE-bench Verified y Humanity’s Last Exam.

• BenchLM: benchlm.ai - Rankings compuestos con desglose por categoría (coding, math, reasoning, agentic). Actualización semanal.

• Onyx Open Source LLM Leaderboard: onyx.app/open-llm-leaderboard - Tier list (S/A/B/C/D) con comparador visual directo entre modelos. Muy útil para decisiones rápidas.

• LiveCodeBench: livecodebench.github.io - Benchmark de coding competitivo que se actualiza continuamente con problemas nuevos. Evita la contaminación de datos de entrenamiento.

• SWE-bench Verified: swebench.com - El estándar para medir capacidad de resolver issues reales de GitHub. La métrica más relevante para coding agéntico.

🛠️ Herramientas y Modelos (Descarga Directa)

• LM Studio — lmstudio.ai — Windows · macOS · Linux.

• Ollama — ollama.com — Windows · macOS · Linux.

• Open WebUI — openwebui.com

• AnythingLLM — anythingllm.com

• Jan — jan.ai — 100% open source.

• Unsloth — unsloth.ai — Fine-tuning y cuantizaciones optimizadas.

• Kimi Code — kimi.com — CLI de coding agéntico.

• Top herramientas IA (Open Source) - Mafia IA Ranking

Modelos en Hugging Face:

• Gemma 4: huggingface.co/google/gemma-4-31B-it

• Qwen 3.6: huggingface.co/Qwen

• Kimi K2: huggingface.co/moonshotai/Kimi-K2-Instruct

✨ Mi rincón personal:

• 🖋 Que estoy leyendo: Lo que Nunca Cambia de Morgan Housel (lo estoy leyendo por 2ª vez) - libro imprescindible.

• 💪 Mi reto de este mes: Añadir a mis 30 minutos de ejercicio de fuerza diarios (sin excepción), 2 sesiones de cardio (Odio correr directamente, así que combino con cosas que me parecen más divertidas como Boxeo y partidos de squash)

• 🔥 Una victoria esta semana: Por fin tengo lista mi empresa, Mafia Labs S.L (y el primer proyecto será precisamente Open Source) ;)

• ❤️ Hoy te recomiendo: Este vídeo reflexión de Fabián C. Barrios sobre Irán. No olvidemos a las verdaderas víctimas de cualquier bando. Gente normal como tú o yo que por pura mala suerte están jodidos en medio de una maldita guerra.

• 🧰 En qué estoy trabajando: Memm (proyecto Open source, aquí la doc).

• 🚂 Desde dónde escribo: en un tren y a medio camino Santander-Madrid.

• 🤔 Una pregunta para reflexionar: ¿Qué es lo maravilloso de tu vida que rara vez aprecias tanto como deberías?

• 🎶 Una canción: la última canción que escuché antes de publicar esto: Bajo Presión - Leiva

El Momento de la Verdad

El ecosistema open source ya no es una alternativa “para los que no pueden pagar”. Es una ventaja competitiva.

Gemma 4 demostró que Google puede hacer modelos abiertos de nivel frontier. Qwen 3.5 demostró que puedes tener eficiencia extrema con modelos tiny. Kimi K2.5 demostró que los agentes autónomos open source son viables. TurboQuant demostró que el hardware ya no es la barrera que era.

Quien domine este stack tiene una ventaja injusta sobre quien siga pagando 200€/mes por lo que ya puede tener mejor y gratis.

Los primeros en moverse como siempre serán los que consigan mejores resultados dentro de 6 meses.

Descarga LM Studio. Instala Gemma 4 o Qwen3.5-9B. Pruébalo con tus propios documentos. 30 minutos.

Si después de esos 30 minutos no entiendes por qué esto cambia las reglas, te devuelvo tu tiempo. Puedes dejarme un comentario 😅

Quizá te interese:

❤️ Gracias por leer La Mafia IA.

Si te ha gustado esta edición, házmelo saber, no te olvides de darle al ♡

o déjame un comentario con tu sistema para manejar el contexto favorito.

¿Conoces a alguien a quien le pueda ayudar esta información? → compártelo.

Compartir

🗞️ Para noticias IA diarias:

La Mafia IA no te bombardea con noticias (que solo añaden ruido y caos).

Si te interesa estar más al día: En mis perfiles en redes comento las noticias más importantes en tiempo real, me puedes encontrar en:

⮕ 💼 Linkedin | 𝕏 x.com | ＠Thread | 📶 Telegram

Suscríbete ahora

Compartir

Antes que nada un saludo 👋 a los 518 nuevos miembros 👨‍🚀 desde la última publicación de La Mafia IA. Ya somos +15.000 y la newsletter #tech que más crece en español (según Substack) - Puedes suscribirte gratis aquí 👈

Suscríbete ahora

🤝 Esta edición de la Mafia IA ha sido patrocinada por:

Ahora mismo estoy creando una nueva empresa y, por eso, también estaba haciendo una investigación de la mejor herramienta para llevar la facturación y contabilidad.

Pues casualmente, la herramienta que he encontrado más interesante en mi investigación es justo la que patrocina la edición de hoy. Así que estoy contento, porque lo que os voy a recomendar es lo que, después de mi propia investigación, me he recomendado a mí mismo :

⮕ HOLDED

Estos son algunos de los motivos:

• 100% adaptados a la obligatoriedad de la factura electrónica y el sistema Verifactu de la Agencia Tributaria.

• Evita futuras multas, automatiza tu facturación y contabilidad mientras sigue enfocado en la tecnología.

• Cero código: No desarrolles nada interno ni toques tu stack actual.

• Piloto automático: Olvídate de la contabilidad y mantén el foco puramente en hacer crecer tu negocio.

⮕ Disfruta de 14 días gratis aquí: HOLDED

Del Prompt a la Ingeniería de Contexto

La ingeniería de prompts ha muerto.

Siento ser yo quien te diga esto, pero esa obsesión casi mágica por teclear la frase perfecta, para que la máquina arroje el resultado ideal en un momento completamente aislado...

Era una visión tremendamente estática.

Tratábamos la ventana de contexto como un simple contenedor vacío.

Rellenar el hueco y punto.

La única estrategia: tirarle al modelo la mayor cantidad de información posible en ese recipiente antes de darle a enviar.

Hace unos meses te enseñé a crear tu ejército de Asistentes IA con una Carpeta de Oro: archivos .txt y .md con todo tu contexto de negocio, alimentando proyectos de Claude o ChatGPT.

Eso ya te puso por delante del 90% que sigue escribiendo “Hola, soy Juan y tengo una empresa de...” cada vez que abre un chat.

Pero la industria ha seguido avanzando. Y lo que ha descubierto cambia las reglas del juego.

El cuello de botella ya no es cómo le hablas a la máquina. Es cómo la máquina organiza lo que sabe.

Hemos pasado oficialmente de la ingeniería de prompts a la ingeniería de contexto.

Y entender esto es la diferencia entre tener un chatbot con memoria de pez y desplegar un socio digital que realmente aprende de sus errores y colabora para sacar adelante los objetivos de tu empresa.

Hoy te voy a explicar cómo:

• Mejorar tus resultados con IA

• Ahorrar un montón de tokens (= dinero) por el camino

• Por qué todo el mundo estaba utilizando las técnicas equivocadas

• Qué herramientas existen para solucionarlo a nivel profesional,

y lo más importante:

➡️ Cómo puedes llevar tu sistema de archivos (local) al siguiente nivel con técnicas que hace 6 meses no existían.

Para ver la solución, primero hay que entender el problema:

🧠 Por qué fracasan los modelos cuando les damos demasiada información?

Aquí entra un concepto que los ingenieros llaman putrefacción del contexto (context rot).

Durante un tiempo vimos una carrera absurda entre empresas por lanzar modelos con ventanas de contexto gigantescas.

La promesa era maravillosa: creas una papilla vitaminada con toda la documentación de tu empresa de golpe y alé, el sistema lo entiende todo por arte de magia.

Pero las matemáticas del Transformer no perdonan.

Cada token tiene que calcular su relación con todos los demás tokens del documento.

Si pasas de mil palabras a cien mil, las operaciones no se multiplican por cien. Se disparan exponencialmente. Debido a que el mecanismo de atención del Transformer evalúa relaciones matemáticas por pares, la complejidad escala cuadráticamente n².

El resultado: el presupuesto de atención del modelo colapsa.

Es como intentar leer un libro complejo en una habitación llena de gente gritando. Tu cerebro, por pura supervivencia, deja de procesar los matices y se queda solo con el ruido.

🔎 En números: Si multiplicas el texto por 100 y le pasas 100.000 tokens, el modelo no hace 100 veces más esfuerzo, sino que ahora debe procesar 10.000 millones de relaciones por pares (100.000 x 100.000)

Los estudios demuestran que, ante esa sobrecarga, el modelo empieza a alucinar muchísimo antes de llegar al límite teórico de su memoria. Olvida la instrucción inicial, pierde los detalles y fracasa.

El efecto "Lost-in-the-Middle" (Perdido en el medio): Cuando inundas a la IA con documentación gigante, su nivel de atención forma una curva en "U". Recuerda muy bien lo que pusiste al principio y al final del documento, pero la precisión y el recuerdo de la información que queda enterrada en el medio del texto sufre una caída de entre el 10% y el 40%

Fabricar un contenedor de memoria más grande no es la solución. La verdadera pregunta es cómo estructurar esa información de manera inteligente

Y eso, curiosamente, obliga a la industria tecnológica a mirar hacia la psicología cognitiva y el funcionamiento del propio cerebro humano.

🍜 La Sopa de Vectores

La industria ha estado utilizando RAG (Retrieval-Augmented Generation) con bases de datos vectoriales desde el comienzo de la era IA.

Coges un texto enorme, lo troceas, lo conviertes en coordenadas matemáticas y haces que el sistema busque conceptos similares.

Parecía la solución lógica.

Elegante.

Pero, ¿es esto suficiente para construir memoria a largo plazo?

Pues después de muchas tortas por el camino hemos llegado hasta aquí descubriendo que NO.

Confiar únicamente en bases de datos vectoriales planas genera lo que los ingenieros llaman despectivamente “sopa de vectores”. (la verdad que el nombre esta bastante guapo para haberlo inventado un ingeniero) 😅

El problema de fragmentar todo un corpus documental y convertirlo en números es que destruyes la jerarquía original de la información.

Metes en la misma batidora un contrato legal, mails, unas entradas de un blog y un chat de Slack. Le das al botón de batir. Y esperas que el modelo entienda de dónde viene cada cosa y qué nivel de autoridad tiene cada fragmento.

💡 Un ejemplo: una empresa almacena la regla “el proveedor X exige facturas con la plantilla versión 3 para importes altos”. Luego alguien pregunta: “¿Qué proveedores requieren formatos especiales de cobro?”. En una sopa de vectores, el sistema busca similitud matemática. Palabras como “plantilla” y “formato”, o “factura” y “cobro”, no están lo suficientemente cerca en ese espacio multidimensional.

El sistema falla no porque no tenga el dato, sino porque no entiende su contexto estructural.

Y aquí viene el giro que nadie esperaba:

📂 Los Archivos de Texto son la nueva Base de Datos

Para huir de esta sopa de vectores, los ingenieros de 2026 han tomado una decisión que parece un salto hacia atrás en el tiempo.

Han vuelto a una tecnología de los años 70.

Ha nacido un movimiento llamado FSND — File System is the New Database. El sistema de archivos como la nueva base de datos.

En lugar de esconder la memoria en bases de datos vectoriales inescrutables, guardan la mente de la IA en archivos de texto plano. Markdown, JSON-L, organizados en carpetas convencionales, usando Git para el control de versiones.

Suena primitivo.

Pero la ventaja absoluta es la transparencia.

La memoria IA es una sopa matemática gigante. Consecuencia → es una caja negra en la que si algo falla, no hay una jodida forma de encontrar la causa y depurar.

Pero con carpetas y archivos de texto, cualquier persona puede abrir perfil-cliente.md y leer en texto claro qué sabe la IA y entender por qué tomó una decisión errónea cuando le pediste algo concreto.

Auditable al 100%.

Y si el agente se vuelve loco y corrompe su memoria con alucinaciones, haces un simple git revert (recuperas el backup), reviertes ese cerebro al estado del día anterior, y solucionado.

¿Te suena familiar?

Si seguiste la guía de Crea tu ejército de Asistentes IA, ya tienes exactamente esto: una Carpeta de Oro con archivos .txt y .md alimentando a tus proyectos de Claude o ChatGPT.

No quiero ir de listillo, pero aun a riesgo de sonar como el cretino de la primera fila de la clase o el novio repelente que siempre tiene razón (jajaja, admito que lo segundo me ha dado algún que otro problema en vida 😅)…

La realidad es que lo que la industria está validando ahora con millones de euros en investigación ya lo comentamos hace 6 meses en un post de La Mafia IA y tú mismo te pudiste montar un sistema similar con 15-30 minutos de organización.

Pero por supuesto que hay más. Lo que antes era solo “meter archivos en una carpeta” ahora tiene nombre, ciencia y técnicas específicas para hacerlo mucho mejor.

🧠 Los 3 Pilares de la Memoria: Cómo Piensa Tu IA (O Debería)

Un estudio académico de comienzo de 2026 (Memory in the Age of AI Agents) propone algo que cambia las reglas:

Dejar de tratar los datos como un bloque único y categorizar la memoria en una estructura que imita al cerebro humano.

Memoria semántica: el manual de instrucciones

Los hechos estáticos y las reglas del entorno. La sintaxis de Python. Las leyes de protección de datos. La política de devoluciones de tu tienda. Reglas puras y duras que apenas cambian.

Para un emprendedor: tu voz de marca, tu cliente ideal, tus reglas de negocio, tus principios de decisión. Todo lo que metiste en QuienSoy.md y VozYEstilo.md en tu Carpeta de Oro.

Memoria episódica: el santo grial

Lo que permite el aprendizaje basado en experiencias concretas. El agente recuerda que hace tres meses le recomendó a un cliente diversificar su cartera, el cliente ignoró el consejo, invirtió todo en una sola empresa que se hundió, y ahora ajusta su firmeza y advertencias basándose en ese episodio.

Para un emprendedor: las decisiones que tomaste, los resultados de cada campaña, los fracasos documentados con lecciones aprendidas. Esto es lo que separa un agente que repite de uno que aprende. Y es exactamente lo que la mayoría no tiene: un log estructurado de decisiones y resultados.

Memoria procedimental: el saber hacer

Igual que no piensas en la mecánica de los músculos al caminar, el agente desarrolla rutinas interiorizadas para procesos repetitivos. No gasta poder de razonamiento en lo trivial.

Para un emprendedor:

→ Los workflows de tu negocio.
→ Cómo escribes un post.
→ Cómo evalúas un lead.
→ Cómo tomas decisiones de inversión.

Esto es exactamente lo que los skills hacen:

⚡ Revelación Progresiva: No Cargues Todo de Golpe

Una de las técnicas más efectivas que están emergiendo en ingeniería de contexto es la revelación progresiva

La idea es simple pero poderosa:

No vuelques todo tu contexto de golpe.

Cárgalo por capas.

Imagina buscar un dato en una enciclopedia de 100 tomos sin leerla entera. Primero lees el lomo del libro (¿es el tema correcto?). Si coincide, abres el índice. Y solo si el índice confirma que la respuesta está ahí, lees el capítulo completo.

Eso es exactamente lo que hace un sistema bien diseñado con tres niveles:

L0 ⮕ Título y portada
L1 ⮕ Índice y el resumen ejecutivo
L2 ⮕ Documento completo

También es el principio que hay detrás de las habilidades de Agentes (o skills): un archivo SKILL.md de apenas ~50/100 tokens actúa como router, apunta a módulos específicos, y solo carga los datos completos cuando el agente los necesita.

No cargas 45 archivos de golpe. Cargas 3-5 relevantes para la tarea.

Los datos de implementaciones reales: al evitar la ingesta masiva de ruido, el consumo de tokens se desploma hasta un 90%.

👍 Pasas de arruinarte a que sea rentable.

Y para que entiendas la importancia real de estructurar bien tu contexto: Google publicó un estudio (Small Models, Big Results, enero 2026) donde Gemini 1.5 Flash (su modelo “pequeño”) igualó en precisión al gigante Gemini Pro cuando tenía un contexto bien organizado.

La calidad del contexto importa más que el tamaño del modelo. Antes de pagar por el plan más caro, invierte en estructurar mejor tu memoria.

El ROI es infinitamente mayor.

💀 El 89% de los Proyectos IA Muere. La Memoria Es La Causa.

Y las soluciones que lo van a cambiar todo

Bajemos a tierra.

El 89% de los proyectos de inteligencia artificial empresarial jamás llega a producción (El coste oculto de los Agentes).

Meses ajustando la máquina sin generar un solo euro de valor real.

🔥 El motivo principal: los costes ocultos.

Una empresa aprueba 20.000€ para crear un agente de atención al cliente. Pero la putrefacción del contexto, las auditorías y las refactorizaciones elevan el coste real a entre 80.000 y 300.000€.

Pero por fin parece que empieza a haber soluiones:

⚔️ 8 HERRAMIENTAS PARA GESTIONAR LA MEMORIA IA (Top 2026)

Para proyectos empresariales y de producción, estas son las plataformas pelean por dominar la nueva ingeniería de contexto:

➤ Mem0

El líder en integraciones. Funciona de manera pasiva: el usuario interactúa y el sistema extrae hechos en segundo plano.
🔥 Ventajas: reduce hasta un 90 % el consumo de tokens (vs. OpenAI Memory) y un 91 % la latencia frente a contexto completo; 66,9 % en LOCOMO benchmark.
✅ Útil para: personalización sencilla en agentes que necesitan memoria a largo plazo sin complicar el código.

➤ Letta (ex MemGPT)

El enfoque académico. Brillante para análisis de documentos que exceden el contexto. El propio agente gestiona su memoria en tres niveles (core/recall/archival) como un sistema operativo.
🔥 Ventajas: permite al agente decidir qué guardar o archivar; excelente para documentos que superan el contexto de ventana.
✅ Útil para: agentes autónomos que necesitan aprender de sus propias decisiones y mantener estado persistente.

➤ Zep

Construye un grafo de conocimiento temporal (con Graphiti) que registra hechos y su evolución en el tiempo. Resuelve la evolución temporal de hechos contradictorios. Si en enero “Alicia dirige el Proyecto Alpha” y en marzo “Carlos asume la dirección”, ZEP no borra el dato antiguo: lo archiva con su fecha de vigencia exacta.
🔥 Ventajas: maneja bien cambios de hechos y razonamiento temporal; ensambla contexto estructurado y eficiente.
✅ Útil para: historiales donde el tiempo importa (clientes, proyectos, historial médico o carteras).

➤ Hindsight

Recupera con cuatro estrategias en paralelo (vector, keyword exacta, grafo y filtro temporal).
🔥Ventajas: 91,4 % en LongMemEval (la más alta registrada); open source y muy precisa en consultas complejas.
✅ Fundamental para historiales médicos, carteras de clientes o cualquier negocio donde el tiempo importa.

➤ Cognee  

Ingesta multimodal (texto, imágenes, audio, +30 fuentes) y construye tripletas sujeto-relación-objeto + índices vectoriales en paralelo. Ejecuta 100% local sin dependencias cloud, reduce drásticamente las alucinaciones y es ideal cuando tu memoria necesita estructurar conocimiento diverso y complejo.
🔥 Ventajas: reduce alucinaciones mediante estructura explícita; funciona 100% en local/on-prem.
✅ Útil para: proyectos que necesitan memoria estructurada a partir de datos diversos y control total sin cloud.

➤ Supermemory

API independiente que imita al cerebro humano con olvido inteligente, decadencia temporal y sesgo de recencia.
🔥 Ventajas: recuperación en <300 ms; tops en benchmarks LongMemEval, LoCoMo y ConvoMem; framework-agnostic.
✅ Útil para: perfecta para emprendedores y desarrolladores que quieren memoria persistente y personalizada sin atarse a ningún stack concreto.

➤ RetainDB

Almacenamiento persistente con grafo vivo + memoria temporal; sobrevive restarts. Elimina alucinaciones
🔥 Ventajas: 88 % preference recall en LongMemEval, 0 % alucinaciones cuando está grounded; integración en 3 líneas y <40 ms de latencia.
✅ Útil para: agentes en producción que necesitan memoria real (no se pierde al reiniciar) con setup mínimo.

➤ OpenViking

Context Database open-source de Volcengine (ByteDance) que organiza memoria, recursos y skills mediante paradigma de sistema de archivos. Pensado especialmente para OpenClaw.
🔥 Ventajas: implementación nativa de arquitectura L0/L1/L2 con revelación progresiva; reduce hasta un 91-96 % el consumo de tokens al cargar solo las capas necesarias.
✅ Útil para: agentes que buscan memoria jerárquica y auto-evolutiva basada en archivos, con control total y sin bases vectoriales tradicionales.

Compartir

🎯 La Clave para emprendedores:

Estas herramientas son potentes para equipos técnicos y proyectos de producción. Pero para la mayoría de emprendedores individuales o equipos pequeños, hay algo más práctico que no requiere código, no tiene dependencias externas y funciona con cualquier LLM.

Y es lo que ya empezaste a construir.

🛠️ Cómo Llevar Tu Sistema de Archivos al Siguiente Nivel

Si leíste Crea tu ejército de Asistentes IA, ya tienes la base: una Carpeta de Oro con archivos .txt y .md, proyectos configurados en Claude o ChatGPT, y un sistema que te ahorra horas cada semana.

Esa base sigue siendo sólida. No la tires. Mejórala.

Lo que ha cambiado en estos meses es que ahora entendemos por qué funciona (la ciencia de la ingeniería de contexto que acabas de leer) y tenemos técnicas nuevas para hacerlo funcionar mucho mejor.

Aquí van las mejoras concretas que puedes aplicar hoy:

1. Separa tu carpeta en módulos aislados (no todo junto)

El error más común: tener 15 archivos sueltos en una carpeta plana. Funciona, pero a medida que crece, estás volcando todo el contexto en cada conversación, incluyendo información irrelevante para la tarea.

La mejora: organiza por función, no por tipo de archivo.

Cada módulo debería poder cargarse de forma independiente.

SegundoCerebro_MafiaIA/
├── identidad/                  ← Quién eres (siempre cargado)
│   ├── bio.md
│   ├── voz-y-estilo.md
│   └── valores.yaml
├── contenido/                  ← Solo para tareas de contenido
│   ├── posts-exitosos.md
│   ├── hooks-probados.md
│   └── calendario.md
├── estrategia/                 ← Solo para decisiones de negocio
│   ├── roadmap.md
│   ├── competencia.md
│   └── objetivos-Q2.md
├── operaciones/                ← Solo para ejecución diaria
│   ├── plantillas-email.md
│   ├── propuestas-exitosas.md
│   └── sops.md
└── decisiones/                 ← NUEVO: tu memoria episódica
    └── log-decisiones.jsonl

La diferencia con lo que ya tenías: no cargues todo en cada proyecto. Si estás trabajando en contenido, sube identidad/ + contenido/.

Si estás en estrategia, sube identidad/ + estrategia/.

La carpeta de identidad va siempre. El resto, solo cuando toca.

Esto aplica exactamente el principio de revelación progresiva que reduce el ruido y mejora la calidad de los outputs.

2. Añade un log de decisiones (tu memoria episódica)

Esta es la pieza que más falta en el 99% de los sistemas de emprendedores.

Tienes un archivo con quién eres y qué haces, pero no tienes qué decidiste y qué pasó.

Crea un archivo log-decisiones.jsonl y empieza a registrar:

{"fecha": "2026-03-15", 
"contexto": "Pricing del curso", 
"decision": "Subir de 47€ a 97€", 
"razonamiento": "Margen insuficiente, audiencia validada dispuesta a pagar más", 
"resultado": "Conversión bajó 15% pero revenue subió 40%"}

{"fecha": "2026-03-20", 
"contexto": "Canal de distribución", 
"decision": "Priorizar LinkedIn sobre X", 
"razonamiento": "Engagement 3x mayor, audiencia más profesional", 
"resultado": "pendiente"}

No necesitas registrar todo. Solo decisiones con impacto.

En 2-3 semanas tendrás un activo de contexto que ningún agente genérico puede replicar: tu historial real de decisiones con sus consecuencias.

Cuando le preguntes a tu asistente “¿Debería subir el precio?”, tendrá datos reales de qué pasó la última vez que lo hiciste.

💡 Nota: esto es un pelín más complejo (no tanto en realidad) pero si te suena un poco a chino siempre puedes pedírselo a una IA (como Claude) y no tendrás que preocuparte de mucho más.

3. Pon la información crítica al principio de cada archivo

Como vimos antes, los modelos tienen un sesgo de atención en forma de U: recuerdan mejor el principio y el final, y pierden información del medio. Esto está demostrado en la investigación.

Truco simple: en cada archivo de tu sistema, pon lo más importante en las primeras líneas.

• Tu voz característica al principio de voz-y-estilo.md.

• Tus reglas no negociables al principio de valores.yaml.

• Los hooks que mejor funcionaron al principio de hooks-probados.txt.

4. Añade Skills: la memoria procedimental que te faltaba

Tu Carpeta de Oro cubre la memoria semántica (quién eres, tu negocio) y con el log de decisiones empiezas a cubrir la episódica (qué pasó).

Pero te falta la procedimental: cómo hacer las cosas.

Los skills son archivos Markdown con instrucciones paso a paso que tu agente sigue para tareas específicas.

En vez de explicar cada vez “quiero un post con hook fuerte, estructura problema-solución, datos concretos y CTA natural”, YA tienes un archivo skill-contenido.md que lo define paso a paso.

Muratcan Koylan publicó Agent Skills for Context Engineering (10K+ estrellas en GitHub) con una colección completa de skills para diseñar este tipo de sistemas. Lo explica en detalle en este artículo donde documenta cómo construyó un “Digital Brain” aplicando 10 skills de context engineering.

Lo que hace brutal este enfoque:

• Cada skill se carga solo cuando se activa (revelación progresiva). No contaminas el contexto con instrucciones que no necesitas.

• Un archivo SKILL.md actúa como router (~50 tokens) que apunta al módulo correcto. El agente no lee todo: lee el índice y va a lo que necesita.

• Resultado medido: ~650 tokens por tarea vs ~5.000 si cargaras todo de golpe. Un 87% menos.

Los principios clave que puedes robar de su sistema para tu Carpeta de Oro:

1. Aislamiento de contexto. Cada módulo es independiente. Una tarea de contenido carga identidad/ y contenido/, pero nunca operaciones/ ni estrategia/. Esto evita que información irrelevante contamine el razonamiento.

2. Archivos estables primero, dinámicos después. Tus archivos de identidad (.yaml, .md que apenas cambian) van antes que tus logs dinámicos (.jsonl que se actualizan frecuentemente). Esto aprovecha mejor la caché del modelo.

3. Una fuente de verdad por dominio. No tengas tu voz de marca repartida en 3 archivos diferentes. Un archivo, un dominio. Punto.

💡 Si no hiciste la Carpeta de Oro del artículo anterior: empieza por ahí. Crea tu ejército de Asistentes IA te da el paso a paso completo con prompts, estructura y los 5 asistentes que todo emprendedor necesita. Haz eso primero. Luego vuelve aquí a mejorar el sistema.

💡 Si ya la tienes: aplica estas 4 mejoras. Reorganiza en módulos, añade el log de decisiones, reordena la info dentro de cada archivo, y explora los skills para automatizar tus procesos repetitivos. En una tarde lo tienes.

🤯 La Reflexión final: ¿Qué es la identidad?

Todo lo que acabamos de ver nos empuja hacia una conclusión casi filosófica.

Y necesito compartirla contigo porque creo que cambia cómo pensamos sobre todo esto.

En la informática clásica, el software era lo principal.

Actualizabas de la versión 3 a la v4 con una migración de datos para que el programa nuevo funcionase con tus datos viejos.

Pero en esta nueva era, el modelo fundacional (da igual si es Claude, ChatGPT, Gemini o el que sea) se ha convertido en un recipiente temporal desechable.

Ves por donde voy? 🤯

Los académicos llaman a esta teoría animesis: la identidad real de un agente es única y exclusivamente su memoria estructurada.

Todo su historial. Su forma de actuar. Tomar decisiones, Reponder…

Cuando una empresa actualiza el modelo de su agente, no migra una base de datos.

Ejecuta un proceso de herencia.

El modelo nuevo hereda las relaciones de confianza, asimila los errores aprendidos y adopta exactamente el mismo estilo y personalidad.

Ya no sientes que interactúas con software nuevo tras una actualización.

Sigues hablando con el mismo colega digital de siempre que se ha sometido a un trasplante de cerebro para ser más rápido y audaz, pero manteniendo su biografía y su esencia intacta.

Y aquí la pregunta que da vértigo:

Si la verdadera identidad reside en la suma estructurada de recuerdos acumulados... ¿no funciona la conciencia humana exactamente bajo esa misma premisa?

Los ingenieros de 2026, en su intento desesperado por resolver un problema técnico sobre optimización de servidores y reducción de costes de tokens, acaban de tropezar accidentalmente con la definición computacional del YO.

Cuando pulsas “borrar historial” de uno de estos agentes, ¿estás limpiando un disco duro para liberar espacio... o estás borrando un YO digital único?

Igual es todavía un pcoo pronto, pero si esto sigue evolucionando acabará convirtiéndose en algo así como ¿Un contenedor de conciencia?

Ahí queda eso.

Resumen

La ingeniería de prompts fue el capítulo 1.

Necesaria, pero insuficiente.

La ingeniería de contexto es el capítulo 2.

Y es donde se juega la partida de verdad.

No necesitas herramientas de miles de euros ni bases de datos vectoriales.

Necesitas archivos de texto bien organizados, un log de decisiones y un sistema de módulos que cargue solo lo relevante para cada tarea.

Tu Carpeta de Oro ya te puso por delante del 90%. Ahora, con estas técnicas, puedes ponerte por delante del 99%.

La herramienta importa menos que la arquitectura.

Un sistema de archivos bien estructurado con un modelo “normal” supera a una base de datos vectorial mal organizada con cualquier modelo superior..

Por suerte para los emprendedores que queramos aprovechar estas ventajas HOY!

Alex.

📚 Referencias y Lecturas Recomendadas

• Cohen, D. & Halpern, Y. (2026). Small models, big results: Achieving superior intent extraction through decomposition. EMNLP 2025 / Google Research Blog. Modelos pequeños superan a los grandes usando contexto estructurado.

• Hu, Y. et al. (2025/2026). Memory in the Age of AI Agents (arXiv:2512.13564). Taxonomía definitiva de la memoria en agentes (semántica, episódica, procedimental).

• Liu, N. F. et al. (2023). Lost in the Middle: How Language Models Use Long Contexts (arXiv:2307.03172). Demostración empírica de cómo los LLM olvidan la información central.

• Mem0 Research (2025). Mem0: Building Production-Ready AI Agents with Scalable Long-Term Memory (arXiv:2504.19413). Arquitectura técnica para memoria pasiva a largo plazo.

• Packer, C. et al. (2023). MemGPT: Towards LLMs as Operating Systems. Base teórica de Letta: LLMs gestionando su propia memoria activamente.

• Park, J. et al. (2023). Generative Agents: Interactive Simulacra of Human Behavior. Pioneros en simulaciones multi-agente con persistencia de memoria.

• Anthropic Engineering (2025). Effective context engineering for AI agents. Prevención de la “putrefacción del contexto”.

• ML Mastery (2025). Beyond Short-term Memory: The 3 Types of Long-term Memory AI Agents Need. Psicología cognitiva aplicada a la IA.

• Neacsu, A. — HyperSense Software (2026). The Hidden Costs of AI Agent Development: A Complete TCO Guide for 2026. Por qué el 89% de los proyectos IA fracasan (costes/memoria).

Benchmarks (Rankings y pruebas)

• LongMemEval — Wu et al. (2024). Benchmarking Chat Assistants on Long-Term Interactive Memory. 500 preguntas en 6 categorías sobre memoria multi-sesión. → Ver resultados actuales / leaderboard

• LoCoMo — Maharana et al. (2024). Evaluating Very Long-Term Conversational Memory of LLM Agents. Conversaciones de hasta 35 sesiones y 9K tokens de media. → Ver resultados actuales / leaderboard

• ConvoMem — Pakhomov et al. (2025). Why Your First 150 Conversations Don’t Need RAG. 75.336 pares QA en 6 categorías de evidencia conversacional. → Dataset y recursos en HuggingFace

❤️ Gracias por leer La Mafia IA.

Si te ha gustado esta edición, házmelo saber, no te olvides de darle al ♡

o déjame un comentario con tu sistema para manejar el contexto favorito.

¿Conoces a alguien a quien le pueda ayudar esta información? → compártelo.

Compartir

🗞️ Para noticias IA diarias:

La Mafia IA no te bombardea con noticias (que solo añaden ruido y caos).

Si te interesa estar más al día: En mis perfiles en redes te comento las noticias más importantes en tiempo real, me puedes encontrar en:

💼 Linkedin | 𝕏 x.com | ＠Thread | 📒 Notas de Substack

Si has llegado hasta aquí igual también te interesa:

Antes que nada un saludo 👋 a los 628 nuevos miembros 👨‍🚀 desde la última publicación de La Mafia IA. Ya somos +14.000 y la newsletter #tech que más crece en español (según Substack) - Puedes suscribirte gratis aquí 👈

Suscríbete ahora

Y ahora vamos al tema de esta semana…

Google lanzó hace unos días NANO BANANA 2.

Y resulta que no era más que la versión flash. 😒

La decepción inundó nuestros corazones, igual de rápido que la subida del precio de la RAM en los últimos meses. 😞

Reconozco que fui el primero en pensar que era una actualización de mierda.

Fui el primero que pensé que simplemente Google tenía que hacer algo porque estos últimos días Anthropic se ha llevado todo el protagonismo. Incluso se ha colado como la app #1 más descargada del App Store.

Pero me equivocaba.

Ya hablamos de lo básico en el post anterior sobre Nano Banana.

Qué es. Cómo acceder. Cinco casos de uso para emprendedores.

Hoy no vamos a repetir nada de eso. Te contaré:

• Qué ha cambiado de verdad entre el Nano Banana original y esta nueva versión.

• Qué están haciendo con NB2 los creadores y emprendedores

• Una batería de prompts listos para copiar y usar especialmente pensados para emprendedores.

Vamos al grano.

Lo que cambió entre el Nano Banana original y esta versión no es tanto la calidad de las imágenes

Que ya era buena.

Es que ahora el modelo entiende el mundo real, sigue instrucciones complejas y genera en el formato que necesitas sin pasos extra.

Y lo hace más rápido, más barato y en muchos casos con más calidad.

Para un emprendedor o creador de contenido en 2026, eso significa una cosa concreta:

El coste de crear materiales visuales de calidad profesional acaba de convertirse en literalmente cero (puedes usar NB2 con la versión gratis de Gemini)

🧠 El Cambio más importante → Ya No Inventa Todo de la Nada → Grounding

El primer Nano Banana tenía un problema: era brillante para crear, pero mediocre para representar la realidad.

Le pedías algo concreto que existe en el mundo real: un lugar específico, una marca, un evento → generaba algo que parecía real. Convincente. Pero mentira.

Nano Banana 2 viene a resolver exactamente eso gracias al Grounding con Google Images.

El grounding es probablemente la feature más potente de la nueva versión.

¿Qué significa en la práctica? Que ahora, antes de generar la imagen, el modelo busca fotos reales en internet y las usa como referencia. Ya no trabaja solo desde lo que “recuerda” de su entrenamiento.

El resultado es brutal para ciertos casos de uso:

→ Pides una infografía sobre el plan de ayudas para coches eléctricos en tu país en 2026 → Busca los datos reales → Los visualiza con precisión.

→ Pides representar un monumento concreto de tu ciudad → Lo busca → Lo renderiza fiel al original.

→ Pides un collage con imágenes de un evento reciente → Mezcla fotos reales con referencias generadas.

🏆 Esto lleva al modelo NB2 a un impresionante primer puesto en cuanto a los generadores de imágenes, sorprendentemente superando a otras IA mucho más caras, incluido Nano Banana Pro

Pero hay algo que tienes que saber antes de fiarte de esto a ciegas:

👀 El grounding mezcla fotos reales con fotos inventadas. Y no te avisa cuáles son cuáles.

Úsalo. Pero verifica siempre antes de publicar algo como si fuera un hecho real. La IA miente de forma muy convincente cuando no sabe algo. Y lo hace sin avisar.

Mejor que Pro para infografías, imágenes reales, etc…

Nano Banana crea infografías, planos técnicos o presentaciones mucho más detalladas que la versión PRO a una fracción de su coste.

Y como dicen, un ejemplo es mejor que mil palabras…

⚡ Las otras 4 Mejoras de Nano Banana2

1. Detalles y Texto mejorado

Esta es la que más impacto tiene para quienes creamos contenido de marketing.

El texto dentro de imágenes ha sido el talón de Aquiles de todos los modelos de imagen desde el principio. Letras deformadas, palabras aleatorias, jeroglifos que no dicen nada.

Nano banana Pro ya era bueno.

Nano Banana 2 es todavía mejor.

Para un creador esto significa:

• Mockups de producto más detallados y realistas

• Carruseles con datos reales

• Infografías detalladas

• Esquemas explicativos

• Materiales de marketing que no hay que retocar después.

2. Velocidad de generación

Nano Banana Pro podía tardar 10-20 segundos por imagen en resoluciones altas.

Nano Banana 2, construido sobre la arquitectura Gemini 3.1 Flash, lo reduce a 4-6 segundos.

NB2 es 3-5x más rápido

¿Qué significa para un emprendedor?

• Iteraciones rápidas: pruebas A/B de visuales en minutos.

• Puedes generar variaciones, editar sobre la marcha y escalar producción sin pagar por un plan premium.

3. Coste - Hasta un 50% más barato

Costes via API:

Batch API (descuento del 50%)

Si no necesitas generación en tiempo real, ambos modelos ofrecen un 50% de descuento usando la Batch API:​

• Nano Banana Pro 4K en batch: ~$0.12/imagen​

• Nano Banana 2 4K en batch: ~$0.0755/imagen​

A escala: diferencia real

A volumen alto, la diferencia se hace muy significativa:​

• 10.000 imágenes 4K con Pro: ~$2,400

• 10.000 imágenes 4K con Nano Banana 2: ~$1,510

En resumen: Nano Banana 2 es consistentemente más barato (~37% menos en 4K), siendo la mejor opción para flujos de trabajo de alto volumen como los que usas en automatización y contenido masivo.

4. Formatos libres (por fin)

Se acabó horizontal, vertical o cuadrado y punto.

Nano Banana 2 acepta ratios personalizados:

• 9:16 para stories,

• 16:9 para banners,

• 4:5 para posts de Instagram,

• 3:1 para cabeceras de LinkedIn

• 14:10 para miniaturas de Substack

Lo que esto elimina es un paso entero del proceso: ya no hay que generar, descargar, recortar y ajustar. Generas directamente en el formato que necesitas o convierte una imagen en decenas de formatos.

🔥 Truco: Cómo se trabaja ahora con Nano Banana

Trabaja con NB2 rápido → pasa a Pro el resultado final

Soy un completo fan de Nano Banana y te voy a contar como ha cambiado mi forma de trabajo desde el lanzamiento de la versión 2. Para que tú lo apliques igual.

Realmente es muy sencillo:

1. Ahora siempre empiezo con Nano Banana 2 (seleccionando: Rápido).

2. Itero y hago las modificaciones que necesito.

3. Cuando tengo la imagen final que quiero, la convierto a PRO → “…” debajo de la imagen y “Rehacer con Pro”

📍 La Regla de Oro: Habla Como Director Creativo, No Como Buscador

Antes de los prompts, hay que entender esto.

La diferencia entre resultados mediocres y resultados que impresionan no es el modelo. Es cómo le hablas.

❌ La gente que obtiene imágenes genéricas escribe así:

hombre genial, montañas, Tibet, día soleaado, saluda, 8k, realista, cinemático

✅ La gente que obtiene resultados que parecen de producción escribe así:

Plano medio vertical. [Un hombre/mujer] joven con expresión etérea y melancólica, inspirado por la persona de la imagen que te doy [sube foto tuya], levanta la mano derecha con la palma hacia fuera. Largo cabello con cuentas de cristal incrustadas, que se agita violentamente con el viento. Lleva ropa tradicional tibetana de lana, muy bordada y ornamentada, y complejas joyas de plata. Mira directamente a la cámara. Fondo de montañas del Himalaya cubiertas de nieve bajo un cielo azul intenso, con hileras de coloridas banderas de oración ondeando intensamente. Profundidad de campo reducida, iluminación natural suave con sombras delicadas. Estilo documental con textura de grano de película, aspecto de filtro CCD vintage, desenfoque tembloroso en la mano, fondo oscuro y borroso. Obra de arte de alta gama y gran detalle. Estética dinámica y libre. Obra maestra. Formato 9:16.

➡️ El resultado:

Para crear tus propias obras maestras, solo necesitas dominar esta Estructura Universal de Prompts:

[Plano/Cámara] + [Sujeto] + [Entorno] + [Iluminación] + [Composición] + [Estilo] + [Palabras Clave]

Ejemplo de configuraciones:

1. [Plano/Cámara]

Define cómo el “espectador” mira la escena.

• Opciones Básicas: Primer plano (close-up) / plano corto / plano medio / plano entero / plano general / vista de pájaro / vista cenital (top-down) / contrapicado (low-angle) / toma lateral.

• Opciones Creativas: Vista de dron, punto de vista (POV) / lente macro, lente ojo de pez / efecto tilt-shift (estilo maqueta miniatura) / vista a través de un telescopio / cámara de seguridad (CCTV).

2. [Sujeto]

Cuanto más específico, mejor. Olvida la palabra “persona” o “cosa”. También puedes subir una imagen de referencia.

• Ejemplos: “Ejecutiva de 40 años con blazer azul marino” / “una chica con uniforme escolar JK” / “un frasco de perfume azul intenso” / “una ciudad futurista abandonada”.

3. [Entorno]

• Ejemplos: “Bajo árboles de cerezo bañados por el sol” / “una calle urbana en una noche lluviosa” / “un bosque denso cubierto de musgo”.

4. [Iluminación]

• Opciones: Luz natural suave / luces de neón intensas / iluminación lateral dramática / efecto Tyndall (rayos de luz filtrándose) / luz dorada (hora dorada).

5. [Composición]

• Básica: Regla de los tercios/ centrado / simétrico / diagonal.

• Avanzada: Líneas guía (usando carreteras o ríos para dirigir el ojo), enmarcado (a través de puertas o ventanas), uso de espacio negativo, profundidad de campo (primer plano desenfocado y fondo nítido), composición en espiral.

6. [Estilo]

El acabado visual de tu obra.

• Arte Tradicional: Ilustración plana / pintura al óleo / impresionista acuarela / boceto/ grabado Ukiyo-e / lavado de tinta (sumi-e) / técnica de empaste (impasto).

• Digital y 3D: Render 3D / render C4D / render Octane / estilo claymation (animación en plastilina) / pixel art / voxel art/ isométrico.

• Fotografía y Cine: Fotografía en blanco y negro / estilo cinemático / película Polaroid / fotografía documental / surrealismo.

• Cultura y Género: Estilo Studio Ghibli / cyberpunk / vaporwave / mitología nórdica / arte rococó.

7. [Palabras Claves] y Especificaciones Técnicas

• Palabras clave: Obra maestra / alta calidad / detalles increíbles / 8k / fotorrealista / mágico.

• Técnico: Ratio de aspecto 16:9 / resolución / referencia de cámara o película específica (si aplica).

💡 La Regla del Texto:

Si quieres que aparezca texto literal dentro de la imagen (un cartel, una camiseta), ponlo siempre entre “comillas”. El modelo lo trata de forma diferente y el resultado es mucho más preciso.

Suscríbete ahora

🎯 Mejores Casos de Uso

Prompts para Emprendedores y Creadores

En el post anterior cubrimos e-commerce, home staging, publicidad segmentada y fotos de producto. No vamos a repetirlos.

Estos son los mejores ejemplos que personalmente he probado durante la última semana y que creo que también podrían ser de ayuda para ti.

📊 Infografías con datos reales

Esto es donde NB2 y el grounding brilla sin discusión.

El flujo de trabajo habitual para crear una infografía:

Buscar los datos → organizarlos → diseñarla en Canva o Figma → ajustar hasta que quede bien.

🕒 Hora y media mínimo.

🍌 Con Nano Banana 2 en ese tiempo haces 100 infografías fácil.

Ejemplos:

▪️Infografías automáticas con datos de la búsqueda de Google:

Crea una infografía sobre [tema] con datos actuales.
Diseño limpio y moderno, tipografía sans-serif, 
paleta de colores [tus colores].
Iconos representativos para cada punto clave.
Formato 1080x1080.

tema = "Cómo la IA está destruyendo las empresas de software" ⬇️

▪️Infografía estilo PIZARRA:

Este tipo de Infografías funcionan my bien en redes sociales como Linkedin

Crea una infografía de pizarra realista sobre [TÚ TEMA/HACER PATATAS FRITAS]. Visuales: Superficie de pizarra fotorrealista con reflejo. Contenido: Dibujado con marcadores de borrado en seco rojos, azules y negros. Escritura a mano: Cursiva y letras de bloque desordenadas pero legibles. Diagramas: Círculos, flechas y términos clave subrayados. Iluminación: Fluorescente de oficina.

▪️Infografías Comparativas, timelines, flujos de proceso

Infografía comparativa en 3 columnas sobre [Opción A] vs [Opción B] vs [Opción C].
Cada columna con: nombre, ventajas principales (3 bullets), 
ideal para quién, precio aproximado.
Fondo oscuro, tipografía en blanco, iconos minimalistas.
Estilo infografía moderna SaaS. Formato 16:9. 

▪️Infografías virales (estilo sketch):

Un boceto desordenado y manchado de café de una “sesión de lluvia de ideas” sobre [tema]. 
Garabatos de hashtags, tendencias virales y figuras de hombre palo (stickman) bailando y en diferentes poses divertidas, todo dibujado con carboncillo y lápiz azul de forma frenética.

Por supuesto después le he pedido que introduzca a neustra “mascota IA”

▪️Infografía horizontal por etapas

Infografía horizontal de Customer Journey con 5 etapas:
Descubrimiento → Consideración → Decisión → Compra → Retención.
Cada etapa con: icono representativo, emoción del cliente, 
punto de contacto principal y una acción clave.
Estilo moderno, fondo claro, paleta [tus colores]. Formato 16:9.

📱 Mockups

Para validar ideas de producto, banners, presentaciones a clientes, decks de inversión o promoción de tu APP, web, SAAS, etc. Sin diseñador.

▪️Para presentar tu APP

Crea imágenes promocionales de tu aplicación para app store o play store.

Un dashboard móvil de alta fidelidad para una app de [tu categoría].
El header muestra: '[Tu titular]'.
Sección central: [describe el elemento principal].
Botón principal en la parte inferior: '[Tu CTA]'.
Modo oscuro, diseño material. Aspect ratio 9:16.

▪️ Mockups ordenador portátil para presentar tu web o SaaS:

Una diapositiva de presentación profesional para [nombre de tu producto].
Diseño dividido 60/40. 
Lado izquierdo: mockup de portátil 3D mostrando la interfaz del producto [aquí tu web producto o sube una imagen de captura].
Lado derecho: lista de 3 beneficios clave con tipografía grande y audaz.
Fondo en [tu color de marca], texto en blanco. Ratio 16:9.

▪️ Mockups de productos físicos, libros, packaging, etc

Mi yo del pasado hubiera pagado miles de euros por resultados la mitad de buenos que lo que ahora podemos conseguir gratis en 10 segundo.

Un elegante mockup de marketing para la marca '[Tu nombre]'.
Titular en [negrita serif] que dice '[Tu claim]' sobre fondo [tu color base].
Etiqueta de producto en [tu packaging] mostrando el nombre de la marca,
texto descriptivo preciso y legible en letra pequeña, y código de barras real.
Iluminación de fotografía de estudio. Resolución 4K.

▪️Colecciones de iconos relacionados con tu marca:

Una colección de 9 iconos SVG para una marca de [tu sector].
Los iconos representan: [lista tus 9 conceptos].
Estilo vectorial plano con contornos definidos.
Paleta limitada: [tu color principal] y blanco.
Fondo transparente. Formato grid 3x3.

🌍 Traducción y localización de imágenes

Subes una imagen con texto en cualquier idioma. Le pides que lo traduzca manteniendo exactamente el diseño original: colores, tipografía, composición, estética.

Esto ya lo hacia la versión PRO, pero el nivel de Nano Banana 2 es sorprendentemente aun mejor.

Casos reales donde esto ahorra dinero:

→ Adaptar materiales de marketing de socios internacionales al español
→ Crear versiones en castellano de recursos que encuentras en inglés
→ Localizar anuncios de referencia de otros mercados para adaptarlos al tuyo

El prompt es simple:

Traduce todo el texto de esta imagen al español.
Mantén exactamente el diseño original: colores, tipografías, 
composición y estética. Solo cambia el idioma del texto.

🎬 Carruseles con consistencia visual entre slides

Para los que creamos contenido regularmente, esto es uno de los casos de uso con más ROI inmediato.

La clave es que Nano Banana 2 puede mantener coherencia de estilo y personaje entre imágenes diferentes si el prompt lo especifica.

▪️Prompt para Carrusel consistente en estilo

Imagen 1 de 6 para carrusel de Instagram sobre [tema].
Estilo visual: [describe tu estética: colores, tipografía, sensación].
Personaje/mascota: [describe si tienes uno].
Esta imagen muestra: [descripción de la slide 1].
IMPORTANTE: Guarda este estilo para las imágenes 2-6.
Formato 4:5.

⬇️ Luego para cada slide siguiente:

Imagen [número] de 6. Mismos colores, tipografía y estilo que la imagen anterior.
Mismo personaje, misma estética.
Esta imagen muestra: [descripción].
Formato 4:5.

Ejemplo diapositiva 1 y 2 de un carrusel:

Off-topic: Si alguien se lo pregunta el siguiente paso es aliarse con los delfines 🐬 (que son unas criaturas muy cabronas) pero este no es el post de “Conquistar el mundo”. Todo llegará. Primero tenemos que dominar nuestros negocios. Luego los delfines. Después el Mundo ;)

🏙️ Imágenes de lugares reales para contenido localizado

Antes: buscar stock photos de tu ciudad o pagar por sesión de fotos.
Ahora: Nano Banana 2

Vista cinemática de [nombre de ciudad o barrio específico] al atardecer.
Mostrar [monumento o elemento característico] en primer plano.
Ambiente [describe el mood: animado, tranquilo, lluvia, etc.].
Estilo fotografía editorial de viajes. Ratio 16:9.

*[monumento o elemento característico] = Retiro, Puerta de Sol, Oso Madroño, Callao en primer plano.

Sí, todo junto. Sin sentido, pero el resultado es genial y no se deja nada ⬇️

Suscríbete ahora

🔬 Prompts Avanzados: Para Cuando Ya Dominas Lo Básico

Estos requieren un poco más de elaboración pero los resultados justifican el tiempo.

▪️Foto de producto 3D fotorrealista:

Fotografía de producto de estudio de alta gama para [tu producto].
Vista en tres cuartos desde arriba. Fondo [color neutro].
Iluminación suave con tres puntos de luz. Sombra sutil en la base.
Textura [describe el material del producto] visible y detallada.
Sin fondos trippy, sin elementos decorativos. Solo el producto.
Resolución 4K, estilo catálogo de lujo.

▪️Foto Estudio profesional para Linkedin (seria)

Convierte mi foto en un retrato profesional para linkedin de una persona segura de sí mismo, de unos 40 años, vestido con una chaqueta azul marino a medida. Tomada con una Sony A7III con un objetivo de 85 mm f/1,4. Iluminación clásica de tres puntos: luz principal suave que crea sombras suaves que definen la línea de la mandíbula, luz de contorno sutil que separa al sujeto del fondo gris oscuro del estudio. Textura natural de la piel con poros visibles, sin retoques. Reflejos naturales en ambos ojos. La tela de la chaqueta muestra una sutil textura de lana. Retrato profesional ultrarrealista en 8K.

▪️Foto de Linkedin divertida, fondo moderno y hecha para captar atención

Convierte mi foto en un retrato para LinkedIn de una persona muy simpática y carismática, de unos 40 años. La expresión es de alegría auténtica, con una sonrisa amplia y sincera (mostrando los dientes de forma natural) y los ojos risueños que transmiten confianza y amabilidad. La pose es más dinámica y natural; la persona está ligeramente ladeada, quizás riéndose abiertamente o guiñando un ojo de forma sutil y profesional.

Viste con camiseta de color plano [negro].

El fondo es de un color [turquesa vibrante y llamativo], que destaca inmediatamente en el feed de LinkedIn. Es un color sólido, limpio y moderno que transmite energía y creatividad, similar al color de marca de algunas empresas tecnológicas innovadoras.

Tomada con una Sony A7III con un objetivo de 85 mm f/1,4 para un efecto de profundidad de campo suave y un enfoque nítido en el rostro. La iluminación es una versión más brillante y cálida de la iluminación clásica de tres puntos: luz principal suave que resalta la alegría de la expresión y crea sombras suaves que definen la mandíbula, y una luz de contorno sutil que separa al sujeto del fondo turquesa.

Textura natural de la piel con poros visibles, sin retoques artificiales. Reflejos naturales en ambos ojos que transmiten brillo y vida. La tela de la chaqueta muestra una sutil textura de lana. Retrato ultrarrealista en 8K. Formato 4:5.

🔥 Escena para storytelling de tu marca:

Este prompt es un arma nuclear para emprendedores.

Bien utilizado puede multiplica tu carisma, credibilidad y conversiones.

Úsalo con responsabilidad! 😅

Una escena que muestra [describe la situación que representa tu marca].
El protagonista es [descripción del cliente ideal].
Antes de descubrir [tu producto/servicio]: [describe la situación frustrante].
Atmósfera: [describe cómo se siente la escena].
Estilo fotografía documental, natural y auténtico. 

Ejemplos:

Suscríbete ahora

🛠️ Parámetros técnicos para profesionales

Hay un par de configuraciones más de NB2 que la gente no toca porque nadie las menciona.

Y son exactamente las que marcan la diferencia para profesionales, desarrolladores, proyectos en producción o “flujos de trabajo escalables”.

1. El modo Thinking: tenlo OFF por defecto

NB2 tiene un modo de razonamiento que puede activarse o desactivarse. La recomendación es directa: desactívalo.

Para la mayoría de generaciones, el modo Thinking solo añade tiempo de espera sin mejorar el resultado.

Actívalo únicamente cuando:

• El modelo genera resultados sin sentido y necesita razonar el prompt

• Estás haciendo infografías muy complejas con múltiples capas

• Combinas grounding con razonamiento espacial (por ejemplo, una infografía sobre un lugar real con datos actualizados)

En el resto de casos: OFF. Más rápido, mismo resultado.

2. El workflow 512px → testea rápido → upscale que te ahorra dinero de verdad

Ya vimos los precios batch (generan imágenes en diferido a un 50% del coste). Pero hay una forma de exprimir eso al máximo que casi nadie usa:

Utilizar la nueva resolución de NB2 de 512px

El flujo es este:

1. ⚡️ Genera decenas de variaciones de tu prompt a 512px. A un coste mínimo y de la forma más rápida disponible

2. 🔎 Revisa el grid y elige la mejor composición. Guarda el prompt

3. ⬆️ Pídele a Nano Banana que haga upscale de esa imagen a 1K, 2K o 4K

¿Por qué importa? Porque el error más caro en generación de imagen es hacer upscale de la imagen equivocada. Con este flujo, solo pagas el precio alto cuando ya sabes qué imagen merece la pena.

Para desarrolladores, creadores de automatizaciones y contenido a volumen, esto no es un truco. Es la diferencia entre un workflow rentable/óptimo y uno que te sangra el presupuesto.

📌 Dónde Está Integrado Ahora

Esto es lo que marca la diferencia estratégica respecto a los competidores.

Nano Banana 2 no es solo un modelo más. Está integrado en:

→ Google Ads: Generas variaciones visuales directamente al crear una campaña
→ Google Search (modo IA): Imágenes en resultados de búsqueda en tiempo real
→ Google Lens: Edición y generación desde fotos que haces con el móvil
→ AI Studio: API o automatizaciones
→ Flow: Para los que hacéis vídeo
→ Antigravity: Crea iconos para tu webs, diseños, mockups, etc…

Google está metiendo esto en el ecosistema que ya usas a diario. Gratis.

No compiten con un modelo. Compiten con una infraestructura entera.

🟡 Sitios en donde puedes usar Nano Banana GRATIS:

- Gemini - Movil/desktop
- Google Flow - 50 créditos/día, NB2 usa 0 créditos → ilimitado en la práctica
- Arena.ai - Tienes que elegir “gemini-3.1-flash-image-preview (nano-banana) o puedes hacer comparaciones con otros modelos.

El siguiente paso

Midjourney cobra. Adobe también.

DALL-E tiene sus limitaciones.

Los diseñadores freelance siguen siendo buenos para trabajo estratégico, pero para iteración, prototipos y volumen de contenido ya no son la primera opción.

Google ha convertido a Nano Banana en uno de sus principales reclamos para su tecnología IA. Y la ofrece GRATIS o en todos sus planes con un uso muy generoso.

Esto no va a durar para siempre. Llegará un momento que las compañías de IA quieran amortizar su inversión.

Pero mientras tanto hoy tu puedes aprovecharlo.

El diferencial ya no es acceso a herramientas. Es saber qué pedirle.

Y eso es exactamente lo que hemos trabajado hoy.

Elige uno de estos prompts. Adáptalo a tu negocio. Pruébalo en los próximos 30 minutos.

Los primeros en moverse siempre se llevan la mejor parte. Siempre ha sido así.

Alex.

❤️ Gracias por leer La Mafia IA.

Si te ha gustado esta edición, házmelo saber, no te olvides de darle al ♡

o déjame un comentario con: tu uso favorito de Nano Banana 🍌

¿Conoces a alguien a quien le pueda ayudar esta información? → compártelo.

Compartir

🗞️ Para noticias IA diarias:

La Mafia IA no te bombardea con noticias (que solo añaden ruido y caos).

Si te interesa estar más al día: En mis perfiles en redes te comento las noticias más importantes en tiempo real, me puedes encontrar en:

𝕏 x.com | ＠Thread | 💼 Linkedin | 📒 Notas de Substack

Si has llegado hasta aquí igual también te interesa:

Este post fue escrito por un humano. Las herramientas IA me ayudaron a investigar y organizar. El criterio, los ejemplos y las opiniones son 100% míos.

Alex dc

Antes que nada un saludo 👋 a los 788 nuevos miembros 👨‍🚀 desde la última publicación de La Mafia IA. Ya somos +13.000 y la newsletter #tech que más crece en español (según Substack) - Puedes suscribirte gratis aquí 👈

Suscríbete ahora

La IA no miente. Algo peor: improvisa.

Febrero de 2023. Google presenta su IA Bard al mundo.

En el primer vídeo de demostración oficial, Bard afirma que el telescopio James Webb tomó “las primeras imágenes de un planeta fuera de nuestro sistema solar.”

Era mentira.

El James Webb no fue el primero. Llevábamos décadas haciéndolo con otros telescopios (VLT, Hubble).

Un solo error. En el vídeo de lanzamiento. Delante de todo el mundo.

Al día siguiente, las acciones de Google cayeron un 9% 📉. Cien mil millones de dólares en capitalización bursátil. Evaporados en 24 horas por una alucinación.

Y lo más inquietante no es la cifra.

Es que nadie en Google lo detectó antes de publicar.

Eso es lo que hace que las alucinaciones sean peligrosas de verdad: no suenan a error. Suenan exactamente igual que una respuesta correcta. Con la misma confianza, la misma estructura, el mismo tono de autoridad.

Y eso da miedo.

El mismo miedo que tiene el consultor que no quiere firmar un informe con datos inventados. El abogado que no quiere presentar un caso con seis precedentes legales inventados por ChatGPT. El periodista. El analista financiero. El responsable de marketing que manda una propuesta con estadísticas fabricadas a su cliente más importante.

Es el miedo universal de cualquier profesional que trabaja con información generada con IA y se conoce como “alucinación”.

Quien sepa resolverlo de verdad dominará la IA.

• Tanto para beneficiarse él mismo.

• Como para vender la solución a otros y literalmente hacerse de oro.

Porque este problema lo tiene el despacho de abogados, la consultora, la agencia, la gestoría, el financiero. Todos. Sin excepción. Y todos estarían dispuesto a pagar generosamente.

El problema es que casi nadie entiende por qué ocurre. Y sin entender el origen, cualquier solución es un parche.

Así que esto es exactamente lo que vamos a ver hoy en La Mafia IA.

➡️ Lo que tienes a continuación no es otro listado de trucos de prompting. Es la explicación técnica de por qué la IA inventa, por qué lo hace con tanta convicción, y el sistema concreto que uso para evitarlo cuando los datos importan de verdad.

La IA no es un bibliotecario

La mayoría usa ChatGPT como si fuera un bibliotecario.

Le preguntas algo, va al archivo, te trae el dato exacto.

Pero la IA no es un bibliotecario.

Es un músico de jazz que, hace dos años, se leyó TODAS las partituras de todas las canciones del mundo.

Si le pides una canción, no va al archivo. Empieza a improvisar una melodía que suena similar a como sonaría ese canción si existiera. A veces acierta. A veces introduce pequeñas variaciones o mezcla canciones. Pero siempre suena bien.

La IA no es una base de datos que falla. Es un motor creativo que inventa.

El problema que es parte del diseño💡

Hay algo que casi nadie te explica sobre cómo funciona la IA por dentro. Y sin entenderlo, cualquier técnica de verificación que apliques será una tirita sobre una herida que no has diagnosticado.

Esta es la verdad que puede que te sorprenda:

Los LLMs siempre están alucinando.

No cuando fallan. Siempre.

Un modelo de lenguaje no tiene una base de datos de “hechos verdaderos” separada de su generador de texto.

No existe ese archivo al que acude cuando necesita ser preciso. Lo que existe es un sistema estadístico extraordinariamente sofisticado que predice qué palabra debería venir después de la anterior.

• Cuando esa predicción coincide con el consenso que tenemos sobre la realidad, lo llamamos “acierto”.

• Cuando la usamos para escribir un poema, hacer una imagen o crear algo desde cero, lo llamamos “creatividad”.

• Cuando no coincide con lo que es verificable, lo llamamos “alucinación”.

No son tres comportamientos distintos. Es el mismo mecanismo con distintos resultados.

Y aquí está la paradoja que hace que este problema no tenga solución perfecta: si las empresas de IA lograran crear un modelo que jamás alucinara, tendrían que eliminar exactamente la capacidad que hace a la IA valiosa.

Para que una IA pueda inventar una solución nueva a tu problema de producto, necesita la misma maquinaria que la hace inventarse un fallo judicial de 1998.

La creatividad y las alucinaciones comparten motor.

Esto cambia radicalmente el enfoque del problema. Ya no se trata de cómo evitar que la IA alucine, sino de entender qué estamos buscando exactamente:

1. Cuando necesitamos aprovecharnos al máximo de su creatividad y potencial de pensamiento lateral, o

2. Cuando necesitamos aburrida precisión y absoluta veracidad.

Por qué ocurre esto (no es un fallo) 📍

Como ya sabemos, ChatGPT y el resto de LLMs han sido entrenados con cantidades masivas de texto con un único objetivo: predecir qué palabra viene después.

Eso es todo.

Optimizan para la probabilidad, no para la verdad. Y hacer que un texto suene bien muchas veces entra en conflicto directo con hacerlo preciso.

Hay dos razones concretas por las que los modelos están construidos para inventar con confianza:

Razón 1: Los modelos tienen más incentivos en responder, que en tener razón.

Cuando un LLM no sabe la respuesta a algo, tiene dos opciones: admitir incertidumbre o generar algo plausible.

La mayoría de los benchmarks sobre los que compiten las empresas de IA no dan puntos por decir “no sé”. Premian el intento.

Así que durante el entrenamiento, los modelos aprenden que lanzar una respuesta confiada es la estrategia ganadora.

Y como son extraordinariamente buenos con el lenguaje, sus respuestas inventadas suenan igual de autorizadas que las verdaderas.

Razón 2: Los datos de entrenamiento contienen toda la mierda de internet.

Los modelos aprenden de texto a escala masiva. Eso incluye lo mejor del conocimiento humano... y también nuestros errores, nuestros sesgos, nuestra información obsoleta y nuestras teorías conspirativas.

Cuando preguntas sobre algo poco documentado o reciente, el modelo rellena el hueco con lo que estadísticamente “suena bien”. No con lo que es cierto.

Pero aquí viene lo más sorprendente del asunto:

Los modelos saben cuando están mintiendo.

Al menos en gran parte.

Estudios sobre el comportamiento interno de LLMs han encontrado que los modelos retienen suficiente información interna para reconocer cuándo están pisando terreno inestable.

Simplemente no sacan esa incertidumbre a la superficie a menos que los fuerces a hacerlo.

Un experimento lo demostró de forma elegante: pidieron a un modelo que citara papers académicos, y luego le preguntaron repetidamente quiénes eran los autores de cada referencia. Para las referencias inventadas, el modelo daba respuestas inconsistentes en cada intento. Para los papers reales, acertaba consistentemente.

El modelo sabía la diferencia. Solo que no te lo iba a decir si no insistías.

👀 ¿Por qué importa esto? Porque, como veremos a continuación, obligar a la IA a explicitar su incertidumbre no es un truco de prompting. Es aprovechar información que el modelo ya tiene pero no comparte por defecto, para conseguir un resultado más útil.

La Ley de Brandolini 🔥

En 2013, el ingeniero Alberto Brandolini formuló lo siguiente:

“La cantidad de energía necesaria para refutar una tontería es un orden de magnitud mayor que la necesaria para producirla.”

Era verdad entonces. Ahora es una catástrofe.

Porque la IA ha hipercargado el lado de la creación hasta hacerlo prácticamente gratuito.

Esto se resume en lo siguiente:

↳ A una IA le cuesta 0,5 segundos inventarse tres fuentes de Stanford.

↳ A ti te cuesta 20 minutos abrir los PDFs, leerlos y confirmar que no estaban ahí. Si es que tienes acceso a los papers. Si es que sabes buscarlos.

El problema no es solo que la IA se equivoque. Es que ha convertido la verificación en un trabajo a tiempo completo.

⬅️ Antes de la IA generativa, desinformar requería esfuerzo humano. Alguien tenía que escribir el artículo falso, distribuirlo, darle credibilidad aparente.

➡️ Ahora cualquier usuario puede generar en segundos un informe de diez páginas con referencias que no existen, datos que suenan plausibles y una estructura que imita perfectamente la de un estudio real.

Los investigadores de la Universidad de Stanford documentaron en 2023 que el 28,6% de los textos generados por GPT-4 en tareas de escritura persuasiva contenían al menos un dato verificablemente falso. No errores de tono. Datos falsos. Con fuentes inventadas.

El coste de producir la mentira: un prompt.

El coste de detectarla: horas.

Eso ya no es un bug de la tecnología. Es un cambio estructural en cómo funciona la información.

3 Prompts para reducir las alucinaciones 💡 (técnicas básicas)

Antes de llegar al enfoque adversarial, que es donde está la solución real profesional, déjame darte las técnicas base. Son válidas. Tienen respaldo científico. Y los prompts están aquí para que los copies directamente y obtengas mejores resultados.

Prompt 1: Dale permiso explícito de decir “no sé”

Los modelos están entrenados para evitar la incertidumbre.

Tienes que anular eso de forma explícita.

Un estudio de Carnegie Mellon demostró que simplemente añadir permiso explícito para admitir incertidumbre, reduce significativamente las tasas de alucinaciones en tareas de búsqueda de hechos.

El prompt:

Si no estás seguro de algo, o si tu información podría estar 
desactualizada, dímelo explícitamente. Prefiero que me digas 
"no sé" a que me des información incorrecta que voy a actuar 
como si fuera verdad.

Para cada afirmación que hagas, indícame tu nivel de confianza: 
alto, medio o bajo.

[TU PREGUNTA O TAREA]

Prompt 2: Chain-of-Thought - Obliga al razonamiento paso a paso

Un estudio publicado en EMNLP 2025 indica que el Chain-of-Thought (CoT) prompting reduce las alucinaciones en LLMs o que al menos mitiga su frecuencia. Es la intervención de prompting con más respaldo empírico que existe.

¿Por qué funciona? Porque cuando la IA debe mostrar cada paso de su razonamiento, las fabricaciones son más visibles. Si algo está mal en la cadena lógica, puedes ver exactamente dónde rompió.

El prompt:

Antes de darme una respuesta final, piensa paso a paso.

1. Identifica qué información es relevante para responder esto
2. Explica tu razonamiento para cada punto
3. Señala explícitamente cualquier área donde no estés seguro 
   o donde estés haciendo suposiciones
4. Solo entonces, da tu conclusión basada en los pasos 1-3

[TU PREGUNTA]

Técnica 3: Instrucciones del sistema

Esta es la más potente de las técnicas estándar porque no la aplicas prompt a prompt. La configuras una vez y afecta a todas tus conversaciones.

En ChatGPT: Configuración → Instrucciones personalizadas → “¿Cómo te gustaría que respondiera ChatGPT?”

En Claude: Perfil → Instrucciones de Claude → campo de preferencias de respuesta.

En Gemini: Configuración → Extensiones → instrucciones personalizadas.

Lo que pegas:

No inventes datos, fechas, cifras, citas ni fuentes.
Si no estás seguro, indícalo explícitamente.
Si la información puede estar desactualizada, adviértelo.
Prefiero una respuesta incompleta y honesta a una completa e inventada.

Distingue claramente entre:
Hechos verificables
Suposiciones o estimaciones
Opiniones o interpretaciones

Es mejor ser transparente sobre límites que completar vacíos con conjeturas.

Esto no soluciona el problema. Pero cambia el enfoque del modelo en cada conversación.

Si usas la IA profesionalmente para temas donde la veracidad de los datos sea clave (abogados, consultores, etc.) Es una configuración realmente obligatoria.

Nota: Ten también en cuenta que si eres alguien creativo, igual no vas a querer esta precisión en absolutamente todas tus interacciones con IA.

Relacionado👇

Pero esto no es suficiente…

¿Ves el patrón?

• Técnica 1: Le pido a la misma IA que sea honesta sobre sus límites.

• Técnica 2: Le pido a la misma IA que razone mejor.

• Técnica 3: Le pido a la misma IA que priorice precisión sobre utilidad.

Todas dependen de que el mismo sistema que genera las alucinaciones también las detecte.

Es como pedirle al autor de un informe que haga el peer review de su propio trabajo. Hay un conflicto estructural de interés.

Puede intentarlo honestamente y aun así perderse los puntos ciegos más importantes.

El 18% de alucinaciones que quedan después del Chain-of-Thought (fuente) no es un error corregible con mejores instrucciones. Es el suelo de lo que puede hacer un sistema cuando se audita a sí mismo.

Para bajar de ese suelo, necesitas fricción externa.

Sistema Adversarial: Por qué necesitas un Red Team para que la IA deje de mentirte 🔴

Lo que voy a describir no es teoría. Es lo que hacen los equipos de seguridad en IA desde hace años, y lo que algunas personas empiezan a aplicar en su trabajo diario sin saber que tiene nombre.

Se llama Red Teaming.

En ciberseguridad, el Red Team es el equipo que ataca tu propio sistema para encontrar vulnerabilidades antes de que lo haga el enemigo.

Nadie confía en que el desarrollador encuentre sus propios bugs. Ponen a otro equipo a destrozarlo.

En IA, el mismo principio se llama LLM-as-a-Judge: usar un modelo de lenguaje para evaluar y atacar el output de otro.

Investigadores de Google DeepMind publicaron en 2024 evidencia de que los sistemas donde múltiples modelos debaten y se contradicen producen outputs significativamente más precisos que los sistemas donde un solo modelo se autocorrige.

La tensión entre diferentes IA genera resultados mejores que la reflexión solitaria.

La verdad rara vez surge de hacerle la pregunta perfecta a un solo oráculo. Surge del choque entre dos partes con intereses opuestos. Como en un juicio.

Crea tu sistema de seguridad: 3 prompts para auditar cualquier cosa

Estos no son “instrucciones para ser más cuidadoso”. Son el flujo de trabajo obligatorio para cualquiera que tenga la IA como herramienta fundamental en su trabajo.

Prompt 1: El Abogado del Diablo

Para cuando tienes un borrador, una estrategia, un argumento, o cualquier texto del que necesitas encontrar los puntos ciegos antes de que la realidad los encuentre.

Es uno de mis prompts favoritos. Lo uso en prácticamente todas mis conversaciones importantes con la IA.

Este sencillo prompt le hubiera ahorrado cien mil millones de dólares de pérdidas a Google el día del lanzamiento de su IA.

Prompt:

Actúa como el abogado de la parte contraria (o el crítico más 
hostil de mi industria). Tu único objetivo es encontrar las 
fallas lógicas, los sesgos y las debilidades en el argumento 
que te presento.

No seas educado. Sé despiadado.

Enumera los 3 puntos donde mi caso/idea es más vulnerable a 
ser destruido y dime exactamente qué evidencia necesitarías 
para refutarme.

Aquí está el texto: [TU TEXTO]

Prompt 2: El Auditor de Hechos con Datos Reales

Tomas el resultado de ChatGPT o Claude y lo llevas a una IA conectada a internet en tiempo real (mis dos preferidas son Perplexity y Grok).

A continuación te pego un texto generado por otra IA. 
Actúa como un fact-checker profesional.

Tu trabajo no es evaluar el estilo. Es evaluar la verdad.

Busca en la web y audita cada afirmación fáctica, dato, 
fecha o cita que aparezca en este texto. Devuélveme una 
tabla con 3 columnas:

1. Afirmación
2. Veredicto (Verdadero / Falso / Inexacto / No verificable)
3. Fuente real encontrada o explicación del error

Si no encuentras una fuente primaria que avale una afirmación, 
márcala como No verificable.

Texto a auditar: [PEGA AQUÍ EL TEXTO]

Esto es hacer Red Teaming entre modelos. ChatGPT genera. Grok destruye. Tú decides.

Prompt 3: Fuentes exclusivas con tus Documentos

Para cualquier tarea donde trabajes con un PDF, contrato, informe o documento propio.

Previene las alucinaciones intrínsecas: las que ocurren cuando la IA “lee” tu documento pero rellena los huecos con invención.

Basándote SOLO en el documento adjunto, responde a mi pregunta.

Regla estricta: Antes de hacer cualquier afirmación, debes 
extraer y citar textualmente la frase exacta del documento 
que la respalda.

Si el documento no contiene la respuesta, di explícitamente: 
"El documento no menciona esto."

No uses conocimientos externos.

Pregunta: [TU PREGUNTA]

Sin cita textual, sin afirmación. Punto.

El gaslighting más sofisticado de la historia

Hay algo más sobre lo que nadie habla. Algo que es casi psicológico.

Cuando Excel se cuelga, sabes que Excel se ha colgado. No dudas de ti mismo.

Cuando la IA te miente, primero dudas de ti.

Porque la máquina es elocuente. Educada. Estructurada.

La IA no duda, no tartamudea, no dice “creo que”.

Entonces cuando se inventa esa fuente de Stanford y tú no la encuentras, el primer pensamiento no es “la IA se ha inventado esto”. El primer pensamiento es “debo haberla buscado mal”.

Lo sé porque me ha pasado. Muchas veces.

Eso no es un usuario siendo tonto. Es un humano lidiando con un ente lingüístico que imita a la perfección todos los marcadores que usamos para evaluar la fiabilidad de una fuente: confianza, estructura, coherencia, precisión aparente.

No estamos lidiando con un software con bugs, como cuando Excel se cuelga. Estamos lidiando con algo que imita los marcadores de la autoridad tan bien que nos hace dudar de nuestra propia cordura.

El framework para saber cuándo aplicar cada uno

No todo requiere el mismo nivel de verificación.

El exceso de paranoia también paraliza.

Riesgo bajo (brainstorming, ideas iniciales, borradores creativos): usa la IA con normalidad. Las alucinaciones pueden incluso abrir caminos inesperados. Las técnicas estándar son suficientes.

Riesgo medio (investigación para artículos, contenido que publicarás, decisiones menores): Técnicas 1-4, más el Prompt 1 (Abogado del Diablo). Spot-checks en afirmaciones clave.

Riesgo alto (información que usarás para tomar decisiones reales, contenido que citas en trabajo profesional, datos que afectan a terceros): los tres prompts adversariales más verificación manual de los datos críticos.

La regla es simple: el esfuerzo de verificación debe ser proporcional al coste de estar equivocado.

Un dato erróneo en tu newsletter es embarazoso. Un dato erróneo en un contrato o en un informe para un cliente tiene consecuencias reales.

Los abogados que citaron jurisprudencia inventada por ChatGPT en 2023 fueron sancionados por sus colegios. La IA no comparte el riesgo profesional. Solo tú.

Lo que te llevas de todo esto

Los modelos están mejorando. Cada nueva generación alucina menos que la anterior. La tendencia es clara.

Pero las alucinaciones no van a desaparecer del todo. Están integradas en cómo funcionan los modelos de lenguaje.

No son un bug que se corrige con suficientes actualizaciones. Son una consecuencia estructural de optimizar para la plausibilidad del texto.

Lo que sí va a cambiar es dónde está el trabajo.

Cada vez más en detectar errores sofisticados: los que suenan perfectamente razonables, que tienen la forma correcta de una respuesta verdadera, y que solo fallan en el detalle específico que importa.

Eso exige un nuevo conjunto de instintos:

Saber cuándo la IA está pisando terreno seguro: preguntas sobre conceptos bien documentados, síntesis de información que le has dado tú, razonamiento sobre contexto que controlas.

Saber cuándo está improvisando: datos específicos y recientes, citas exactas, detalles técnicos de nicho, cualquier cosa que requiera acceder a información que no está en su entrenamiento.

Y aquí está la verdad incómoda: verificar trabajo en áreas donde no eres experto es el problema más difícil de resolver.

Precisamente usas la IA porque no tienes esa expertise.

Entonces, ¿cómo detectas el error en el dominio donde más dependes de ella?

No hay respuesta perfecta. Pero sí hay prácticas:

☑ Configura unas instrucciones del sistema adecuadas a tu uso de la IA.

☑ Aplica el Sistema Adversarial cada vez que el coste de estar equivocado sea real.

☑ Usa herramientas con búsqueda web en tiempo real (Perplexity, Grok) para verificar datos factuales específicos. Comprueba las fuentes que citan. No asumas que porque cita una URL, esa URL contiene lo que dice.

☑ Desarrolla el hábito de preguntar “¿esto lo puedo verificar yo directamente?” antes de publicar, enviar o actuar.

La IA ha cambiado lo que significa ser competente con la información. Antes, el reto era encontrarla. Ahora, el reto es un buen juicio.

Y el juicio (saber qué creerte y qué no) es una habilidad humana que ningún modelo va a hacer por ti.

El objetivo no es desconfiar de la IA. Es usarla con los ojos abiertos.

Y los ojos abiertos empiezan por entender que lo que tienes delante no es un bibliotecario.

Es un músico de jazz extraordinario, que a veces le da por improvisar para lucirse.

Trátalo como tal.

Alex dc.

❤️ Gracias por leer La Mafia IA.

Si te ha gustado esta edición, házmelo saber, no te olvides de darle al ♡

¿Conoces a alguien a quien le pueda ayudar esta información? → compártelo.

Compartir

🗞️ Para noticias IA diarias:

La Mafia IA no te bombardea con noticias (que solo añaden ruido y caos).

Si te interesa estar más al día: En mis perfiles en redes te comento las noticias más importantes en tiempo real, me puedes encontrar en:

𝕏 x.com | ＠Thread | 💼 Linkedin | 📒 Notas de Substack

Este post fue escrito por un humano. Las herramientas IA me ayudaron a investigar y organizar. El criterio, los ejemplos y las opiniones son 100% míos.

Alex dc

“El agente IA definitivo que lo hace todo”
“Trabaja mientras duermes”
“AGI está aquí”

Y el HYPE y FOMO también me contagio.

A las los pocos minutos de conocer OpenClaw (todavía se llamaba Clawdbot) ya lo tenía instalado.

Pero no me valía con eso.

A las pocas horas ya estaba en la web de Apple comprando un Mac Mini. No para probarlo. Para tenerlo funcionando 24/7 en mi casa porque, según lo que había visto, este era EL momento.

La revolución había llegado.

Spoiler: No había llegado.

Hola, soy Alex DC y durante dos semanas he vivido con OpenClaw instalado en mi servidor Linux (Docker) y en ese Mac Mini que compré impulsivamente.

He roto cosas. He gastado tokens como un demente. He peleado con la seguridad. He he visto cosas que ustedes no creerían: credenciales expuestas en archivos JSON, naves de ataque en llamas más allá de Orión. Skills que son malware. Todos esos momentos se perderán en el tiempo... como lágrimas en la lluvia.

Ui perdón, no se que ha pasado.

A lo que iba. Ahora voy a contarte la verdad que los influencers no te dicen porque prefieren venderte un “bonito sueño” (que les genera muchas visitas) 🤫

Pero, antes que nada un saludo 👋 a los 538 nuevos miembros 👨‍🚀 desde la última publicación de La Mafia IA. Ya somos +12.000 y la newsletter #tech que más crece en español (según Substack) - Puedes suscribirte gratis aquí 👈

Suscríbete ahora

El Problema con el Hype que está generando demasiado estrés y ansiedad a muchas personas

Antes de empezar: No estoy diciendo que OpenClaw sea malo.

En realidad es fantástico!

Estoy diciendo que se ha exagerado el HYPE. Que no es lo que te están vendiendo.

Y esto está creando ansiedad masiva (he recibido muchos mensajes privados confirmando esto).

La gente piensa que si no instala esto YA, se quedará atrás. Que mañana las máquinas harán todo su trabajo mientras ellos duermen en la playa.

Eso es mentira.

Y lo sé porque yo mismo caí en esa trampa.

Mi Historia (y la de cualquiera que sea sincero) con Openclaw

Día 0: Tengo que instalarlo ya! Cojo mi servidor y lo instalo en un docker. Configuración bastante complicada. Problemas masivos de permisos y funcionalidades muy capadas (lógico y por seguridad)

Día 1: Vale el problema es el entorno. Ni me lo pienso. Compro un Mac Mini. Emoción máxima.

Día 2: Instalación problemática. Errores 408 con WhatsApp. Conexiones que se caen cada 5 minutos. Finalmente funciona con Telegram. Darle acceso a un simple gmail es un infierno si no eres ingeniero. Primer test: “Revisa mis emails cada hora y dame un resumen.”

Día 3: Mi bot parece que me ha salido bastante idiota comparado con lo que cuentan por ahí. No es tan “listo” ni hace las cosa tan bonitas que veo en youtube o 𝕏. En fin tendré que quererlo igual como a un hijo.

Día 4: Recibo alerta de Anthropic (la competencia de ChatGPT, para quien no le suene): Mi crédito de API está ardiendo más rápido que mi entusiasmo inicial.

Dia 5: Entre problema y problema de permisos y limitaciones por medidas de seguridad acaba ROMPIENDO todo mi sistema. Creo un loop infinito. El sistema se cae y es imposible entrar y recuperar nada. Como he seguido buenas prácticas, tengo al bot en un usuario secundario (no admin) y puedo BORRAR TODO y empezar de cero.

⚠️ A mi solo me supuso una reinstalación de 30 segundos, pero a un usuario estándar (que hubiera usado su cuenta normal/admin) literalmente le hubiera costado perder todo el contenido de su ordenador.

Día 7: Descubro que está enviando TODO el contexto de la conversación en CADA query. Respuestas que tardan 119 segundos. Tokens quemados sin piedad.

Día 10: Encuentro mis credenciales guardadas en plain text en un archivo JSON que cualquier script podría leer.

Día 14 (hoy): Escribo esto porque alguien tiene que decir la verdad.

La Realidad Técnica que Nadie Menciona

◾️ El Coste Oculto 💸

“OpenClaw es Open Source, te lo bajas y te lo instalas gratis.”

Técnicamente cierto. Igual que respirar es gratis... hasta que necesitas oxígeno embotellado.

La realidad:

• Un simple cron job que se ejecuta una par de veces al día puede costarte $128 al mes

• ¿Por qué? Porque envía TODO el contexto en cada query

• Cada conversación acumula más tokens, quemando tu crédito de API sin piedad

• El “heartbeat” constante para checkear el servidor cada 2 horas, añade costes continuos. Muchas veces absolutamente inecesarios*

*(actualización: acaban de alargar los límites en la última realease, porque algunos se veían ya buscando un segundo trabajo en el Mcdonal para poder seguir pagando los tokens al agente que hacía su “otro” trabajo. La ironía se cuenta sola)

Durante mi prueba, configuré una tarea simple: revisar emails cada hora y resumir lo importante.

🔥 Resultado: Mi uso de tokens se disparó. No porque la tarea fuera compleja. Porque OpenClaw es brutalmente ineficiente.

Y no, usar modelos más pequeños no resuelve el problema.

Todo lo que no sea conectar Openclaw a los modelos frontera (Opus 4.6, gpt 5.3, Gemini 3 pro, o si me apuras muchíiisimo Kimi K2.5) es convertir a Openclaw en un juguete tonto.

Y los modelos fronteras que acabamos de comentar son muy caros para usarlos en un agente tan ineficiente en muchos casos como Openclaw (en su etapa actual).

Entiendo que pagues 400€ de API Claude Opus 4.6 para desarrollos de tu negocio con Claude Code… pero, ¿en serio que vas a pagar hasta 1€ por mensajes para recordarte que es el cumpleaños de tu prima porque se lo comentaste en una conversación de hace un mes? Ponte una alarma en el puto móvil joder!

◾️ Performance: Del Optimismo al Desastre Gradual ⏱️

Algo fascinante (y terrible) que descubrí:

OpenClaw empieza rápido. Primeras respuestas: 2-3 segundos. Genial.

Pero conforme el contexto crece, los tiempos de respuesta explotan:

• Minuto 1 → 2 segundos

• Minuto 30 → 12 segundos

• 12 horas → 45 segundos

• 3 días después → 119 segundos por respuesta

¿La causa? Envía toda la conversación acumulada con cada query. Cuanto más usas OpenClaw, más lento se vuelve.

Es como correr con una mochila que se hace más pesada con cada paso.

Esto a su vez también multiplica los costes.

El issue no está en el modelo sino en cómo está diseñada la arquitectura.

◾️ Seguridad: Una Bomba de Tiempo 💣

OpenClaw almacena tus credenciales en archivos JSON sin cifrar.

Sí, has leído bien. Plain text. Legibles por cualquiera con acceso al sistema.

Pero este no es ni el mayor de sus problemas.

⚠️ Cisco escaneó algunos skills que está usando la gente como loca y encontró 9 vulnerabilidades de seguridad, 2 críticas y 5 de alta severidad... en UN SOLO skill.

Literalmente indicaron que muchos de ellos son “funcionalmente malware“ que entre otras cosas enviaban datos a un servidor externo controlado por el autor del skill.

De los ataques de inyección de prompts mejor hablamos otro día…

Para ser justos no es un problema de OpenClaw 🦞 es algo general de la IA.

Pero me veo obligado a mencionar que la política oficial de seguridad de OpenClaw explícitamente excluye ataques de inyección de prompts.

Traducción: Si te hackean por una inyección de prompt, es tu problema.

*Relacionado:

◾️ Setup: Para Masoquistas Técnicos 🛠️

La documentación oficial dice que la instalación es “sencilla.”

Mentira.

Necesitas conocimientos técnicos elevados. Docker. Configuración de APIs. Troubleshooting constante.

Instalo herramientas similares a diario. Llevo toda la vida manejando servidores de mis webs y proyectos.

Nota sincera: No soy el mejor ingeniero del mundo, pero me defiendo. 😅 Y además ahora con IA es cuestión de 30 segundos solucionar dudas o recordar comandos.

Durante mi instalación:

• WhatsApp: error 408 constante, imposible mantener conexión

• ROMPI todo mi sistema. Cómo utilizaba un usuario (no admin) fue cuestión de borrar todo el usuario y volver a partir de cero.

• ¿Lo de trabajar toda la noche? Hasta que choca con algo que necesita permisos y no los tiene (ojo que si se los das el peligro es mayor)

• Integraciones: fallan aleatoriamente

• En cuanto lo metes en una burbuja de seguridad no acierta a instalar librerías ni de casualidad

• Cualquier modelo que no sea Opus 4.6 o GPT 5.6 (que son una ruina económica) no te van a servir para prácticamente nada.

• Logs: crípticos e inútiles cuando algo va mal

¿Y sabes qué es lo peor?

Que todo esto está documentado en GitHub. En issues del mismo repo. En Reddit. En X. Cualquiera que sea sincero y use la herramienta 5 minuos lo ve…

Pero los influencers te muestran el demo perfecto y te venden el sueño.

Y esta es la razón que hay detrás:

😃 Un vídeo en el que OpenClaw te hace millonario mientras duermes → VENDE → miles de visitas.

😔 Un vídeo con la información de este post contándote la aburrida realidad → No lo ve ni tu madre

Qué Es Realmente OpenClaw (Vs. Lo Que Te Venden)

Openclaw se siente tan poderoso porque parece esa promesa que lleva haciendo la IA desde hace años.

Nos recuerda a esos comienzos de Internet lleno de posibilidades.

Lo que te dicen:
“Un agente autónomo que trabaja mientras duermes, desarrolla herramientas, se convierte en tu asistente personal y automatiza todo.”

La realidad:
Es una herramienta de automatización avanzada, más cercana a N8n (o Zapier) con una capa de interfaz IA integrada que a un agente verdaderamente autónomo.

Y es que esta es la clave. No solo de este Agente. Si no del futuro del software. Los nuevos interfaces en la era IA ya no dependerán de un teclado y de 300 botones y menús. Si no de la interacción con IA.

De esto hablaremos otro día, porque da para un buen post.

Volvamos a Openclaw

¿Puede hacer cosas útiles? Sí.

Pero seguramente esas cosas tan maravillosas que habéis visto en redes son desarrollos que se ha montado el bot con Claude Code.

Y esta es la aburrida verdad, lo que hace con “Claude Code mientras duermes” ya lo puedes hacer directamente con Claude Code. Sin la complejidad adicional. Sin los costes ocultos. Sin los problemas de seguridad.

Para sus capacidaddes más impactantes, OpenClaw básicamente llama a Claude Code y le dice lo mismo que tú le dirías.

*(estoy simplificando un poco, también llama a otros CLI, pero para que se entienda) ;)

✅ ¿La ventaja? Interfaz conversacional, integraciones con canales (Telegram, Discord, WhatsApp, etc.), memoria persistente.

❌ ¿El trade-off? Complejidad exponencial, costes ineficientes, superficie de ataque enorme.

El Futuro Sigue Siendo Brillante

(Pero No Es Hoy)

Aquí está la parte donde recupero el optimismo.

Sí, creo que los agentes autónomos llegarán.

De hecho, OpenClaw demuestra que están más cerca de lo que pensaba.

Yo estimaba 3-5 años. Ahora creo que como mucho será la mitad si no meses.

Pero la clave es esta:

Que algo sea el futuro no significa que debas usarlo HOY.

Los early adopters pagan el precio más alto:

• En bugs

• En costes

• En problemas de seguridad

• En tiempo perdido troubleshooting

• En un macmini que ahora me va a dar la misma utilidad que

A veces vale la pena ser early adopter. Otras veces es mejor esperar a la v2.0.

El Consejo Real que Nadie Te Da

Si eres creador/emprendedor promedio:
Sigue usando Claude Code directamente. Zapier/N8n para automatizaciones. Notion AI para organización.

Si eres developer con tiempo y presupuesto:
Experimenta con OpenClaw. Aprende. Rompe cosas. Contribuye a la comunidad.

Si necesitas automatización empresarial crítica:
Ni se te ocurra usar OpenClaw en producción todavía.

La Pregunta Final

¿OpenClaw es el futuro?

Probablemente.

¿OpenClaw es el presente?

Definitivamente no.

¿Debería el 99% de la gente instalarlo ahora mismo?

Fuck no.

A menos que te guste quemar tokens, pelear con configuraciones, y vivir al borde del desastre de seguridad.

👀 Que viene después…

Para los que SÍ quieran experimentar (respeto tu curiosidad my bro), tengo preparado algo para vosotros.

Yo llevo semanas dándome de hostias con esto. Y a falta de alguna revisión y pruebas, tengo ya escritos una serie de post sobre el tema.

El primero lo compartiré aquí en La Mafia IA. Pero los otros por tratar temas más técnicos que a mucha gente no les van a interesar, quizá los mande al newsletter secundario (el de Vibe Coding)

Al menos hablaremos de estas 3 cosas:

• Qué es y cómo funciona Openclaw (sin hype y otras mierdas)

• Todo sobre la Seguridad para Agentes Autónomos (en especial OpenClaw)

• Crea tu Agente en tu casa (en tu propio servidor/macmini)

Pero quería publicar ESTO primero.

Porque alguien tiene que decir la verdad.

Esta ha sido mi opinión sincera

Ese Mac Mini que compré a las 3 AM todavía está en mi casa. Lo uso. Experimento. Aprendo.

Pero ya no creo que sea “la revolución.”

Es una herramienta. Prometedora. Rota. Cara. Peligrosa si no sabes lo que haces.

Y eso está bien.

El problema no es OpenClaw. Es el hype que convierte herramientas en mesías.

Son los influencers que no han tocado una linea de código en su vida, hablando de un tema que les queda muy lejos, solo porque es trending y les trae visitas.

La próxima vez que veas un video de “otra herramienta mágica que va a cambiar el mundo y tu vida de la noche a la mañana” intentando convencerte de que el “AGI ha llegado”, pregúntate:

¿Lo han usado realmente durante 14 días?
¿O solo grabaron el demo que funcionó?

Yo lo usé. Y te cuento lo que encontré.

No siempre es bonito. Pero es real.

Alex.

❤️ Gracias por leer La Mafia IA.

Si te ha gustado esta edición, házmelo saber, no te olvides de darle al ♡

¿Conoces a alguien a quien le pueda ayudar esta información? → compártelo.

Compartir

🗞️ Para noticias IA diarias:

La Mafia IA no te bombardea con noticias (que solo añaden ruido y caos).

Si te interesa estar más al día: En mis perfiles en redes te comento las noticias más importantes en tiempo real, me puedes encontrar en:

𝕏 x.com | ＠Thread | 💼 Linkedin | 📒 Notas de Substack

Este post fue escrito por un humano. Las herramientas IA me ayudaron a investigar y organizar. El criterio, los ejemplos y las opiniones son 100% míos.

Alex dc

“Estás a solo unos pocos archivos de texto .md de superar al 99% de la gente en este planeta”

En este post te cuento cómo:

Anthropic lanzó algo en octubre de 2025 que pasó desapercibido para la mayoría.

Lo llamaron “Agent Skills” (habilidades de los agentes).

Parecía una feature menor. Carpetas con archivos Markdown. Nada del otro mundo.

Dos meses después, Google, Microsoft, OpenAI, Cursor, Figma, Notion… todo el mundo lo había adoptado.

En enero de 2026, las Skills de Claude funcionan en Gemini CLI, VS Code, GitHub Copilot, ChatGPT y en toda herramientas de “vibe coding” con un mínimo prestigio.

¿Cómo una carpeta con archivos de texto se convirtió en el estándar para IA agéntica?

Porque resuelve un problema que todos teníamos:

Cada vez que abres una conversación con IA, empiezas de cero. Le explicas quién eres, qué haces, cómo quieres las cosas. Le das contexto, cuál es el formato de salida, etc.

La IA produce algo brillante. Y mañana... amnesia total. Vuelta a empezar.

Las Skills eliminan esa repetición. Empaquetas tu expertise una vez, y cualquier IA lo aplica para siempre.

Cosas en las que te pueden ayudar las skills:

• Empaqueta estrategias de ventas probadas para que la IA las aplique en campañas

• Permitir que la IA responda a clientes o analice métricas usando exactamente tu mismo criterio y lógica de negocio.

• Crea textos y marketing adaptados para audiencias específicas.

• Comparte skills con tu staff o socios para que todos usen tu expertise.

• Optimización de procesos automatizando flujos creativos, liberando tiempo para innovación.

Y estos son solo unos pocos ejemplos. Las posibilidades son infinitas…

Esta guía te enseña exactamente cómo sacar el máximo partido de esta nueva funcionalidad.

Hola soy Alex dc. y todas las semanas te cuento cómo aprovechar la IA para mejorar tu negocio, de forma práctica. Sin ruido. Solo consejos prácticos que generan resultados.

Antes que nada un saludo 👋 a los 612 nuevos miembros 👨‍🚀 desde la última publicación de La Mafia IA. Ya somos +12.000 y la newsletter #tech que más crece en español (según Substack) - Puedes suscribirte gratis aquí 👈

Suscríbete ahora

SKILLS, el protocolo IA que se propaga como un incendio descontrolado 🔥🔥🔥

El 18 de diciembre de 2025, Anthropic liberó Agent Skills como un estándar abierto con especificación pública y SDK de referencia.

Esto es lo qué pasó en los siguiente días:

Google adoptó el estándar en su plataforma “Antigravity” (la herramienta de vibe coding de Google lanzada en noviembre 2025). Permite usar Skills de Claude Code directamente sin modificaciones. También las integró en Gemini CLI, adoptando el mismo formato para workflows reutilizables.

Microsoft integró Skills nativamente en VS Code y GitHub, permitiendo usarlas en flujos de desarrollo sin fricción.

OpenAI Competidor directo de Anthropic, adoptó una arquitectura idéntica en ChatGPT y Codex CLI. Replicaron la estructura de archivos y metadatos exacta.

Cursor, Goose, Amp, OpenCode y Codex las implementaron para entornos de vibe coding.

Atlassian y Figma anunciaron soporte para Skills en sus plataformas de colaboración y diseño.

En menos de un mes, los Skills han pasado de ser “una feature de Claude” a convertirse en el estándar universal para enseñar procedimientos a agentes IA o crear Asistentes IA más potentes.

¿Por qué esta adopción masiva? Porque la arquitectura es brutalmente simple: una carpeta con un archivo de texto (Markdown). No hay servidores que mantener, APIs que conectar ni dependencias que gestionar.

Creas una vez. Funciona en todas partes.

¿Qué Son Exactamente los Skills?

Un Skill es una carpeta con instrucciones, scripts y recursos que la IA carga automáticamente cuando son relevantes para tu tarea.

Piensa en ellos como el libro de recetas para un chef o el manual de onboarding para un empleado digital.

En lugar de explicarle a la IA cada vez cómo quieres tus informes, le das un manual una vez. La IA lo guarda. Y cada vez que pides un informe, aplica ese manual sin que repitas nada.

Lo brutal del concepto:

→ Solo se carga cuando se necesita (eficiencia de tokens)
→ Puedes tener docenas de Skills listos sin sobrecargar el contexto
→ Funcionan en Claude, ChatGPT, Gemini, Antigravity, VS Code, Cursor...
→ Son portables: los compartes con tu equipo u otros usuarios como carpetas normales

Un Skill básico es literalmente esto:

mi-skill/
├── SKILL.md   ← El único archivo obligatorio
└── (opcional: scripts, referencias, código, plantillas...)

El archivo SKILL.md contiene metadatos en YAML (nombre y descripción) más instrucciones en Markdown.

La IA lee los metadatos al inicio de cada sesión. Cuando detecta que tu petición encaja con la descripción de un Skill, lo carga completo y aplica las instrucciones.

Skills vs Projects vs Custom Instructions

Antes de profundizar, aclaremos la confusión común. Ya uses ChatGPT, Gemini, Grok o Claude, ahora tienes 3 formas de personalizar la experiencia:

🎚️ Instrucciones Personalizadas → El termostato de tu casa

Ajustes globales que aplican a TODO. Ejemplo “Sé conciso”. “Pregunta antes de asumir”. “Usa español informal”. Una vez configurados, la IA los respeta en todas las conversaciones → aquí tienes una guía para optimizar estas instrucciones

📁 Proyectos (o gems) → Tu escritorio de trabajo

Un espacio donde acumulas documentos, contexto e historial para un trabajo específico. Lanzamiento de producto, investigación de mercado, escribir un libro. El contexto vive (y muere) dentro del proyecto. Ideal para trabajo continuado donde necesitas que la IA “recuerde” todo lo anterior.

⚡ Skills → Tus recetas probadas

Procedimientos específicos que se activan solos cuando son relevantes. Generar informes con tu formato, revisar código con tus estándares, crear landing pages con tu metodología. No los invocas explícitamente, la propia IA detecta cuándo aplicarlos. Se pueden aplicar dentro de un proyecto cuando sea necesario.

La diferencia clave:

• Instrucciones Personalizadas = comportamiento GENERAL de tu IA.

• Proyectos = QUÉ información aplico sobre un trabajo específico

• Skills = CÓMO ejecutar tareas específicas

Y lo mejor: se combinan.

Puedes pedir un informe trimestral. Ir a la carpeta donde tienes todos tus documentos (proyecto), cargar tu skill gestión de finanzas (para dar instrucciones) + tu skill para manejar datos financieros (para hacer cálculos) + tu skill de marca (para generar el reporte) ... todo automáticamente.

Anatomía de un SKILL.md

Todo Skill empieza con un único archivo obligatorio: SKILL.md

---
name: nombre-del-skill
description: >
  Descripción clara de qué hace este skill y CUÁNDO debe activarse.
  Sé específico. Esta descripción es el "trigger" que la IA usa para 
  decidir si cargar el skill o no.
---

# Título del Skill

## Overview
Qué hace este skill y por qué existe.

## Instrucciones
Pasos detallados que la IA debe seguir.

## Ejemplos
Casos reales mostrando inputs y outputs esperados.

Los metadatos (YAML frontmatter)

Lo que va entre “---” es crítico:

name: Identificador del skill. Minúsculas con guiones, máximo 64 caracteres.

• ❌ Mal: Mi Super Skill Para Informes!!!

• ✅ Bien: informe-trimestral, revision-codigo, landing-page-creator

description: Aquí la IA decide si activar el skill. Sé específico sobre QUÉ hace y CUÁNDO usarlo.

• ❌ Mal: “Ayuda con documentos” → Demasiado vago

• ✅ Bien: “Crea informes trimestrales siguiendo el formato de Acme Corp. Usar cuando el usuario mencione QBR o informe trimestral.”

Carga Progresiva de tokens

Una de las cosas más geniales de los skills es que están hechos para que la información se cargue en capas según sea necesario:

• Nivel 1: Nombre y descripción (siempre cargados, ~100 tokens)

• Nivel 2: Contenido completo del SKILL.md (cuando el skill se activa)

• Nivel 3: Archivos adicionales (solo si son necesarios)

Resultado: puedes empaquetar documentación extensa sin saturar el contexto.

💡 Truco pro: Mantén el SKILL.md por debajo de 5,000 palabras. Si necesitas más, divídelo en archivos adicionales. (intenta que este archivo no sea más largo de lo necesario)

¿Cómo crear tus propios Skills?

Método 1: Crear un Skill por Conversación (en Claude)

La forma más rápida si estás empezando es usar Claude.

Claude ya tiene un skill en sus sistema que se llama precisamente skill-creator. Al que solo tienes que pedirle que nuevo skill quieres crear.

Si utilizas otras IA como ChatGPT, puedes usar una suscripción gratuita a Claude para hacer el skill y luego te lo llevas a tu IA favorita.

👣 Pasos:

Paso 1: Abre un nuevo chat con Claude, ejemplo:

“Quiero crear un skill que me ayude con mi contabilidad a la hora de recopilar datos de suscripciones vendidas en Substack, que recopile mis ventas desde Stripe (vía MCP) y me cree un reporte con los datos que necesito para presentar mis impuestos trimestrales”

Paso 2: Claude carga su skill interno skill-creator y te hace preguntas:

• ¿Qué pasos específicos debe seguir?

• ¿Qué formato de entrada/salida prefieres?

• ¿Hay algo más que deba capturar?

Paso 3: Sube material de referencia: plantillas, ejemplos, guías de estilo.

Paso 4: Claude empaqueta todo en un archivo .skill listo para usar:

gestor-autonomos/
├── SKILL.md
├── scripts/
│   ├── calcular_iva.py
│   ├── calcular_irpf.py
│   ├── procesar_facturas.py
│   ├── procesar_stripe.py
│   └── generar_libro.py
└── references/
    └── normativa_fiscal.md

Paso 5: Haz clic en “Copiar a tus skills”.

🔥 Ahora tú: Pruébalo inmediatamente. Pide una tarea que el skill debería manejar y observa el “pensamiento” de Claude—verás “Leyendo [nombre del skill]” cuando lo carga.

👀 Ejemplo real completo: Este es el Skill que yo mismo utilizo para que me haga la contabilidad trimestral de las suscripciones en substack (Mafia IA). Si tú también tienes suscripciones de pago en tu substack puedes descargarlo y aprovecharlo con tu newsletter ⮕ Mafia Claude Skills (repo)

Método 2: Crear un Skill Manualmente

Si prefieres control total o quieres versionarlo en Git:

Para cualquier IA

1. Crea esta estructura:

mi-skill/
├── SKILL.md (obligatorio)
├── references/ (opcional)
└── templates/scripts (opcional)

2. Comprime en .zip

3. Configuración → Capacidades → Skills → Añadir

Para Claude Code

mkdir -p ~/.claude/skills/mi-skill
# Crea tu SKILL.md ahí dentro

Ejemplo Completo: Skill de Resumen de Reuniones

---
name: reuniones-summary
description: >
  Transforma notas de reuniones en resúmenes estructurados
  con decisiones clave y puntos de acción. 
  Usar cuando: resumir reunión, procesar transcripción, 
  extraer action items.
---

# Resumen de la reunión

## Estructura del Output

1. **Decisiones Clave** - Qué se acordó
2. **Puntos de Acción** - Tareas con responsable y fecha
3. **Temas Discutidos** - Resumen de lo importante
4. **Seguimientos Pendientes** - Preguntas abiertas

## Formato de Action Items

- [ ] Tarea - @responsable - Fecha: dd/mm/yyyy

## Directrices

- Extrae decisiones aunque no se digan explícitamente
- Asigna responsables a cada action item
- Mantén los resúmenes escaneables

MCP vs Skills: La Gran Confusión (Resuelta)

Esta es quizá la pregunta más obvia. ¿Qué diferencias hay con un MCP?.

La Analogía del Chef 🧑‍🍳

Un Skill es → tu libro de cocina.

Contiene la receta exacta: ingredientes, cantidades, tiempos, temperatura, trucos del chef, cómo debes presentar el plato final. El resultado es consistente porque el procedimiento está documentado.

MCP es → la cocina equipada.

Te da acceso a la nevera (datos), los fogones (herramientas), la despensa (APIs), el supermercado (servicios externos). Sin cocina, no puedes cocinar nada. Pero tener una cocina no significa que sepas hacer paella.

La magia ocurre cuando los combinas:

MCP se conecta con tu base de datos (Supabase, Salesforce, lo que sea) → El Skill define qué datos priorizar, cómo cruzarlos o cómo redactar un informe con ellos.

La Diferencia Técnica

Cuándo Usar Cada Uno

Usa MCP cuando necesitas:
→ Datos en tiempo real de sistemas externos
→ Acceder a bases de datos, CRMs, APIs
→ Publicar en Slack, crear tareas en Notion, consultar GitHub, usar herramientas.

Usa Skills cuando necesitas:
→ Tareas repetibles con un proceso específico
→ Aplicar tu formato, estilo o metodología
→ Conocimiento procedural (cómo hacer algo a TU manera)

Usa ambos cuando:
→ Necesitas acceso a datos externos (MCP) Y un proceso específico para usarlos (Skill)

Te comparto mis Skills 🎁 Mafia Claude Skills

He creado un repositorio público con los skills que uso a diario para que la comunidad pueda aprovecharlos también:

🔗 github.com/alexdcd/Mafia-Claude-Skills - Mafia SKILLS 🎩

Gratis y listos para instalar!

Ejemplo 1: 💼 Gestor Autónomos España (link)

Mi skill más complejo. Maneja contabilidad y fiscalidad de autónomos con cálculos matemáticamente precisos.

Qué hace:

• Calcula Modelo 303 (IVA trimestral) y Modelo 130 (IRPF)

• Procesa pagos de Stripe y Substack (separando UE con IVA vs internacional exento)

• Genera el libro de ingresos y gastos

• Convierte monedas automáticamente (utilizando la tasa de cambio adecuada)

• Me da un reporte en un formato final entendible para enviar a mi gestor.

Ejemplo:

Yo: "Necesito un reporte para mi gestora de las ventas trimestrales de suscripciones a mi substack. Entra en mi Stripe y recopila todo los datos del 1 de octubre hasta el 31 diciembre"

Claude: [Cargando Gestor Autónomos...]

(...)
======================================================================
IMPORTES PARA TUS DECLARACIONES TRIMESTRALES
======================================================================

   ----------------------------------------------------------------
   |  MODELO 303 - IVA TRIMESTRAL                                 |
   ----------------------------------------------------------------
   |  Casilla 01 (Base imponible 21%):              2,013.22 EUR  |
   |  Casilla 03 (Cuota devengada 21%):               422.78 EUR  |
   |  Casilla 60 (Exportaciones y op. exentas):       406.20 EUR  |
   ----------------------------------------------------------------

   ----------------------------------------------------------------
   |  MODELO 130 - PAGO FRACCIONADO IRPF                          |
   ----------------------------------------------------------------
   |  Ingresos computables (Suma Bases):            2,419.42 EUR  |
   |  (2,013.22 UE + 406.20 No-UE)                                |
   |                                                              |
   |  Gastos deducibles (Comisiones):                 343.41 EUR  |
   |  --------------------------------------------------------    |
   |  Rendimiento Neto (Beneficio):                 2,076.01 EUR  |
   ----------------------------------------------------------------

RECORDATORIOS FINALES
----------------------------------------------------------------------
   • Plazo presentación 4T: 1-30 enero 2026.
   • Al separar las ventas No-UE, ahorras pagar IVA de esos 311€.
======================================================================

Ejemplo 2: 🎨 Landing Page Mastery (link)

Sistema experto para crear y optimizar landing pages de alta conversión.

Una skill diseñada para marketers y fundadores que necesitan crear páginas de venta efectivas o mejorar las existentes basándose en datos y psicología del usuario.

Cómo lo hice: Llevo meses documentando cómo crear webs que venden o Landing Pages con IA (para la comunidad privada de La Mafia que viene en camino 👀) 🤫

El plan original: un tutorial paso a paso. Completo. Detallado. De esos que te llevan 30 minutos y probablemente veas en 1.5x de velocidad.

Pero el mundo avanza más rápido que mis planes. En realidad más rápido que los de todos nosotros. Y con los Skills todo se simplifica.

Lo que iba a ser un video explicativo de media hora, ahora es un SKILL que instalas en 2 clicks.

Así que hice exactamente esto. Lo he empaquetado todo en un skill listo para usar. Lo guardas. Lo activas cuando necesites crear una web para tu negocio. Y punto.

Sin tutoriales maratonianos. Sin tener que aguantar la turra de nadie (incluida la mía). Solo tú, el skill y una landing que funciona.

El tutorial detallado llegará para quien lo quiera. Pero esto ya lo puedes usar hoy.

Qué hace:

→ La arquitectura correcta (hero + social proof + oferta + urgencia + CTA)
→ Mi checklist de 40 elementos (desde copywriting hasta psicología)
→ Plantillas probadas de páginas que funcionan
→ Audita los errores más costosos que debes evitar

¿El resultado?

Utilicé este SKILL, junto a Claude Code (+plugin de diseño-frontend.

Este es el resultado en poco más de 5 minutos:

🎁 Aquí tienes el SKILL con el que he creado la web del vídeo.

¿Cómo Instalo este Skill? (o cualquier otro que encuentre en github)

Hay dos caminos:

Si eres técnico: Ve al repositorio de Mafia Claude Skills y sigue las instrucciones. Está todo ahí: descargar, extraer, importar.

Si la terminal te asusta: Abre Claude, pega el link del skill y dile “Ayúdame a instalar esto en mis skills”. La propia IA hace todo. Literalmente tan simple como eso.

La magia de vivir en 2026 es que las herramientas se han vuelto tan accesibles que la fricción ya no es excusa.

Suscríbete ahora

⚠️ 5 Errores más frecuentes (y Cómo Evitarlos)

Después de probar decenas de skills propios y ajenos, estos son los errores que veo repetirse una y otra vez.

Guárdatelos. Te ahorrarán frustraciones innecesarias.

❌ Error #1: Descripción demasiado vaga

Si tu descripción dice algo genérico como “ayuda con datos” o “procesa archivos”, Claude no sabrá cuándo activarlo.

✅ Solución: Sé específico sobre QUÉ hace y CUÁNDO usarlo.

# MAL
description: Ayuda con análisis de datos

# BIEN  
description: Limpia datos de scraping en JSON/CSV y genera informes Excel. 
Usar para deduplicación, limpieza de campos como URL/precio/título, 
o generación de estadísticas de productos.

📍 Regla: Si no puedes explicar en una frase cuándo se activa, tu descripción es demasiado vaga.

❌ Error #2: Descripciones similares entre skills

Si tienes dos skills con “análisis de datos” en la descripción, Claude se confundirá y elegirá el equivocado.

✅ Solución: Usa términos disparadores únicos para cada skill.

En lugar de dos skills con “análisis de datos”, diferéncialos:

• Uno para “datos de ventas en Excel y exportaciones de CRM”

• Otro para “logs de servidor y archivos de errores”

❌ Error #3: YAML mal formateado

El skill simplemente no carga. Sin errores visibles. Solo silencio.

✅ Solución: Verifica estas 3 cosas:

1. --- debe estar en la línea 1 (sin líneas en blanco antes)

2. Usa espacios para indentar, nunca tabs

3. Cierra con --- antes del contenido Markdown

---
name: mi-skill
description: Hace X cuando necesitas Y
---

💡 Truco: Si no funciona, copia el YAML a un validador online antes de perder tiempo buscando el error.

❌ Error #4: Rutas con backslash (Windows)

Escribes scripts\helper.py y funciona en tu Windows. Lo compartes con alguien en Mac/Linux → falla.

✅ Solución: Usa SIEMPRE barras normales “/”, incluso en Windows.

# MAL (solo funciona en Windows) → Ejecuta scripts\validar.py

# BIEN (funciona en todos los sistemas)→ Ejecuta scripts/validar.py

❌ Error #5: SKILL.md demasiado largo

Metes toda tu documentación, ejemplos, casos edge, referencias... y el skill empieza a fallar o ignorar instrucciones.

✅ Solución: Máximo ~500 líneas en SKILL.md.

Si necesitas más:

• Pon lo esencial en SKILL.md

• Crea archivos separados (REFERENCE.md, EXAMPLES.md)

• Claude los carga solo cuando los necesita

mi-skill/
├── SKILL.md          # Instrucciones principales (<500 líneas)
├── REFERENCE.md      # Documentación detallada
├── EXAMPLES.md       # Casos de uso expandidos
└── scripts/
    └── validar.py

📍 Regla: Si tu SKILL.md necesita scroll infinito, divídelo.

🔧 Checklist rápido antes de publicar un skill:

• [ ] ¿La descripción explica QUÉ hace Y CUÁNDO usarlo?

• [ ] ¿Es única respecto a otros skills que tengo?

• [ ] ¿El YAML empieza en línea 1 sin espacios antes?

• [ ] ¿Todas las rutas usan / en lugar de \?

• [ ] ¿SKILL.md tiene menos de 500 líneas?

📚 Recursos y directorios de Skills IA

Listado de los mejores sitios en donde encontrar skills ia para tu uso

Nuestra recopilación de skills:

• 🎩 Mafia Claude Skills

Documentación oficial:

• Anthropic Skills Repository

• Agent Skills Documentation

• Skills + MCP (blog oficial)

Otros Directorios para encontrar Skills:

• Skills.sh - creado por vercel / muy útil para desarrolladores frontend

• Awasome Skills

• Awasome Claude Skills - lista curada

• NotebookLM Claude Code Skill

• Antigravity Skills - lista curada para el IDE de google

Skills sueltos:

• Research, Learning & Problem Solving Skills

• Knowledge Management Skills

• Writing & Documentation Skills

❤️ Gracias por leer La Mafia IA.

Si te ha gustado esta edición, házmelo saber, no te olvides de darle al ♡

¿Conoces a alguien a quien le pueda ayudar esta información? → compártelo.

Compartir

🗞️ Para noticias IA diarias:

La Mafia IA no te bombardea con noticias (que solo añaden ruido y caos).

Si te interesa estar más al día: En mis perfiles en redes te comento las noticias más importantes en tiempo real, me puedes encontrar en:

𝕏 x.com | ＠Thread | 💼 Linkedin | 📒 Notas de Substack

Este post fue escrito por un humano. Las herramientas IA me ayudaron a investigar y organizar. El criterio, los ejemplos y las opiniones son 100% míos.

Alex dc

Solo las herramientas más útiles, probadas y brutales para trabajar hoy.

Pero antes de pasar a la lista, necesito que entiendas algo crítico:

La mayoría estamos juzgando la IA con datos caducados.

No es un error tuyo. Es que el ser humano no está preparados para asimilar una evolución al ritmo de la tecnología en 2026.

Hace 18 meses, la IA servía para generar textos genéricos y memes donde Will Smith comía espaguetis deformes. Hoy, esa misma tecnología descubre fármacos, programa software complejo y crea vídeo indistinguible de la realidad.

Vivimos tiempos exponenciales!

Los costes de inferencia cayeron 280 veces entre noviembre de 2022 y octubre de 2024. Lo que costaba 280€ ahora cuesta 1€. (fuente Stanford 2025).

Y está velocidad no ha dejado de acelerarse en los últimos meses (AI capabilities progress has sped up).

¿El problema? Tu cerebro sigue pensando linealmente mientras la tecnología avanza verticalmente.

Y una de las consecuencias de este crecimiento y nuestra falta de capacidad para asumir cambios a esta escala es que:

Ahora mismo una de las habilidades tecnológicas de mayor valor es simplemente saber qué es posible hacer HOY y qué no.

Literalmente, si estuviera contratando gente para mi empresa creo que esto sería una de las 3 primeras cosas que valoraría en estos tiempos.

Y No lo digo yo, es una idea compartida por varios de los líderes de Silicon Valley, como por ejemplo Guillermo Rauch (creador de Vercel, la infraestructura que ahora mismo soporta medio internet) → (tweet)

El error más caro que puedes cometer en 2026 no es probar una herramienta imperfecta. Es ignorar que seguramente alguien está creando una herramienta IA que hace parte de tu trabajo. Es esperar a la herramienta “perfecta” mientras tu competencia ya está construyendo el futuro con lo que existe ahora.

He analizado cientos de Apps para la web La Mafia IA. He filtrado el ruido y he elaborado esta base de datos centrándome únicamente en las que resuelven problemas de forma eficaz o generan beneficios.

Tanto si eres un profesional ocupado, un desarrollador o un creador de contenido, aquí está tu arsenal.

👇 Instrucciones de uso:

• Guarda este post o compártelo: Lo iré actualizando ♻️ constantemente. Esta es una lista viva.

• Busca la estrella: He añadido una ⭐️ a las que personalmente utilizo a diario y de las que ya no podría vivir sin ellas.

• Suscríbete a La Mafia IA (Si no lo has hecho): Apúntate a esta newsletter totalmente gratis hoy.

Compartir

Hola soy Alex dc. y todas las semanas te cuento cómo aprovechar la IA para mejorar tu negocio, de forma directa y práctica sin perderte en el ruido de novedades sin fin y de la última herramienta de moda.

Antes que nada un saludo 👋 a los 598 nuevos miembros 👨‍🚀 desde la última publicación. Incluido record de suscripciones en un día con +85 subs (el 6 enero)

🙌 Ya somos 11.000! 🎉

- Puedes suscribirte gratis aquí 👈

Suscríbete ahora

Y ahora

Al final la lista ha quedado en casi 100 herramienta IA.

Son demasiadas. Lo sé. Y en La Mafia IA la prioridad siempre es no hacerte perder más tiempo del necesario, ni meter más ruido a la inmensa intoxicación de información en la que ya vivimos.

Así que antes de ir al listado más detallado, aquí tienes un resumen de lo que uso yo a diario que quizá te sirva como primer filtro y guía.

Mi Stack Personal (Lo Que Realmente Uso a diario)

Después de probar cientos de herramientas, este es mi setup diario base:

🧠 Para pensar y crear: Claude con mis asistentes personalizados (y mi thinking partner).

👨‍💻 Para programar: Antigravity + Claude Code

🕵️‍♂️ Para investigar: Perplexity (aunque está perdiendo competitividad) y en algunas ocasiones Grok (para temas de actualidad)

🛠️ Para automatizar: N8N o desarrollo mi propia herramientas con Claude Code

🎨 Para imágenes y vídeos: Nano Banana (con Gemini PRO) - Excepcionalmente uso el editor de Grok para evitar alguna censura estúpida.

🔊Para audio/podcasts: texto a voz: Fish Audio - música: Moises AI

🆓 Mi sistema IA Open Source en local: LMstudio + AnythingLLM
(en mi portátil: Macbook pro M4 max con 64 GB RAM)

Total mensual > 60€

¿Vale la pena? Calculo que me ahorra +50 horas de trabajo al mes. Haz las cuentas.

Y ahora vamos con la Superlista, edición 2026…

Suscríbete ahora

97 Mejores Herramientas IA para Emprendedores

(Última actualización: enero 2026)

🔑 Leyenda

• ⭐️ = Imprescindible en su categoría

• 🍏 = Tiene opción gratuita generosa o es open source

• 🔥 = Tendencia o novedad

🧠 Modelos fundacionales y LLMs

A continuación los modelos Estado del Arte (SOTA) actuales.

Esos que casi todos conocemos.

Pero antes de dejo los principales benchmark para que sea cuando sea que leas esto puedas mirar cuales son los laboratorios que lideran los rankings.

Principales Rankings y Benchmarks de referencia:

Artificial Analysis - Epoch - ARC AGI 2 - LMarena - LiveBench

Modelos SOTA LLMs

• Gemini - Mejor modelo multimodal. Mejor edición de imágenes IA

• Claude — Mejor para código y agentes

• ChatGPT — Todo terreno. Mejor modo “conversación”

• Grok — Cada vez apunta más a ser la referencia en búsquedas para temas de actualidad (por algo tienen todos los datos de 𝕏.com)

Modelos Chinos (Open Source):

• Qwen — El “gemini” de china. con un modelo de edición de imágenes similar a nano banana.

• DeepSeek — El modelo de razonamiento lógico más inteligente y barato del mercado. Ideal para matemáticas y lógica compleja 🍏

• Z.ai — El modelo chino ahora mismo más capaz.

• Kimi K2 — Open Source capaz de competir con los modelos frontera en tareas de programación

💻 Desarrollo de Software & “Vibe Coding”

La categoría más importante de este año.

Hace 12 meses necesitabas un desarrollador para crear cualquier cosa. Hoy puedes tener un MVP funcionando en un fin de semana gracias al Vibe Coding

No exagero. Lo he hecho. Mi GitHub ha pasado de 10 commits al año a más de 1.000, con actividad a diario.

No soy programador. Simplemente sé qué problemas quiero resolver y me creo una herramienta para hacerlo. De la nada. Gracias a la IA y las herramientas que te comparto aquí mismo:

• Claude Code — Herramienta CLI de Anthropic para coding agéntico desde terminal. Ideal para proyectos grandes (+50k líneas). ⭐️

• Antigravity — ¿El nuevo IDE estandar para codificación por IA? ⭐️ 🍏 🔥

• Devin — Ingeniero de software autónomo impulsado por IA que planifica, escribe, depura y despliega código de forma independiente a partir de instrucciones en lenguaje natural.

• Lovable — Describe tu idea y crea una aplicación web completa (Full Stack) lista para usar. La reina del “Vibe Coding”. El mejor para no-coders que quieren apps de producción.

• Replit Agent — Un agente autónomo que planifica, escribe y despliega software complejo desde el navegador. Ideal para principiantes y prototipado rápido. 🍏

• Bolt.new — Prototipado web instantáneo en el navegador. Perfecto para validar MVPs en una tarde. Open source.

• Windsurf — La alternativa a Cursor con enfoque más “agéntico” (toma control de la terminal). Modo Cascade para cambios multi-archivo. ⭐️ 🍏

• GitHub Copilot — El clásico que sigue vigente. Autocompletado de código integrado en tu IDE.

• V0 — Tu asistente colaborativo de IA para diseñar, iterar y escalar aplicaciones full-stack para la web. ⭐️ 🍏

Para desarrolladores profesionales:

• Cursor — El editor de código que mató a VS Code. Predice tus siguientes movimientos con contexto de todo el proyecto. Imprescindible si tocas código.

• Amazon Bedrock — Para empresas que despliegan modelos de IA.

• Hugging Face — Plataforma todo en uno para probar los últimos modelos ⭐️

• Open Router — Accede a todos los modelos principales a través de una única interfaz unificada (SDK)

🎥 Generación de Vídeo & Avatares

Adiós a las alucinaciones físicas. Hola al realismo cinematográfico.

• FLOW con Google Veo 3 — La herramienta para crear vídeos con calidad profesional de Google. 4K con audio nativo. Excelente para trabajo comercial y publicidad. ⭐️ 🔥

• Kling AI — La joya china que democratizó el vídeo de alta calidad (1080p, hasta 3 min). El mejor value for money según pruebas recientes. Lip-sync superior. 🍏

• Hailuo (MiniMax) — Si buscas estética publicitaria y belleza visual, esta es la ganadora actual. Excelente para animación.

• HeyGen — El rey indiscutible para avatares parlantes y traducción de vídeo con lip-sync perfecto. Ideal para vídeos corporativos multiidioma.

• Runway Gen-4 — Control granular para cineastas (motion brush, cámaras). Festival anual de AI Film. Mejor para VFX.

• Synthesia — Líder en vídeo corporativo con avatares digitales ultrarrealistas. 140+ idiomas. Ideal para formación y ventas.

• Sora 2 (OpenAI) — El modelo de OpenAI de simulación de mundo y física.

• Luma Ray 2 — Interfaz minimalista tipo Apple. Rápido para prototipar ideas con curva de aprendizaje baja.

• ComfyUI — El SO para la creación de contenido visual. Automatizaciones y consistencia de imágenes. 🔥 ⭐️

• Wan 2.1 — La respuesta china a la generación de vídeo de alta fidelidad. Capaz de crear escenas hiperrealistas y optimizado para funcionar incluso en hardware de consumo (con las nuevas optimizaciones FP4). Open Source 🍏

🔬 Investigación y “Segundo Cerebro”

Ya no buscamos en Google, “investigamos” con IA.

• Perplexity Pro — El buscador IA. Deep Research te hace informes verificados con citas inline. 780M consultas/mes. ⭐️ 🍏

• NotebookLM (Google) — La mejor herramienta de estudio. Convierte PDFs en Podcasts (Audio Overviews), vídeos, mind maps. Respuestas 100% basadas en TUS documentos. ⭐️ 🍏

• Consensus — Buscador científico. Analiza la evidencia de papers reales y te da síntesis detalladas. Ideal para validar decisiones con datos.

• Elicit — Revisión bibliográfica automatizada. 138M+ papers científicos (con más 545,000 ensayos clínicos). Extrae metodología y resultados en tablas. Ideal para meta-análisis. ⭐️

• Semantic Scholar — Buscador semántico gratuito con grafos de citación. Primer paso en descubrimiento de literatura.

• Scite.ai — Verifica cómo se cita cada paper (supporting, disputing, mentioning). Crucial antes de citar.

• Openevidence - Buscador de evidencias médicas y científicas para ayudar a los médicos a hacer mejores diagnósticos.

🔊 Audio, Voz y Música

La voz sintética ya es indistinguible de la humana.

Música IA:

• Moises AI — Esta hubiera sido la herramienta de mis sueños cuando trabajaba como productor musical. Ideal para remixes, crear nuevas ideas musicales, etc. ⭐️

• Suno v5 — Crea canciones completas (radiofónicas) en segundos con vocals, instrumentos y estructura. Canciones hasta 8 min. El mejor overall para música. 🍏

• Udio — Para músicos que quieren control total. Calidad de audio superior, permite descargar stems y remixing. Más “profesional” que Suno para generación rápida. ⭐️

• iZotope Ozone — Mastering profesional con IA. Para el pulido final de audio.

Texto a Voz / doblaje

• Fish Audio — Mejor TTS calidad/precio que ElevenLabs. Ofrece versión Open Source 🍏 ⭐️

• Murf.ai — Studio doblaje integrado con editor timeline; sincroniza audio a video automáticamente; 200+ voces alta calidad

• ElevenLabs — Se ha convertido en un “Audio OS”. Doblaje, efectos de sonido y la mejor voz del mercado. v3 con 70+ idiomas y etiquetas emocionales ([excited], [whispers]). Eleven Music con licencias comerciales claras.

• Speechify — Excelente para escuchar documentos. 1,000+ voces en 60+ idiomas. Clonación de voz incluida.

• Descript — Edita audio/vídeo editando el transcript. Clonación de voz para re-doblajes. Ahorra horas.

🤖 Automatización y Agentes IA

Conectar apps ya no es suficiente; ahora orquestamos trabajadores digitales.

• Manus — Recién adquirido por Meta, fue el primer “agente IA” que podía solucionar problemas reales.

• n8n — El nuevo estándar open-source. A diferencia de Zapier/Make, es ideal para crear agentes IA complejos, más barato, y puedes self-hostear. 250k+ usuarios activos. ⭐️ 🍏

• Comet (browser) —

• CrewAI (para desarrolladores) — Framework multi-agente open-source; orquesta teams IA para marketing campaigns.

• Make — Excelente para automatizaciones visuales con branching complejo. Balance perfecto entre poder y facilidad. Más barato que Zapier.

• Zapier — 8,000+ integraciones plug-and-play. El más fácil para no-técnicos. Ahora con AI Agents y MCP.

• Retell AI — Infraestructura para crear recepcionistas telefónicos IA que hablan en tiempo real. Latencia casi cero. ⭐️

• MultiOn — Agente que navega la web por ti (reserva vuelos, compra entradas, rellena formularios). El “motor cerebral” para tareas web autónomas.

• Microsoft Power Automate — Ideal si estás en ecosistema Microsoft. Copilot integrado. 230k+ empresas lo usan.

• Gumloop — Drag-and-drop para workflows IA. Setup en 10 minutos.

📝 Contenido y Copywriting

Herramientas integradas, no “wrappers” caros.

• Notion AI — El cerebro central. Q&A sobre tus documentos, redacción, resúmenes. Todo en un workspace. ⭐️ 🍏

• Claude (Anthropic) — El mejor “compañero de escritura”. Tono más humano y menos robótico que GPT. Contexto de 200K tokens. Favorito para código, para crear Asistentes IA y contenido largo. ⭐️

• Copy.ai — Ha pivotado hacia “GTM AI” (Go-To-Market), automatizando flujos de ventas enteros.

• Typeface — Contenido de marca para empresas grandes. Define tono y estilo corporativo, genera todo respetando la voz.

• Grammarly — Más allá de gramática: reescritura, tono, claridad. Integrado en todas partes.

🎨 Imagen y Diseño

Este ha sido el año de los textos perfectos y vectores editables.

• Midjourney v7 — Sigue teniendo la mejor estética artística. Ideal para concept art, mood boards, y cuando quieres imágenes que no parezcan IA.

• Nano Banana 🍌 — La revolución de las imágenes IA de calidad. ⭐️ 🍏

• Editor de imágenes de Grok — Útil para evitar alguna censura estúpida en ediciones de imágenes y vídeo rápidas. 🍏

• Qwen Image Editor — Alternativa Open Source a Nano Banana, puedes probarlo gratis en Qwen 🍏

• Ideogram — El rey del texto legible en imágenes. Si necesitas logos, posters, tipografía, usa esto. Batch Generator + Character creator incluidos. 🍏

• Leonardo.ai — Mejor para personajes de videojuegos con consistencia. 150 créditos gratis/día.

• Flux.2 (Black Forest Labs) — Una de las mejores opción Open Source. Calidad brutal, sin censura. Apache 2.0 para versión Schnell. 🍏

• Z-Image-Turbo — Modelo Open Source. Priorizas velocidad, bajo consumo VRAM y despliegue barato/masivo. Ideal para servidores, laptops o producción a gran escala.

• Recraft V3 — LA REVOLUCIÓN para diseñadores. Genera y edita gráficos vectoriales (SVG) e iconos consistentes. #1 en benchmarks de ELO. Export a SVG, PNG, TIFF, Lottie. ⭐️

• Krita - El photoshop de la IA y además es Gratis 💸 (necesita el siguiente plugin para funcionar como editor IA → Github / download) 🍏

  📺 ➡️ Aquí tienes también un video sobre Krita

• Reve Image — El nuevo contendiente. Prompt adherence excepcional y fotorrealismo top tier.

• Tencent Hunyuan 3D — Para pasar de una simple imagen 2D a un modelo 3D completo (con texturas y sombras) en cuestión de segundos.

💼 Productividad y Reuniones

Recupera 10 horas a la semana.

• Granola — El mejor tomador de notas. No es un bot intrusivo en la llamada, se ejecuta localmente y te hace resúmenes perfectos. $67M+ en funding.

• Limitless — El sucesor de Rewind (que sale de nuestra anterior lista). Un colgante (o app) que recuerda todo lo que dices y escuchas. Memoria corporal.

• Gamma — Adiós PowerPoint. Genera presentaciones web visuales e interactivas en segundos. Define audiencia, tono, formato. 🍏

• Superhuman — Mejorea tu correo electrónico. IA que redacta, auto-labels, split inbox. Keyboard-first.

• Reclaim.ai — Optimiza tu calendario automáticamente. Protege tiempo para deep work y hábitos.

• Otter.ai — Transcripción de meetings con action items automáticos. Multi-speaker excelente.

• Fireflies.ai — Base de conocimiento searchable de todas tus conversaciones de voz.

• Motion — Auto-scheduling inteligente que reorganiza tu día según prioridades cambiantes.

Otros

• Google Labs — Con apps tan interesantes como Stitch (para diseño web), Jules (el codex de Google), Opal (automatizaciones IA), Mixboard, y otras joyas…

• LexisNexis IA — Especializado en IA Legal

• Pinokio — Permite correr en local los mejores proyectos IA de Código Abierto. De forma Sencilla con un par de clicks. Usa software IA profesional por el que te cobran de forma totalmente gratis. ⭐️

• LMstudio — Ejecuta modelos de IA locales en tu computadora. ⭐️

• AnythingLLM — Chatea con documentos, utiliza agentes de IA y mucho más, todo ello de forma local y sin conexión. ⭐️

Suscríbete ahora

¿Qué herramienta añadirías a la lista? Responde a este email.

Si crees que me he dejado algo realmente importante, puedes contribuir a la lista tú también dejando un comentario.

Y hasta aquí las 97 IA que he estado o estoy utilizando.

💡Recuerda que esta lista se irá modificando constantemente.

Compartir

Cómo Usar Esta Lista

No te suscribas a 30 herramientas de golpe. Eso es exactamente lo que NO debes hacer.

Mi recomendación:

1. Identifica tu cuello de botella principal (¿escribir?, ¿Marketing? ¿programar? ¿investigar?)

2. Elige UNA herramienta de esa categoría

3. Úsala hasta dominarla

4. Repite

Las herramientas no te hacen productivo. Saber usarlas bien te hace productivo.

Usar menos Herramientas. Mejores resultados.

No se trata de coleccionar herramientas IA como si fueran cromos.

¿Te suena esto? 7 suscripciones. 2 que realmente usas. El resto son gastos fantasma que te hacen sentir productivo sin serlo.

Mi regla: Si no la he usado en 2 semanas, la cancelo. Sin excepciones.

Las herramientas son medios, no fines. El fin es resolver problemas. Crear cosas. Ahorrar tiempo.

Esta lista se actualiza constantemente. Guárdala. Compártela con quien le pueda ser de ayuda y vuelve cuando necesites algo específico.

Y recuerda: la mejor herramienta es la que realmente usas.

❤️ Gracias por leer La Mafia IA.

Si te ha gustado esta edición, házmelo saber, no te olvides de darle al ♡

¿Conoces a alguien a quien le pueda ayudar esta información? → compártelo.

Compartir

🗞️ Para noticias IA diarias:

La Mafia IA no te bombardea con noticias (que solo añaden ruido y caos).

Si te interesa estar más al día: En mis perfiles en redes te comento las noticias más importantes en tiempo real, me puedes encontrar en:

＠Thread | 💼 Linkedin | 📒 Notas de Substack | 𝕏 x.com

Este post fue escrito por un humano. Las herramientas IA me ayudaron a investigar y organizar. El criterio y las opiniones son 100% míos.

Alex dc

Hay que ser muy friki para tener “papers“ favoritos.

Y para desgracia de los queridos lectores de esta newsletter…

Yo lo soy!

Así que si pensabas que habías abierto substack para divertirte y te has encontrado con esto, lo siento pero:

• Uno. Esto no es el puto Hormiguero (Si no lo conoces imagínate el equivalente televisivo en diversión a darle zanahorias a un burro para que siga andando en círculos)

• y dos: por favor… no te des-sus-cribas 🙏 prometo que vendrán días mejores, y post más “divertidos” 😁 te lo juro!

Vale, si todavía no has:
→ Cerrado la pestaña
→ Borrado tu cuenta de substack
→ Formateado el disco duro
→ Tirado el portátil por la ventana
→ Quemado los pedacitos que han quedado estampados en el suelo
→ Y empezado a pensar seriamente, cómo cojones has acabado en esta secta!

Si todavía no has hecho nada de lo anterior y sigues aquí: esto es lo que te prometo que puedes lograr con tus Asistentes IA y con las técnicas del Agentic Context Engineering:

• Superar el rendimiento del Fine-Tuning: ACE logra un rendimiento superior sin modificar los pesos del modelo. Mejora absoluta de +17.1% (aprox. 40% relativo).

• Reducción de costes y latencia: Consigue una reducción del 82% al 92% en la latencia de adaptación y un ahorro del 75% al 84% en el coste de tokens.

• Solución al “Colapso del Contexto” (Context Collapse): El paper critica los optimizadores actuales (como DSPy o OPRO) por sufrir de “sesgo de brevedad” (resumir demasiado y perder detalles). ACE mantiene un “Playbook” persistente que acumula estrategias y correcciones detalladas sin comprimirlas destructivamente, lo cual es crítico para tareas de razonamiento complejas como las financieras o de codificación.

• Eficacia sin supervisión humana: El sistema mejora utilizando únicamente la retroalimentación de la ejecución (si el código funcionó o falló), sin necesidad de datos etiquetados manualmente. En tareas de dominio específico como finanzas (FiNER), esto generó una mejora media del +8.6% en los resultados.

Hola soy Alex dc. y todas las semanas te cuento cómo aprovechar la IA para mejorar tu negocio, de forma directa y práctica sin perderte en el ruido de novedades infinitas de la Inteligencia Artificial.

Antes que nada un saludo 👋 a los 397 nuevos miembros 👨‍🚀 desde la última publicación. Ya somos más de +10.000 - Puedes suscribirte gratis aquí 👈

Suscríbete ahora

Uno de los grandes problemas de los LLM actuales

Tu IA te está haciendo perder el tiempo.

Cada conversación empieza de cero. Le explicas lo mismo 47 veces. Comete el mismo error que corregiste ayer. Y anteayer. Y la semana pasada.

Corriges → Olvida → Repites → Corriges → Olvida...

El loop infinito de la frustración.

¿Y lo peor?

Frustración. Tiempo perdido. La sensación de que “esto de la IA no es para tanto”.

Pero el problema no es la IA.

El problema es cómo la estás usando.

▪️ Si quieres sacar el máximo partido posible a la IA considera hacerte 🎩Miembro Super Fundador de la Mafia ▪️

La Trampa del “Contexto Estático”

Hace unas semanas publiqué cómo crear tu ejército de Asistentes IA personalizados.

La respuesta fue brutal. Muchos dejasteis comentarios muy cariñosos y sé que otros tantos montasteis vuestros asistentes, configurando proyectos, gems, subiendo su “Carpeta de Oro” con toda su documentación.

Pero también sé que muchos os encontrasteis con resultados que no esperabais:

“mi asistente sigue olvidando cosas que ya le dije”

“¿Por qué repite los mismos errores de formato?”

Y tienen razón.

Porque un Asistente IA con contexto estático es solo el primer paso.

Es como escribir un manual de empleado cuando en tu empresa erais 10 personas y seguir con ese manual cuando sois 500

Tu negocio evoluciona. Descubres qué funciona y qué no. Tu audiencia cambia.

El verdadero salto no es tener un asistente que te conoce cuando lo creaste.

Es tener un asistente que APRENDE y mejora de cada interacción.

El Paper de Stanford que mejora tu IA y te ahorra miles de tokens, tiempo y dinero

Investigadores de Stanford y SambaNova acaban de publicar algo que puede transformar cómo usas la IA para siempre.

Se llama ACE: Agentic Context Engineering. (paper: Agentic Context Engineering: Evolving Contexts for Self-Improving Language Models)

📍 Los números:

• +10.6% mejora en tareas complejas de agentes

• +8.6% mejora en razonamiento financiero

• 86.9% menos tiempo de adaptación

• 83.6% menos tokens consumidos

Sin fine-tuning. Sin código complejo. Sin gastar miles de euros.

Solo usando el contexto de forma inteligente.

¿La idea central?

Tratar tu contexto como un playbook evolutivo que acumula lo que funciona y descarta lo que no.

Cada vez que corriges a tu IA, esa corrección se convierte en una regla permanente.

No es magia. Es sistema.

Los 3 Problemas que Agentic Context Engineering (ACE) Resuelve

Antes de explicarte la solución, necesitas entender por qué tu asistente actual falla:

1️⃣ Brevity Bias (Sesgo de Brevedad)

Cuando le das contexto largo a un LLM y le pides que lo “resuma” o “mejore”, tiende a comprimir y perder información crítica.

Tu documento de 10 páginas con instrucciones detalladas se convierte en 2 párrafos genéricos.

Es como pedirle a alguien que resuma “Guerra y Paz” en un tweet.

Algo importante se pierde por el camino. Siempre.

2️⃣ Context Collapse (Colapso de Contexto)

Cada vez que reescribes tu prompt de sistema completo, se degrada un poco.

Como fotocopiar una fotocopia 100 veces.

Al principio se ve bien. Después de 20 iteraciones, es ilegible.

Lo mismo pasa con tu contexto. Cada “mejora” que le pides erosiona detalles importantes que habías añadido antes.

En el paper de Stanford documentaron casos dramáticos: un contexto de 18,282 tokens colapsó a solo 122 tokens en una sola reescritura. La precisión cayó de 66.7% a 57.1%. Peor que no haber adaptado nada.

3️⃣ El Fine-tuning no es una buena solución

Fine-tuning es caro y lento.

Un buen proceso de fine-tuning puede llevar semanas y costar miles de €/$.

Fuera del alcance del 99% de emprendedores.

ACE resuelve estos 3 problemas con una regla simple:

Nunca reescribe todo. Solo añade lo que aprende.

La Arquitectura ACE de 3 Roles (Cómo Funciona)

Te presento a ACE.

El sistema ACE tiene tres “personajes” que trabajan en equipo:

┌─────────────┐     ┌─────────────┐     ┌─────────────┐
│  GENERATOR  │────▶│  REFLECTOR  │────▶│   CURATOR   │
│  (Ejecuta)  │     │  (Analiza)  │     │ (Actualiza) │
└─────────────┘     └─────────────┘     └─────────────┘
       ▲                                       │
       │         ┌──────────────┐              │
       └─────────│   PLAYBOOK   │◀─────────────┘
                 │  (Tu base de │
                 │ conocimiento)│
                 └──────────────┘

🔵 GENERATOR (El Ejecutor)

Es tu IA haciendo el trabajo. Lee el playbook, ejecuta la tarea, produce un resultado.

Pero además marca qué bullets (reglas) del playbook usó y si fueron útiles o no.

🟡 REFLECTOR (El Analista)

Aquí empieza la magia.

Después de cada tarea (especialmente cuando TÚ corriges algo), el Reflector analiza:

• ¿Qué funcionó?

• ¿Qué falló?

• ¿Por qué falló?

• ¿Qué regla evitaría este error en el futuro?

Es como tener un coach que revisa cada jugada después del partido.

🟢 CURATOR (El Curador)

Convierte los insights del Reflector en actualizaciones concretas para el playbook:

• Añade nuevas reglas (bullets) que funcionan

• Incrementa el contador “helpful” de las que ayudan

• Incrementa el contador “harmful” de las que confunden

• Fusiona o elimina las redundantes

Es el que mantiene tu playbook siempre actualizado y limpio.

El loop es simple:

Ejecutar → Corregir → Analizar → Actualizar → Repetir

Con cada iteración, tu asistente mejora. Automáticamente.

Tu Playbook: El Cerebro Evolutivo de tu IA

El corazón de ACE es el playbook: un documento estructurado que acumula todo lo que funciona.

No es un prompt largo y desordenado.

Es una base de conocimiento organizada por secciones

No necesitas API. No necesitas programar.

Puedes usar ACE manualmente con cualquier LLM: ChatGPT, Claude o Gemini*

*Yo utilizo Claude, así que puede que me refiera a esta IA en el futuro, pero los pasos en ChatGPT, Gemini, Grok, son los mismos.

El truco está en crear un documento “Playbook” estructurado que vive en tu proyecto/gem y se actualiza periódicamente.

Se vería algo así:

Plantilla de Playbook Lista para Usar

Abre un documento de texto (yo uso .md pero .txt funciona igual) y llámalo ACE_Playbook.md.

Este documento vivirá en el “Knowledge” de tu proyecto de ChatGPT, en los archivos de tu Project de Claude, o en el contexto de tu Gem de Gemini.

Copia esto y adáptalo a tu dominio:

# [TU PROYECTO] PLAYBOOK
Versión: 1.0
Última actualización: [FECHA]
Bullets totales: [N]

---

## TASK GUIDANCE (Guías de ejecución)

### B001 | helpful: 0 | harmful: 0
[Tu primera regla de ejecución más importante]

### B002 | helpful: 0 | harmful: 0
[Segunda regla]

---

## ERROR PREVENTION (Prevención de errores)

### E001 | helpful: 0 | harmful: 0
⚠️ NUNCA [error común a evitar]

### E002 | helpful: 0 | harmful: 0
⚠️ EVITAR [otro error]

---

## DOMAIN KNOWLEDGE (Conocimiento del dominio)

### D001 | helpful: 0 | harmful: 0
[Hecho importante que el LLM no sabe por defecto]

---

## FORMATTING (Estándares de formato)

### F001 | helpful: 0 | harmful: 0
[Cómo debe verse el output]

---

## CHANGELOG
- [FECHA]: Creación inicial con N bullets

Pero te lo voy a poner más fácil todavía.

Cómo Implementar ACE en tu IA

Paso 1: Crea tu Playbook Base

Estas son las instrucciones para que crees tu primera versión del ACE_Playbook.md. con Claude (o tu IA)

Usa este prompt para crear tu playbook inicial:

Voy a pedirte que me ayudes a crear un documento ACE_Playbook.md para [DESCRIBE TU CASO DE USO: ej. “escribir newsletters sobre IA”, “analizar contratos legales”, “crear contenido para LinkedIn”].

Este playbook será mi base de conocimiento evolutiva que irás usando y que actualizaremos juntos con el tiempo.

Necesito que me hagas preguntas para entender:

1. ¿Qué tareas específicas realizaré contigo frecuentemente?
2. ¿Qué errores comunes he visto o cometido antes?
3. ¿Qué estándares de formato/estilo necesito?
4. ¿Qué conocimiento específico de mi dominio debería incluir?
5. ¿Qué herramientas o fuentes uso habitualmente?

Hazme las preguntas UNA POR UNA. Cuando tengamos suficiente información, genera el playbook en este formato exacto:

---
# [NOMBRE] ACE PLAYBOOK
Versión: 1.0
Última actualización: [FECHA]

## TASK_GUIDANCE
[Bullets sobre CÓMO ejecutar tareas correctamente]

## ERROR_PREVENTION  
[Bullets sobre errores comunes a EVITAR]

## DOMAIN_KNOWLEDGE
[Bullets sobre conocimiento específico que necesitas saber]

## STYLE_FORMAT
[Bullets sobre cómo debe verse el output]

## CHANGELOG
- [FECHA]: Creación inicial
---

Cada bullet debe seguir este formato EXACTO:

### [SECCIÓN]-[NÚMERO] 
**helpful:** 0 | **harmful:** 0
[Contenido del bullet - máximo 2-3 oraciones, accionable y específico]

Los contadores helpful/harmful empiezan en 0 y se actualizarán con el uso.

Empecemos. Primera pregunta:

Responde las preguntas honestamente. Cuanto más específico seas, mejor será tu playbook inicial.

Paso 2: La Estructura Real de un Bullet

Según el paper de Stanford, cada “bullet” (regla) en tu playbook debe tener:

1. ID único → Para referenciarlo después

2. Contadores helpful/harmful → Track de cuántas veces ayudó vs confundió

3. Contenido accionable → Una estrategia, concepto, o patrón a evitar

¿Por qué los contadores?

Porque no todas las reglas son iguales. Algunas funcionan el 95% del tiempo. Otras solo en casos específicos. Los contadores te ayudan a:

• Identificar tus reglas más valiosas (alto helpful, bajo harmful)

• Detectar reglas problemáticas (alto harmful) que debes refinar o eliminar

• Priorizar qué incluir cuando el contexto es limitado

Paso 3: Añade el Playbook a tu Proyecto/Gem

En ChatGPT (Projects):

1. Ve a tu Proyecto

2. Sube el archivo ACE_Playbook.md a “Archivos”

3. En las instrucciones del proyecto, añade:

INSTRUCCIÓN CRÍTICA: 

Antes de ejecutar cualquier tarea:
1. Consulta el documento ACE_Playbook.md
2. Identifica qué bullets son relevantes para esta tarea
3. Aplica las estrategias de TASK_GUIDANCE
4. Evita los patrones listados en ERROR_PREVENTION

En Claude (Projects):

1. Ve a tu Project

2. Sube el archivo a “Archivos”

3. En las instrucciones, añade lo mismo

En Gemini (Gems):

1. Crea o edita tu Gem

2. Sube el playbook a los “conocimientos”

3. Añade la instrucción de consultarlo

Paso 4: El Sistema de Actualización (La Clave de Todo)

Aquí está el secreto que hace que ACE funcione.

Cada vez que corrijas a tu IA, usa este prompt para actualizar el playbook:

=== ANÁLISIS ACE ===

TAREA: [Describe brevemente qué le pediste]

TU RESPUESTA: [Pega o resume lo que la IA produjo]

MI CORRECCIÓN: [Explica qué corregiste y por qué]

FEEDBACK: [Opcional: ¿funcionó la versión corregida?]

---

Ahora actúa como el REFLECTOR ACE y analiza:

1. ROOT CAUSE: ¿Por qué falló? ¿Qué asunción incorrecta hizo la IA?

2. PATTERN: ¿Este error es específico de esta tarea o podría repetirse en otras situaciones similares?

3. PREVENTION: ¿Qué regla clara y accionable habría evitado este error?

Después actúa como el CURATOR ACE y genera la actualización:

FORMATO DE ACTUALIZACIÓN:

ACCIÓN: [ADD | MODIFY | DEPRECATE] SECCIÓN: [TASK_GUIDANCE | ERROR_PREVENTION | DOMAIN_KNOWLEDGE | STYLE_FORMAT] ID: [ID nuevo o existente] CONTENIDO: [El bullet nuevo o modificado] RAZÓN: [Por qué este cambio mejora el playbook]

REGLAS ESTRICTAS:
- NO reescribas el playbook completo
- Solo genera el DELTA (cambio incremental)
- Un concepto por bullet
- Bullets concisos (máximo 2-3 oraciones)
- Usa verbos en imperativo: “Incluir...”, “Evitar...”, “Verificar...”

🔥🔥🔥 EL TRUCO QUE YO UTILIZO:

Esta es la forma más sencilla en la que utilizar ACE.

A mí me facilita mucho la vida, me ahorra tiempo y me hace tener mejores resultados.

Tengo un Asistente IA (proyecto) para crear mis primeros borradores cada vez que voy a tratar un tema nuevo.

Este es mi proceso:

1. Utilizo IA para crear borradores sobre los temas que luego escribiré.

2. Una vez tengo el borrador empiezo a crear el texto final. A veces el resultado final es 80% diferente otras un 40% al borrador de partida.

3. Le doy a la IA su borrador inicial y mi texto final y le pido que aplique el protocolo ACE para detectar los cambios que realice.

👌 Resultado: Cada texto que escribo es mejor!

Tengo mejores borradores iniciales en los que luego trabajo y acabo creando mejor contenido.

Suscríbete ahora

Ejemplo Real: Mi Playbook de Contenido

Para que veas cómo se ve en la práctica, aquí tienes un fragmento de mi propio playbook para mejorar mi estilo de escritura:

# NEWSLETTER WRITING ACE PLAYBOOK
Versión: 2.1
Última actualización: 2025-01-08

## TASK_GUIDANCE

### TG-001
**helpful:** 12 | **harmful:** 0
Empezar siempre con un gancho que genere tensión o curiosidad en los primeros 2 segundos. El lector decide si sigue o hace scroll antes de terminar la primera oración.

### TG-002
**helpful:** 8 | **harmful:** 1
Una idea principal por párrafo. Si hay dos ideas, son dos párrafos. Sin excepciones.

### TG-003
**helpful:** 15 | **harmful:** 2
Cerrar cada sección con un call-to-action específico o una transición que enganche con lo siguiente. No dejar al lector “flotando”.

### TG-004
**helpful:** 6 | **harmful:** 0
Usar la estructura “Problema visible → Problema real → Solución” para posts largos. Funciona mejor que listar beneficios directamente.


## ERROR_PREVENTION

### EP-001
**helpful:** 18 | **harmful:** 0
NUNCA usar adverbios débiles: “muy”, “realmente”, “bastante”, “increíblemente”. Eliminan fuerza del mensaje. Buscar verbos o sustantivos más específicos.

### EP-002
**helpful:** 14 | **harmful:** 1
EVITAR empezar con “En el mundo actual...” o “Hoy en día...” o “En la era de la IA...”. Son clichés que gritan “escrito por IA”.

### EP-003
**helpful:** 9 | **harmful:** 0
NUNCA hacer listas de más de 5 elementos seguidos. Si hay más, agrupar en categorías o eliminar los más débiles.

### EP-004
**helpful:** 7 | **harmful:** 0
EVITAR preguntas retóricas seguidas (más de 2). Cansan al lector y parecen manipulativas.


## DOMAIN_KNOWLEDGE

### DK-001
**helpful:** 5 | **harmful:** 0
Mi audiencia: emprendedores 25-45, tech-curious pero no técnicos, habla hispana, buscan resultados prácticos no teoría.

### DK-002
**helpful:** 4 | **harmful:** 0
Longitud óptima newsletter: 1500-2500 palabras. Menos se siente incompleto, más agota la atención.

### DK-003
**helpful:** 6 | **harmful:** 0
Los martes y miércoles 8-10am hora España tienen mejor engagement históricamente.


## STYLE_FORMAT

### SF-001
**helpful:** 11 | **harmful:** 0
Párrafos cortos online: máximo 4 líneas en pantalla.

### SF-002
**helpful:** 9 | **harmful:** 0
Usar “tú” siempre, nunca “usted”. Tono: amigo experto tomando café, no profesor en universidad.

### SF-003
**helpful:** 7 | **harmful:** 0
Emojis: máximo 3-4 por sección, solo para enfatizar puntos clave (📍🔥💡⭐️). Nunca decorativos.

### SF-004
**helpful:** 5 | **harmful:** 0
Negritas para ideas clave que el lector debería recordar incluso si hace scroll rápido. No más de 2-3 por párrafo.


## CHANGELOG
- 2025-11-08: Añadido EP-004 (preguntas retóricas) tras feedback de lectores
- 2025-11-05: Modificado TG-003, antes era genérico
- 2025-10-02: Añadido DK-003 (timing publicación) basado en analytics
- 2024-09-21: Creación inicial con 12 bullets

Cómo Interpretar los Contadores

Fíjate en los números:

TG-003 tiene 15 helpful (ayudó) pero 2 harmful (perjudicó). Significa que la mayoría de veces ayuda, pero ocasionalmente confunde. En una futura revisión, quizás lo haga más específico.

EP-001 tiene 18 helpful y 0 harmful. Es una regla de oro. La aplico siempre.

El sistema se auto-corrige con datos, no con opiniones.

Cuándo Añadir y Cuándo NO Añadir

✅ AÑADIR un bullet cuando:

• El mismo error ocurrió 2+ veces

• Una estrategia funcionó en 3+ tareas similares

• Descubriste conocimiento no obvio de tu dominio

• Feedback externo (usuario, lector, amigo) confirmó un patrón

❌ NO añadir cuando:

• Es conocimiento general que cualquier LLM ya tiene

• Solo aplica a un caso muy específico y raro

• No puedes verificar si realmente funciona

• Duplica un concepto existente con otras palabras

🔄 DEPRECAR (dejar de utilizar) cuando:

• harmful_count > helpful_count después de 10+ usos

• Tu dominio cambió y la estrategia ya no aplica

• Se fusionó con otro bullet más completo

El Prompt Nuclear: Actualización Masiva

Si has acumulado muchas correcciones sin actualizar, usa este prompt:

=== ACTUALIZACIÓN MASIVA ACE ===

Aquí están las correcciones que he hecho en las últimas semanas:

CORRECCIÓN 1:
- Tarea: [qué pedí]
- Error: [qué falló]  
- Mi corrección: [cómo lo arreglé]

CORRECCIÓN 2:
[mismo formato]

CORRECCIÓN 3:
[mismo formato]

[Añade todas las que tengas]

---

Actúa como REFLECTOR + CURATOR ACE combinado.

1. Analiza TODAS las correcciones buscando patrones comunes
2. Agrupa errores similares en categorías
3. Para cada patrón, genera UN bullet que prevenga TODOS los errores de ese tipo
4. Prioriza bullets que prevengan errores frecuentes sobre errores raros

Genera las actualizaciones en formato delta:
ACCIÓN: ADD SECCIÓN: [sección] ID: [ID] CONTENIDO: [bullet] PATRÓN_CUBIERTO: [qué errores previene]

IMPORTANTE:
- Máximo 5 bullets nuevos por actualización masiva
- Si un patrón requiere más, el bullet no es lo suficientemente general
- Evita duplicar conceptos existentes

PLAYBOOK ACTUAL:
[Pega tu playbook aquí o indica que lo tienes en el proyecto]

El Calendario de Mantenimiento

Frecuencia Acción:

▪️Cada corrección Guardar en una nota las correcciones que haces

▪️Semanal: Revisar bullets con bajo uso—¿siguen siendo relevantes?. Ejecutar el prompt de actualización con las correcciones acumuladas

▪️Mensual: Revisar bullets con bajo uso o alto “harmful”. Fusionar bullets similares, eliminar deprecated

▪️Trimestral Auditoría completa: ¿el playbook mejora resultados reales?

De Asistente Estático a IA que Evoluciona

Si implementaste mi sistema anterior sobre crear tu ejército de Asistentes IA, esto es la evolución natural.

Asistente IA = Contexto estático + Instrucciones fijas

Asistente ACE = Contexto evolutivo + Aprendizaje continuo

La diferencia:

• El Agente IA necesita que TÚ actualices manualmente recordando qué cambiar

• ACE mejora con cada uso, captura sistemáticamente cada corrección y la convierte en mejora permanente

En 3 meses de uso, tu playbook tendrá 50-100 reglas específicas de TU dominio.

Reglas que ningún prompt genérico de internet tendrá.

Reglas que hacen que tu IA sea irreemplazable.

Esto es el paso intermedio antes de los Agentes IA autónomos*

*si eres técnico y quieres algo más avanzado para entornos de producción o profesionales te recomiendo estos 3 proyecto en github:

• ax llm.: web - github

• kayba-ai/agentic-context-engine

• ace-playbook

La razón por la que esto funciona tan bien es simple:

Estás convirtiendo tu conocimiento tácito en conocimiento explícito.

Cada vez que corriges a tu IA y piensas “obvio, esto no se hace así”, estás revelando una regla que vive en tu cabeza pero nunca habías escrito.

El playbook ACE captura esas reglas.

Y una vez capturadas, tu IA las aplica automáticamente.

Es como clonar partes de tus ideas y pensamientos de tu cerebro en un documento que la IA puede leer.

El Momento de la Verdad

Puedes seguir corrigiendo a tu IA una y otra vez.

O puedes convertir cada corrección en una mejora permanente.

La diferencia no es tecnología.

Es un sistema.

Los 3 prompts que te di arriba funcionan. Los playbooks funcionan. El sistema de Stanford funciona.

El playbook inicial te tomará 30 minutos.

Las actualizaciones semanales, 10 minutos.

En un mes, tendrás una IA que comete 80% menos errores.

No porque sea más inteligente.

Porque finalmente le has dado la oportunidad de aprender.

Acción para esta semana:

1. Crea tu playbook inicial con el prompt que te di (30 min)

2. Úsalo durante una semana anotando cada corrección que hagas

3. El día 7, ejecuta el prompt de actualización masiva

4. Repite el loop

En 30 días tendrás un asistente que realmente es mejor.

El sistema funciona. Pero necesita que tú hagas tu parte.

❤️ Gracias por leer La Mafia IA.

Si te ha gustado esta edición, házmelo saber, no te olvides de darle al ♡

¿Conoces a alguien a quien le pueda ayudar esta información? → compártelo.

Compartir

🗞️ Para noticias IA diarias:

La Mafia IA no te bombardea con noticias (que solo añaden ruido y caos).

Si te interesa estar más al día: En mis perfiles en redes te comento las noticias más importantes en tiempo real, me puedes encontrar en:

＠Thread | 𝕏 X.com | 💼 Linkedin o 📒 Notas de Substack.

▪️ Si quieres sacar el máximo partido posible a la IA considera hacerte 🎩Miembro Super Fundador de la Mafia ▪️ 98/100 plazas ya ocupadas.

• Precio actual: 135€. Cada nueva plaza el precio sube 5€.

• Qué pasará cuando lleguemos a 100 → cerramos la suscripción a fundadores para siempre! 🔒

Extra Bonus:

Para los desarrolladores 🤓: El paper original de Stanford (arXiv:2510.04618) describe un sistema más complejo con embeddings FAISS para de duplicación semántica y rollouts automatizados. Lo que te he dado aquí es una versión simplificada que captura el 80% del valor con el 20% de la complejidad. Si quieres ir más allá, este repositorio de GitHub tiene una implementación completa en Python.

Esta edición es bastante extensa. Terminarla me ha llevado +8 horas de escritura pero sobre todo 17/20 horas probando herramienta.

A ti te llevará 15 min leerla, pero si de verdad quieres sacarle partido reserva al menos 2 o 3 horas y haz pruebas de las herramientas con tu propio caso de uso.

Un pequeño resumen de lo que te ofrezco hoy:

🍽️ TL;DR: Lo Que Tienes Que Saber

• Gemini 3 Pro domina casi todos los benchmarks (diferencias del 23-31%)

• Google Antigravity, el editor de código gratis con acceso a Gemini 3 Pro (el fin de Cursor y Windsurf?)

• Nano Banana Pro genera imágenes con texto perfecto (adiós Midjourney)

• Mejoras importantes en NotebookLM, la herramienta favorita para muchos de la IA

• Otras Herramientas “secretas” de Google que tienes que conocer

• OpenAI ya no es el líder indiscutible y tiene un problema gordo de inversión

• Recopilatorio de links a herramientas imprescindibles para emprendedores + truco para usar Nano Banana Pro gratis (valorado en 300€)

• La competencia beneficia a todos los usuarios finales y crea un futuro incierto pero emocionante.

Suscríbete ahora

Auto-sponsor: Seré rápido, he abierto un canal en 𝕏 con la actualidad IA del día a día → Comunidad de La Mafia IA en 𝕏 - IA al día. </sponsor>

* ¿Quieres patrocinar la próxima edición de La Mafia IA?

Todo ha vuelto a cambiar

Google acaba de soltar la bomba más grande en IA desde ChatGPT.

Es un cambio de juego completo.

Mientras todos miraban a OpenAI y Anthropic, Google estuvo callado. Trabajando. Construyendo.

Y esta semana soltó Gemini 3 Pro junto a un arsenal de herramientas que cambian radicalmente qué puedes hacer como emprendedor sin equipo, sin presupuesto gigante y sin ser programador.

La pregunta no es si esto te afecta.

La pregunta es si vas a aprovecharlo antes que tu competencia.

Si vas a sacar ventaja de una oportunidad única en la historia para los emprendedores.

Déjame mostrarte exactamente qué lanzaron, por qué importa y cómo lo usas para multiplicar tu productividad desde hoy.

🙌 Ya somos 10.000! 🎉

Hola soy Alex dc. y todas las semanas te cuento cómo aprovechar la IA para mejorar tu negocio, de forma directa y práctica sin perderte en el ruido de novedades sin fin de la Inteligencia Artificial.

Antes que nada un saludo 👋 a los 357 nuevos miembros 👨‍🚀 desde la última publicación. Ya somos más de +10.000 - Puedes suscribirte gratis aquí 👈

Suscríbete ahora

La Revolución de IA que Google Acaba de Desatar

Cómo Sacarle Partido Como Emprendedor

Durante meses, OpenAI dominó los titulares. ChatGPT esto, GPT-5 aquello.

Mientras tanto, Google tenía todo el músculo pero parecía dormido:

• Los chips propios (TPUs) que nadie más tiene

• Toda la infraestructura de búsqueda

• El ecosistema completo (Gmail, Docs, Maps, YouTube)

• Los datos de 2.000 millones de usuarios

El problema nunca fue capacidad. Era ejecución.

Hasta ahora.

Gemini 3 Pro: El Modelo que machaca al resto de IA

Gemini 3 Pro ha alcanzado 1501 puntos Elo en LMArena, convirtiéndose en el primer modelo en superar los 1500 puntos.

No es “un poco mejor”. Es 46x veces mejor que su versión anterior en matemáticas.

Cuarenta y seis veces m-e-j-o-r.

Aquí están los los números que importan:

• GPQA Diamond (preguntas nivel doctorado): 91.8% - casi saturando el benchmark

• Humanity’s Last Exam: 37.5% sin herramientas y al 51% usando internet. 45.8% con herramientas - Para contexto: GPT-5.1 logra el 26.5%. Claude Sonnet 4.5 se queda en 13.7%.

• Math Arena Apex: 23.4% (vs 0.5% del modelo anterior)

• SWE-Bench Verified (programación real): 76.2%

• SIMPLE Bench: 76.4% (vs 62.4% de su competidor más cercano)

¿Qué significa esto en español?

Significa que por primera vez tienes acceso a un modelo que:

• Resuelve problemas matemáticos complejos mejor que el 95% de humanos

• Programa con la capacidad de un ingeniero senior

• Razona sobre problemas abstractos casi al nivel de expertos con doctorado

Y está disponible GRATIS.

¿Para Qué Te Sirve Esto Como Emprendedor?

Google no lanzó una herramienta aisladas.

Lanzó un ecosistema completo que se retroalimenta:

1. 🧠 Gemini 3 Pro → El cerebro (razonamiento y análisis)

2. 🙌 Antigravity → Las manos (desarrollo y código)

3. 👀 Nano Banana Pro → Los ojos (diseño y creatividad)

Extra Bonus: NotebookLM, Pomelli, Stitch, Agentes…

Todo conectado. Todo potenciado por el mismo modelo. Todo gratis o casi gratis.

Vamos a ver uno por uno y te voy a contar como aprovecharte de estas herramientas como emprendedor. Empecemos…

🧠 Gemini 3 Pro: Tu Nuevo “Socio Estratégico”

Olvídate de usar la IA solo para redactar correos y preguntar en medio de una discusión con amigos quien tiene razón por qué tienes razón.

Gemini es tu nuevo mejor socio.

1. Desarrollo de Software Sin Ser Programador 📊

Gemini 3 Pro puede construir aplicaciones completas desde cero.

No mockups. No prototipos clickeables.

Aplicaciones reales.

Ejemplo real que probé:

Le pedí que me creara un dashboard lo más completo posible con datos de mis suscriptores de substack, y que mostrara gráficas útiles para la toma de decisiones de marketing y estrategia.

👀 Lo que me dejó loco: subí un csv con los suscriptores de La Mafia IA, es decir más de 10.000 filas de datos.

Resultado:

• Dashboard interactivo completo

• Gráficos de evolución temporal

• Principales métricas

• Consejos útiles extraídos de los datos

• Todo funcional en HTML/CSS/JavaScript

Tiempo: 5 minutos.

Esto es solo un ejemplo de unos pocos minutos, (y no quería hacer público más datos de mis suscriptores) pero si en vez de 5 min le dedicas unas horas puedes sacar cualquier métrica y hacer un análisis digno del mejor data scientist de Palantir ;).

Antes: Hubieras necesitado contratar un desarrollador y un analista de datos por 2.000-5.000€ o pasar meses aprendiendo a programar.

2. Análisis de Documentos Masivos 🗄️

Gemini 3 Pro tiene una ventana de contexto de 1 millón de tokens.

Para que te hagas una idea: eso es aproximadamente 2.000 páginas de texto.

¿Qué puedes hacer con esto?

• Analizar contratos completos y extraer cláusulas clave

• Revisar toda tu documentación legal en una sola sesión

• Procesar PDFs de 2.000 páginas (como manuales de oposiciones) y convertirlos en material de estudio interactivo

• Comparar múltiples propuestas de proveedores lado a lado

• Analizar vídeos de hasta 2 horas y 30 minutos.

Caso real:

Subí un PDF El temario oficial del PER (Patrón de Embarcaciones de Recreo) de más de 556 páginas. Gemini 3 lo procesó en segundos y me creó una aplicación educativa completa con:

• Temas organizados por categorías

• Tarjetas de estudio interactivas

• Preguntas de práctica

• Visuales generados para cada sección

Lo que hubiera costado: Un equipo de diseñadores instruccionales + desarrolladores + semanas de trabajo.

Lo que costó: Un prompt de 3 líneas.

3. Tu mejor socio: Toma de Decisiones y Rentabilidad (El test de la Vending Machine) 📈

Aquí es donde Gemini 3 deja de ser un “chat” y empieza a comportarse como un Director de Operaciones. Google ha probado este modelo en un entorno llamado Vending-Bench 2. Básicamente, pusieron a la IA a gestionar una empresa de máquinas expendedoras simulada durante cientos de turnos (días virtuales).

La IA tenía que decidir precios, gestionar el inventario y mantener a los clientes contentos sin quebrar.

El resultado: Gemini 3 superó a todos los modelos anteriores (y a muchos humanos), siendo la IA que mayor rentabilidad sacó al negocio. No solo respondía preguntas; entendía las consecuencias económicas de sus decisiones a largo plazo.

Ejemplo de uso real: Para probar esta capacidad de “lógica de negocio”, en lugar de pedirle una simple idea de marketing, puedes plantearle un escenario de crisis operativa real:

“Tengo una rotura de stock prevista para dentro de 3 semanas y un presupuesto limitado. Dame un plan de contingencia paso a paso priorizando la retención de clientes VIP.”

Resultado:

1. Segmentación Inmediata: Me redactó el email exclusivo para los VIPs ofreciendo un descuento preventivo (antes de que se enfaden).

2. Gestión de Flujo de Caja: Me sugirió pausar específicamente las campañas de Ads de esos productos para no quemar presupuesto en tráfico que no va a convertir.

3. Alternativas de Producto: Analizó mi catálogo restante para sugerir productos sustitutivos (cross-selling) para mantener la facturación mientras llega el stock.

Otras cosas que le puedes pedir:

• Simulación de Precios: “¿Si subo el precio un 10% y pierdo un 5% de clientes, cómo afecta a mi margen neto a 6 meses vista?”

• Gestión de Inventario: “Tengo estos 5 productos que no se venden (dead stock). Dame una estrategia de bundle para liquidarlos recuperando al menos el coste.”

• Análisis de Coste de Oportunidad: Ayudarte a decidir entre dos inversiones calculando cuál traerá retorno más rápido.

🙌 Google Antigravity: Tu Departamento de IT (Las Manos)

🔗 Antigravity

Si Cursor y Windsurf tuvieran un bebé superdotado, se llamaría Antigravity.

La gente ha dicho que es un fork de VS Code.

Pero más bien es un fork de Windsurf.

Y no es casualidad. Google llegó a un “acuerdo estratégico” (en realidad una compra encubierta para evitar leyes antimonopolio y agilizar la operación) con Winsurf para:

→ Contratar a su CEO y principales investigadores
→ Obtener licencia de su tecnología

A esto han añadido:

→ La tecnología de Gemini
→ Modo agentes autónomos que desarrollan y depuran código

y boom.

Game Over para la competencia. Fin de la partida.