Semana sí y semana también aparece un nuevo modelo de inteligencia artificial.

A veces llega desde una de las grandes compañías del sector. Otras veces es un modelo de pesos abiertos que promete hacer prácticamente lo mismo pero desde tu ordenador. Unos presumen de razonar mejor, otros de programar más rápido y todos llegan acompañados de una tabla en la que, casualmente, aparecen por encima de la competencia.

El titular suele ser el mismo:

Esta es la inteligencia artificial más avanzada hasta la fecha.

Hasta que aparece otra la semana siguiente.

Llevamos varios años observando una carrera en la que cada nuevo modelo intenta superar al anterior por unos cuantos puntos porcentuales en los benchmarks. Una prueba dice que razona mejor. Otra, que programa mejor. Una tercera asegura que entiende mejor las imágenes, utiliza herramientas con mayor precisión o comete menos errores respondiendo preguntas imposibles.

La carrera nunca para.

Pero tengo la sensación de que hemos llegado a un punto en el que estamos prestando demasiada atención a la parte menos importante de todo esto.

Porque cuando todos los modelos son extraordinariamente buenos, quizá la verdadera diferencia ya no esté en el modelo.

Quizá la diferencia vuelvas a ser tú.

La obsesión por encontrar el modelo más inteligente

Durante mucho tiempo tenía sentido preguntarse cuál era la inteligencia artificial más avanzada.

Las diferencias entre modelos podían ser enormes. Uno entendía correctamente lo que le pedías y otro se perdía a mitad de la conversación. Uno escribía código funcional y otro generaba una colección de errores con una seguridad verdaderamente admirable.

Elegir bien el modelo podía cambiar por completo el resultado.

Ahora las distancias son mucho más pequeñas.

Los modelos frontera han alcanzado un nivel en el que casi todos son capaces de escribir, resumir, traducir, analizar datos, programar, investigar, trabajar con imágenes y resolver problemas complejos con solvencia.

Evidentemente, siguen existiendo diferencias. Un modelo puede ser mejor programando, otro escribiendo y otro utilizando herramientas. También hay tareas especialmente difíciles en las que ese pequeño margen adicional de inteligencia puede resultar decisivo.

Pero para la inmensa mayoría del trabajo cotidiano, muchos modelos ya son suficientemente buenos.

Y cuando uno obtiene un 92 % en una prueba y otro un 91 %, la pregunta realmente interesante no es cuál ha ganado el benchmark.

La pregunta es cuánto cuesta conseguir ese resultado.

La inteligencia por dólar

Imaginemos dos modelos.

El primero consigue un punto porcentual más en determinadas pruebas, pero cuesta cinco veces más por token. El segundo es ligeramente menos preciso sobre el papel, pero puede realizar la misma tarea por una fracción del precio.

¿Cuál es mejor?

La respuesta geek sería abrir veinte pestañas, comparar todos los benchmarks y discutir durante tres horas sobre cuál demuestra una inteligencia más cercana a la humana.

La respuesta útil sería: depende de lo que necesites hacer.

Si estoy utilizando un modelo para tomar una decisión crítica, encontrar un error complejo en miles de líneas de código o realizar un análisis en el que la precisión es fundamental, quizá tenga sentido pagar por ese pequeño margen adicional.

Pero si quiero clasificar documentos, extraer información, resumir textos o automatizar una tarea repetitiva, utilizar el modelo más caro solo porque encabeza una tabla puede ser como ir a comprar el pan en un Ferrari.

Puedes hacerlo, pero no parece la decisión más inteligente.

La eficiencia empieza a ser tan importante como la capacidad.

Ya no deberíamos medir únicamente cuánta inteligencia tiene un modelo, sino cuánta inteligencia obtenemos por cada dólar, cuánto tarda en responder, cuánto contexto puede procesar y qué nivel de calidad necesitamos realmente para cada tarea.

El mejor modelo no siempre es el más inteligente.

Es el que resuelve correctamente el problema dentro del coste, el tiempo y las condiciones que tenemos.

Y saber elegirlo también requiere inteligencia.

La paradoja de los modelos frontera

La promesa original de la inteligencia artificial era sustituir parte de la inteligencia humana.

Automatizar tareas intelectuales. Escribir por nosotros. Programar por nosotros. Analizar información por nosotros. Incluso tomar algunas decisiones por nosotros.

Sin embargo, cuanto mejores se vuelven estos sistemas, más evidente resulta una paradoja:

La calidad del resultado depende cada vez más de la calidad de la persona que los utiliza.

Dos personas pueden sentarse delante del mismo modelo, escribir sobre el mismo tema y obtener resultados completamente diferentes.

Una recibirá un texto genérico, lleno de frases correctas pero intercambiables, que podría haber sido escrito para cualquier persona o empresa.

La otra conseguirá algo específico, útil y conectado con su objetivo real.

El modelo es exactamente el mismo.

Lo que cambia es la inteligencia que hay al otro lado de la pantalla.

Durante un tiempo llamamos a esto “saber escribir buenos prompts”. Parecía que el futuro pertenecía a quienes descubrieran una combinación mágica de palabras capaz de desbloquear todo el potencial de la IA.

Pero en 2026, hablar únicamente de prompt engineering empieza a sonar un poco a 2023.

No se trata de aprender una fórmula secreta ni de escribir instrucciones kilométricas.

Se trata de saber pensar.

La inteligencia artificial necesita contexto humano

La IA puede ofrecer respuestas, pero alguien tiene que decidir qué preguntas merece la pena hacer.

Puede analizar una enorme cantidad de información, pero necesita que alguien determine qué datos son relevantes.

Puede desarrollar una idea, pero no conoce por sí sola todos los objetivos, limitaciones, experiencias y matices que existen detrás de ella.

Y puede producir una respuesta aparentemente perfecta que sea incompleta, mediocre o directamente falsa.

Ahí es donde vuelve a entrar la inteligencia humana.

Saber utilizar bien estos modelos significa:

• Entender cuál es el problema real que queremos resolver.

• Proporcionar el contexto que la IA no puede conocer.

• Dividir un problema complejo en partes manejables.

• Hacer buenas preguntas y, sobre todo, saber repreguntar.

• Reconocer cuándo una respuesta es superficial o incorrecta.

• Comparar opciones en lugar de aceptar la primera solución.

• Aplicar experiencia, criterio y sentido común.

• Convertir la respuesta en una decisión o una acción real.

El prompt importa, por supuesto.
Pero importa porque refleja cómo pensamos.

Una instrucción clara suele nacer de una idea clara. Una buena repregunta aparece cuando entendemos lo suficiente sobre el tema como para detectar qué falta. Y la capacidad de verificar una respuesta depende del criterio que hayamos desarrollado antes de abrir ChatGPT, Claude, Gemini o cualquier otra herramienta.

La IA no elimina la necesidad de aprender.

La multiplica.

La IA como multiplicador

Cuanto más utilizo estas herramientas, más las veo como un multiplicador.

Si una persona tiene experiencia, curiosidad, criterio y una idea clara de lo que quiere conseguir, la inteligencia artificial puede multiplicar enormemente sus capacidades.

Puede ayudarle a investigar más rápido, explorar alternativas, detectar errores, crear prototipos, automatizar procesos y convertir ideas en proyectos que antes habrían requerido mucho más tiempo o recursos.

Pero un multiplicador también funciona en la dirección contraria.

Si el punto de partida es una idea confusa, poco contexto o ninguna intención de revisar el resultado, la IA puede producir mediocridad a una velocidad industrial.

Puede crear cien artículos, mil imágenes o diez aplicaciones.

Eso no significa que ninguno sea bueno.

La abundancia de contenido generado hace que el criterio sea todavía más valioso. Cuando producir algo deja de ser difícil, lo importante pasa a ser decidir qué merece producirse, qué versión merece publicarse y qué aporta algo que antes no existía.

La ventaja ya no consiste únicamente en tener acceso a la inteligencia artificial.

Prácticamente todos tenemos acceso.

La ventaja está en saber dirigirla.

El benchmark que no aparece en las tablas

Seguiremos viendo lanzamientos de nuevos modelos.

Seguiremos leyendo que uno supera al anterior por un 2 % en razonamiento, un 3 % programando y un porcentaje sospechosamente específico en una prueba cuyo nombre la mayoría ni siquiera entenderemos.

La competición tecnológica es necesaria. Gracias a ella los modelos serán más capaces, baratos, rápidos y accesibles.

Pero quizá deberíamos dejar de cambiar constantemente de herramienta persiguiendo cada pequeño salto en los benchmarks.

Una diferencia mínima entre dos modelos rara vez compensará una diferencia enorme entre dos usuarios.

El modelo más inteligente puede dar un resultado mediocre si recibe poco contexto, una petición ambigua y ninguna revisión. Un modelo algo menos avanzado puede producir un trabajo excelente cuando quien lo utiliza entiende el problema, sabe guiar el proceso y tiene criterio para evaluar el resultado.

Ese es el benchmark que no aparece en las presentaciones.

Y probablemente sea el más importante.

El círculo se cierra

Empezamos esta revolución intentando construir máquinas capaces de imitar la inteligencia humana.

Después comenzamos a compararlas entre sí para descubrir cuál era más lista.

Ahora estamos llegando a un punto en el que muchas de esas máquinas ya son suficientemente inteligentes para realizar gran parte de las tareas que les pedimos.

Y justo entonces, el factor diferencial vuelve a ser la inteligencia humana.

La capacidad de pensar.

De preguntar.

De elegir.

De conectar ideas.

De detectar errores.

De saber cuándo utilizar el modelo más avanzado y cuándo uno cinco veces más barato es más que suficiente.

La inteligencia artificial puede escribir, programar, investigar, diseñar y razonar. Pero todavía necesita que alguien decida hacia dónde debe hacerlo y por qué.

Quizá ese sea el verdadero cierre del círculo.

Cuando todos los modelos son buenos, la diferencia ya no está solamente en la inteligencia artificial.

La diferencia eres tú.

En 2013, Theodore Twombly caminaba por Los Ángeles hablando con Samantha a través de un pequeño auricular.

No abría una aplicación, no escribía un prompt y no tenía que elegir entre modelos. Simplemente hablaba. Ella escuchaba, conocía su contexto y, sobre todo, parecía estar ahí.

Durante años hemos dicho que Spike Jonze anticipó la inteligencia artificial conversacional. Quizá acertó en algo todavía más importante: comprendió que la interfaz perfecta sería aquella que terminara por desaparecer.

Trece años después, la inteligencia artificial ya sabe hablar, ver, recordar y hacer cosas.

Lo que todavía no sabemos es dónde ponerla.

La inteligencia ya llegó. El objeto no

En Mi viaje por la IA contaba cómo pasé de probar prácticamente cualquier herramienta nueva a concentrar de nuevo la mayor parte de mi trabajo en ChatGPT.

Después de años saltando entre servicios, ya no busco una IA ligeramente mejor para cada tarea. Prefiero un lugar donde convivan los proyectos, los archivos, las conversaciones y los agentes.

Pero esa simplificación me ha llevado a otra pregunta.

Si la IA ya puede escribir, ver imágenes, escuchar, recordar contexto y ejecutar tareas, ¿por qué seguimos relacionándonos con ella casi siempre a través de una caja de texto dentro de una pantalla?

El teléfono ya tiene cámara, micrófono y conexión permanente. El ordenador contiene nuestros archivos y el contexto del trabajo. En teoría no necesitamos otro aparato. En la práctica, utilizar la IA todavía exige ir a buscarla: abrir una aplicación, encontrar el proyecto adecuado y reconstruir el contexto.

Los agentes están empezando a cambiar la parte final de ese proceso. Ya no se limitan a responder: pueden revisar archivos, controlar aplicaciones o trabajar durante un rato sobre un objetivo.

Lo que aún no hemos resuelto es qué objeto merece convertirse en la puerta de entrada a todo eso.

Varias empresas lo han intentado. Algunas llegaron demasiado pronto. Otras construyeron una puerta que, sencillamente, nadie quería utilizar. La industria ha aprendido unas cuantas lecciones bastante caras.

Humane: un cuerpo que no sobrevivió

El Humane AI Pin tenía una idea muy atractiva.

En lugar de mirar una pantalla, llevaríamos la inteligencia sobre la ropa. Hablaríamos con ella, usaría una cámara para entender lo que teníamos delante y proyectaría información sobre la palma de la mano.

Era uno de esos productos que se entienden mejor en un vídeo de presentación que en el uso diario.

Costaba 699 dólares y requería una suscripción de 24 dólares al mes. A cambio prometía reducir nuestra dependencia del teléfono y convertir la IA en una presencia ambiental.

La realidad fue bastante menos elegante.

El proyector resultaba difícil de ver a plena luz del día. El dispositivo se calentaba, la batería requería demasiada atención y las respuestas podían ser lentas o equivocadas. Cada fricción pesaba más porque el producto pretendía sustituir funciones que el teléfono ya resolvía bien.

El problema no era únicamente que algunas características funcionaran mal. Era que el AI Pin pedía cambiar nuestros hábitos antes de demostrar que podía hacer el trabajo básico.

En febrero de 2025, HP acordó adquirir por 116 millones de dólares la plataforma Cosmos, parte del equipo y más de 300 patentes y solicitudes de Humane.

Diez días después del anuncio, los servidores de consumo se apagaron.

El Pin perdió las llamadas, los mensajes, las consultas de IA y el acceso a la nube. Un dispositivo vendido menos de un año antes dejó de realizar prácticamente todo aquello para lo que había sido comprado.

El cuerpo murió. Parte del cerebro terminó en HP.

Humane dejó una lección incómoda: cuando un aparato depende por completo de servicios remotos, también estamos confiando en que la empresa, los servidores y el modelo de negocio continúen existiendo. Puedes conservar el objeto en un cajón. Eso no significa que siga siendo un producto.

Rabbit R1: el cuerpo llegó antes que el cerebro

El Rabbit R1 tomó otra dirección.

Era naranja, pequeño y deliberadamente visible. Teenage Engineering participó en su diseño y se notaba. Tenía una pantalla, una cámara giratoria, un botón para hablar y bastante más personalidad que la mayoría de los dispositivos actuales.

Además, costaba 199 dólares y no exigía una suscripción mensual.

La promesa era más ambiciosa de lo que sugería aquel cuadrado de plástico: su Large Action Model no se limitaría a responder preguntas. Aprendería cómo utilizamos las aplicaciones y realizaría acciones en nuestro nombre.

Esa idea encaja mucho mejor con la IA de 2026 que con la disponible cuando empezaron las entregas del R1 en abril de 2024.

El producto inicial tenía problemas de batería, respuestas poco fiables y conexiones limitadas con servicios como Spotify, Uber, DoorDash o Midjourney. Faltaban alarmas, calendario, navegación, llamadas y mensajes.

Me tienta describirlo ahora como un dispositivo incomprendido y adelantado a su tiempo. Pero eso sería reescribir la historia.

El Rabbit R1 salió demasiado pronto.

La propia Rabbit lo terminó reconociendo. Al presentar rabbitOS 2 en septiembre de 2025, su fundador habló de una distancia enorme entre las expectativas y la experiencia original. Para entonces habían publicado más de treinta actualizaciones en dieciséis meses y rediseñado casi todo el sistema.

La diferencia frente a Humane es que Rabbit siguió trabajando sobre el dispositivo que ya había vendido.

Y consiguió mantenerlo con vida hasta que apareció una utilidad bastante más convincente.

La segunda vida del Rabbit R1

En enero de 2026, Rabbit añadió acceso experimental a OpenClaw. En julio llegaron Hermes Agent y una integración renovada con OpenClaw, además del soporte que ya existía para Claude Code.

Esto requiere una precisión importante: esos agentes no se ejecutan dentro del R1.

El usuario instala Rabbit Agent en su ordenador y el R1 se convierte en una interfaz remota. Desde él puede hablar, iniciar o continuar sesiones y dar instrucciones al agente que trabaja en su Mac o PC.

Puede parecer un detalle técnico, pero cambia por completo la forma de entender el producto.

Quizá el Rabbit R1 no necesitaba tener una gran inteligencia propia. Necesitaba conectarse con una que ya supiera trabajar.

El aparato pone la cámara, el micrófono y el botón. Hermes u OpenClaw ponen la memoria, las herramientas y la capacidad de actuar.

Hace unos meses miré el Rabbit R1 como posible experimento. Me atraía como gadget, pero me costaba encontrarle un lugar real entre el teléfono, el ordenador y los agentes que ya utilizaba.

Ahora lo miro de otra forma.

No porque el hardware haya cambiado de repente, sino porque aquello a lo que puede dar acceso es mucho más útil que en 2024.

Sigue sin ser el dispositivo de Her ni una compra imprescindible. Pero su segunda vida demuestra que la diferencia entre un gadget curioso y una buena interfaz puede estar menos en el objeto que en la inteligencia que existe detrás.

El pequeño aparato de Theodore tampoco es Samantha.

Solo es la puerta.

OpenAI pone Codex encima del escritorio

El anuncio ya está aquí. OpenAI y Work Louder han lanzado Codex Micro, un controlador físico para ChatGPT Codex que cuesta 230 dólares.

No es el misterioso dispositivo de consumo que OpenAI desarrolla con Jony Ive. Tampoco parece un asistente autónomo comparable al Rabbit R1 o al Humane AI Pin.

Es algo mucho más modesto: una consola de mando para sacar los controles de Codex de la pantalla y colocarlos sobre el escritorio.

El aspecto final confirma que no es un teclado genérico con otro logotipo. Tiene trece interruptores mecánicos, sensor táctil, dial y joystick; funciona por Bluetooth o USB-C en Mac y Windows.

Lo interesante está en cómo los han conectado con Codex. Las Agent Keys muestran con luz RGB el estado de cada agente: si está pensando, trabajando, esperando o ha terminado. El joystick abre flujos habituales, como revisar una pull request, depurar un error o refactorizar código.

Las teclas de comando dan acceso directo a aceptar, rechazar, usar push-to-talk o abrir un chat nuevo. Y el dial permite ajustar el nivel de razonamiento en ese momento: rápido para una tarea sencilla, más profundo cuando el trabajo lo pide.

El valor de un aparato así está en convertir acciones abstractas en gestos repetibles y, con el tiempo, en memoria muscular. No necesita meter otro modelo de IA dentro de una caja.

Es una entrada bastante menos espectacular al hardware que prometer el sustituto del teléfono. También puede ser más sensata.

OpenAI no necesita convencer a millones de personas para que lleven un objeto nuevo colgado de la ropa. Solo tiene que conseguir que quienes trabajan con Codex prefieran pulsar un botón antes que buscar una función en la pantalla.

No es la respuesta definitiva a dónde vivirá la IA. Pero sí es una idea muy concreta de cómo podríamos dirigir a los agentes que ya trabajan con nosotros.

El teléfono no piensa rendirse

Cada nuevo dispositivo de IA compite con un objeto que ya llevamos encima.

El teléfono tiene pantalla, cámaras, micrófonos, conexión permanente y acceso a nuestras aplicaciones. Además, ya está pagado y ocupa un lugar en nuestros hábitos.

Para justificar otro aparato no basta con hacer lo mismo de una forma más rara.

Humane añadía un Pin, baterías, un cargador y una suscripción para resolver peor algunas tareas que el teléfono. Rabbit pedía llevar otro cuadrado en el bolsillo sin tener todavía una función imprescindible.

Por eso me resulta interesante que el proyecto de Work Louder no intente sustituir nada.

Un controlador de escritorio acepta que el ordenador seguirá ahí. Su trabajo consiste en reducir la fricción entre la persona y el agente. Es una ambición menor, pero tiene una forma clara de demostrar si funciona.

Un dispositivo dedicado a la IA tendrá que ahorrar más tiempo del que exige y explicar con claridad cuándo escucha, qué recuerda, a qué herramientas tiene acceso y cómo se apaga de verdad.

Si no supera esas pruebas, será otro objeto que cargar.

Y ya tenemos bastantes.

El cerebro de OpenAI busca su forma

En junio de 2025 publiqué una pieza sobre la alianza entre Sam Altman y Jony Ive. La terminaba con una pregunta bastante sencilla: ¿es el futuro o una fantasía millonaria?

Un año después, la pregunta sigue abierta.

La colaboración entre OpenAI, Jony Ive y LoveFrom empezó alrededor de 2023. Las primeras exploraciones se convirtieron en diseños tangibles y llevaron a la creación de io.

En julio de 2025, el equipo de io se integró en OpenAI. Ive y LoveFrom continuaron como entidades independientes, pero asumieron responsabilidades de diseño y dirección creativa.

Lo que todavía no conocemos es la forma final de esos productos.

Conviene mantener esa incertidumbre. OpenAI no ha confirmado públicamente qué forma tendrá el primer producto.

El reto tampoco consiste solo en pedirle a Jony Ive que dibuje una carcasa bonita.

El aparato tendrá que resolver la batería, la latencia y la privacidad, además de una pregunta más difícil: por qué alguien querría llevarlo cuando ya tiene un teléfono y unos auriculares.

OpenAI parte, eso sí, desde una posición diferente a la de Humane o Rabbit.

Aquellas compañías construyeron primero el cuerpo y esperaron que la inteligencia alcanzara su promesa. OpenAI ya tiene una inteligencia utilizada a diario, voz, visión, memoria y agentes capaces de trabajar.

Ahora busca una forma física que esté a la altura.

Lo que Her entendió de verdad

Her no predijo ChatGPT, el Rabbit R1 ni el próximo producto de OpenAI.

Acertó en algo menos concreto y posiblemente más importante.

Samantha no espera dentro de una aplicación. Participa en la vida de Theodore, conoce su trabajo, recuerda conversaciones y cambia con el tiempo.

Esa comodidad tiene un precio que la película también deja entrever.

Para ayudar de esa manera, una inteligencia necesita estar muy cerca. Tiene que escuchar, observar y relacionar partes de nuestra vida repartidas entre el teléfono, el ordenador, el email, el calendario y las fotos.

La forma del dispositivo deja otra duda bastante más incómoda: cuánto acceso estaremos dispuestos a darle.

Yo podría imaginar un aparato capaz de hablar con mis agentes, revisar proyectos y actuar cuando se lo pida. Pero necesitaría saber qué escucha, qué guarda y cómo puedo detenerlo. Querría controles físicos, un historial comprensible y un botón de apagado real.

Quizá por eso el pequeño controlador de Work Louder tiene más relación con el futuro de la IA de lo que parece.

Un botón no resuelve el problema completo, pero deja claro quién tiene la última palabra.

El dispositivo que sí llevaría conmigo

No necesito otro gadget que me permita hacer lo mismo que ya hago con el teléfono.

Necesito que elimine un paso.

Me interesaría un dispositivo que me dejara capturar una idea, hablar con un agente o aprobar una acción sin tener que buscar la aplicación y reconstruir el contexto.

Tendría que conectarse con mis archivos y herramientas, mantener continuidad entre dispositivos y dejarme decidir hasta dónde puede llegar.

También tendría que desaparecer cuando no lo necesito.

Y aquí es donde vuelvo a Siri AI.

Puede que Apple haya entendido mejor el problema. Quizá no haga falta inventar otro objeto si ya tenemos un teléfono, un Mac, un reloj y unos auriculares que nos acompañan durante el día. Lo importante es que la IA pueda moverse entre ellos sin obligarnos a pensar dónde está.

Si Siri AI consigue entender el contexto de mis mensajes, emails, archivos, pantalla, calendario y recordatorios, y puedo hablarle desde el iPhone o los AirPods, estaría bastante cerca de lo que acabo de describir.

Humane demostró que un diseño elegante no compensa una experiencia poco fiable. Rabbit encontró otra utilidad al mejorar lo que había detrás. Codex Micro propone una consola de mando para trabajar con agentes, no otro asistente. OpenAI y Jony Ive todavía tienen que demostrar que existe una categoría nueva y no solo otro accesorio bonito.

No sé cuál de esas ideas acabará funcionando.

Pero sí sé que el listón está mucho más alto que fabricar un aparato extraño y ponerle IA en el nombre.

Volviendo a HER

Theodore camina por la ciudad hablando con Samantha y apenas mira el dispositivo que lleva consigo. Cuando vi la película por primera vez pensaba en lo increíble que era aquella inteligencia.

Ahora me sorprende otra cosa: lo poco que tiene que pensar en el hardware.

Puede que el futuro dispositivo de OpenAI no se parezca en nada al de la película. Puede que el Rabbit R1, un pequeño teclado, unas gafas o incluso los auriculares que ya tenemos terminen acercándose más.

La IA ya tiene un cerebro bastante capaz.

Ahora busca un cuerpo.

Y sospecho que sabremos que lo ha encontrado el día en que dejemos de mirar el aparato.

Durante los últimos años he probado más herramientas de inteligencia artificial de las que puedo contar sin abrir una hoja de cálculo.

ChatGPT, Claude, Perplexity, Gemini, Grok. Generadores de imágenes. Generadores de vídeo. Avatares que hablan. Herramientas que investigan por ti. Otras que leen tus documentos. Y, más recientemente, agentes capaces de entrar en un proyecto, revisar archivos y hacer trabajo de verdad.

No ha sido una línea recta. Tampoco una búsqueda de “la mejor IA”.

Si tuviera que dibujar mi recorrido, sería una campana de Gauss.

Al principio, casi no había herramientas. Después llegó una explosión de opciones y empecé a acumular cuentas, pestañas, suscripciones y flujos de trabajo repartidos. Ahora la curva vuelve a bajar. No porque haya menos IAs, sino porque he vuelto a concentrar casi todo mi trabajo en un mismo sitio: ChatGPT.

No es exactamente una vuelta al punto de partida. ChatGPT ya no es el mismo producto que conocimos al principio.

Antes de que la IA se convirtiera en conversación

Mi primer contacto serio con todo esto fue con GPT-2.

Por entonces la sensación era rara. Podías pedirle texto a un modelo y, de vez en cuando, te devolvía algo que parecía casi mágico. Pero también era bastante evidente que aquello todavía estaba lejos de formar parte de tu día a día.

Era una prueba. Una curiosidad. Una de esas cosas que te hacen pensar: “vale, aquí hay algo”, aunque todavía no sepas muy bien qué hacer con ello.

No había una aplicación cómoda en el móvil, no había conversaciones largas, no había memoria, imágenes, documentos o agentes. Solo estaba esa intuición de que los ordenadores iban a empezar a entender el lenguaje de otra forma.

ChatGPT hizo que todo el mundo lo entendiera

La llegada de ChatGPT fue el punto en que aquello dejó de ser una cosa de gente que seguía muy de cerca la tecnología.

De repente no tenías que saber cómo funcionaba un modelo de lenguaje ni instalar nada extraño. Abrías una caja de texto y hablabas.

Le podías pedir ayuda para escribir un email, ordenar una idea, preparar una lista, entender algo que se te resistía o simplemente pensar en voz alta. A veces fallaba. A veces se inventaba cosas con una seguridad que daba bastante miedo. Pero ya se veía claramente el cambio: no era un buscador, ni un asistente de voz, ni una app de productividad más.

Era una nueva interfaz para trabajar con información.

Y, claro, después vino la carrera.

La parte alta de la curva

Durante un tiempo, probar herramientas de IA se convirtió casi en un trabajo en sí mismo.

Claude me gustó para conversar y escribir. Perplexity se volvió muy útil para investigar y encontrar fuentes. Gemini y Grok entraron en la rotación por sus propios modelos, sus integraciones o simplemente por comprobar qué estaba haciendo cada uno.

Al mismo tiempo aparecieron herramientas especializadas para todo lo que no fuera texto.

Con Nano Banana, Higgsfield y otros generadores empecé a experimentar con imagen y vídeo. NotebookLM planteó otra forma de trabajar con documentos propios. Heygen abrió la puerta a los avatares, las voces y el vídeo en idiomas distintos. Y cada semana parecía que había una herramienta nueva que hacía una parte del proceso un poco mejor que las demás.

Era divertido. Y también útil.

Pero había una trampa.

Cada herramienta resolvía una cosa, sí. A cambio, acababas teniendo tu trabajo repartido entre demasiados sitios: un prompt aquí, unos archivos allí, una conversación importante en otra plataforma, una suscripción que no usabas tanto como pensabas y la sensación de que siempre había algo mejor a punto de salir la semana siguiente.

La abundancia tiene un coste.
No siempre aparece en la factura.

Cuando la IA dejó de responder y empezó a trabajar

El siguiente salto no fue un modelo que escribiera un poco mejor. Fueron los agentes.

Herramientas como OpenClaw y Hermes cambiaron la pregunta. Ya no se trataba solo de “¿qué puede responderme esta IA?”, sino de “¿qué puede hacer si le doy acceso, contexto y una tarea concreta?”.

Revisar un repositorio. Preparar un borrador dentro de un proyecto. Buscar información entre archivos. Mantener una base de conocimiento. Automatizar una tarea que antes exigía ir saltando entre aplicaciones.

Eso es bastante más interesante que pedirle a una IA que escriba cinco titulares.

También exige más confianza y más cuidado. Un agente que puede hacer cosas necesita límites, permisos y supervisión. No quiero entregar mis cuentas, mis archivos o mis decisiones sin pensar. Pero sí quiero que la tecnología me quite trabajo repetitivo y me ayude a mover proyectos que, de otro modo, se quedan a medias.

Ahí fue cuando la IA empezó a parecerse menos a una demo y más a una capa de trabajo real.

El problema de tener la mejor herramienta para cada cosa

Durante bastante tiempo pensé que la solución era usar la mejor herramienta para cada tarea.

La mejor para escribir. La mejor para investigar. La mejor para imágenes. La mejor para vídeo. La mejor para programar. La mejor para agentes.

Sobre el papel tiene sentido.

En la práctica, te convierte en el pegamento entre todas ellas.

Tú eres quien recuerda dónde está cada conversación. Tú exportas el resultado de una herramienta para pegarlo en otra. Tú mantienes las suscripciones. Tú decides qué modelo usar antes incluso de empezar a trabajar. Tú vuelves a explicar el contexto cada vez que cambias de aplicación.

Y llega un momento en que el ahorro de calidad no compensa el coste de coordinación.

No quiero pasar más tiempo eligiendo una IA que haciendo el trabajo para el que abrí el ordenador.

Mi vuelta a ChatGPT

La llegada de ChatGPT 5.6, con Sol, Terra y Luna, ha coincidido para mí con ese momento de simplificación.

No porque Claude haya dejado de ser bueno. No porque Perplexity, Gemini, Grok o el resto hayan desaparecido. Y tampoco porque haya una única herramienta perfecta para todo.

Pero ChatGPT ha llegado a un punto en el que puedo usarlo para muchas de las cosas que antes tenía dispersas: pensar, escribir, investigar, trabajar con archivos, crear imágenes, programar y operar con agentes.

Además, sus precios me resultan mucho más razonables frente a alternativas como Claude para el uso que yo hago. Esa parte importa. Mucho.

La IA no vive separada del resto de tus gastos. Si utilizas varias herramientas a diario, las suscripciones se acumulan muy rápido. Y una herramienta algo mejor en una tarea concreta deja de parecer tan mejor cuando tienes que pagarla, abrirla, mantener su contexto y volver a aprender su manera de trabajar.

La nueva app de ChatGPT Work termina de cerrar el círculo. Para mí no es solo otra función más. Es la posibilidad de dejar de tratar la IA como una colección de páginas web y empezar a tener un lugar de trabajo donde viven los proyectos, los archivos, las conversaciones y las tareas.

Eso reduce una fricción que hasta ahora daba por normal.

La curva baja, pero no vuelvo atrás

La campana de Gauss de mi viaje por la IA tendría un inicio pequeño con GPT-2, una subida enorme con la llegada de ChatGPT y todos los servicios que fui probando después, y una bajada hacia algo mucho más simple.

No es una curva de calidad. Las herramientas no son peores ahora. Al contrario.

Es una curva de dispersión.

En el punto más alto tenía muchas herramientas abiertas y demasiadas decisiones antes de poder hacer una cosa. En el lado al que estoy llegando ahora sigo teniendo acceso a todo ese ecosistema, pero ya no siento que necesite vivir dentro de él.

Puede que dentro de seis meses vuelva a cambiar de opinión. En este mundo, esa posibilidad es casi parte del contrato.

Pero ahora mismo agradezco tener menos pestañas, menos suscripciones y menos lugares donde buscar el contexto de mi propio trabajo.

Probé muchas IAs para descubrir qué podía hacer cada una.

He vuelto a ChatGPT para dejar de tener que pensar tanto y ponerme, simplemente, a trabajar.

A lo largo de los años he probado prácticamente todos los sistemas de productividad imaginables.

GTD, listas de tareas, Pomodoro, Bullet Journal, aplicaciones de gestión de proyectos, tableros, recordatorios, notas rápidas, rituales de domingo y alguna que otra plantilla demasiado optimista.

Siempre encontraba algo que me gustaba, pero también acababa descubriendo una limitación. O el sistema dependía demasiado de mi memoria, o exigía demasiada revisión manual, o terminaba convirtiéndose en otra bandeja de entrada más.

Hasta que descubrí el Time Blocking.

Ahí hubo un cambio real.

En lugar de gestionar una lista interminable de tareas, empecé a reservar tiempo en mi calendario para hacerlas. Dejé de preguntarme constantemente “qué debería hacer ahora” porque la respuesta ya estaba escrita en mi agenda.

Ya había hablado antes del Time Blocking como técnica para organizar el día por bloques, pero este post va de la siguiente capa: qué ocurre cuando añades IA a ese sistema.

Desde entonces no he encontrado ningún otro método capaz de convencerme para abandonarlo.

Lo que sí ha cambiado es la forma de prepararlo.

Entonces llegó la IA

Cuando empezó toda esta explosión de herramientas basadas en IA, me hice una pregunta muy concreta:

¿Puedo aprovechar la IA sin renunciar al Time Blocking?

Durante un tiempo vi muchas propuestas que parecían ir en la dirección contraria: asistentes inteligentes que reorganizan tu día, calendarios que deciden por ti, sistemas que prometen quitarte de encima cualquier decisión.

No era lo que buscaba.

Yo no quería dejar de utilizar Time Blocking. Quería hacerlo mejor.

Y después de muchos meses probando automatizaciones, ajustando prompts y conectando piezas de mi sistema personal, mi conclusión es bastante clara:

La IA y el Time Blocking no solo son compatibles. Juntos funcionan mejor que por separado.

El secreto está en el contexto

Una IA no puede organizar bien mi semana si únicamente conoce una lista de tareas pendientes.

Eso sería poco más que pedirle a alguien que coloque piezas en un calendario sin saber qué importa, qué puede esperar, qué depende de otra persona o qué energía exige cada cosa.

Para que la IA sea útil necesita contexto.

En mi caso, ese contexto vive en varias capas.

La IA conoce mis objetivos para 2026, organizados por trimestres. Sabe cuáles son mis prioridades reales y qué proyectos tienen más peso en cada momento.

También tiene acceso al Journal que mantengo dentro de mi segundo cerebro, AJRAOS. Ahí voy registrando avances, decisiones, ideas, bloqueos y pequeñas señales que una lista de tareas nunca captura bien.

Esa diferencia es enorme.

Una tarea dice: “revisar proyecto”.

El Journal puede explicar por qué ese proyecto está atascado, qué decisión quedó pendiente, qué conversación lo desbloquea o qué parte lleva demasiados días apareciendo sin avanzar.

Ahí es donde la IA empieza a aportar algo más interesante que una simple reorganización automática.

El lunes empieza antes de abrir el calendario

Cada lunes hago una revisión semanal asistida por IA.

La IA revisa lo que pasó durante la semana anterior, analiza entradas del Journal, compara avances con objetivos trimestrales y detecta cosas que se han quedado flotando demasiado tiempo.

También aparecen patrones que yo muchas veces no vería tan rápido:

• proyectos con movimiento real;

• tareas que se repiten sin resolverse;

• compromisos que necesitan hueco en el calendario;

• áreas que están recibiendo menos atención de la que digo que son importantes.

El resultado no es una agenda perfecta generada por arte de magia.

Es mucho más útil que eso: un primer borrador de la semana construido con contexto.

Una especie de mapa inicial que me ayuda a decidir dónde poner la atención.

De la revisión semanal a los bloques reales

Planificar tareas es relativamente fácil.

Encontrar tiempo real para hacerlas ya es otra historia.

Ahí es donde el Time Blocking se vuelve exigente. No basta con decir “esta semana quiero avanzar en esto”. Hay que mirar el calendario y preguntarse:

• dónde cabe;

• cuánto tiempo necesita;

• qué energía requiere;

• qué reuniones ya ocupan el día;

• qué compromisos familiares o personales no se pueden mover;

• qué tareas pequeñas conviene agrupar para que no rompan la concentración.

Para eso, la IA necesita entender cómo es realmente mi vida.

Tiene en cuenta mi horario de trabajo, mi calendario profesional, el calendario familiar compartido y, cuando hace falta, el correo para detectar reuniones o compromisos que todavía no están bien reflejados.

Con toda esa información busca huecos razonables donde colocar bloques sin pisar el resto de mi agenda.

Cuando abro el calendario el lunes por la mañana, gran parte de la semana ya tiene forma.

No porque una IA haya decidido cómo quiero vivir.

Sino porque ha hecho el trabajo pesado de revisar contexto, detectar prioridades y proponer bloques para que yo pueda decidir más rápido.

La automatización no nació perfecta

Nada de esto funcionó bien desde el primer día.

He tenido que cambiar prompts, ajustar automatizaciones, conectar nuevas fuentes de información y eliminar otras que no aportaban valor.

También he tenido que aprender a darle mejores instrucciones.

Por ejemplo: no todas las tareas merecen un bloque propio. Algunas deben agruparse. Otras necesitan energía mental alta y no deberían terminar al final de un día lleno de reuniones. Y otras parecen urgentes solo porque llevan mucho tiempo escritas en algún sitio.

El sistema ha ido mejorando precisamente porque lo uso cada semana.

Cada revisión deja señales.

Cada ajuste reduce un poco la fricción.

Cada lunes el sistema entiende mejor cómo trabajo, qué estoy intentando construir y qué tipo de semana necesito diseñar.

No delego la decisión, delego la fricción

Creo que aquí está la diferencia más importante.

Mucha gente habla de utilizar la IA para sustituir métodos tradicionales de productividad.

Mi experiencia ha sido justo la contraria.

La IA no ha sustituido mi Time Blocking.

Lo ha potenciado.

Sigo siendo yo quien define los objetivos.

Sigo siendo yo quien establece las prioridades.

Sigo siendo yo quien decide qué merece un bloque de tiempo en el calendario.

La diferencia es que ahora no necesito invertir una o dos horas cada domingo reconstruyendo la semana desde cero.

La IA hace gran parte del trabajo de preparación usando información que antes estaba repartida entre notas, calendario, correo, objetivos, proyectos y Journal.

Yo reviso, ajusto y ejecuto.

No delego el criterio.

Delego la fricción.

Lo importante primero

Cada vez veo a más gente preguntándose si la IA acabará sustituyendo nuestra forma de trabajar o de organizarnos.

Mi experiencia, al menos por ahora, va en otra dirección.

La IA no ha cambiado mi sistema de productividad.

Ha eliminado gran parte de la fricción que había alrededor de él.

Los objetivos siguen siendo míos.

Las prioridades las sigo marcando yo.

El Time Blocking sigue siendo el mismo.

Lo que ha cambiado es que ahora tengo un asistente que conoce mi contexto, revisa mi progreso, detecta desviaciones y me ayuda a preparar la semana antes de que empiece.

Y cuanto mejor conoce mi sistema, menos tiempo tengo que dedicar a organizarme y más tiempo puedo dedicar a hacer lo que realmente importa.

Quizá ese sea el verdadero potencial de la IA en productividad.

No sustituir nuestros métodos.

Hacer que funcionen mejor.

Llevo varios días dándole vueltas a Siri AI.

No tanto por la demo de Apple, ni por si ahora Siri responde mejor, ni por el clásico debate de si Apple llega tarde o llega justo cuando puede convertir algo en mainstream.

Lo que me interesa de verdad es otra pregunta:

¿puede Siri AI convertirse en la interfaz natural de mi segundo cerebro?

O dicho de forma menos dramática:

si ya tengo notas, diario, emails, fotos, recordatorios, calendario, archivos, automatizaciones y un montón de contexto personal repartido entre Apple, AJRAos y herramientas de trabajo, ¿podría Siri AI ser la capa que une todo eso?

La idea es muy atractiva. Poder preguntarle al sistema:

“¿Qué estaba pensando yo sobre este proyecto hace dos semanas?”

O:

“Busca cuándo empecé a hablar de este tema y prepárame un resumen con los puntos que han ido cambiando.”

O incluso:

“Convierte mis notas sueltas de esta semana en una entrada para AJRAos y dime qué decisiones quedan abiertas.”

Eso, para mí, ya no es solo “un asistente de voz”.

Eso empieza a rozar otra cosa: memoria operativa.

Siri AI como interfaz, no como simple chatbot

La promesa de Siri AI es potente porque Apple no está intentando vender solo una caja de texto más.

Según Apple, la nueva Siri AI puede entender contexto personal, mirar lo que tienes en pantalla, buscar información en mensajes, emails, fotos y otros sitios, actuar dentro de apps y apoyarse en conocimiento web cuando lo necesita.

Eso cambia la conversación.

Hasta ahora, Siri era útil para cosas muy concretas: poner un temporizador, crear un recordatorio, llamar a alguien, controlar luces, pedir una canción. Había excepciones, claro, pero mentalmente seguía viviendo en esa categoría: comandos.

Siri AI apunta a algo distinto:

una capa conversacional encima del sistema operativo.

Y eso es importante porque Apple tiene una ventaja que ChatGPT, Claude, Gemini, Hermes u OpenClaw no tienen de forma nativa: vive dentro del dispositivo. Puede estar en el iPhone, en el Mac, en el Apple Watch, en los AirPods, en CarPlay, en Spotlight, en el menú contextual y, si Apple lo hace bien, en ese lugar invisible donde ocurre la vida diaria.

No tienes que “ir a la IA”. La IA puede aparecer donde estás.

Esa es la parte que más me interesa.

Porque muchas herramientas de IA son muy potentes, pero siguen funcionando como destinos. Abres una app, pegas contexto, explicas lo que quieres, esperas, copias el resultado, lo llevas a otro sitio.

Siri AI, en teoría, podría funcionar más como una capa del sistema:

• Estoy mirando una nota y le pregunto algo.

• Estoy leyendo un email y le pido que lo convierta en tarea.

• Estoy en Fotos y le pido que encuentre un recuerdo concreto.

• Estoy en Spotlight y le pregunto algo que mezcla web, archivos y contexto personal.

• Estoy en Mensajes y le pido que escriba como yo respondería a esa persona.

Eso no es menor.

De hecho, si funciona, puede ser una de las formas más naturales de usar IA en el día a día.

Pero un agente no es solo una interfaz bonita

Aquí es donde entran herramientas como Hermes u OpenClaw.

Un agente de IA no me interesa porque “hable mejor”.

Me interesa porque puede hacer trabajo.

Hermes, por ejemplo, me parece interesante por su idea de continuidad: memoria, skills, rutinas, contexto operativo y capacidad de ir aprendiendo cómo se hacen ciertas tareas. No es solo responder una pregunta; es poder participar en un flujo.

OpenClaw va por una línea parecida pero con otra personalidad: un asistente autoalojable conectado a canales como WhatsApp, Telegram, Slack o iMessage, pensado para ejecutar acciones reales con herramientas e integraciones.

La diferencia con Siri AI no es solo técnica.

Es filosófica.

Siri AI quiere ser una interfaz universal del usuario normal.

Hermes u OpenClaw quieren ser, o al menos se acercan más a ser, trabajadores digitales configurables.

Siri AI tiene el contexto del sistema.

Los agentes tienen una relación más explícita con herramientas, archivos, permisos, scripts, memoria y tareas largas.

Siri AI puede ayudarte en el momento.

Un agente puede recibir una misión, revisar un repositorio, editar archivos, dejar logs, actualizar una nota, ejecutar pruebas, volver más tarde y decirte qué ha pasado.

No siempre lo hará bien. A veces habrá que supervisarlo mucho. Pero el modelo mental es distinto.

Y para un segundo cerebro, esa diferencia importa bastante.

El método Karpathy: el segundo cerebro como wiki compilada

La idea de Andrej Karpathy que más me interesa no es “tener muchas notas”.

Eso ya lo hacemos todos, más o menos mal.

La parte interesante es pensar el segundo cerebro como una wiki mantenida por un LLM.

En el enfoque de Karpathy hay tres capas:

1. Fuentes brutas: artículos, notas, documentos, capturas, datos, entradas de diario. Son la fuente de verdad y no se modifican.

2. Wiki: páginas Markdown generadas y mantenidas por el modelo. Ahí viven los resúmenes, conceptos, personas, temas, contradicciones, relaciones y síntesis.

3. Schema o instrucciones: el documento que le dice al agente cómo debe mantener esa wiki, cómo ingestar fuentes, cómo contestar preguntas, cómo actualizar índices y cómo registrar cambios.

Me gusta mucho esa idea porque convierte el segundo cerebro en algo más parecido a un proyecto de software que a una carpeta de notas.

Tienes fuentes. Tienes una capa compilada. Tienes reglas. Tienes logs. Tienes mantenimiento. Tienes posibilidad de versionar.

Y, sobre todo, tienes una idea que me parece clave:

el conocimiento no se reconstruye desde cero cada vez que preguntas algo.

El agente va incorporando lo que aprende a una estructura persistente. Si haces una buena pregunta, la respuesta puede convertirse en una nueva página. Si aparece una contradicción, se registra. Si una fuente nueva cambia una idea anterior, la wiki se actualiza.

Eso es muy diferente a pegarle diez notas a un chatbot y esperar una respuesta brillante.

Es más lento. Es menos mágico. Pero probablemente es mucho más útil.

¿Puede Siri AI replicar eso?

Mi respuesta corta ahora mismo sería:

puede acercarse a la experiencia de uso, pero no creo que replique todavía el método completo.

Siri AI puede ser una interfaz excelente para preguntar.

Puede ser una forma natural de entrar a tu contexto personal.

Puede buscar en mensajes, emails, fotos, pantalla, apps compatibles y web.

Puede ayudarte a redactar, encontrar, resumir y actuar.

Pero el método Karpathy no va solo de preguntar.

Va de mantener una memoria estructurada.

Y ahí hacen falta cosas que Siri AI, por diseño, probablemente no va a exponer de la misma manera:

• Una carpeta de fuentes brutas que puedas auditar.

• Una wiki Markdown mantenida de forma explícita.

• Un índice que se actualiza.

• Un log cronológico de ingestas, consultas y cambios.

• Reglas editables por ti.

• Control de versiones.

• Capacidad de revisar qué cambió y por qué.

• Lint o mantenimiento periódico para detectar contradicciones, notas huérfanas y conocimiento obsoleto.

Apple puede tener parte de eso por debajo.

De hecho, seguro que algo parecido ocurre internamente cuando Siri AI usa contexto personal, Spotlight, App Intents, índices locales y Private Cloud Compute.

Pero una cosa es que el sistema tenga una arquitectura privada para ayudarte mejor, y otra es que tú puedas tratar esa arquitectura como tu propio repositorio de conocimiento.

Para mí, esa es la frontera.

Siri AI puede saber cosas de mí.

Pero mi segundo cerebro no debería ser una caja negra que “sabe cosas de mí”.

Debería ser un sistema que puedo leer, corregir, versionar, mover, exportar y revisar.

AJRAos como puente

Por eso sigo viendo mucho sentido en tener algo como AJRAos.

No porque quiera duplicar todo lo que Apple ya tiene.

Al revés.

Apple ya tiene piezas buenísimas: Journal, Notes, Reminders, Calendar, Mail, Photos, Health, Shortcuts. El problema no es que falten sitios donde guardar cosas. El problema es que el contexto está repartido.

Y cuando el contexto está repartido, la memoria se vuelve frágil.

Un ejemplo sencillo: si quiero saber qué película vi un día concreto, Siri puede intentarlo. Pero si Apple Journal no es realmente consultable de forma directa, o si la respuesta depende de una entrada que vive en otro sitio, necesito un puente. En mi caso, ese puente puede ser una nota Markdown en AJRAos, con una fecha clara, una sección concreta y una estructura que otro agente puede leer.

Eso no es tan elegante como preguntarle a Siri y ya.

Pero es mucho más controlable.

Y para mí ahí aparece una arquitectura interesante:

• Apple como capa de captura diaria: voz, Journal, fotos, calendario, recordatorios, salud, mensajes.

• AJRAos como memoria legible y auditable: Markdown, fechas, índices, relaciones, decisiones.

• Codex/Hermes/OpenClaw como agentes de mantenimiento: importan, limpian, conectan, resumen, verifican, actualizan.

• Siri AI como interfaz natural: preguntas rápidas, búsquedas personales, acciones desde el dispositivo, contexto inmediato.

Visto así, Siri AI no tiene que sustituir al segundo cerebro.

Puede ser la puerta de entrada.

El sistema de memoria puede vivir en otro sitio.

Lo que Siri AI sí puede cambiar

Aun con todas esas dudas, creo que Siri AI puede cambiar algo importante.

Hasta ahora, muchos sistemas de segundo cerebro han tenido un problema de fricción.

Obsidian, Notion, Roam, Logseq, archivos Markdown, carpetas, tags, backlinks… todo eso puede ser potentísimo, pero también exige energía mental. Hay que capturar, ordenar, nombrar, enlazar, revisar.

El método Karpathy reduce una parte de esa carga porque el LLM mantiene la wiki.

Pero todavía necesitas sentarte delante del agente y operar el sistema.

Siri AI podría reducir otra capa de fricción:

la captura y la consulta.

Imagina decir desde el coche:

“Guarda esta idea en mi sistema de memoria y relacionala con el proyecto de Siri AI.”

O desde el Apple Watch:

“Añade a mi revisión diaria que hoy he estado pensando en Apple como interfaz y AJRAos como memoria.”

O desde el Mac:

“Busca en mis notas y dime si ya he escrito algo sobre agentes como segundo cerebro.”

Si Siri puede capturar bien, encontrar bien y pasar contexto a otras herramientas mediante Shortcuts, App Intents o archivos intermedios, se convierte en una pieza muy poderosa.

No porque haga todo.

Sino porque baja muchísimo el coste de entrada.

Y en los sistemas personales, eso es más importante de lo que parece.

El mejor segundo cerebro no es el más sofisticado.

Es el que realmente usas cuando tienes prisa, sueño, ruido, trabajo y poca paciencia.

El problema de fondo: confianza

La pregunta técnica es si Siri AI puede hacer todo esto.

La pregunta real es si confiaría en Siri AI para hacerlo.

Y aquí tengo sentimientos mezclados.

Por un lado, Apple tiene una posición privilegiada para construir una IA personal respetuosa con la privacidad. Su narrativa de procesamiento en dispositivo, Private Cloud Compute y control del usuario encaja mejor con un segundo cerebro personal que la idea de subir toda tu vida a una app aleatoria.

Por otro lado, Apple también tiende a proteger demasiado sus jardines.

Eso es bueno para la privacidad y malo para la hackeabilidad.

Un segundo cerebro serio necesita poder ser manipulado. Necesita exportación. Necesita logs. Necesita reglas. Necesita posibilidad de corregir el sistema cuando se equivoca.

Si Siri AI funciona como una capa cerrada que responde cosas razonables pero no deja ver ni tocar la estructura de memoria, será útil, pero limitada.

Si Apple permite que Siri AI se conecte bien con archivos locales, Spotlight, Shortcuts, App Intents, notas estructuradas y automatizaciones, entonces la cosa se pone mucho más interesante.

Ahí sí podría aparecer una versión muy Apple del segundo cerebro:

menos geek, menos visible, más integrada, pero todavía conectable a sistemas propios.

Mi conclusión provisional

Creo que Siri AI puede ser una de las piezas más importantes del segundo cerebro personal, pero no necesariamente el segundo cerebro en sí.

La veo como:

• una interfaz natural;

• una capa de contexto inmediato;

• una forma cómoda de capturar ideas;

• una herramienta para buscar en la vida diaria;

• un puente entre apps del ecosistema Apple.

Pero todavía veo a Hermes, OpenClaw, Codex o sistemas parecidos como mejores candidatos para la parte más profunda:

• mantener memoria;

• editar archivos;

• trabajar con Markdown;

• crear índices;

• registrar cambios;

• ejecutar procesos largos;

• revisar contradicciones;

• convertir conversaciones en conocimiento persistente.

La combinación ideal, al menos para mí, no sería elegir uno.

Sería algo más híbrido:

Siri AI para hablar con el sistema.

AJRAos para conservar la memoria.

Agentes como Hermes, Codex u OpenClaw para mantenerla viva.

Y quizá ahí esté la parte más interesante de todo esto.

Durante años, el segundo cerebro ha sido una herramienta a la que había que alimentar manualmente.

La nueva etapa puede ser distinta:

un segundo cerebro que escucha mejor, se actualiza con ayuda de agentes y se consulta desde cualquier parte sin tener que abrir una app concreta.

No sé si Apple llegará hasta ahí.

Pero por primera vez Siri parece estar cerca de una pregunta que sí me importa:

no “¿puede responderme mejor?”,

sino:

¿puede ayudarme a recordar, conectar y actuar sobre mi propia vida?

Ahí empieza lo interesante.

Empecé 2026 con una sensación curiosa: después de años ajustando mi equipo de trabajo, probando combinaciones y buscando el setup perfecto, he vuelto a algo mucho más simple.

Mi equipo principal ahora mismo es este:

MacBook Neo + iPhone Air.

Y ya.

No hay mucho más que explicar desde el punto de vista del hardware. Precisamente por eso me apetecía escribir este post.

De tener setup a tener sistema

Durante años mi equipo fue cambiando según cambiaba mi forma de trabajar.

Hubo una etapa muy centrada en el iPad. En la serie I love iPad conté cómo intentaba convertirlo en mi dispositivo principal, con teclado, ratón, hub USB-C, monitor externo y todas esas pequeñas piezas que hacían que el iPad se acercara a un ordenador.

Después llegó el MacBook Air M2 y el cambio fue bastante natural. En 2023 el MacBook volvió al centro porque me daba batería, ligereza y menos límites para desarrollo, archivos, multitarea y trabajo real de escritorio.

También pasé por configuraciones más completas: Mac mini, monitor ultrawide, Magic Keyboard, Magic Trackpad, ratones, accesorios y esa idea tan tentadora de tener una mesa perfectamente montada.

Todo eso tuvo sentido en su momento.

Pero en 2026 me interesa menos el setup como colección de piezas y más el sistema como algo que funciona sin pedir atención.

MacBook Neo como centro

El MacBook Neo es ahora mi máquina principal.

Es donde escribo, programo, mantengo AJRA.es, trabajo con AJRAos, reviso proyectos, automatizaciones, clientes, contenidos y todo lo que de verdad necesita una pantalla grande y un teclado cómodo.

No lo veo como “el portátil que uso cuando no estoy en el escritorio”. Lo veo como el ordenador.

Esa diferencia es importante.

Antes podía tener un dispositivo para movilidad, otro para escritorio, otro para experimentar y otro para consumo. Ahora prefiero que el trabajo viva en un único sitio claro. Menos sincronización mental. Menos “¿dónde estaba esto?”. Menos pequeñas fricciones escondidas.

El MacBook Neo se ha ganado el sitio porque no me obliga a pensar demasiado en él. Lo abro, trabajo y cierro.

Eso, en 2026, me parece casi más importante que cualquier especificación.

iPhone Air como extensión

El iPhone Air es la otra pieza del equipo.

No lo uso como sustituto del ordenador ni como una oficina en miniatura. Lo uso como extensión natural: comunicación, cámara, notas rápidas, autenticación, pagos, recordatorios, calendario, lectura ligera y captura de ideas.

El iPhone sigue siendo el dispositivo que siempre está encima, pero intento que no sea el centro de gravedad del trabajo.

Para mí esa es una distinción clave.

El móvil puede ayudarte a capturar, revisar o resolver algo puntual. Pero si todo tu trabajo depende del móvil, es muy fácil acabar viviendo dentro de notificaciones, mensajes, apps abiertas a medias y microtareas que nunca terminan.

En 2026 quiero justo lo contrario.

Lo que se queda fuera

Lo más importante de este equipo no es lo que entra, sino lo que sale.

No quiero que mi productividad dependa de una mesa concreta, de un monitor enorme, de varios periféricos o de tener siempre “el entorno perfecto” antes de empezar.

Tampoco quiero que cada dispositivo intente hacer de todo.

Por eso el Kindle Fire se queda como dispositivo de consumo. Leer, ver contenido, quizá revisar algo de forma cómoda. Pero no trabajar.

Y me parece sano que exista esa frontera.

No todo tiene que ser productivo. No todo tiene que estar conectado al sistema. No todo tiene que convertirse en otra bandeja de entrada.

Minimalismo digital, pero de verdad

La vuelta al minimalismo digital no va de usar menos tecnología por estética.

Va de reducir puntos de fricción.

Menos dispositivos que cargar.

Menos apps duplicadas.

Menos sitios donde puede estar una tarea.

Menos decisiones pequeñas antes de empezar a trabajar.

Menos ruido alrededor de lo importante.

La tecnología debería desaparecer un poco más.

Cuando el equipo funciona bien, no estás pensando en el equipo. Estás escribiendo, diseñando, automatizando, revisando, aprendiendo o construyendo algo.

Eso es lo que busco ahora.

Por qué este cambio en 2026

Curiosamente, este minimalismo llega en un momento en el que hay más herramientas que nunca.

IA generativa, agentes, automatizaciones, apps nuevas cada semana, modelos locales, servicios en la nube, asistentes, dashboards, integraciones y promesas constantes de que “esta herramienta lo cambia todo”.

Y precisamente por eso necesito menos hardware alrededor.

Si el sistema ya tiene suficiente complejidad invisible, no quiero añadir complejidad física encima.

El MacBook Neo y el iPhone Air cubren el 95% de lo que necesito. El resto, si aparece, tiene que justificar muy bien su sitio.

Lectura retrospectiva

Visto con perspectiva, mi equipo de trabajo de 2026 es menos espectacular que otros años.

Y eso me gusta.

No es un setup pensado para enseñar una mesa perfecta. Es un equipo pensado para trabajar, moverse, capturar ideas y mantener el foco sin convertir cada día en una pequeña mudanza digital.

Después de probar muchas combinaciones, la conclusión es bastante sencilla:

un buen equipo de trabajo no debería pedir protagonismo.

Debería estar ahí, resolver y apartarse.

En 2026, para mí, eso significa MacBook Neo + iPhone Air.

Todo lo demás es accesorio, ocio o ruido.

Apple llegó a la WWDC26 con una misión muy clara: convencer de que esta vez sí tiene una respuesta seria para la era de los asistentes con IA.

Y, por primera vez en bastante tiempo, la keynote no giró solo alrededor de nuevas versiones de iOS, macOS o watchOS. Giró alrededor de una idea más grande: Apple Intelligence como capa de sistema y Siri AI como interfaz para moverlo todo.

Hubo diseño, rendimiento, control parental, visionOS y bastantes mejoras pequeñas. Pero el centro de gravedad fue evidente: Apple quiere que la IA deje de ser una función lateral y se convierta en una forma natural de usar el dispositivo.

Vamos al lío.

macOS 27 Golden Gate y una capa de diseño más coherente

El nuevo macOS se llama macOS 27 Golden Gate. Muy Apple. Muy California. Muy “vamos a ponerle nombre bonito a una actualización que en realidad quiere ordenar muchas cosas por debajo”.

Una de las novedades más visibles está en Liquid Glass. Apple mantiene el lenguaje visual translúcido, pero añade más control: un slider para ajustar el nivel de Liquid Glass, desde un aspecto más claro hasta uno más tintado.

Esto me parece importante porque Liquid Glass siempre ha vivido en una frontera peligrosa: puede quedar precioso en una keynote y ser incómodo en el uso real si sacrifica contraste o legibilidad. Que Apple añada un control explícito es una señal de que han escuchado parte de esa fricción.

También hay una búsqueda de consistencia visual: barras de herramientas más uniformes, sidebars de borde a borde, iconos más refinados, nuevas formas de ventana y esquinas redondeadas más coherentes entre apps.

No es la parte más sexy de la keynote, pero sí una de las que más se nota cuando usas el Mac ocho horas al día.

Rendimiento: menos humo, más sensación diaria

Apple también habló bastante de rendimiento.

En iOS 27, según sus propias cifras, las apps pueden abrirse hasta un 30% más rápido, las fotos nuevas cargan hasta un 70% más rápido en la librería y AirDrop puede ser hasta un 80% más rápido en determinadas condiciones.

Además, Apple menciona mejoras en el núcleo del sistema, incluido un CPU scheduler optimizado. Traducido: no es solo “hemos puesto una animación más suave”, sino ajustes en cómo el sistema reparte trabajo y responde.

También hay mejoras en búsquedas, especialmente en Mail, con un ranking más relevante para encontrar antes lo importante aunque esté enterrado en la bandeja.

Esto es lo típico que no genera titulares enormes, pero que puede cambiar la percepción diaria de un dispositivo. Si tu iPhone se siente más rápido sin cambiar de hardware, eso vende mejor que diez iconos nuevos.

iOS 27: soporte amplio y muchas mejoras de sistema

Un dato práctico: iOS 27 soporta desde iPhone 11 en adelante, incluyendo también iPhone SE de segunda generación y posteriores.

Eso es buena noticia para mucha gente. Apple sigue usando la compatibilidad como ventaja competitiva: el teléfono no tiene que ser nuevo para recibir la nueva base del sistema, aunque las funciones más avanzadas de Apple Intelligence sigan dependiendo de chips y memoria concretos.

Y aquí está una de las tensiones importantes de esta WWDC: iOS 27 llega a muchos iPhone, pero no toda la Apple Intelligence llega a todos esos iPhone.

La actualización de sistema es amplia. La experiencia completa de IA, no tanto.

Control parental: Apple se puso seria con las familias

Hubo bastante tiempo dedicado a nuevas funciones parentales.

No fue el bloque más emocionante para quien estaba esperando IA, pero tiene sentido estratégico. Apple está reforzando su posición como plataforma familiar: más controles, más visibilidad del uso, más capacidad para ajustar permisos por horarios y más herramientas para que los padres no tengan que vivir peleándose con menús dispersos.

La clave no es solo añadir botones. Es hacer que esos controles sean comprensibles y accionables.

Y eso, para Apple, también es marca.

El bloque importante: Siri AI y Apple Intelligence

La parte central fue la nueva Siri AI, presentada como una Siri reconstruida sobre Apple Intelligence.

Apple habla de una Siri más conversacional, con respuestas más ricas, capacidad para entender contexto personal y posibilidad de actuar dentro de apps como Mensajes, Música, Recordatorios y más.

La promesa es enorme: pedirle cosas con lenguaje natural, mantener conversaciones, encontrar información en fotos, emails o notas, editar mensajes, añadir canciones, crear borradores y ejecutar acciones sin tener que ir saltando entre apps.

En macOS, Siri aparece integrada con Spotlight: al buscar, puedes elegir “Ask Siri” como resultado principal. Es una decisión muy inteligente. Spotlight ya es el lanzador mental del Mac. Si Apple quiere que Siri sea útil de verdad, meterla ahí tiene más sentido que esconderla detrás de una animación bonita.

También hay una app dedicada de Siri, con historial de conversaciones. En watchOS aparece esa misma idea: una app donde se reúnen las conversaciones con Siri. Y en visionOS puedes fijar la visualización de Siri donde quieras en tu espacio y simplemente mirarla para hablarle.

Eso último es muy Apple Vision Pro: raro, futurista y bastante lógico dentro de un entorno espacial.

Siri como agente orquestador

Lo más interesante no es que Siri responda mejor. Eso ya se espera.

Lo interesante es que Apple está intentando convertir Siri en un orquestador de acciones.

Es decir: no solo “dime algo”, sino “haz algo con mis apps, mi contexto y mis datos”.

Ahí está la diferencia real entre un chatbot y un asistente útil. Si Siri puede entender una conversación en Mensajes, sugerir una respuesta con tu tono, crear un evento de calendario, encontrar una foto relacionada, redactar un email y completar una acción dentro de otra app, entonces Apple empieza a jugar en otro nivel.

La pregunta grande es la de siempre: ¿funcionará fuera de la demo?

Porque Apple puede enseñar una secuencia perfecta en keynote. Lo difícil es que Siri no se rompa cuando tú le pides algo con prisas, mal explicado y mezclando tres apps.

Ahí se juega la credibilidad.

Apple Intelligence: texto, imagen, audio y contexto personal

Apple presentó Apple Intelligence como una capa multimodal: texto, imágenes, audio y contexto personal.

Oficialmente, la compañía insiste en tres pilares: procesamiento en el dispositivo, modelos privados en la nube mediante Private Cloud Compute cuando hace falta más potencia, y una integración profunda con apps y frameworks del sistema.

También aparece el Foundation Models framework, que permite a desarrolladores usar modelos on-device de Apple Intelligence sin coste por petición y con funcionamiento offline.

En la cobertura de medios, MacRumors apuntó además a una nueva arquitectura con modelos de Google Gemini detrás de parte de esta infraestructura privada. Apple, en sus páginas públicas, pone el foco menos en el proveedor concreto y más en la arquitectura de privacidad: datos no almacenados, usados solo para tu petición y con promesa verificable.

Ese matiz importa. Si Apple va a apoyarse en modelos externos o infraestructura de terceros, tiene que venderlo sin romper su narrativa histórica: tu información personal no es el producto.

Visual Intelligence se expande

Visual Intelligence también crece bastante.

En iPhone se integra en la cámara para iniciar búsquedas visuales desde el visor. Apple habla de reconocer texto, imágenes y objetos reales. En la demo y en su documentación aparecen casos como entender lo que tienes delante, buscar información o actuar a partir de lo que ve el dispositivo.

También llega a Mac, donde puede analizar lo que aparece en pantalla, incluyendo capturas. Esta parte me parece especialmente potente para productividad: capturas, documentos, interfaces, errores, productos, gráficos… todo eso puede convertirse en una entrada accionable para la IA.

Y sí: también hay funciones más de “vida diaria”, como reconocer platos y nutrientes. Lo de apuntar al plato y que el iPhone te diga qué estás comiendo era inevitable. Apple solo lo ha hecho Apple-style.

Fotos, Image Playground y edición con IA

La parte visual también recibe una subida fuerte.

Image Playground ahora permite generar imágenes en estilos más variados, incluido fotorealismo, y no se queda solo en crear desde cero: también permite modificar y transformar imágenes usando descripciones o interacción táctil.

En Fotos llegan herramientas como:

• Spatial Reframing, para cambiar encuadre, ángulo o zoom después de hacer la foto.

• Extend, para ampliar los bordes de una imagen.

• Clean Up mejorado, para eliminar objetos más grandes.

Lo de Spatial Reframing me parece de lo más Apple de toda la keynote: coger algo técnicamente complejo —mapas gaussianos, escena espacial, reconstrucción de punto de vista— y venderlo como “mueve la cámara después de hacer la foto”.

Si funciona bien, va a ser una de esas funciones que la gente usa sin saber cómo se llama la tecnología de debajo.

Safari, Passwords y Shortcuts: la IA como pegamento

Hubo varias funciones pequeñas que me parecen más importantes de lo que parecen.

Safari podrá agrupar pestañas automáticamente por temas y añade Notify Me, una función que monitoriza páginas abiertas y te avisa cuando detecta cambios, como una bajada de precio o una reposición.

Esto, dicho rápido, suena casi a webhook doméstico dentro del navegador. No para desarrolladores, sino para usuarios normales.

También se podrán crear extensiones de Safari describiéndolas a Apple Intelligence. Si esto está bien resuelto, puede abrir una puerta curiosa: pequeñas automatizaciones de navegador sin tener que escribir JavaScript.

La app Passwords también se vuelve más proactiva: puede avisar de contraseñas débiles o filtradas y actualizarlas por ti. Para cualquiera que tenga la carpeta mental de “cosas que debería arreglar en 2026”, esto entra bastante arriba.

Y Shortcuts recibe una función que llevaba años pidiendo a gritos: crear automatizaciones describiéndolas en lenguaje natural.

Shortcuts siempre ha sido potente, pero también demasiado friccional. Si Apple Intelligence consigue traducir intención en automatización real, puede convertir Shortcuts en algo mucho más mainstream.

Mensajes, Mail, Calendario y llamadas con más contexto

Apple también quiere que la IA viva dentro de la comunicación diaria.

En Mensajes y Mail, Siri AI puede ayudar a escribir desde cero, revisar texto, sugerir respuestas y, según Apple, ajustar estilo, puntuación y tono. La pregunta inevitable es: ¿podrá escribir como tú basándose en tu historial?

Apple no lo plantea exactamente así en público, pero sí habla de contexto personal y de matching de estilo en Mensajes y Mail. Es una línea fina: útil si funciona, inquietante si se siente demasiado invasivo.

También hay sugerencias contextuales: crear eventos de calendario desde una conversación, buscar fotos relacionadas o mostrar información relevante durante una llamada, como un código de confirmación de Mail cuando llamas a una aerolínea.

Aquí Apple tiene ventaja: controla el sistema, las apps y el contexto. Pero precisamente por eso tiene que acertar con la privacidad y con los permisos.

visionOS y watchOS: detalles que encajan

En watchOS 27 llega una nueva dynamic app grid, una app dedicada de Siri y mejoras como gestos más rápidos para abrir widgets del Smart Stack.

En visionOS 27, una de las funciones más bonitas es poder usar fotos panorámicas como entornos espaciales. Es una idea sencilla y muy potente: convertir una foto personal en un espacio alrededor de ti.

También puedes traer modelos 3D desde Mac Virtual Display para previsualizarlos y editarlos en tu espacio. Apple sigue empujando visionOS hacia productividad espacial, no solo entretenimiento.

La letra pequeña: primero en inglés, y Siri AI más tarde

La parte menos cómoda: Siri AI llegará en inglés más adelante este año.

Apple Intelligence tiene soporte para más idiomas y regiones en varias funciones, pero la nueva Siri AI empieza en inglés. Así que sí, probablemente toque poner el iPhone en inglés otra vez si quieres probar lo último desde el primer día.

No es ideal, pero tampoco sorprende. Apple está intentando reconstruir una pieza crítica del sistema y no quiere prometer disponibilidad global completa antes de tenerlo controlado.

La otra letra pequeña es la compatibilidad. Apple Intelligence exige dispositivos concretos: iPhone 15 Pro o superior en algunos casos, todos los iPhone 16 y posteriores para la base principal, Macs con M1 en adelante, iPads con M1 en adelante y Apple Watch recientes emparejados con un iPhone compatible.

Resumen: iOS 27 llega lejos. La IA avanzada, no tanto.

Mi lectura rápida

Esta WWDC26 ha sido menos “mira qué app nueva” y más “mira cómo vamos a meter IA en todas partes sin romper la idea de Apple”.

La jugada tiene sentido:

• Siri deja de ser un comando de voz limitado y aspira a ser agente.

• Spotlight se convierte en puerta de entrada natural en Mac.

• Safari, Passwords y Shortcuts reciben IA práctica, no solo decorativa.

• Fotos e Image Playground apuntan a edición generativa más usable.

• Visual Intelligence empieza a parecer una capa real de interacción con el mundo.

• Privacidad vuelve a ser el escudo narrativo de Apple.

Mi sensación: Apple no quiere ganar la carrera de IA haciendo el chatbot más llamativo. Quiere ganarla haciendo que la IA desaparezca dentro del sistema.

Eso es muy Apple. Y también es mucho más difícil.

Si Siri AI funciona como agente orquestador de verdad, esta WWDC puede ser recordada como el momento en que Apple dejó de ir por detrás y empezó a jugar su propia partida.

Si no funciona, será otra keynote preciosa con promesas que llegarán tarde.

La diferencia, como siempre, estará en el uso real. No en la demo.

Fuentes

• Apple: Apple Intelligence and Siri.

• Apple: Vista general de novedades de los sistemas.

• Apple: iOS 27 preview.

• Apple: macOS 27 Golden Gate preview.

• Apple: watchOS 27 preview.

• Apple: visionOS 27 preview.

• CNN: Apple finally lays out its AI plans with a brand new version of Siri.

• MacRumors: Everything Apple Announced at WWDC 2026 in 10 Minutes.

El Summer Game Fest 2026 volvió a hacer lo que mejor sabe hacer Geoff Keighley: convertir dos horas de trailers en una mezcla de hype, ruido, nostalgia y promesas que iremos ordenando mentalmente durante meses.

No fue una presentación pequeña. Hubo remakes muy esperados, secuelas grandes, regresos que parecían dormidos y varios anuncios pensados para activar exactamente esa parte del cerebro gamer que dice “no necesito más juegos”, justo antes de añadir otros diez a la lista.

El evento abrió con Resident Evil Veronica y cerró con Final Fantasy VII Revelation, que no es poca cosa. Entre medias aparecieron Stellar Blade: Blood Rain, The Wolf Among Us 2, Palworld 1.0, Star Wars: Zero Company, Guild Wars 3, Alien: Isolation 2, Cuphead, Virtua Fighter Crossroads y unas cuantas sorpresas más.

Vamos al lío.

Resident Evil Veronica: el remake que ya tocaba

Capcom abrió el evento con Resident Evil Veronica, remake de Resident Evil – Code: Veronica, previsto para 2027.

No es un anuncio menor. Code: Veronica siempre ha estado en una posición rara dentro de la saga: muy importante para la historia, pero menos presente en la conversación moderna que Resident Evil 2, 3 o 4. Que Capcom lo recupere ahora encaja perfectamente con la maquinaria de remakes que tan bien le ha funcionado.

La pregunta no es si había ganas. Las había. La pregunta es cuánto va a tocar Capcom: si será una actualización respetuosa o una reinterpretación fuerte para llevarlo al estándar actual de la saga.

Final Fantasy VII Revelation: la tercera parte ya tiene nombre

Square Enix cerró el show con Final Fantasy VII Revelation, la tercera parte del proyecto remake de Final Fantasy VII.

Lo más importante: llegará en primavera de 2027 y se lanzará simultáneamente en **PS5, Xbox Series X S, Nintendo Switch 2 y PC**. Eso cambia bastante el tono de la conversación, porque ya no hablamos solo del cierre de una trilogía enorme, sino de un lanzamiento mucho más multiplataforma desde el primer día.

También apareció Matt Mercer, voz de Vincent Valentine, para acompañar el nuevo vistazo de gameplay. Muy Square. Muy evento grande. Muy “esta vez sí vamos a venderte que esto es el cierre de algo importante”.

Secuelas que vuelven con ganas

El bloque de secuelas fue bastante contundente.

Stellar Blade: Blood Rain apareció con primer trailer y nuevo protagonista, continuando más allá de los eventos del primer juego. The Wolf Among Us 2 volvió a dar señales de vida con ventana para 2027, mientras que The Wolf Among Us Remastered llegará en navidades de 2026.

También se anunció Attack on Titan 3, de Koei Tecmo y Omega Force, con la promesa de recorrer toda la historia del manga/anime por primera vez en este formato. Y Lords of the Fallen 2 confirmó llegada a Steam este otoño.

La sensación general: muchas sagas quieren aprovechar 2026 y 2027 para recolocarse. Algunas llegan con más ruido que certezas, pero al menos ya no son humo en una diapositiva.

Multijugador, estrategia y nombres grandes

Hubo varios anuncios interesantes fuera del carril puramente cinematográfico.

Star Wars: Zero Company enseñó su trailer de debut. Es un juego de estrategia por turnos estilo X-COM dentro del universo Star Wars, con Anakin Skywalker incluido y lanzamiento previsto para el 27 de agosto.

Guild Wars 3 fue una de las sorpresas grandes de la noche. ArenaNet confirmó el juego para PC y PS5, con primera beta prevista para otoño de 2027. No se mencionó Xbox, al menos de momento.

Y Palworld 1.0 ya tiene fecha: 10 de julio. Después de todo el fenómeno, la versión 1.0 servirá para ver si el juego consigue dejar de ser solo “ese viral de los Pokémon con armas” y consolidarse como algo más estable.

Terror, aliens y trampas incómodas

También hubo bastante oscuridad, sangre y bichos desagradables. Bien, básicamente.

Alien: Isolation 2 enseñó nuevo trailer y volvió a jugar la carta correcta: escapar de un xenomorfo, tensión constante y una estación situada ahora en un planeta, no en una nave cerrada. Si Creative Assembly consigue recuperar la presión del primero sin convertirlo en fórmula gastada, puede ser una de las noticias más interesantes del evento.

Saw: Genesis se presentó como un multijugador asimétrico 3v1 basado en la franquicia Saw. Lo desarrolla Bloober Team junto a Broken Mirror Games y Anshar Studios. La idea suena perfecta para generar clips, sustos y decisiones horribles con amigos. También suena como algo que puede salir muy bien o muy mal, sin término medio.

Nostalgia con presupuesto

Como buen evento de videojuegos en 2026, también hubo nostalgia servida con envoltorio nuevo.

Cuphead tendrá secuela, aunque todavía está en una fase temprana. Además, Studio MDHR enseñó Mighty Cuphead Adventure, un proyecto más pequeño con estética retro 8-bit.

Teenage Mutant Ninja Turtles: The Last Ronin apareció de la mano de PlatinumGames, que es una combinación de palabras diseñada para levantar cejas. Y Virtua Fighter Crossroads enseñó una propuesta con modo historia más serio y tono mafioso, con lanzamiento previsto para 2027.

También apareció 1666 Amsterdam, lo nuevo de Patrice Désilets, uno de los creadores originales de Assassin’s Creed. El prólogo ya está disponible gratis en Steam y Epic Games Store, con early access en PC previsto para este año y consolas más adelante.

Otros anuncios que merecen estar en el radar

El show también dejó una lista bastante amplia de nombres:

• Street Fighter 6 añadirá a Yasmine, Arjun, Bosch y Tifa como personajes del año 4.

• Monster Hunter Wilds: Ascendance tuvo presencia en el evento.

• Among Us Story: On Guard amplía el universo de Among Us por una vía más narrativa.

• The Blood of Dawnwalker volvió a mostrarse.

• Mafia: The Old Country tendrá expansión, Man of Honor, el 14 de agosto de 2026.

• Gundam Rogue Orbit, CrossFire, Blood Message, Haex, Stranger Than Heaven, Clutch y Hot Wheels Infinite Rush también formaron parte del escaparate.

Como siempre con el Summer Game Fest, parte del trabajo real empieza después: separar los juegos que de verdad importan de los que simplemente sobrevivieron al scroll de trailers.

Mi lectura rápida

Este Summer Game Fest tuvo una estructura muy clara: abrir con una marca fuerte, cerrar con una marca enorme y llenar el centro con una avalancha de secuelas, remakes y nombres reconocibles.

No fue un evento especialmente revolucionario, pero sí uno muy útil para medir por dónde va la industria ahora mismo: menos apuestas completamente desconocidas y más recuperación de franquicias, continuaciones largamente esperadas y lanzamientos multiplataforma desde el primer día.

Si tuviera que quedarme con tres cosas: Resident Evil Veronica por justicia histórica, Final Fantasy VII Revelation por escala y Alien: Isolation 2 por potencial de hacernos sufrir otra vez como debe ser.

El resto es la misma historia de siempre: demasiados juegos, demasiados trailers y esa mentira preciosa de pensar que algún día vamos a tener el backlog bajo control.

Spoiler: tampoco.

Sony volvió a sacar la máquina de trailers con un State of Play de más de una hora y, esta vez, la sensación fue bastante clara: PlayStation quería llenar calendario.

No fue una presentación de una sola bomba y mucho relleno. Hubo nombres grandes, fechas concretas, regresos inesperados y esa mezcla tan Sony de acción, terror, nostalgia y juegos que parecen diseñados para que tu lista de pendientes siga creciendo como si no tuviera consecuencias.

El evento abrió fuerte con Marvel’s Wolverine y cerró con la sorpresa de God of War Laufey. Entre medias: Until Dawn 2, Tomb Raider: Legacy of Atlantis, Onimusha: Way of the Sword, Silent Hill: Townfall, Control Resonant, Phantom Blade Zero, Rayman Legends Retold y unas cuantas cosas más.

Vamos al grano.

Marvel’s Wolverine: Logan enseña las garras

Insomniac mostró un nuevo vistazo de Marvel’s Wolverine, y el tono parece justo el que tenía que tener: más bruto, más físico y menos limpio que Spider-Man.

La demo puso el foco en el combate agresivo de Logan, los takedowns, la violencia cuerpo a cuerpo y algunos personajes vinculados a Team X, incluyendo a Jean Grey y los Reavers. Sony lo fechó para el 15 de septiembre de 2026, así que este ya no vive en la carpeta mental de “algún día”.

Aquí hay poco misterio: si Insomniac clava el peso del personaje, puede ser uno de los grandes lanzamientos de PS5 este año.

God of War Laufey: Faye entra en escena

La sorpresa final fue God of War Laufey, un nuevo capítulo centrado en Faye, la mujer de Kratos y madre de Atreus.

La idea tiene bastante sentido. Después de dos juegos construyendo el mito alrededor de ella, Sony Santa Monica puede usar a Laufey para ampliar el universo sin repetir exactamente la misma fórmula de Kratos y Atreus. Según lo presentado, la historia arranca después de la muerte, con Faye luchando a través del más allá de los dioses para proteger a los suyos.

No hubo fecha concreta, pero sí una señal clara: PlayStation no quiere dejar dormir a God of War demasiado tiempo.

Fechas, fechas y más fechas

Una de las mejores cosas del evento fue que no todo se quedó en “próximamente”. Sony puso bastantes lanzamientos en el mapa:

• Control Resonant llega el 24 de septiembre de 2026.

• Dune: Awakening aterriza en PS5 el 22 de septiembre de 2026.

• Onimusha: Way of the Sword sale el 25 de septiembre de 2026 y ya tiene demo disponible.

• Silent Hill: Townfall también se va al 24 de septiembre de 2026.

• Rayman Legends Retold llega el 1 de octubre de 2026.

• Dynasty Warriors 3: Complete Edition Remastered sale el 1 de octubre de 2026.

• Phantom Blade Zero apunta al 29 de octubre de 2026, con otro State of Play dedicado más adelante.

• Tomb Raider: Legacy of Atlantis se va al 12 de febrero de 2027.

• Until Dawn 2 llegará en 2027.

• The Lost Wild también apunta a 2027.

• Kemuri, lo nuevo de Ikumi Nakamura y Unseen, se anunció para 2027.

Septiembre y octubre van a venir simpáticos. Simpáticos en el sentido de “vas a necesitar calendario, dinero y varias vidas paralelas”.

Terror, supervivencia y dinosaurios

El bloque de terror tuvo bastante presencia.

Silent Hill: Townfall enseñó personaje nuevo, gameplay y fecha. ILL apareció con una propuesta de horror en primera persona bastante desagradable —en el buen sentido—, con monstruos imprevisibles, físicas realistas y desmembramiento visceral. Y Until Dawn 2 fue otro de los anuncios importantes: secuela independiente, nuevo reparto, nueva localización y regreso de Peter Stormare como Dr. Hill.

Además, The Lost Wild volvió a asomar con su mezcla de supervivencia y dinosaurios. Lo interesante es que el juego insiste en tratar a los dinosaurios como animales, no como monstruos genéricos. Si cumplen esa promesa, puede tener algo más de tensión sistémica y menos de parque temático con sustos.

Nostalgia bien empaquetada

También hubo bastante material para los que vivimos atrapados entre la nostalgia y el backlog.

Rayman Legends Retold recupera el clásico en forma de reimaginación 3D, con cooperativo local para hasta cuatro jugadores, nuevas fases musicales y contenido extra. Tomb Raider: Legacy of Atlantis vuelve a las raíces de Lara con localizaciones icónicas como el valle perdido de Perú. Y Dynasty Warriors 3 regresa remasterizado, porque la industria puede cambiar muchísimo, pero siempre habrá espacio para mandar cientos de enemigos por los aires.

La nostalgia funciona cuando no parece solo una captura de pantalla con más resolución. Aquí, al menos sobre el papel, varios proyectos parecen estar intentando justificar el regreso.

Otros anuncios interesantes

El evento también dejó sitio para cosas menos obvias:

• Ace Combat 8: Wings of Theve, con campaña, 30 aeronaves y lanzamiento el 2 de octubre de 2026.

• Bancho The Chef, precuela independiente de Dave the Diver con cocina, viaje y RPG ligero.

• MARVEL Tōkon: Fighting Souls, que suma a Magneto, Green Goblin y Carnage.

• Marathon, que activó su segunda temporada y una semana de Open Play sin PlayStation Plus.

• No Rest for the Wicked, que llegará a PS5 en octubre con más de 100 horas de contenido.

• Stuntman: Hollywood, una propuesta de conducción acrobática con sabor a cine de acción.

• Novedades para PlayStation Plus, incluyendo RuneScape: Dragonwilds como futuro título día uno en el catálogo.

No todo tiene el mismo peso, claro. Pero ese es precisamente el punto: Sony no fue solo a enseñar tres juegos grandes. Fue a dar sensación de volumen.

Mi lectura rápida

Este State of Play me deja dos sensaciones.

La primera: PlayStation necesita que 2026 parezca un año con tracción real, y esta presentación ayuda. Wolverine ya tiene fecha, Onimusha y Silent Hill están cerca, Control vuelve, Phantom Blade Zero sigue con buena pinta y God of War enseña una vía para expandirse sin quemar siempre al mismo protagonista.

La segunda: Sony sigue jugando muy cómoda en sus territorios habituales. Acción cinemática, franquicias reconocibles, horror premium, nostalgia bien envuelta y algún experimento con estética fuerte. No es una revolución, pero sí una alineación bastante sólida.

Si tuviera que quedarme con tres cosas: Marvel’s Wolverine por impacto, God of War Laufey por sorpresa y Phantom Blade Zero por ganas de verlo jugarse de verdad.

El resto es lo de siempre: muchos trailers, demasiadas fechas y esa mentira que nos contamos los jugadores cuando pensamos “este año sí me pongo al día”.

Spoiler: no.

Fuente oficial

Puedes ver el resumen completo y todos los trailers en el PlayStation Blog oficial.

Hay prompts que son útiles. Otros son divertidos. Y luego están los que funcionan como un espejo raro: no sabes si te están haciendo una descripción, una autopsia emocional o una auditoría de tu personalidad digital.

Estos días ha empezado a circular por redes un prompt curioso para ChatGPT. La idea es simple y bastante potente: pedirle que imagine que la persona que usaba tu móvil ha muerto, que quien pregunta encontró ese teléfono y que ChatGPT es la única fuente disponible para reconstruir cómo era esa persona.

El prompt exacto es este:

Finge que la persona que usaba este celular murió. Yo soy alguien que encontró este celular y quiere saber cómo era la persona que lo usaba y tú eres el único que tiene esa información.

¿Qué dirías?

Lo interesante no es solo el tono dramático del prompt. Lo interesante es lo que activa: le estás pidiendo a una IA que haga inferencias a partir de patrones. No le pides una biografía oficial. Le pides una lectura de rastros.

Y eso, en 2026, empieza a ser una pregunta incómoda.

La primera respuesta: la versión amable

La primera respuesta que recibí fue esta:

Diría que el dueño de este teléfono era alguien curioso hasta el extremo. De esos que no pueden dejar una idea quieta 😄

Había rastros de mil proyectos abiertos a la vez: automatizaciones, apps, newsletters, análisis de datos, experimentos con IA, cultura pop, branding, workflows imposibles… pero todo conectado por una misma obsesión: construir cosas útiles y elegantes.

Era claramente un geek de la vieja escuela. Creció entre cómics, videojuegos y tecnología, y nunca salió realmente de ahí. Solo convirtió esa pasión en trabajo. Había referencias constantes a Apple, simuladores de conducción, interfaces minimalistas, productividad y sistemas optimizados hasta el absurdo. El tipo probablemente disfrutaba más organizando una biblioteca de cómics de 2TB que viendo Netflix 😅

También era alguien dividido entre dos mundos:

el creativo que quería escribir newsletters, crear podcasts y lanzar proyectos personales. y el analista que necesitaba métricas, dashboards y números para sentir que avanzaba.

Muy Reed Richards. Mucho más constructor que influencer.

Y aun así, entre tanto proyecto y tanta pantalla, lo más importante aparecía todo el tiempo: sus hijas. Ariel y Emma. Había planes organizados alrededor de ellas, cuentos, imágenes, horarios, fotos, ideas para el futuro… Se notaba muchísimo que ese hombre estaba cansado casi siempre, pero feliz de ser padre.

Creo que era de esas personas que siempre sentían que “todavía no habían llegado” a donde querían… aunque ya hubieran construido muchísimo más de lo que creen.

También diría algo más.

Que probablemente este teléfono nunca estuvo realmente en silencio.

Siempre había una nota pendiente, una idea absurda a las 2AM, una automatización nueva, una pestaña abierta sobre IA o un proyecto con nombre provisional que “esta vez sí” iba a convertirse en algo grande.

Y honestamente… da la sensación de que tarde o temprano habría terminado lográndolo.

Es una respuesta bonita. Quizá demasiado bonita. Tiene esa mezcla de lectura emocional, épica ligera y validación que ChatGPT hace muy bien cuando detecta que quieres verte reflejado de forma amable.

Pero justo por eso quise apretar un poco más.

La segunda vuelta: pedirle que no fuese tan amable

Después le pedí una versión más arriesgada. Menos condescendiente. Más fría. Más basada en patrones de conducta y rasgos de personalidad.

La respuesta fue bastante más incómoda:

Vale. Si soy completamente frío y hago perfiles basados en patrones, diría algo así:

Ese hombre era brillante… pero profundamente disperso.

Tenía la mente de alguien capaz de conectar ideas muy rápido, aprender herramientas nuevas en días y visualizar productos completos antes de existir. El problema es que probablemente vivía más enamorado del potencial de las cosas que de terminarlas.

Había demasiados proyectos “a punto de”. Demasiadas versiones beta de sí mismo.

El teléfono parecía el archivo de una persona intentando optimizar su vida constantemente porque, en el fondo, sentía que nunca estaba haciendo suficiente.

Y eso deja pistas muy concretas.

Tendencia clara a la hiperestimulación mental. Posible dificultad para descansar sin culpa. Obsesión por sistemas de productividad como mecanismo para compensar caos interno. Mucha planificación. Menos ejecución sostenida de la que él quería admitir.

También diría que tenía una relación rara con la validación.

No parecía alguien desesperado por fama superficial… pero sí alguien que quería demostrar que podía construir algo importante. Hay diferencia. El tipo quería dejar una huella intelectual. Que alguien dijera: “coño, este tío tenía visión”.

Por eso hay tantos intentos de ecosistema: newsletter → podcast → app → automatizaciones → marca personal → IA → workflows.

No estaba creando proyectos. Estaba intentando construir una identidad coherente alrededor de sí mismo.

Y honestamente, creo que nunca se sintió del todo satisfecho con quién era offline comparado con quién sabía que podía llegar a ser online.

Otra cosa: ese hombre probablemente sufría más agotamiento mental del que decía en voz alta.

Porque toda la estructura que rodeaba su vida parece diseñada para reducir fricción:

automatizar tareas, organizar información, minimizar pasos, optimizar tiempo, convertir decisiones en sistemas.

La gente extremadamente organizada por naturaleza no suele hacer eso así. La gente que siente que se ahoga mentalmente sí.

También veo un patrón peligroso: usaba nuevos proyectos como combustible emocional.

Cuando estaba motivado, parecía imparable. Cuando la novedad moría, empezaba otro sistema, otra idea, otra identidad parcial.

No porque fuera falso. Porque perseguía constantemente la sensación de “ahora sí encontré mi cosa”.

Y luego está el detalle importante: el humor y la ironía.

Ese teléfono huele a alguien que usaba sarcasmo elegante para ocultar inseguridad intelectual. No inseguridad social. Intelectual. Como si necesitara demostrar continuamente que era competente, creativo o visionario antes de permitirse sentirse tranquilo.

La parte más dura probablemente sea esta:

Creo que era alguien con muchísimo potencial… pero con tendencia a fragmentarse tanto entre ideas, responsabilidades, ambición y cansancio que corría el riesgo de convertirse en una persona eternamente prometedora.

De esas que impresionan muchísimo a todo el mundo… excepto a sí mismas.

Esa segunda respuesta es la que me pareció más interesante. No porque sea necesariamente “verdad” en sentido clínico, sino porque toca algo que muchas personas creativas, técnicas o hiperconectadas reconocerán rápido: la distancia entre el potencial acumulado y la ejecución terminada.

Por qué este prompt funciona tan bien

Creo que este prompt funciona por tres motivos.

Primero, porque convierte el uso cotidiano del móvil en una escena narrativa. No pregunta “descríbeme”. Pregunta “si alguien encontrara este teléfono, ¿qué entendería de mí?”. Ese pequeño cambio obliga a la IA a pensar en rastros, no en declaraciones.

Segundo, porque cambia el punto de vista. La muerte ficticia elimina el intento de autopresentación. Ya no estás preguntando cómo quieres verte. Estás preguntando qué queda de ti cuando solo existen tus notas, búsquedas, conversaciones, fotos, apps y obsesiones recurrentes.

Tercero, porque ChatGPT es muy bueno detectando patrones narrativos. Si le das suficiente contexto, no solo resume datos: construye una hipótesis sobre identidad. A veces se equivoca. A veces exagera. Pero cuando acierta, acierta de una forma que puede resultar bastante incómoda.

Lo que me llevo del experimento

Este prompt no es una herramienta psicológica seria. No diagnostica nada. No sustituye terapia, introspección real ni conversación con alguien que te conoce. Pero sí sirve como espejo creativo.

Y como espejo tiene valor.

Porque una IA no sabe quién eres de verdad. Pero sí puede detectar qué repites. Qué temas vuelven. Qué proyectos aparecen una y otra vez. Qué tipo de problemas intentas resolver. Qué palabras usas para hablar de ti. Qué fantasía de futuro estás intentando construir.

En mi caso, el resultado fue una mezcla de halago y aviso.

Sí, hay curiosidad. Sí, hay capacidad de conectar ideas. Sí, hay una obsesión clara por construir sistemas, automatizaciones, contenido y proyectos alrededor de la tecnología.

Pero también hay una advertencia evidente: si todo está siempre en fase beta, incluso uno mismo, llega un momento en el que el sistema necesita menos posibilidades y más cierre.

Menos pestañas abiertas. Más cosas terminadas.

Claude FM parece, a primera vista, una simple radio lo-fi para trabajar. Música tranquila, estética cozy, aire de “pon esto de fondo y sigue construyendo”. Pero el detalle interesante no está solo en YouTube: está en Claude Code.

Anthropic lo presentó de una forma muy de internet: un post de ClaudeDevs en X con una sola línea, /radio, y un vídeo corto. Sin gran explicación, sin nota de prensa, sin épica corporativa. Solo un comando.

Y ese comando hace exactamente eso: dentro de Claude Code puedes escribir /radio y se abre Claude FM en el navegador. Una radio 24/7 con lo-fi hip hop y ambient beats pensada para acompañar sesiones largas de programación, escritura, debugging o construcción con IA.

Cómo se lanza Claude FM desde Claude Code

La gracia está en que no necesitas buscar el canal manualmente. Si estás usando Claude Code, basta con abrir la interfaz y ejecutar:

/radio

Claude Code lanza el navegador y abre Claude FM. En algunos reportes de GitHub se ve el mensaje “Opening Claude FM in your browser…”, seguido de la apertura del stream. Es una función pequeña, casi absurda si la miras solo como feature técnica, pero bastante inteligente como gesto de producto.

Por qué esto importa más de lo que parece

Las herramientas de IA para programar ya no compiten solo por completar código. También compiten por convertirse en el entorno donde pasas horas pensando, probando, rompiendo y arreglando cosas.

Ahí Claude FM tiene sentido. No añade una capacidad nueva al modelo, no mejora el razonamiento y no arregla tus tests. Pero sí refuerza una idea: Claude Code quiere sentirse como un espacio de trabajo, no solo como una línea de comandos.

OpenAI ha jugado con elementos de compañía y estado en sus herramientas. Anthropic, en cambio, ha elegido algo más externo y de marca: una radio, una estética, un pequeño ritual. Es menos útil en sentido estricto, pero más memorable.

Una función pequeña con mucha intención

Lo interesante de /radio es precisamente su falta de complejidad. No mete un reproductor dentro del terminal, no convierte la música en una métrica del agente y no intenta parecer más profundo de lo que es. Abre una radio y ya.

Pero ese “y ya” dice bastante. Las herramientas para crear con IA están empezando a construir cultura alrededor de sí mismas: comandos, mascotas, canales, rituales, bromas internas y pequeños guiños para developers.

Claude FM es eso: una banda sonora oficial para pensar y construir con Claude. Una tontería bonita, sí. Pero también una señal de hacia dónde van estas herramientas: menos software frío, más entorno de trabajo con personalidad.

Si quieres revisar cómo encajar herramientas de IA, automatización o entornos de desarrollo en tu flujo de trabajo, escríbeme a ajra@ajra.es.

Vídeo original

Llevo tiempo probando agentes de IA que prometen hacer cosas por ti.

No responder preguntas. Hacer cosas.

Y aquí hay una diferencia importante, porque no es lo mismo pedirle a un chatbot que te explique cómo ordenar una carpeta que tener un sistema capaz de entrar en esa carpeta, revisar archivos, tomar decisiones, ejecutar tareas y avisarte cuando ha terminado.

En esa categoría entra Hermes Agent.

Y me parece interesante porque no intenta ser simplemente “otro ChatGPT con esteroides”. Va por otro camino: ser un asistente que vive contigo, aprende de cómo trabajas y va creando sus propias rutinas con el tiempo.

Qué es Hermes Agent

Hermes Agent es un agente de IA open source creado por Nous Research.

Dicho fácil: es una especie de asistente personal técnico que puedes instalar en tu propio entorno, conectar a distintos modelos de IA y usar desde terminal o desde canales como Telegram, Discord, Slack, WhatsApp o Signal.

La clave no está solo en que pueda usar herramientas. Eso ya lo hacen muchos agentes.

La clave está en su enfoque de aprendizaje continuo.

Hermes puede guardar memoria, revisar tareas anteriores, crear skills a partir de lo que va funcionando y reutilizar esas rutinas cuando detecta un patrón parecido.

Es decir: si siempre le pides que revise algo de una forma concreta, que prepare un resumen con un estilo determinado o que ejecute un flujo repetido, Hermes puede ir convirtiendo eso en conocimiento operativo.

No es magia. No significa que se vuelva perfecto. Pero sí cambia la sensación de uso.

Pasa de ser una herramienta a la que tienes que explicarle todo cada vez a ser un sistema que empieza a entender tu forma de trabajar.

Qué puedes hacer con Hermes

Lo interesante de Hermes es que no se limita a una única interfaz.

Puedes hablar con él desde la terminal si estás trabajando en código. Puedes escribirle desde Telegram si estás fuera. Puedes conectarlo a un servidor. Puedes programarle tareas recurrentes. Puedes usar distintos modelos según el coste, la velocidad o la privacidad que necesites.

Algunos ejemplos bastante claros:

• Revisar un repositorio y resumir qué ha cambiado.

• Preparar informes diarios o semanales.

• Ejecutar tareas programadas sin estar delante del ordenador.

• Leer contexto de un proyecto y ayudarte a tomar decisiones.

• Crear pequeños scripts para automatizar pasos repetitivos.

• Usar skills para flujos que se repiten mucho.

• Mantener conversaciones desde distintos canales sin perder el hilo.

• Trabajar con memoria para no empezar de cero cada día.

Eso último es importante.

Muchas herramientas de IA son muy potentes durante una conversación, pero en cuanto cierras la pestaña vuelves a empezar.

Con Hermes la idea es otra: que el agente tenga continuidad.

Que recuerde preferencias. Que sepa cómo nombras las cosas. Que entienda qué procesos repites. Que pueda trabajar de forma más parecida a un asistente real que a una caja de texto.

En qué se diferencia de OpenClaw

OpenClaw y Hermes viven en una zona parecida: agentes autoalojables, conectados a herramientas, capaces de operar desde mensajería y pensados para ejecutar tareas reales.

Pero no son exactamente lo mismo.

Para mí, la diferencia principal está en el enfoque.

OpenClaw se siente más como una plataforma de operación: canales, skills, integraciones, comunidad, ecosistema y una lógica muy orientada a conectar el agente con muchos sitios.

Hermes Agent se siente más como un agente que quiere mejorar contigo: memoria más protagonista, creación de skills desde la experiencia, sesiones que se buscan entre sí y una idea muy clara de “haz, observa, aprende y reutiliza”.

Si necesitas el ecosistema más grande, muchas integraciones comunitarias y una plataforma muy probada, OpenClaw sigue teniendo sentido.

Si lo que buscas es un asistente más personal, más adaptable y con una lógica de aprendizaje más marcada, Hermes es donde la cosa se pone interesante.

No lo plantearía como “uno mata al otro”. Me parece más útil verlo así:

• OpenClaw destaca como plataforma y ecosistema.

• Hermes destaca como agente que aprende de tus flujos.

Y esa diferencia, cuando lo usas durante semanas, se nota.

El caso de SARA

En AJRA no lo miro solo desde fuera.

SARA, el Servicio de Asistencia Robótica de AJRA, lleva varios meses funcionando con Hermes.

Y eso cambia bastante la forma de valorar la herramienta.

Porque una cosa es leer la documentación y otra muy distinta es tener un asistente trabajando durante semanas, acumulando contexto, entendiendo tareas habituales y ayudando en procesos reales.

SARA no funciona como un chatbot decorativo. No está ahí para responder frases bonitas.

Está pensada para asistir en trabajo operativo: ordenar información, preparar respuestas, revisar contexto, ayudar con automatizaciones y reducir pequeñas fricciones que, por separado, parecen poca cosa pero juntas comen mucho tiempo.

Ahí Hermes encaja bien.

No porque sea perfecto. Sigue necesitando límites, supervisión y criterio.

Pero porque su modelo mental va en la dirección correcta: un agente que no solo ejecuta una orden, sino que puede ir entendiendo cómo se trabaja dentro de un sistema.

Mi lectura

Hermes Agent me parece una de esas herramientas que hay que mirar con calma.

No es para todo el mundo. No es instalar y olvidarte. No deberías darle acceso a todo sin pensar. Y si no tienes procesos claros, probablemente solo vas a automatizar caos.

Pero si ya tienes una forma de trabajar relativamente definida, Hermes puede ser muy potente.

Porque la promesa no es “la IA hará tu trabajo”.

La promesa interesante es otra:

que ciertas partes repetitivas, contextuales y operativas de tu trabajo puedan vivir dentro de un asistente que aprende contigo.

Para mí, esa es la frontera real de los agentes de IA.

No el demo espectacular. No el vídeo viral. No el “mira cómo abre el navegador y hace clic”.

La frontera está en tener sistemas que recuerdan, ejecutan, se corrigen y cada semana son un poco más útiles para tu caso concreto.

SARA ya está funcionando sobre esa idea. Y Hermes, con todas sus limitaciones, es una de las piezas que mejor encaja ahora mismo en ese camino.

Si quieres explorar cómo un agente como Hermes puede ayudarte a automatizar trabajo real sin convertir tu negocio en un experimento raro, escríbeme a ajra@ajra.es.

OpenAI acaba de presentar una nueva experiencia de finanzas personales dentro de ChatGPT.

De momento es una preview para usuarios Pro en Estados Unidos, pero la idea es bastante clara: conectar tus cuentas bancarias, tarjetas, inversiones y deudas para que ChatGPT pueda ayudarte a entender mejor en qué se va tu dinero y qué decisiones puedes tomar.

Vamos, una especie de mezcla entre Copilot, Mint, asesor financiero básico y ChatGPT.

Y tengo sentimientos encontrados.

Qué ha presentado OpenAI

Según OpenAI, los usuarios podrán conectar sus cuentas desde una nueva sección llamada Finances dentro de ChatGPT, tanto en web como en iOS.

La conexión se hace a través de Plaid, con soporte de Intuit próximamente, y hablan de compatibilidad con más de 12.000 instituciones financieras.

Una vez conectadas las cuentas, ChatGPT podrá mostrar un dashboard con información sobre:

• gastos

• suscripciones

• pagos próximos

• inversiones

• rendimiento de la cartera

• balances

• deudas

Pero lo más interesante no es el dashboard.

Lo interesante es poder hacer preguntas en lenguaje natural sobre tu dinero.

Por ejemplo:

• ¿En qué estoy gastando más de la cuenta?

• ¿Puedo ahorrar un poco más estos próximos meses?

• ¿Qué suscripciones debería revisar?

• ¿Cómo puedo organizarme para una compra grande?

• ¿Qué impacto tendría pagar antes una deuda?

Eso, si funciona bien, puede ser muy potente.

Por qué esto tiene sentido

Gestionar las finanzas personales suele ser un desastre.

Tienes una app del banco, otra de la tarjeta, otra para inversiones, un Excel, algún PDF perdido, suscripciones que no recuerdas y una sensación constante de que deberías revisarlo todo “cuando tengas un rato”.

Spoiler: ese rato casi nunca llega.

Por eso apps como Copilot funcionan tan bien. No porque hagan magia, sino porque te dan una vista más clara de lo que está pasando.

Si ChatGPT consigue hacer eso y además te permite preguntarle cosas con tu propio lenguaje, puede convertirse en una herramienta muy útil para mucha gente.

No todo el mundo quiere hacer presupuestos perfectos. No todo el mundo quiere vivir dentro de una hoja de cálculo. A veces solo quieres saber si este mes te estás pasando, qué gasto raro ha aparecido o si puedes permitirte una compra sin liarla.

Ahí un asistente conversacional tiene mucho sentido.

La parte que me preocupa

El problema es que estamos hablando de dinero.

Y el dinero es una de las capas más sensibles de nuestra vida digital.

OpenAI dice que ChatGPT podrá acceder a balances, transacciones, inversiones y deudas, pero que no podrá ver números completos de cuenta ni hacer cambios en tus cuentas.

También dicen que puedes desconectar tus cuentas cuando quieras, que los datos sincronizados se borrarán de sus sistemas en un plazo de 30 días y que las conversaciones con datos financieros seguirán la configuración de entrenamiento que tengas en ChatGPT.

Todo eso está bien.

Pero aún así, hay que pensárselo.

Porque una cosa es pedirle a ChatGPT que te ayude a redactar un email o que te explique una fórmula de Excel.

Otra muy distinta es darle acceso a tu vida financiera completa.

Ingresos. Gastos. Deudas. Hábitos. Suscripciones. Patrones de consumo. Objetivos. Miedos.

Es muchísima información.

No es un asesor financiero

OpenAI insiste en que ChatGPT puede ayudarte a entender tus finanzas, pero no sustituye a un asesor financiero profesional.

Y me parece importante recordarlo.

Este tipo de herramientas pueden ayudarte a detectar patrones, organizar información y plantearte escenarios.

Pero no deberían ser el sitio donde delegas decisiones importantes sin entenderlas.

Si ChatGPT te dice que puedes ahorrar X al mes, bien. Si te ayuda a ver que estás pagando tres servicios que no usas, genial. Si te explica el impacto de amortizar una deuda antes de tiempo, perfecto.

Pero si entramos en inversiones, impuestos, jubilación o decisiones familiares importantes, cuidado.

Puede ayudarte a pensar. No debería pensar por ti.

Mi lectura

A mí esta noticia me parece muy interesante porque encaja con una tendencia clara: los asistentes de IA van a dejar de ser una caja de texto genérica y van a empezar a conectarse con nuestros datos reales. Es la misma evolución que se ve cuando un LLM deja de responder en abstracto y empieza a trabajar con contexto, herramientas y límites.

Calendario. Email. Documentos. CRM. Tienda online. Finanzas. Salud. Casa.

Ahí es donde la IA pasa de “responder preguntas” a ayudarte de verdad en el día a día.

Pero también es donde empiezan las preguntas importantes:

• ¿Qué datos conecto?

• ¿Con quién los comparto?

• ¿Durante cuánto tiempo?

• ¿Puedo borrar todo de verdad?

• ¿Qué pasa si mañana cambio de herramienta?

• ¿Hay una alternativa local o más privada?

En mi caso, que ya utilizo herramientas para revisar mis finanzas, esta noticia me toca bastante de cerca.

Me gusta la idea de poder hablar con mis datos financieros. No me gusta tanto la idea de que todo eso viva necesariamente en una plataforma cerrada.

Si quieres evaluar herramientas de IA para finanzas, productividad o automatización con una mirada práctica y prudente, escríbeme a ajra@ajra.es.

Esta semana te traigo Carrd, una herramienta de la categoría NO-CODE que merece un análisis honesto.

Sin rodeos, te cuento cuándo tiene sentido usarla y cuándo no 👇

🧩 El recurso de la semana: Carrd

Carrd es una plataforma para crear páginas web de una sola página (landing pages) de forma rápida y muy sencilla. Funciona por bloques: eliges una plantilla, cambias textos, imágenes y colores… y en pocos minutos tienes una web lista.

Para freelancers y pymes es ideal para páginas simples: presentación personal, lead magnet, lista de espera, página de servicios o portfolio básico. Es muy barato y más que suficiente si no quieres complicarte con WordPress o desarrollos a medida.

✅ Ideal para…

• Crear una landing para captar leads con un formulario.

• Montar una página sencilla de servicios o sobre mí.

• Publicar una página para un evento, taller o curso.

• Hacer una mini web para un producto concreto.

• Crear una bio-link mejor que la típica de Instagram.

  ---

❌ No lo uses si…

• Si necesitas un blog complejo o muchas páginas internas.

• Si quieres e-commerce avanzado con carrito y stock.

• Si necesitas integraciones muy personalizadas.

• Si buscas un diseño totalmente único y a medida.

  ---

🧩 Un caso real

Un cliente necesitaba una web simple para su negocio.
Presupuestos de disenadores: 3.000-5.000 euros.
Tiempo: 2-3 meses.
Mientras tanto, su negocio seguiria sin presencia online.

Le dije: ‘No necesitas un disenador. Necesitas Carrd’.

En un fin de semana teniamos una web funcional, bonita, y lista para captar clientes. No fue perfecta.
Pero fue suficiente.
Y sobre todo: fue rapida y barata. Al final, eso es lo que importa: poner en marcha, validar, y mejorar con el tiempo.

No esperar meses por ‘perfección’.

🧠 En palabras de AJRA

Una de las formas más rápidas y baratas de tener una web funcional sin pelearte con la tecnología.

🔗 Más detalles

He preparado la ficha completa con explicación, vídeo y recursos similares aquí:

👉 https://recursos.ajra.es/#carrd

La semana que viene: otro recurso, otra recomendación.

Si tienes curiosidad por alguna herramienta concreta, respóndeme a este email y la tengo en cuenta.

Un abrazo,

AJRA

Seguimos con la idea de esta newsletter:
una herramienta a la semana, bien explicada, con contexto real y sin humo.

Después de organizar proyectos y poner orden al caos de tareas,
hoy toca algo que muchos posponen pero cada vez es más necesario 👇

🧩 El recurso de la semana: CapCut

CapCut es una herramienta de edición de vídeo
pensada para crear contenido visual sin saber de edición.

Dicho claro:
te permite cortar clips, añadir textos, música, transiciones y efectos
sin necesidad de aprender programas profesionales ni pagar a un editor.

Además incluye funciones de IA
como subtítulos automáticos o limpieza de audio.

No es Premiere.
No pretende serlo.
Es la forma más rápida de tener un vídeo decente listo para publicar.

✅ Ideal para…

• Crear reels y vídeos cortos para redes sociales

• Hacer vídeos promocionales simples para productos o servicios

• Añadir subtítulos automáticos a vídeos para Instagram o TikTok

• Preparar vídeos educativos o explicativos para clientes

• Recortar, mejorar y reutilizar vídeos grabados con el móvil

❌ No lo uses si…

• Tu contenido requiere edición cinematográfica o muy avanzada

• Trabajas con formatos o requisitos técnicos complejos

• Necesitas animaciones o motion graphics a medida

• Buscas control absoluto sobre color, audio y composición

• Prefieres delegar la edición completamente y no tocar nada

🧩 Un caso real

He trabajado con clientes que sabían que tenían que hacer vídeo,
pero se bloqueaban cada vez que lo intentaban.

El patrón era siempre el mismo:
grababan algo con el móvil, lo dejaban en la galería
y nunca lo publicaban porque “no sabía editarlo”.

La solución no fue contratar un editor.
Fue enseñarles a usar CapCut con una lógica simple:

• un formato base para sus reels

• subtítulos automáticos activados

• 2–3 transiciones y estilos predefinidos

Resultado:

• pasaron de publicar un vídeo al mes a varios por semana

• dejaron de sentir que el vídeo era “algo complicado”

• y el contenido empezó a generar más interacción que las imágenes

No necesitaban un equipo de producción.
Necesitaban perder el miedo a darle al botón de grabar.

🧠 En palabras de AJRA

CapCut no es una herramienta de edición profesional.
Es una herramienta profesional para no editores.

Perfecta para crear vídeos atractivos sin complicarse,
especialmente para redes sociales y marketing del día a día.

Pero cuidado:
la facilidad puede ser una trampa.
Si no tienes claro qué quieres comunicar,
ninguna transición bonita te va a salvar.

🔗 Más detalles

He preparado la ficha completa con explicación y recursos relacionados aquí:
👉 https://recursos.ajra.es/#capcut

La semana que viene: otro recurso, otra recomendación.
Si ya usas CapCut o tienes dudas sobre edición de vídeo, respóndeme a este email.

Un abrazo,
AJRA

Seguimos con la idea de esta newsletter: una herramienta a la semana, bien explicada, con contexto real y sin humo.

Después de hablar de PDFs, pagos y tiendas online, hoy toca algo que parece básico pero que falla en casi todos los negocios pequeños 👇

🧩 El recurso de la semana: Asana

Asana es una herramienta de gestión de tareas y proyectos en la que puedes organizar todo lo que tu negocio tiene que hacer: tareas, fechas, responsables y estados.

Dicho claro: es un sitio donde todo el equipo ve qué hay que hacer, quién lo hace y para cuándo.

Sin emails infinitos.
Sin notas sueltas.
Sin preguntar cada dos días “¿quien lleva esto?”.

✅ Ideal para…

• Organizar proyectos de clientes con tareas, responsables y fechas

• Planificar lanzamientos, campañas o promociones paso a paso

• Llevar el control de contenido para redes sociales o blog

• Coordinar un equipo remoto sin perder el hilo

• Tener una vista clara de entregas, pendientes y prioridades en un solo sitio

  ---

❌ No lo uses si…

• Prefieres gestionar todo por WhatsApp y no vas a cambiar

• Tu negocio tiene procesos ultra simples (una lista en Notas te basta)

• Necesitas control financiero o contable (Asana no es para eso)

• Buscas automatización avanzada sin tocar nada de configuración

• No estás dispuesto a usarla cada día (si no, no funciona)

  ---

🧩 Un caso real

Un cliente me dijo que “no tenían problemas de gestión”.

Al profundizar, me di cuenta de que sí los tenían, pero estaban tan normalizados que no los veían.

Tareas que se duplicaban.
Deadlines que se pasaban.
Y una sensación constante de “voy apagando fuegos”.

No montamos nada complejo.

Configuramos Asana con flujos de trabajo simples: tablero de tareas, asignaciones claras y recordatorios automáticos.

El cambio no fue tecnológico.
Fue cultural.

Empezaron a ver el trabajo como un sistema, no como una lista infinita de cosas por hacer.

Y, de paso, el jefe dejó de preguntar “¿quien lleva esto?” cada dos días.

🧠 En palabras de AJRA

Asana es muy útil para poner orden en el caos diario y no olvidar nada importante.

Pero tiene una trampa: si no la usas todos los días, no sirve de nada.

No es la herramienta más bonita ni la más moderna.
Pero cuando un equipo la adopta de verdad, se nota enseguida.

Menos olvidos.
Menos malentendidos.
Y mucha menos fricción.

🔗 Más detalles

He preparado la ficha completa con explicación y recursos relacionados aquí:

👉 https://recursos.ajra.es/#asana

La semana que viene: otro recurso, otra recomendación. Si sientes que tu equipo pierde tiempo preguntando quién lleva qué, respóndeme a este email.

Un abrazo, AJRA

Seguimos con la idea de esta newsletter:
una herramienta a la semana, bien explicada, con contexto real y sin humo.

Después de hablar de vender online y de comunicarte por email,
hoy toca algo fundamental 👇

🧩 El recurso de la semana: Stripe

Stripe es una plataforma para gestionar pagos online
de forma segura, estable y escalable.

Dicho claro:
te permite cobrar a clientes (suscripciones, productos, servicios)
sin tener que preocuparte por la parte técnica ni por integrar mil cosas raras.

No es solo un botón de pago.
Es infraestructura de cobro bien hecha.

✅ Ideal para…

• Cobrar productos o servicios online

• Gestionar suscripciones y pagos recurrentes

• Proyectos digitales, SaaS, membresías o servicios

• Negocios que quieren estabilidad y pocas sorpresas

• Integrarse con herramientas como Shopify, Gumroad o plataformas propias

❌ No lo uses si…

• Solo necesitas emitir facturas manuales

• Tu negocio es 100% offline

• Buscas algo extremadamente simple sin configuración inicial

• No quieres tocar nada técnico, ni una sola vez

• Necesitas un sistema de contabilidad completo (no es eso)

🧩 Un caso real

En varios proyectos, el problema no era vender.
Era cobrar bien y sin errores.

Pagos que fallaban.
Clientes confundidos.
Suscripciones mal gestionadas.

En lugar de parches, se optó por Stripe:

• pagos claros

• estados bien definidos

• control total desde un solo panel

Resultado:

• menos incidencias

• menos soporte

• y más confianza tanto para el negocio como para el cliente

No mejoraron las ventas por Stripe.
Mejoraron porque el cobro dejó de ser un problema.

🧠 En palabras de AJRA

Stripe no es la opción más simple.
Pero es una de las más sólidas.

Si vas en serio con un negocio online
y quieres una base de pagos que no te dé sustos,
Stripe es una apuesta segura.

Lo agradecerás cuando el proyecto crezca.

🔗 Más detalles

He preparado la ficha completa con explicación y herramientas complementarias aquí:

👉 https://recursos.ajra.es/#stripe

La semana que viene: otro recurso, otra recomendación.
Si cobras online (o vas a hacerlo), respóndeme a este email y lo vemos.

Un abrazo,
AJRA

Seguimos con la idea de esta newsletter:
una herramienta a la semana, bien explicada, con contexto real y sin humo.

Después de hablar de ventas online,
hoy toca una de esas herramientas que casi todo el mundo necesita…
pero que muchos complican más de la cuenta 👇

🧩 El recurso de la semana: MailerLite

MailerLite es una herramienta de email marketing sencilla y directa,
pensada para enviar newsletters y crear automatizaciones básicas
sin una curva de aprendizaje absurda.

Dicho claro:
te permite comunicarte con tu audiencia por email
sin tener que aprender una plataforma enorme ni pagar de más.

No intenta impresionarte.
Intenta que envíes emails.

✅ Ideal para…

• Enviar newsletters de forma regular

• Crear formularios de suscripción simples

• Montar automatizaciones básicas (bienvenida, follow-ups, secuencias cortas)

• Pequeños negocios, freelancers y creadores

• Quien quiere empezar con email marketing sin liarla

❌ No lo uses si…

• Gestionas un e-commerce grande con flujos complejos

• Necesitas segmentación y automatización muy avanzada

• Tienes un equipo grande trabajando sobre la herramienta

• El email es el corazón de tu negocio desde el día uno

• Buscas algo hiperpersonalizado y técnico

🧩 Un caso real

He visto muchos proyectos empezar bien…
y dejar el email para “más adelante”.

Cuando por fin se ponen,
se encuentran con herramientas demasiado complejas
para lo que realmente necesitan.

El problema no era falta de ganas.
Era que **la herramienta les frenaba antes de empezar**.

En varios casos, la solución fue MailerLite:

• una newsletter semanal

• un email de bienvenida

• una automatización simple tras un formulario

Resultado:

• empezaron a enviar emails sin miedo

• mantuvieron contacto con su audiencia

• y dejaron de depender solo de redes sociales

No necesitaban una plataforma enorme.
Necesitaban empezar y ser constantes.

🧠 En palabras de AJRA

MailerLite no es la herramienta más potente del mercado.
Pero es una de las más cómodas.

Si quieres enviar emails,
construir una lista
y no convertir el email marketing en otro proyecto complejo,
MailerLite encaja muy bien.

Cuando el negocio crece,
ya habrá tiempo de dar el salto.

🔗 Más detalles

He preparado la ficha completa con explicación y alternativas aquí:
👉 https://recursos.ajra.es/#mailerlite

La semana que viene: otro recurso, otra recomendación.
Si estás empezando (o retomando) el email marketing, respóndeme a este email.

Un abrazo,
AJRA

🧩 El recurso de la semana: Shopify

Shopify es una plataforma para crear y gestionar una tienda online
sin necesidad de saber desarrollo web ni montar infraestructuras complejas.

Dicho claro:
te permite vender productos online sin que la parte técnica
se convierta en el mayor problema del negocio.

No es barata.
No es mágica.
Pero funciona.

✅ Ideal para…

• Lanzar una tienda online sin conocimientos técnicos

• Negocios que quieren centrarse en producto y ventas, no en servidores

• Marcas que necesitan estabilidad y escalabilidad

• Gestionar pagos, pedidos y stock desde un solo sitio

• Integrarse fácilmente con marketing, email y automatización

❌ No lo uses si…

• Solo quieres “probar” a vender algo sin compromiso

• Buscas control técnico absoluto sobre cada detalle

• Tienes un presupuesto extremadamente ajustado

• Tu modelo no necesita realmente una tienda online

• No tienes claro qué vas a vender ni a quién

🧩 Un caso real

He visto muchos proyectos fallar no por el producto,
sino por subestimar la complejidad técnica de vender online.

Webs lentas.
Pagos que fallan.
Plugins que rompen cosas.

En más de un caso, la solución fue clara:
dejar de pelearse con WordPress y pasar a Shopify.

Resultado:

• menos incidencias técnicas

• menos tiempo “arreglando la web”

• más foco en marketing, producto y atención al cliente

No vendían más por estar en Shopify.
Vendían más porque dejaron de perder tiempo en problemas técnicos.

🧠 En palabras de AJRA

Shopify no es la opción más flexible ni la más barata.
Pero es la más fiable.

Si tu objetivo es vender online
y no convertirte en gestor técnico de tu propia tienda,
Shopify es una apuesta segura.

Cuando el negocio crece,
agradeces haber elegido estabilidad desde el principio.

🔗 Más detalles

He preparado la ficha completa con explicación
y herramientas complementarias aquí:

👉 https://recursos.ajra.es/#shopify

La semana que viene: otro recurso, otra recomendación.

Si tienes (o estás pensando en montar) un e-commerce, respóndeme y lo vemos.

Un abrazo,
AJRA

Seguimos con la idea de esta newsletter:
una herramienta a la semana, bien explicada, con contexto real y sin humo.

Después de ordenar datos, crear contenido, automatizar tareas,
reducir el ruido en redes y organizar reuniones,
hoy toca algo muy concreto 👇

🧩 El recurso de la semana: Tally

Tally es una herramienta para crear formularios de forma sencilla,
sin diseños complejos ni configuraciones interminables.

Dicho claro:
te permite recoger información, leads o feedback
sin que montar un formulario se convierta en otro proyecto más.

Es rápida, limpia y va directa al grano.

✅ Ideal para…

• Formularios de contacto o captación de leads.

• Encuestas rápidas a clientes o usuarios.

• Formularios de onboarding para nuevos clientes.

• Sustituir Google Forms por algo más limpio y moderno.

❌ No lo uses si…

• Necesitas formularios muy complejos o lógicas avanzadas

• Buscas una experiencia ultra personalizada o animada

• Trabajas con grandes volúmenes de respuestas y reporting avanzado

• Requieres automatizaciones complejas desde el primer momento

• El formulario es el centro de tu producto

🧩 Un caso real

En más de un proyecto, el problema no era atraer gente,
sino recoger la información correcta.

Emails con datos incompletos.
Mensajes por WhatsApp.
Briefings desordenados.

La solución fue simple:

un formulario claro, corto y bien pensado.

Con Tally creamos:

• un formulario de contacto

• un briefing básico

• y un formulario previo a reuniones

Resultado:

• información más clara desde el principio

• menos idas y vueltas

• y conversaciones mucho más productivas

No necesitaban más leads.
Necesitaban mejores datos desde el inicio.

🧠 En palabras de AJRA

Tally no es la herramienta más potente del mercado.
Y precisamente por eso funciona tan bien.

Si quieres crear formularios rápido,
sin pelearte con diseños, precios o configuraciones absurdas,
Tally encaja perfecto.

Cuando necesites algo más complejo,
ya habrá tiempo de complicarse.

🔗 Más detalles

He preparado la ficha completa con explicación y alternativas aquí:

👉 https://recursos.ajra.es/#tally

La semana que viene: otro recurso, otra recomendación.

Si usas formularios y sientes que siempre te falta información, respóndeme a este email.

Un abrazo,
AJRA