Introducción a la IA 1 - Introducción

Prosa normalizada a partir de la transcripción original. El contenido no se redujo intencionalmente; se eliminaron artefactos de llamadas, marcas de tiempo, etiquetas de hablantes de servicio y fallos evidentes del habla.

Ya hemos hablado con muchos de los presentes, con algunos todavía no, pero ha llegado el momento de hablar sobre IA. Levanten la mano quienes ya usan activamente la IA. Yo, por ahora, la he asimilado aproximadamente a la mitad. No se preocupen: ahora todos se convertirán en usuarios profesionales de IA, después de la sesión de hoy y probablemente de un par de llamadas más.

En general, la realidad es que ahora todos en TI están empezando un gran proyecto de automatización con IA. Siempre hay muchas cosas interesantes que se pueden y se deben automatizar, pero básicamente todo se divide en cuatro bloques que tendremos que resolver.

La primera dirección es una base de conocimiento única de IA. La segunda son habilidades para procesos de TI, es decir, precisamente para TI: quién toma decisiones, cuál es el curso de la formulación de la tarea, qué prioridad tiene, etcétera. La tercera son habilidades de IA para la automatización operativa general, es decir, trabajo de proyectos y de producto, algunas tareas administrativas; tendremos que entender dónde podemos implementar algunos procesos en todo esto. El cuarto bloque es el frontend.

Pero para empezar a implementar todo esto, primero todos tenemos que aprender a trabajar con IA, para estar en la misma página, on the same page. Esto es muy importante, porque ahora la IA es realmente high-tech, high-tech. Los procesos que vamos a implementar se basan en el modelo ChatGPT 5.5, y ese modelo salió hace solo dos semanas. Todos estos procesos que ahora vamos a inventar tienen literalmente dos semanas de vida. Hace un mes todavía era imposible hacerlo. También es cierto lo contrario: lo que ahora inventemos, cuando salga un hipotético ChatGPT 6, por ejemplo en julio o agosto, puede volver a cambiarlo todo por completo.

Tenemos que aprender a estar precisamente en el momento actual de las tecnologías de IA, no quedarnos atrapados en tecnologías de hace un año y no contarnos cuentos unos a otros de que la IA genera código malo, pero tampoco inventar algo del futuro. Hay que entender con precisión qué se puede hacer ahora, qué no se puede hacer, cómo hacerlo, etcétera.

Aquí, por cierto, están dibujados los procesos actuales: un montón de líneas rojas en distintas direcciones. Tenemos que ordenar esas líneas caóticas. Para que todos estemos en la misma página y aprendamos IA, hicimos una instrucción básica de IA. Consta de tres puntos.

¿Cómo aprender a usar IA? Hay que creer en la IA. El primer punto es que todos tenemos que creer en la IA. Es un punto algo ideológico, una mitología. Ahora hablo con mucha gente y escucho decenas de opiniones: uno no cree porque lo probó y nada funciona; otro no cree porque la IA es tonta y él es inteligente; un tercero no cree porque es un supergenio y leyó en algún lugar un artículo sobre que la IA no puede hacer repetibilidad; un cuarto tiene alguna otra razón. En fin, un montón de mitología de todo tipo por todas partes.

Tenemos que llegar todos a una opinión común: simplemente creer en la IA. Puedo decir que creer es muy fácil: hay que empezar a usarla y hacerlo de la manera correcta. Si empiezas a usar IA correctamente, esa creencia llega literalmente en un par de horas: una persona ve la magia que permite hacer la IA y de inmediato ocurre ese cambio de vida.

De hecho, todos los procesos cambiarán al 100 %. Lo que hacían hace medio año o hacen ahora ya está obsoleto y está obsoleto sin remedio. Prácticamente todos los procesos tendrán que cambiarse. Precisamente para eso nos reunimos aquí.

Ahora diré enseguida algo respecto a los desarrolladores: los desarrolladores se han dividido. Hay desarrolladores experimentados con mucha pericia que ahora cuentan historias sobre que la IA escribe mal código, que hay que corregirlo, hay que revisarlo, hacer las cosas como enseñaban hace cinco años y todo ese estilo. Por eso, desarrolladores experimentados: están inmediatamente en una zona de riesgo.

Hay otros desarrolladores que han dominado cómo generar ahora código con IA y entienden que, si hace falta escribir un script, por ejemplo, para buscar archivos grandes en una base de datos, ya no hay que escribir ese script a mano: escribes en ChatGPT: "Yo, escríbeme un script para buscar archivos grandes", y en tres minutos recibes un script listo. Después escribes dos comandos para corregir ese script, y ya está: tienes un programa listo, no hace falta perder tiempo e intentar memorizar todas las variables, escribir a mano código obvio, etcétera. Todos estos procesos han cambiado radicalmente, y tenemos que aprender cómo hacer todo esto.

Yo añadiría aquí un punto más: si hay algunas dudas, al principio quizá valga la pena empezar a usar IA de una forma ligeramente excesiva, especialmente en desarrollo, para desarrollar cierta intuición: dónde tiene sentido hacer algo con un agente y dónde no tiene sentido. Es como trabajar bien con una persona: adquirir experiencia y entender dónde puedes hacer algo tú mismo rápidamente y dónde es mejor delegar e incluso no gastar tus recursos en resolverlo. Ese momento llega solo con la experiencia: si te obligas a hacerlo iterativamente, incluso obteniendo a veces un resultado malo, después de varias iteraciones empiezas a entender mejor dónde vale la pena preguntarle algo rápidamente al modelo y dónde puedes resolverlo tú mismo. Por otro lado, según mi práctica, se puede decir que hay partes del código que por ahora se vibe-codean muy mal.

Lo más importante es que, al principio, no todos los casos en los que se puede aplicar IA son evidentes. Simplemente tu cabeza no funciona en ese modo: "Ajá, aquí estoy sentado programando una función, pero podría haber obtenido un resultado del agente en cinco segundos". Esta transición a delegar en un agente de IA no ocurre de inmediato; por eso estoy a favor de obligarse en las etapas iniciales, incluso un poco más de lo necesario.

Introducción a la IA 1 - Naming de modelos de IA

En las herramientas de IA hay un naming un poco extraño. Hay que entenderlo.

Ahora tenemos empresas de IA:

• Anthropic
• OpenAI.

Estas empresas de IA tienen sus aplicaciones web y móviles para usuarios comunes, las llamadas interfaces de chat donde se pueden hacer preguntas a la IA y obtener respuestas; se llaman:

• en Anthropic se llama Claude
• en OpenAI se llama ChatGPT.

Después están los modelos de IA.

• en OpenAI los modelos se llaman así: GPT con un número; la versión más reciente es 5.5, y también llevan el prefijo pro, mini, nano, etcétera. Hay otros modelos especializados: si trabajan con imágenes, ese modelo se llama Image 2.0; o para investigación, o1; para audio, Whisper, etcétera; hay muchos modelos.
• en Anthropic los nombres de los modelos son más complejos por especialización: el modelo principal para diálogos es Sonnet, para coding es Opus, y también existe el más ligero Haiku. Haiku es el más ligero.

Si preguntas cómo freír huevos, es Sonnet; si quieres hacer vibe coding, es Opus. El tercer modelo es Heika, es una versión aligerada.

En ChatGPT el tema del modelo aligerado se resuelve de otro modo: como modelo aligerado pueden usar modelos de versiones anteriores, por ejemplo gpt 5.2, gpt 4.1, etcétera. Por ejemplo, para la transcripción de audio a voz no tiene ningún sentido usar el modelo gpt 5.5 pro; se usa el modelo gpt 4.1 mini. Sin embargo, en Claude también pueden usar este enfoque: por ejemplo, para revisar código se puede usar Opus 4.6 en vez del más caro Opus 4.8.

Después hay aplicaciones de escritorio para vibe coding:

• en OpenAI la aplicación de escritorio se llama Codex.
• en Anthropic la aplicación de escritorio se llama Claude Code y también hay una versión Claude Co-worker: no es para coding, sino más bien como acompañante en el trabajo cotidiano.

En consecuencia, Codex es lo mismo que ChatGPT, solo que en el escritorio.

También hay una plataforma para usar modelos de IA mediante API.

• en OpenAI la plataforma API se llama precisamente OpenAI API Platform
• en Anthropic la API se llama Anthropic API.

En la plataforma de OpenAI pueden trabajar mediante API con muchos modelos de IA: texto, audio, voz, imágenes, vídeo; hay asistentes, un conjunto enorme de herramientas.

Ahí reside la supercapacidad de la API de IA: pueden usar y combinar muchos modelos diferentes en sus aplicaciones, resolviendo en una sola solicitud tareas que antes requerían crear servicios y productos grandes completos. Ahora basta una sola solicitud a OpenAI API.

Hay que recordar este rompecabezas para entender que cuando decimos que necesitamos un paquete de Python para OpenAI, significa que nuestro Python en la computadora debe poder acceder a OpenAI API de forma nativa.

Introducción a la IA 1 - Reglas básicas de comunicación con IA - Regla 1: uso de un modelo de IA de pago de primer nivel

Teníamos dos instrucciones principales:

• cómo usar IA
• y cómo instalar el entorno. Hagamos dos instrucciones más: cómo usar coding y vibe coding, y cómo escribir prompts.

Nuestra primera instrucción es cómo usar IA en general. Es un tema bastante complejo, porque ahora, según mi práctica, poca gente usa IA de la manera correcta. Reunimos puntos sobre cómo usar IA correctamente. Pueden complementarlos: es una historia superdinámica, y lo que estamos comentando ahora quizá pronto ya quede obsoleto.

Es importante entender cosas básicas: si usan IA incorrectamente, esto llevará inevitablemente a decisiones incorrectas. Primero hay que aprender a formular correctamente las solicitudes, y entonces la IA dará las soluciones correctas. Si formulan incorrectamente las solicitudes, la IA dará soluciones incorrectas, y rápidamente se unirán al número de adeptos que cuentan a todos que la IA es tonta. Pero en realidad no es tonta: simplemente responde a lo que ustedes le preguntan concretamente.

No hace falta aumentar el número de quienes cuentan que la IA miente, alucina, es tonta, no es repetible, etcétera. Veamos cómo usar correctamente la IA.

Aquí hay un punto importante: hablamos precisamente de la IA moderna que funciona ahora mismo. Esta IA tiene una serie de características: no es bueno ni malo, no es tonta ni inteligente; simplemente así funciona la IA ahora mismo.

La primera regla es: diga quien diga lo que diga, hay que usar ChatGPT de pago. Esta es la base de todas las bases. Ahora ChatGPT existe en tres versiones: la versión predeterminada de 20 dólares, una ligera de 5 dólares que en general también serviría, pero como aquí somos desarrolladores, no les servirá. Su opción es la de 20 dólares o la tercera versión, de 100 dólares.

Todo lo que hay que hacer como primer paso es instalar ChatGPT de pago y comprar la tarifa de veinte dólares.

El segundo punto es que realmente debe ser ChatGPT. Nunca había contado esto antes, pero esta semana me reuní con un colega que empezó a convencerme de que ChatGPT es tonto. Estos casos siempre me interesan. Le pedí que me enviara una captura de pantalla de su ChatGPT. Me envía una captura de una aplicación completamente distinta. Le pregunto de dónde la sacó. Dice que simplemente escribió en Google Play "ChatGPT", la descargó y la usa. Este es el segundo punto importante: asegúrense de usar la aplicación original.

¿Qué hay del uso de otros modelos?

La IA que hace Elon Musk, Grok, tiene un caso de uso bastante limitado. Vale la pena usarla si buscan alguna información de Twitter, pero hay que aprender por separado a usar Grok. Para obtener un resultado normal en Grok hay que esforzarse: establecer límites a la cantidad de resultados devueltos, fijar parámetros adicionales, etcétera.

¿Con el primer punto está todo claro? ¿Quién más quiere probar DeepSeek porque es genial? No hay nadie, excelente.

Introducción a la IA 1 - Reglas básicas de comunicación con IA - Regla 2: la característica de la IA de adaptarse a su pregunta

El segundo punto está relacionado con las características de la propia IA.

Siempre se adapta a su pregunta. Si preguntan, por ejemplo, "qué tiempo tan triste hace hoy, está nevando", la IA escribirá cien confirmaciones de que el tiempo nevado es triste. Si preguntan "qué tiempo tan alegre hace hoy, está nevando", la IA confirmará que la nieve es divertida.

Hay que recordar esto: cuando formulen una solicitud a la IA, no hay que sugerir la respuesta dentro de la pregunta. Esto es de importancia fundamental. Si dicen "hazme vibe coding de una aplicación móvil nativa", la IA hará vibe coding en un lenguaje de programación nativo. Si simplemente dicen "hazme vibe coding de una aplicación móvil", la IA preguntará con qué vamos a hacer vibe coding, y obtienen una supercapacidad para elegir, y elegir, por ejemplo, Flutter. Entonces irán por el camino correcto.

Este punto es especialmente importante en el vibe coding. Cuando hacen vibe coding de alguna función o cosa pequeña, si le sugieren cómo hacerla en la propia pregunta, siempre irán por el camino equivocado. La IA dejará de ser una superayudante y se convertirá en un colega que solo les dará la razón y agravará sus decisiones incorrectas.

¿Cómo hay que hacerlo? Si no sé cómo hacerlo, escribo precisamente esto: "¿qué opciones hay para resolver esta tarea?", "¿cómo escribir esta función?", "¿cómo hacer este script?", "¿por qué hacemos esta configuración?". Hay que hacer estas preguntas correctas, y entonces obtendrán la respuesta correcta. Es un punto importantísimo que hay que entender.

Introducción a la IA 1 - Reglas básicas de comunicación con IA - Regla 3: la característica de la IA de ayudarles a buscar confirmaciones de su decisión incorrecta

El siguiente punto es lo mismo, pero en el otro sentido.

No se puede proponer a la IA una solución que ya hayan inventado, porque tenderá a confirmarla. Precisamente esta característica genera muchas decisiones tontas que supuestamente se basan en una confirmación de la IA. Hace poco leí sobre una chica que inventó una nueva teoría de la relatividad, mejor que la de Einstein. Realmente la inventó. ¿Cómo ocurrió? Tomó ChatGPT y empezó a escribirle: "vamos a inventar juntos una nueva teoría de la relatividad". Por supuesto, la IA la ayudó a inventar esa teoría. La inventaron juntos: la chica escribía supuestos inventados y la IA inventaba confirmaciones para esas invenciones. No hay que hacerlo así.

Hay un truco que permite resolver mejor esta tarea con IA: siempre hay que solicitar otra evaluación, una evaluación con los ojos de otra persona.

¿Cómo se aplica esto en el vibe coding? Si hay una bifurcación para tomar una decisión, hay que escribirle directamente a la IA: "¿qué opciones de solución hay?". Mostrará todas las opciones. Pueden usar el enfoque de Linus Torvalds, el mejor programador del mundo. Pueden escribir a la IA: "evalúa mi código con los ojos de Linus Torvalds", y recibirán un análisis de su función, script o cualquier cosa desde el punto de vista de esta persona. ¿Quieren la opinión de otra persona? Soliciten el punto de vista de otra persona. Así siempre podrán validar el proceso y no entrar en un ciclo de inventar situaciones inexistentes.

Estos dos principios —adaptarse a la pregunta y confirmar una solución incorrecta— son básicos. Cada día, al trabajar con IA, hay que utilizarlos; de lo contrario habrá problemas, o incluso algo peor. Es cierto que, si además violan la regla 1 y proponen una solución incorrecta, por ejemplo en DeepSeek, obtendrán una distorsión doble o triple, y en lugar de una solución genial resultará algo incomprensible, que normalmente se llama alucinaciones de IA.

Recuerden: primero hay que hacer investigación, como en una tarea normal, y debe ser imparcial. Si desde el principio se inclinan hacia algún lado, la IA recogerá esa inclinación de inmediato y todo el proceso de su trabajo quedará distorsionado.

Esta es la base, la base de las bases.

Introducción a la IA 1 - Reglas básicas de comunicación con IA - Regla 4: aplicación del contexto

A continuación, sobre el contexto.

Después vienen los detalles. Los detalles consisten en el contexto. Hay que intentar proporcionar contexto. Ayer me encontré con una persona que afirmaba que sin contexto la IA es inútil. Eso no es verdad: sin contexto la IA también funciona bien. Pero para algunas respuestas se necesita contexto. Por ejemplo, se puede preguntarle a la IA qué lenguaje de programación es mejor: ¿NodeJS o Python? Sin contexto, la IA dará respuestas diferentes cada día: un día dirá NodeJS y otro Python. Si tú y un amigo hacen esta pregunta simultáneamente en cuentas diferentes, a uno le dirá NodeJS y al otro Python. Porque sin contexto la IA responde aleatoriamente a esta pregunta: cuál es mejor; la IA piensa lógicamente: cualquiera, ¿qué diferencia hay?

En consecuencia, deben entender que para parte de las preguntas la IA puede dar respuestas completamente aleatorias si no hay una lógica conocida para la IA en ellas. De ahí surge un gran tema para los haters de IA: que en la IA "no hay repetibilidad", que la IA "engaña". A menudo aparecen capturas donde la IA respondió alguna tontería. Pero si la pregunta es compleja, confusa, no evidente, las respuestas también serán así. Si preguntan algo simple, como cómo freír huevos, recibirán una instrucción óptima de inmediato.

Pero una pregunta como qué desayunar hoy —huevos fritos o pancakes— dará una respuesta aleatoria.

En consecuencia, tienen que proporcionar contexto. El contexto es, por ejemplo: hoy me desperté, me apetece algo, pero no quiero pan. Si proporcionan ese contexto, entonces, cuando pregunten qué freír —huevos o pancakes—, entenderá que el pancake se parece en algo al pan, y nuestro contexto es que la persona no quiere desayunar pan; por lo tanto, la IA responderá: freímos huevos. Así funciona este contexto.

En sus tareas de desarrollo de software todo ocurre exactamente igual. No importa cuán compleja sea la tarea, tienen que aprender a percibir cuándo hace falta proporcionar contexto a la IA.

Al mismo tiempo, el contexto debe aplicarse con inteligencia. En algunas tareas el contexto puede percibirse, véase la Regla 3, como una solución que ustedes ya inventaron de antemano. Por eso hay que tener cuidado. Pero, sin embargo, si reciben de la IA algunas respuestas aleatorias, significa que falta contexto.

Supongamos que ayer mismo tuve una situación: en mi programa hay dos opciones para conectar un servicio externo; la primera opción es mediante API y la segunda mediante un plugin. Para mi Codex no es evidente cómo conectarse: mediante plugin o mediante API. Desde su punto de vista, ambos métodos de conexión son absolutamente válidos, y realmente es así.

Tuve que proporcionarle contexto: decirle que cuando te conectas mediante plugin, las funciones no están totalmente disponibles. En segundo lugar, el plugin va lento: una solicitud no tarda medio segundo, sino 3–4 segundos. No sé por qué va lento, pero así me funciona. En tercer lugar, con el plugin nos enfrentamos a problemas de acceso, porque en el plugin la autorización es mediante OAuth, mientras que en la API tengo acceso mediante token. Cuando le expliqué esto, inmediatamente dijo: ajá, ahora te diré qué funciones tenemos disponibles mediante plugin y cuáles mediante API. Y me devuelve: mediante plugin hay disponibles 10 funciones; mediante API, 30 funciones. Después de eso le digo: escucha, necesitamos más funciones. Y él: ok. Y ahora la situación se volvió evidente para la IA: nos conectamos mediante API porque necesitamos más funciones, acceso más rápido, autorización más fiable mediante token, etcétera.

Otro punto importante: a menudo se encuentra la postura de especialistas en IA que intentan construir enormes sistemas de contexto con relaciones complejas, y aquí deben entender que todo es bueno con moderación. Para algunas tareas quizá realmente se requiera un gran contexto; por ejemplo, usamos enormes cuestionarios para resolver tareas de producto. Pero para elegir la solución correcta en una tarea de desarrollo de software durante el proceso de vibe coding, por regla general, incluso usar varias frases para aclarar el contexto ya hace que su resultado sea varias veces mejor.

¿Está claro para todos qué es el contexto? Ok.

Introducción a la IA 1 - Reglas básicas de comunicación con IA - Regla 5: haz más preguntas

El siguiente punto trata sobre muchas preguntas. Este punto apareció después de que hablé con un gran jefe. Me dijo: ¿para qué le voy a preguntar dos veces a la IA? Valoro mi tiempo. Por desgracia, a una persona así la IA no ayudará. ¿Por qué? Porque es casi imposible obtener de la IA la respuesta a una pregunta a la primera.

Aquí tengo escrito: hacer 10–20 preguntas aclaratorias. Si tienen ante ustedes una tarea de producto, por ejemplo cómo hacer un producto genial, deberían hacer unas 20 preguntas. O 200. Si simplemente implementan alguna función en vibe coding, por regla general no hace falta hacer 20 preguntas, pero 2-3 preguntas sí son necesarias. Esto debe convertirse en su buen hábito de IA.

El modelo «una pregunta — una respuesta» no funciona. Ahora mismo funciona mal. Escribí esta instrucción en enero, y ahora puedo hacer una actualización: sigue sin funcionar. Desde enero la situación solo ha empeorado. No lo hagan así.

Una enorme cantidad de haters de IA, por regla general, envían capturas: una pregunta, recibieron una respuesta que no venía al caso, hicieron captura, fueron a presumir de que atraparon a la IA por la cola. No lo hagan así. Deben entenderlo: siempre hay que hacer muchas preguntas.

Cuanto más tontas sean sus preguntas, más eficaz será la respuesta de la IA. Cuando hagan vibe coding de su primera aplicación web, no se avergüencen de preguntar constantemente durante todo el día de trabajo cómo hacer el frontend, por qué así, por qué no así, y averigüen cómo y qué hacer.

Pregunta: da un ejemplo de cómo hacer preguntas durante el proceso de vibe coding.

Por ejemplo, decidieron implementar una función que muestre el tipo de cambio de USD a EURO. Entonces escribes en Codex: necesito hacer una función para mostrar el tipo de cambio de USD a EURO. Te dice: excelente, ahora lo hacemos. Pero no hay que aceptar enseguida: hay que hacer preguntas. Escucha, ¿qué fuentes de información hay sobre el tipo de cambio de USD a EURO? Escribirá: Forex, NYSE, Binance, alguna otra. Luego preguntas: ¿y cuál es la forma más rápida y fiable de obtener ese tipo de cambio? Responde: esta, esta y esta. Luego preguntas: ¿y cuál de estas formas es gratuita? Dice: esta es gratuita. Después preguntas: ¿y con qué tecnología es mejor obtenerlo para que el tipo de cambio cambie en la página en tiempo real? Dirá, por ejemplo, algo sobre un web-hook u otra tecnología. Después preguntas: muéstrame todas las funciones de API, todas las capacidades que hay en esta tecnología. Las muestra. Y ya está, ya puedes tomar una decisión perfectamente precisa. Para eso hay que hacer preguntas.

Esta es la manera correcta de aplicar el principio de las preguntas aclaratorias.

Por supuesto, hay excepciones en las que definitivamente no se necesitan 10 preguntas. Es una serie de tareas de coding y técnicas que ya se han resuelto un millón de veces antes. Aquí, con una solicitud a la IA, reciben de inmediato una solución ideal. Hay muchísimos ejemplos así: una situación en la que no hace falta investigación, sino una solución que ya se ha trabajado un millón de veces en algún lugar. No hace falta buscar nada, hace mucho que todos saben cómo hacerlo y la generación de código perfectamente correcto funciona con una solicitud. . En el código, en la parte técnica, hay muchas repeticiones de patrones ya resueltos, y en ese caso, con una buena solicitud siempre obtienes un resultado excelente sin problemas.

Aquí hay que adquirir destreza a nivel de desarrollo. Según mis sensaciones, después de cierto tiempo, y no muy largo, tendrán la percepción de dónde vale la pena aclarar mediante preguntas y dónde pueden generar de inmediato con una solicitud el script que necesitan.

Otra situación frecuente es cuando trabajan con código ajeno creado anteriormente, donde algún programador escribió algo hace varios años, y solo él y su amigo saben qué escribió allí; por supuesto, para analizar esas situaciones hay que hacer la mayor cantidad posible de preguntas, porque no sabemos qué hizo allí. Nadie sabe qué hizo allí.

Y si vamos a problemas resueltos un millón de veces, allí, por supuesto, se puede hacer todo con una sola solicitud y todo será maravilloso.

Introducción a la IA 1 - Reglas básicas de comunicación con IA - Regla 6: usa imágenes, no uses CLI

El sexto principio, el más importante de los seis principios importantes, es usar fotografías y carga de archivos. Cuando instalen ChatGPT de pago en su teléfono móvil, obtendrán la supercapacidad de fotografiar cualquier cosa y obtener información sobre ese objeto. Vivo en Turquía y periódicamente fotografío placas de romanos y griegos antiguos, y ChatGPT las traduce perfectamente de forma literal, lo que querían decir hace tres mil años. En consecuencia, si ChatGPT lee a los romanos antiguos, entonces pueden hacer captura de la respuesta de su programa, de un error en el código o de un mensaje de su programa y cargarla en su Codex para acelerar su trabajo.

¿Cómo se aplica esto en el vibe coding? En el vibe coding pueden hacer captura de cualquier respuesta de cualquier programa y volver a cargarla en esta interfaz de Codex. Y funciona maravillosamente. El vibe coding con IA es, en esencia, screenshot-coding. Envían constantemente estas capturas y añaden sus deseos a ellas, y de ese modo obtienen información precisa sobre lo que está ocurriendo y progreso en sus tareas.

Esta Regla se puede usar en muchos otros casos no evidentes que tenemos que investigar juntos. Por ejemplo, les enviaron una instrucción de 300 páginas sobre cómo aprender a programar en Python: toman ese PDF, lo cargan en Codex, y ya son programadores experimentados de Python. Cualquier archivo se puede cargar en IA.

La excepción es que no se puede cargar en IA información confidencial, información comercial, datos personales y otros datos cuya carga en IA esté prohibida en su empresa. No hay que enviar nombres y apellidos, no hay que enviar direcciones, no hay que enviar informes financieros, no hay que enviar información bancaria, etcétera. Es decir, todo lo sensible y protegido por la ley o por el derecho corporativo no lo usamos en el trabajo con IA. Usamos precisamente soluciones de software, soluciones de procesos, soluciones de coding de funciones y procesos.

Hay que meterse de lleno en estos seis principios, por la fuerza y aunque no quieran aprender a usarlos, y entonces todo irá bien: se convertirán en AI builders.

Introducción a la IA 1 - Instalación del entorno - sistema operativo

La siguiente sección grande e importante es la instalación del entorno para vibe coding. Para mí fue una novedad: nunca habría pensado que la IA dependiera del sistema operativo de la computadora y de sus cuentas de Windows o MacOS. Pero es un hecho. Cuando instalan Codex o Claude Code, y es una aplicación de escritorio, empieza a trabajar con sus herramientas de código, con diversas API, con el correo, con Jira y con algo más.

Y si en su Windows o Mac tienen un sistema operativo obsoleto, por ejemplo no Windows 11 sino su querido Windows 10, que instalaron hace cinco años y les gusta mucho, entonces las herramientas de IA no funcionarán en Windows 10.

Formalmente podrán iniciar Codex, formalmente se iniciará, pero durante el trabajo se encontrarán constantemente con problemas: PowerShell no se inició, faltaron permisos de acceso, no se incluyó una carpeta, no se instaló un paquete del lenguaje de programación. La escala de los problemas será simplemente infinita. Y Codex intentará evitar o resolver cada uno de estos problemas, lo que les llevará a una enorme pérdida de tiempo. En la situación con Claude Code, no solo les llevará a una enorme pérdida de tiempo, sino también a perder dinero. Por eso no hay que hacerlo así.

Hay que instalar estrictamente la versión más reciente de MacOS, o estrictamente el Windows 11 más reciente. Si instalan Windows, necesitan estrictamente Windows 11 Pro; en Windows 11 Home Edition el problema será el mismo: experimentarán constantemente errores con permisos de acceso a carpetas, conexiones web salientes a través del firewall, etcétera.

Y su Windows 11 Pro obligatoriamente debe tener una licencia vigente para recibir todas las actualizaciones más recientes de todos los componentes de Windows. Sin el sistema operativo más moderno es imposible montar una estación de trabajo para vibe coding con IA.

En resumen:

Primer paso: tienen que tomar la última versión del sistema operativo MacOS o Windows. En Windows debe ser únicamente Pro. Segundo paso: hay que instalar el sistema operativo en una computadora completamente limpia, para que no haya herencia de permisos de acceso, carpetas y programas que se hayan acumulado durante años de uso de la computadora. Primero eliminan todo del disco o toman una computadora nueva. Tercer paso: obligatoriamente instalan solo una cuenta con permisos completos de administrador; un sistema operativo con muchas cuentas diferentes no funcionará, porque inevitablemente se encontrarán con problemas de acceso y paquetes de lenguajes de programación instalados en la computadora. Si intentan hacer vibe coding en una computadora con dos cuentas, la idea parece genial inicialmente, pero en la práctica no saldrá nada. Al final su Python se confundirá con las versiones entre las dos cuentas, empezará a confundir las ubicaciones de almacenamiento de archivos, las ubicaciones de almacenamiento de configuraciones, las ubicaciones de instalación de paquetes, etcétera.

Esta es la configuración que les permitirá empezar a hacer vibe coding bien. Las desviaciones de estas reglas llevarán a problemas.

Introducción a la IA 1 - Instalación del entorno - programas necesarios

Ahora explicaremos qué programas deben estar instalados en su computadora. Lo más probable es que a los desarrolladores se les instale de inmediato todo el conjunto de programas, pero para la gente de producto todo esto será nuevo. En general, en Mac la instalación es varias veces más sencilla, porque muchas bibliotecas ya están incluidas en el sistema operativo; con Windows es más difícil, hay que instalar todo manualmente. Pero aquí estaré de acuerdo con los desarrolladores: si su entorno de desarrollo ya está configurado, no necesitan hacer todos estos ejercicios; pueden simplemente instalar Codex y empezar. Pero si el entorno no está configurado, es mejor hacer todo desde cero, porque habrá problemas.

Entonces, ¿qué hay que instalar para el entorno?

Imaginen que instalaron Windows, lo tienen limpio, instalaron todos los controladores de diversos dispositivos y Windows está listo para funcionar.

Después de tener un Windows limpio, instalan Codex. Codex es la aplicación de escritorio de ChatGPT. Deben instalar esa aplicación de escritorio Codex.

Como segundo paso, normalmente instalo un programa para capturas de pantalla, pero en Windows pueden usar la aplicación estándar de capturas de pantalla; es excelente, y ahora también graba vídeo perfectamente.

Cada año escribiremos menos letras; en el vibe coding se usan principalmente capturas de pantalla y mensajes de voz.

Después tenemos que instalar Git. Git es una cosa para escribir código directamente en la computadora. Aquí ya se requieren habilidades de IA. Cuando instalen Git, les dará 10 pantallas, cada una con 10 casillas. Deben recordar la regla que acabamos de estudiar: ven texto incomprensible, hagan una captura y envíenla a Codex. Así precisamente se instala Git en su computadora. Además, en Codex proporcionan contexto: le dicen a Codex que estamos instalando Git, configurando los ajustes de esas casillas que se necesitan precisamente para trabajar con Codex. De estas 10 pantallas, dejará la mayoría tal como está, pero cambiará unas pocas casillas.

La habilidad de IA de instalar casillas incomprensibles en programas incomprensibles también se aplicará en todas las demás aplicaciones. Después de Git instalan PowerShell. Es una interfaz para trabajar con la línea de comandos; también la llaman terminal, y también se usa a menudo el nombre más moderno CLI. PowerShell es cómo se veían las computadoras hace 30 años. Entonces se llamaba MS-DOS.

Pueden escribir algún comando en PowerShell, por ejemplo el comando Claude, y se iniciará la aplicación Claude en la versión CLI. Uno puede confundirse con PowerShell, porque ahora mismo tengo tres en mi computadora: está el Windows PowerShell estándar, está PowerShell 7 y está el terminal común. Codex dice que para trabajar plenamente con IA hay que instalar PowerShell 7, y realmente, al trabajar con él, se resuelven los problemas de acceso a la línea de comandos desde la interfaz de Codex. Más adelante en el texto llamaremos terminal a PowerShell 7.

Después instalan algo llamado GitHub CLI. Es un mecanismo que les permite autorizarse desde el terminal en su GitHub, que es un servicio web para almacenar y escribir su código y está en Internet. GitHub CLI se instala a través del terminal: simplemente escriben un comando para instalar GitHub. Como ya son vibe coders experimentados, por supuesto no escriben aquí, sino primero en Codex. Escriben en Codex: «Escribe cómo puedo instalar GitHub CLI», y Codex les dará los pasos precisos de instalación. Así funciona todo ahora.

Después, personalmente instalo los códecs FFMPEG. ¿Por qué? Porque la mayoría de las automatizaciones que hago ahora se basan en interfaces de voz: dije algo o escuché algo. Por ejemplo, ahora me he acostumbrado a crear tareas de Jira mediante mensajes de voz: simplemente dicto durante dos minutos qué necesito hacer en la tarea de Jira, y luego cae inmediatamente en Jira con todas las casillas y campos. La interfaz de voz se regula mediante estos códecs. También hay otra aplicación: si tienen Google Meet y necesitan hacer una transcripción, también funciona parcialmente mediante esta cosa.

Una regla importante es que, si por ejemplo no instalan los códecs FFMPEG, pero intentan trabajar con contenido de audio mediante vibe coding, pueden caer en una situación —en Claude caerán garantizadamente— en la que su IA empezará a intentar resolver el problema de la ausencia de códecs escribiéndolos desde cero por sí misma. Esto lleva a un gasto excesivo colosal de tokens. Piensen y comprueben siempre qué paquetes, códecs o bibliotecas necesitan para resolver la tarea antes de hacer su vibe coding.

Después instalan lenguajes de programación: Node.js y Python. Durante la instalación, Node.js pedirá instalar todos los paquetes. Codex no pudo decidir durante mucho tiempo si necesitábamos estos paquetes; al final decidimos instalar sin paquetes. Python se instala estrictamente en la versión 3.12 y estrictamente en algún lugar del disco C, porque por defecto Python quiere instalarse en la carpeta de la cuenta de usuario. No hace falta memorizar esto: cuando instalen Python, de nuevo, pregunten a Codex qué Python instalar y dónde. Codex les dirá todo. Es importante que Python y Node.js son must-have. Incluso si son programadores de Go, Python sigue siendo el lenguaje de la mayoría de los scripts de automatización: todo tipo de solicitudes relacionadas con trasladar tareas a Jira, conectarse con API, etcétera; todo eso será en Python.

Después instalamos VS Code. VS Code es el llamado IDE, un programa en el que antes los programadores escribían código a mano. Como somos programadores modernos, en su mayor parte usaremos esta cosa para leer archivos, navegar por carpetas y algunas otras posibles acciones manuales. A menudo se puede escuchar que la configuración correcta para vibe coding es VS Code más plugins de Claude Code o ChatGPT, pero en la práctica en VS Code se encontrarán con una masa de limitaciones que gastarán su tiempo. Por ejemplo, la falta de posibilidad de cargar capturas y archivos con un clic, la falta de interfaces gráficas de servidores MCP, etcétera; una interfaz obsoleta ahora mismo.

En cuanto a un editor de texto para trabajar con archivos Markdown, puedo recomendar Sublime, que es uno de los mejores, o Notepad++. Pero yo mismo ahora mismo trabajo con una versión local de Obsidian para trabajar con archivos Markdown, ya que Obsidian tiene una superventaja para navegar entre distintos archivos y carpetas Markdown, así como una superventaja para editar simultáneamente un archivo mediante edición manual y edición mediante herramientas de IA.

Después viene la instalación menos evidente para los usuarios de Windows: su Codex de escritorio accede a Internet, pero por defecto el Firewall bloquea sus solicitudes salientes a Internet desde su computadora. Esto puede llevar a un montón de problemas, así que no olviden entrar en Defender Firewall y dar permiso a Codex. Qué permisos y dónde encontrarlos: todo se pregunta a Codex. Pero este es realmente un problema, hay que resolverlo. Además, mi vibe coding en Node.js requirió Windows Studio Build Tools, también hay que instalarlo.

También tenemos un paso: instalar en Windows el llamado Path. Son las rutas definidas para los programas. Sin rutas configuradas correctamente en Windows, tradicionalmente recopilaremos mensajes de error durante el proceso de vibe coding.

Después viene la selección de paquetes para los lenguajes de programación. Los paquetes son complementos de los lenguajes de programación que permiten hacer algo especial. Por ejemplo, si quieren trabajar en Python con mensajes de voz, hay que instalar paquetes de voz. Hay bastantes, pero ¿qué necesitamos instalar obligatoriamente? Por supuesto, el paquete de Python para trabajar con OpenAI.

Entonces, deben tener un Windows limpio para no enfrentarse a problemas de acceso, PowerShell, lenguajes de programación. Segundo, deben tener el entorno instalado correctamente, porque si marcan la casilla equivocada en Git, su Git no trabajará directamente con Codex, sino de una manera incomprensible. Esto llevará a que, en vez de las respuestas necesarias de la IA, recibirán mensajes del tipo: «Algo no funciona», «Esto no funciona», «No hay acceso», «No se puede hacer así», «Aquí hay una sandbox», etcétera. Hay que instalar todo como corresponde.

En los paquetes está el supertruco: si no tienen el paquete OpenAI y van a llamar a OpenAI API, su herramienta de coding, especialmente Claude Code, empezará a escribir ese paquete por sí misma. Aquí se encuentra el supersecreto del gasto loco de tokens de Claude Code . Funciona peor, y lo peor es que, si le dan una tarea para resolver, empieza a resolverla intentando literalmente crear desde cero el paquete, códecs o biblioteca que falta. Y lo observarán durante horas y días, sin siquiera sospechar que el problema puede resolverse en un par de minutos. Codex es más inteligente y más honesto: si le dicen que trabaje con OpenAI, Codex probablemente propondrá instalar el paquete faltante. Instalan el paquete y empiezan a trabajar directamente mediante él.

¿A qué lleva esto? No gastan su tiempo, no gastan tokens de IA y no sufren con algo que otras personas ya han escrito cien veces. Esto se refiere a paquetes, bibliotecas y demás: hay que entenderlo y recordarlo con claridad.

También es importante la compatibilidad de las versiones de distintos paquetes dentro de su versión del lenguaje de programación, por lo que antes de aplicar y hacer vibe coding siempre es necesario preguntar a Codex: comprueba la compatibilidad de las versiones de los paquetes de Python, por ejemplo, que hemos instalado. Codex conoce la compatibilidad y, si hay errores, los corregirá. Hay que pensarlo y hacerlo de antemano.

Hace un par de semanas investigué cómo hacer una transcripción precisa de Google Meet y conocí a unas personas que hacen transcripción de Google Meet, y a partir de esta transcripción hicieron una plataforma enorme completa. Están orgullosos de ella. Aunque, en realidad, para hacer una transcripción solo necesitamos instalar los códecs FMPG, instalar los paquetes de Python necesarios, escribir un script en Python, conectarlo a Google Drive, descargar allí el archivo y transcribirlo mediante nuestros paquetes ya listos. Codex indicará qué otros paquetes se necesitan. Instalas todos estos paquetes y la transcripción se realiza con un clic.

Y esas personas con las que hablé hoy también usan vibe coding, también usan Claude Code, pero escribieron toda la infraestructura prácticamente desde cero. Me mostraban orgullosamente esta aplicación. Veo que están orgullosos y no quiero ofenderlos, pero entiendo que esto se implementa literalmente en unas cuantas solicitudes. Es decir, realmente en un par de solicitudes. Surge la pregunta de cómo pudieron hacer vibe coding de eso; la respuesta más probable es una investigación mal hecha y el modesto silencio de Claude Code sobre la instalación correcta del entorno.

Por eso siempre tenemos que pensar en esto de antemano. Cuando nos conectamos a Jira, lo primero en lo que debemos pensar es: ¿qué paquetes de Python existen para trabajar con Jira? ¿Qué vamos a hacer allí en general? ¿Qué paquetes existen en OpenAI para trabajar con Jira? ¿Qué paquetes existen en Node.js para trabajar con Jira? Buscamos estos paquetes, los encontramos, nos aseguramos de que estén hechos por contribuidores oficiales, sean seguros y no tengan virus. Instalamos todo esto en nuestro entorno de desarrollo y solo después iniciamos nuestro vibe coding y todo lo demás. De lo contrario arreglaremos lo que no hay que arreglar y programaremos infraestructura que no hay que programar.

Aplicando estas reglas sencillas de instalación y configuración de su entorno de vibe coding en su desktop o laptop, inmediatamente hacen su trabajo y su gasto de tokens decenas y cientos de veces más eficientes. Es importante que, si no hacen esto de antemano y no piensan en ello, su Codex o Claude Code quizá nunca se lo digan durante el trabajo; simplemente gastarán su tiempo inútilmente, quemarán una enorme cantidad de tokens de IA y se decepcionarán con los resultados del vibe coding.

Introducción a la IA 1 - Instalación del entorno - Esquema del AI builder

Ahora lo último. Tenemos un esquema maravilloso de cómo funciona la IA, se llama arquitectura de IA. Todos tendrán que mirar este esquema para que en la próxima sesión ya lo recorramos de forma concreta.

En general, del esquema deben entender por qué todo el mundo se vuelve loco con la IA, incluso yo.

La magia de la IA consiste en que conecta instantáneamente varias cosas que antes eran completamente inconectables.

Primero, conecta su computadora, su laptop, con las carpetas de su computadora: ahora la IA trabaja directamente con sus archivos.

Segundo, mediante el terminal PowerShell, Git, la IA los conecta con los lenguajes de programación instalados directamente en su computadora: Python, Node.js, cualquier lenguaje que quieran, se puede instalar.

¿Por qué hay que instalar Codex en la computadora, por qué debe ser de escritorio y no una aplicación móvil? Porque su Codex precisamente se conecta con su computadora, con las carpetas y programas instalados en ella. En principio, se puede conectar a cualquier programa instalado en su computadora.

Tercero, se conectan con sus servicios web mediante conectores especiales, Plugins. En Codex conectan su GitHub favorito, Figma, Jira, Gmail, Google Calendar, Google Drive, cualquier servicio web que tenga Plugin o API.

De hecho, se conectan con todo su mundo web, con todos sus productos web: Notion, Google, Jira, Figma, todo lo que quieran.

Cuarto: se conectan a OpenAI API, es decir, al cerebro, a la potencia computacional infinita. Igual que con la invención de Internet se conectaron a información infinita, con la invención de la IA se conectaron a potencia computacional infinita.

Y todo esto se controla mediante la interfaz de Codex, de hecho mediante un chat parecido a ChatGPT.

Y por el quinto lado están sus aplicaciones que hacen con vibe coding. Cualquier automatización de IA, servicio y producto que puedan hacer por sí mismos con vibe coding, instalando todos los elementos de este entorno y conectándolos mediante IA. Así reunimos este rompecabezas de supercapacidades.

¿Qué haremos con el trabajo de proyectos y producto? ¿Cuál es nuestra supertarea? Debemos conectar los lenguajes de programación con los servicios web corporativos y luego conectarlos con los modelos de IA de OpenAI: voz, imágenes, vídeo, cualquier modelo. Y hacer automatizaciones de IA de manera que excluyamos completamente el trabajo del ejecutor de nuestros procesos; debemos realizar únicamente el trabajo de orquestador de procesos. En cuanto aparece una tarea manual o algo que requiere ejecución, añadimos la automatización de IA necesaria a nuestro trabajo. Tras la integración de IA, ahora tenemos esta supercapacidad.

Por eso estudien esta tabla. Por un lado está su computadora con lenguajes de programación, por otro conectores con servicios, por un tercero los cerebros infinitos de los modelos de IA, por un cuarto nuestras aplicaciones. Estas aplicaciones, mini apps, son las que haremos.