Categoría: Innovación & Tendencias

Casos reales y reflexiones sobre cómo aterrizar IA, IoT y otras tendencias en entornos regulados (utilities, AAPP). De la idea al piloto con foco en valor de negocio y seguridad.

Publicado el

Del Prompt Engineer al Context Engineer: cómo la IA me obligó a reorganizar mi web (y mis esquemas mentales)

Vista superior de una oficina moderna donde una mujer da instrucciones a un androide, observando a un equipo diverso trabajando en ordenadores.

En medio del relanzamiento de mi web —ese proceso que empieza como ‘poner cuatro contenidos interesantes’ y acaba siendo una lección magistral no solicitada sobre IA—, me encontré haciendo algo inédito: quejarme ante mi propio GPT. Literal. Le solté: “Estoy muy decepcionado con el funcionamiento de este GPT”. ¿La respuesta? Una corrección automática de su propio prompt. Vamos un auto promp engineer en toda regla.

¿Qué pasa cuando el prompt ya no basta?

Durante un tiempo, bastaba con afinar la pregunta. Aquello del prompt engineer, perfil que se convirtió en el ‘community manager’ de la IA. Pero los modelos han crecido, y no solo en tokens. Ya no se trata de pedir una cosa concreta. Ahora les pedimos estructuras, coherencia, estilo… les pedimos visión de conjunto.

Y ahí, el prompt se nos queda corto.

Bienvenidos a la era del Context Engineer

Cuando pides que te generen no un texto sino una estrategia, una app entera o un sistema con logs, control de versiones y políticas de seguridad, necesitas algo más que palabras mágicas. Necesitas dar contexto:

  • ¿Qué estructura tiene tu proyecto?
  • ¿Qué convenciones usas para nombrar?
  • ¿Qué versiones, qué librerías, qué restricciones legales o de seguridad?

Esto ya no es redactar un prompt. Es casi como el onboarding a un nuevo compañero de equipo.

¿Y esto qué tiene que ver con DevSecOps?

Todo. Porque en un entorno DevSecOps, ya no construimos piezas aisladas. Diseñamos sistemas donde el todo es más que la suma de sus partes. Si la IA va a ayudarte, tiene que entender ese todo. Como cuando formamos a un junior: hay que explicarle el porqué de las decisiones, no solo el qué.

Y eso es contexto. O mejor dicho: ingeniería del contexto.

¿Qué será lo próximo?

Si el Prompt Engineer fue el becario estrella de 2023, y el Context Engineer es el arquitecto invisible de 2025, cabe preguntarse: ¿qué rol viene después? ¿Qué perfil será capaz de coordinar IAs completas como si fueran equipos?

🤷 Lo veremos. Pero está claro que, como técnicos, toca reciclarse y ampliar nuestras miras.

Moraleja

Si tu GPT te contesta con razón, quizá ha llegado el momento de que empieces a escucharle.

¿Y tú? ¿Ya has tenido tu primera discusión con una IA? Cuéntamelo en LinkedIn.

Publicado el

Un junior, un agente… y la importancia de aterrizar bien

Una mujer joven latina y un androide humanoide son recibidos calurosamente por un equipo diverso en una oficina moderna y luminosa, con un plan de integración visible en pantalla.

Imagina una escena: llega el jefe y suelta, muy contento, que va a poner un junior por cada miembro del equipo. Gratis. Y claro, lo primero que piensas es: ¡guay! Más manos, más capacidad.

Hasta que te das cuenta de que esas manos no vienen con el manual de instrucciones leído. Hay que enseñarles. Hay que hacerles hueco. Hay que invertir tiempo en que se enteren de por dónde sopla el viento en el proyecto.

Onboarding no es un lujo, es una necesidad

Si has trabajado en un entorno con mucha rotación, sabes que el proceso de onboarding se convierte en un salvavidas. Te reduce el tiempo, evita errores tontos y acelera la integración. Pero cuando llevas años en un equipo estable, ese proceso suele estar medio oxidado. El documento de Onboarding no existe porque la última vez que entró alguien al equipo ni existía el termino Onboarding. Y claro te cae un junior y no sabes ni por dónde empezar.

Pues con los agentes de IA pasa lo mismo. Exactamente igual.

Un agente sin contexto es un becario que no pregunta

Le dices a un LLM que te escriba código en Java y te lo hace. Perfecto. Pero lo hace como le parece. Si usas Java moderno, si sigues ciertas convenciones de carpetas o estructura de clases, si tu equipo tiene una forma concreta de comentar, de versionar, de integrar… se lo tienes que explicar. Porque, como el junior, no lo adivina.

Y esto no es que el modelo sea malo. Es que no eres tú. Y si quieres que sea útil de verdad, tendrás que entrenarlo o al menos darle pistas. Lo demás es esperar milagros.

¿Inversión o coste hundido?

Aquí hay dos caminos:

  1. Ser reactivo y tirarte a la piscina sin preparar nada. Spoiler: es como esperar a las rebajas… y quedarte sin talla.
  2. O anticiparte y empezar a documentar cómo trabajas, cómo piensas y qué patrones repites. Igual que harías para escalar tu equipo humano.

Yo me quedo con la segunda. Y más aún si hablamos de lo que se viene de enjambres de agentes, que ya no es uno sino una cuadrilla de “ayudantes” rondando tus procesos.

Moraleja

Ni los juniors ni los agentes vienen enseñados. Pero si sabes guiarles, pueden ser una inversión brutal. Eso sí: solo si tú tienes claro cómo trabajas y por qué. ¿Te lo has planteado?

Si te interesa cómo se pueden estructurar equipos reales, o quieres compartir tu experiencia, sigue la conversación en LinkedIn. ¡Nos leemos!

“Diseñado en la cabeza de Iñigo, made in ChatGPT.” Pero le he tenido que aterrizar yo, no te creas, después de eso es muy productivo es si.

Publicado el

¿Y si los bots no quieren leer lo mismo que tú?

Androide programando en dos pantallas de código mientras una ingeniera lo observa asombrada.

Últimamente me ha dado por experimentar con un GPT personalizado que me ayuda a repasar las entradas del blog. Y hace unos días, al pasarle una URL mía, me di cuenta de que el pobre se quedaba atascado. No por falta de inteligencia, sino porque el HTML venía tan cargadito de scripts, estilos y marcos que lo importante —el contenido— se perdía entre la maleza.

¿A quién estamos sirviendo nuestras webs?

Durante años, los arquitectos de software nos hemos centrado en optimizar la experiencia de usuario… humana. Pero resulta que los nuevos usuarios no llevan gafas ni ratón. Son bots. Inteligentes, veloces, insaciables.

Y esos bots, especialmente los que razonan, no hacen una búsqueda, leen un artículo y se van. No. Se lanzan a por toda la web, scrapings incluidos, con un ansia que dejaría a Google Reader en pañales.

Esto plantea una cuestión incómoda: ¿están nuestras webs preparadas para clientes no humanos?

El rendimiento no es lo único: la eficiencia cognitiva del bot

Un humano entra en Google, lee dos párrafos, decide si sigue. Pero un agente basado en IA se lo zampa todo, javascript inútil incluido, para intentar entender. Eso es un despilfarro brutal de ancho de banda, CPU y paciencia (la suya y la nuestra).

Lo he comprobado con mi agente. Si le paso una URL con mucho HTML decorativo, no solo tarda más: muchas veces no consigue extraer lo relevante porque se le cuela el menú, el pie de página y los avisos legales antes del contenido real. Cuando no directamente alguna herramienta anti bots corta parte del contenido.

¿Y si empezamos a pensar en ellos también?

Quizá haya llegado el momento de repensar cómo servimos información. No digo que reemplacemos el frontend, pero podríamos ofrecer rutas alternativas, más livianas, diseñadas explícitamente para estos nuevos consumidores digitales.

Imaginad algo así como un Model Context Protocol (MCP): una interfaz específica que exponga el contenido relevante, sin javascript, sin estilos, sin adornos. Puro conocimiento. Algo así como el «modo lectura» para bots. Quizás nuestros servidores nos lo agradezcan, o el financiero al ver el gasto de la nube de turno.

Moraleja: el próximo cliente puede que no tenga ojos

Estamos en plena transición hacia una web que ya no es solo para humanos. Y como arquitectos, innovadores o simplemente como quienes mantenemos el chiringuito online, toca hacerse preguntas nuevas.

¿Estamos enseñando bien nuestras cartas a estos nuevos jugadores? ¿O seguimos decorando el tablero para un público que ya no mira?

👉 Si esta reflexión te ha tocado una fibra o quieres compartir cómo lo estás resolviendo tú, te leo encantado en LinkedIn. ¡La conversación sigue allí!

De momento lo que si tengo claro es que está Diseñado en la cabeza de Iñigo made in ChatGPT, y que el topicazo de las gafas me ha hecho gracia y lo he dejado. Quien lo leerá ya no lo tengo tan claro 😉

Publicado el

De Google a agentes: mi curva de aprendizaje con la IA

Curva de aprendizaje con IA: de buscador a agente autónomo

Yo lo reconozco: al principio usaba ChatGPT como un Google más listo. Ponías una pregunta, te devolvía una respuesta bien masticadita, y te ahorrabas tener que leer tres PDFs y dos foros para enterarte de algo.

En ese momento, me parecía magia. Y lo era… pero solo el primer acto.

De respuesta a compañero: el segundo acto de la IA

Con el tiempo —y hablando con gente del sector— vi que podía pedirle algo más. No solo respuestas, sino ideas, estructurar pensamientos, cuestionar enfoques. ChatGPT se empezaba a parecer más a un compañero de curro que a un buscador.

Ahí es donde, para mí, empezó la transformación real: no se trataba solo de que supiera más, sino de que me ayudaba a pensar mejor. Microsoft lo llama «copiloto», pero yo prefiero «colega que nunca se cansa».

¿Y si además pudiera hacer cosas por ti?

La diferencia clave entre la IA generativa y la IA agéntica es esta: la primera te dice qué hacer; la segunda lo hace. Y para mí, esa capacidad de ejecutar tareas marca algo más que una evolución técnica: es un cambio de eje. Después de 25 años lidiando con herramientas, tengo claro que esto no es una capa más: es una nueva forma de pensar y trabajar.

¿Quieres borrar archivos con cierto patrón? La IA generativa te da el comando. La agéntica, si la tienes bien configurada, lo ejecuta. Y esto, para quienes venimos de automatizar despliegues o securizar pipelines, es música celestial.

No es magia: es herramienta (con supervisión)

Eso sí, no todo es jauja. A veces alucina, otras se le va la olla… Hay que supervisarla, igual que harías con un junior motivado pero algo despistado. Pero su potencial es brutal.

El verdadero límite ahora mismo no está en la herramienta, sino en nuestra capacidad para imaginar qué más puede hacer por nosotros.

Moraleja

Pasar de usar ChatGPT como buscador a verlo como un colega o un agente autónomo no es solo un cambio de herramienta: es un cambio de mentalidad. Y como todo cambio de mentalidad, empieza por hacerse buenas preguntas.

¿Tú en qué fase estás? ¿Buscando respuestas o delegando tareas? Te leo en LinkedIn 😉

Y si Diseñado en la cabeza de Iñigo, made in ChatGPT es parte de esa curva de aprendizaje

Publicado el

En que se parecen las rebajas y la innovación

Mujer en rebajas que no encuentra su talla

Una de las decisiones más prácticas que he tomado en mi vida adulta tiene que ver con las rebajas. Solo compro cosas en rebajas si no son imprescindibles. Lo que necesito de verdad, lo compro cuando lo necesito. No me espero. Porque si esperas, llegas a las rebajas y… ¡sorpresa! Ya no queda tu talla.

¿Y esto qué tiene que ver con la innovación?

Más de lo que parece. Cuando estaba trabajando como consultor de innovación para Iberdrola, solía decir que innovar es preparar hoy lo que tu empresa va a necesitar dentro de cinco años. Pero claro, eso cuesta dinero. Y la reacción más común —especialmente en perfiles más orientados a gestión— es posponer las decisiones hasta que «sea el momento». Es perfectamente entendible, pero es lo mismo que esperar a las rebajas.

¿Qué puede salir mal?

Pues que cuando por fin decidas sacar ese nuevo servicio o producto, no puedas. Porque para hacerlo necesitas tener los datos en condiciones. O porque los sistemas no están preparados. O porque te faltan permisos, o integraciones, o formación. Y esos previos, esos «ya lo haremos», pueden llevar meses.

Lo he visto más de una vez: la prueba de concepto en sí era facilísima, pero el trabajo para dejar todo listo por debajo era otro cantar. Si decides que no te interesa, perfecto. Pero si el mercado sí lo lanza y tú no puedes, vas con el pie cambiado. Y duele.

Moraleja

La innovación no es un gasto caprichoso, es una forma de asegurarte de que cuando llegue el momento, tengas tu talla. Porque lo que duele no es haber hecho una PoC que no llega a nada… es necesitar algo y no tenerlo ni por asomo.

¿Te ha pasado algo parecido? Me encantaría leerlo en LinkedIn 😉

Diseñado en la cabeza de Iñigo, made in ChatGPT es también innovación y usar una herramienta para facilitarte el trabajo es como ir de rebajas, obtienes lo mismo por menos precio. Y si le pides que te genere una imagen con el prompt es español, igual la chica tiene seis dedos…

Publicado el

Cuando esconder el conocimiento ya no es estrategia

Equipo extrañado por compañero que no comparte

Hace años, en un proyecto con un cliente, teníamos que integrarnos con una herramienta desarrollada in-house. Cuando necesitábamos ayuda, uno de los técnicos del cliente nos advirtió sobre el especialista que la había construido: “es un externo, y solo cuenta lo mínimo para no volverse prescindible”. Esa estrategia de retener el conocimiento como escudo de empleo me dejó pensando… y ha vuelto con fuerza gracias a la IA.

¿Hasta cuándo se puede esconder el conocimiento?

En aquel entonces, guardar el know-how era casi una garantía de estabilidad, si lo conseguías claro. Hoy, con herramientas como los copilotos de IA o los modelos LLM personalizados, la lógica ha cambiado. La IA aún no hace magia, pero ya se estima que puede aportar entre un 5 % y un 15 % de productividad en tareas comunes. Y eso es solo el principio.

El verdadero salto vendrá cuando superemos el umbral del 40 % en tareas sistemáticas, como las de back-office o soporte técnico. ¿Qué pasará entonces con quienes basaban su valor en ser los únicos que sabían “cómo funcionaba aquello”?

¿Tu conocimiento vive solo en ti… o también en una IA?

La paradoja es interesante: quienes antes no querían documentar para no ser sustituibles, ahora tienen que decidir si entrenan a una IA con su saber. Pero si lo hacen bien, puede que ya ni siquiera sea el cliente o el proveedor quien se beneficie: podrían tener un copiloto entrenado a su manera, con su estilo, con sus matices. Algo más que una libreta de notas, menos que un clon… pero suficientemente eficaz.

Esto conecta con lo que ya comentábamos en otras entradas: hay que ir tachando lo que ya no haces mejor que una máquina. Si el diferencial era “tenerlo todo en la cabeza”, más vale ir pensando otro.

¿Y si una IA asiste a todas las reuniones?

Imagina que una IA está en todas las reuniones, captura todas las decisiones, accede a toda la documentación y, además, no olvida. ¿Dónde queda entonces el “valor” de ser el que sabe lo que se dijo? El conocimiento tácito, ese que se filtra por los pasillos, puede tener los días contados.

Claro que siempre quedarán lagunas: el histórico anterior a la IA, las decisiones no documentadas, los matices que no están escritos. Pero el campo de juego se está estrechando. Y quienes no se adapten, se verán atrapados entre lo que saben… y lo que no quieren soltar.

Moraleja

El conocimiento deja de ser poder si no evoluciona en utilidad. Hoy, el valor está en saber explicar, conectar y aplicar. No en esconder. Si antes era cuestión de ego, ahora es de estrategia.

💬 ¿Cómo ves tú esta transición? ¿Has vivido ya situaciones parecidas? Lo comentamos en LinkedIn.

✍️ Sí, me ha echado una mano ChatGPT. Pero la historia, la idea y las dudas son mías. Como siempre. Diseñado en la cabeza de Iñigo, made in ChatGPT.

Publicado el

Cuando tu radar profesional se queda sin señal: lo que la IA puede cambiar (o no)

Hombre mirando a un radar

Me acuerdo perfectamente del primer día en uno de los últimos proyectos en los que entré. Lo típico: presentación, “te contamos cómo lo hacemos aquí” y tour por la herramienta estrella de la casa. Mientras escuchaba, mi cabeza iba haciendo su propia evaluación. “Esto así no va a funcionar”, “esto otro sí tiene recorrido”, “aquí hay una bomba de relojería”…

25 años viendo qué funciona (y qué no)

Después de haber pasado por más de una decena de empresas, múltiples proyectos, sectores y equipos de todos los colores, acabas desarrollando un radar. No es infalible, pero sí afinado. A fuerza de ver patrones repetidos —unos con éxito, otros estrellándose— empiezas a anticipar qué prácticas tienen futuro, cuáles no tienen recorrido y cuáles son postureo puro, como ahora está de moda el palabra BigData (pon aquí lo que quieras) sigo haciendo lo mismo de siempre pero le llamo BigData y así molo más.

Claro, luego la realidad siempre tiene matices. Lo que en una empresa funciona de lujo, en otra puede hundirte. Pero hay aprendizajes que se te quedan grabados: cómo leer un equipo, cuándo una metodología es humo, qué herramientas son palanca y cuáles son lastre.

Cambia la tecnología, pero no el oficio

Puedes pasar de JBoss a SpringBoot en OpenShift, de Eclipse a Visual Studio Code, y de seguimientos en papel a tareas en Jira. Pero el núcleo del oficio sigue ahí: entender problemas, coordinar equipos, construir soluciones que funcionen en producción.

Hasta que llega la inteligencia artificial. Y ahí, cuidado. Porque no estamos hablando de una nueva herramienta, sino de algo que puede alterar los fundamentos. Cambian los puntos de referencia, los procesos, incluso la relación entre roles. Lo que sabías que funcionaba entre personas… ahora puede volar por los aires.

¿Sigue sirviendo todo lo aprendido?

Esa es la pregunta que me estoy haciendo últimamente. Y no desde la barrera, sino metiéndome de lleno. Probando, experimentando, leyendo, cacharreando. Porque igual que en su día me tocó entender qué pintaba Docker o cómo se organizaba un equipo ágil, ahora toca ver cómo encaja la IA en nuestra práctica profesional.

Creo que parte del conocimiento acumulado seguirá siendo útil, aunque adaptado. Pero otra parte, directamente, caduca. Y no pasa nada. Al revés: si eres de los que no se conforma con “lo de siempre”, esta es una etapa excepcional.

Si todo cambia, hay que moverse

Las disrupciones tecnológicas tienen algo bueno: sacuden el árbol. El que se mueve bien puede escalar varios peldaños. Profesionalmente, sí. Pero también personalmente. Porque la IA no solo está transformando el código o los flujos de trabajo; está replanteando cómo usamos nuestro tiempo, cómo tomamos decisiones, cómo nos comunicamos.

Moraleja

En momentos de disrupción, el mejor radar no es el que predice, sino el que se recalibra rápido. Y en eso, tenemos ventaja.

Conectemos en LinkedIn para seguir conversando el impacto de la IA en la carrera.

Este articulo ha sido Diseñado en la cabeza de Iñigo, made in ChatGPT 😉

Publicado el

¿Quién entrena a tu IA? La nueva guerra del conocimiento

Dos personas encajan piezas de puzzle translúcidas con borde naranja en la cabeza de un robot sobre una mesa de cristal; estanterías azul oscuro al fondo. Metáfora de quién entrena la IA.

Hace unos años, cuando llegaba un nuevo programador al equipo, lo normal era darle un portátil, acceso al repo y un documento de onboarding que nadie había leído desde 2015. A partir de ahí, a remar. Tareas sencillas, mucho copy-paste, y a ver si con el tiempo aprendía algo entre commits. Esto era así en muchas consultoras. Y funcionaba… más o menos.

La IA como junior eterno (que no se va a otra empresa)

Creo que estamos ante una disrupción silenciosa. Me explico:

Al principio, la IA se va a parecer mucho a un perfil junior. Uno que no cobra, no se queja y no se va con la competencia cuando le ofrecen un poco más. Le puedes encargar tareas repetitivas, simples, y poco a poco va mejorando. Pero no porque “aprenda”, sino porque tú, o alguien, le vas dando más contexto, más ejemplos, más datos. En definitiva: lo entrenas.

Ahora bien, en los humanos está claro: si te vas, el conocimiento que tienes se va contigo. Pero con una IA, la pregunta se vuelve jugosa: ¿quién es el dueño del conocimiento que va acumulando?

Y aquí es donde entra el riesgo: si no defines bien desde el principio cómo y para quién aprende esa IA, puedes estar entrenando gratis a un activo que ni te pertenece ni te protege.

¿Quién entrena al entrenador?

Aquí hay dos modelos que se están empezando a perfilar:

  1. Proveedor-entrenador: tú pones la IA, la entrenas, y eso se convierte en tu ventaja competitiva. Es decir, el valor añadido ya no es solo el equipo humano, sino ese “junior digital” que sabe cómo quiere el cliente sus informes, su código, su documentación. Y eso no se lleva el cliente si decide cambiarte por otro proveedor más barato. Touché.
  2. Cliente-propietario: el cliente pone la IA, asume el coste y la entrena según sus procesos. Así, si cambia de proveedor, el conocimiento no se pierde. Porque está en su “junior digital”, que no se va con nadie, ni le ficha otra consultora.

Un nuevo campo de batalla: la propiedad del conocimiento

Este escenario cambia muchas cosas:

  • La lógica de fidelización de clientes.
  • El rol de los proveedores.
  • La propia estructura de costes del conocimiento.

Y todavía no tenemos todas las respuestas. Solo sé que estamos en un punto similar a cuando empezamos a usar máquinas virtuales y se rompieron muchos esquemas. Esto va a ser igual.

No es solo una cuestión técnica, es estratégica: quien entrena mal, replica errores. Y quien entrena sin marco, entrega ventaja competitiva sin saberlo.

Moraleja

Si vas a introducir IA en tus procesos, pregúntate desde ya: ¿quién va a entrenarla? ¿Quién va a pagar ese coste? ¿Y quién se queda con el conocimiento si el proveedor o el cliente cambia?

Aquí es donde entra la paradoja: retener conocimiento solía ser una estrategia… hasta que llegó la IA. Como expliqué en mi artículo [Cuando esconder el conocimiento ya no es estrategia] —donde planteo si tu saber vive solo en ti o también en una IA—, esa dinámica está cambiando radicalmente.

¿Tú cómo lo ves? ¿Quién debería quedarse con el conocimiento en la era IA? Me encantará leerte en LinkedIn.

Diseñado en la cabeza de Iñigo, made in ChatGPT, de momento el conocimiento lo tengo yo, ya veremos por cuanto tiempo 🤷‍♂️

Publicado el

👉 Por qué he vuelto a escribir en el blog (y que parte de culpa tiene la IA)

Manos robóticas tecleando en un MacBook sobre un escritorio clásico; a un lado, grabadora de voz con luz naranja encendida, metáfora de cómo la IA transcribe notas de voz para escribir el blog.

Recuerdo perfectamente cuándo registré este dominio. Fue allá por agosto del 2001, estaba en el pueblo y si no recuerdo mal fue el primer pago que hice por internet, con un poco de «acongojo». Antes de eso ya tenía alguna web desde el 98, si del siglo pasado, cuando hice el Diploma de Especialización en Soluciones Internet de la Universidad de Deusto. Vamos, cuando aún era una novedad tener “una página” y la santísima trinidad era tener un gif animado, frames, y botones que cuando pasabas por encima el cursor cambiaban.

De HTML con tablas al WordPress con plugins

Aquellas primeras webs eran lo que eran: unas cuantas páginas hechas a mano, subidas por FTP y que, si tenías suerte, no rompían en Netscape. Luego, como no podía ser de otra forma, llegó WordPress. Y con él, el blog que lees ahora.

Este blog ha tenido sus altibajos. Como todos. Porque mantener contenido de forma constante requiere tiempo. Y si no hay retorno, llega un momento en que no compensa. Lo mismo pasa con el canal de YouTube o el podcast en Spotify. Mucho curro y poca gasolina.

¿Por qué volver a escribir?

Pues por dos motivos:

  1. Siempre he escrito cuando tenía algo que contar… cuando descubrí Docker, cuando empecé a darle al Kubernetes o me liaba con mi Smart Home o con la irrupción de la IA.
  2. Y porque ahora, con el tema de la Inteligencia Artificial, se juntan el hambre y las ganas de comer.

La IA no solo está revolucionando la informática. Tiene potencial para cambiar la sociedad entera. Y además —y aquí viene lo práctico— hace que mantener el blog no sea una tortura.

¿Qué ha cambiado?

Antes, para escribir una entrada tenías que:

  • Tener algo que contar.
  • Ordenar la idea.
  • Escribirlo.
  • Buscar una imagen.
  • Resumir.
  • Etiquetar.
  • Publicar.
  • …

Y si, como yo, no te dedicas al marketing de contenidos, al final te acabas preguntando si merece la pena tanto follón.

Ahora, con ChatGPT, eso se reduce drásticamente.

Mi ChatGPT personalizado

¿Que no es como tener un copywriter de verdad? Obviamente. Pero para lo que yo necesito, va sobrado.

De ahí viene el lema: Diseñado en la cabeza de Iñigo, made in ChatGPT. Una pequeña coña a Apple .

He entrenado un GPT con todo lo que había escrito en el blog. Le he dicho “esto es cómo escribo”. Y cada vez que tengo algo que contar, le mando un audio mas o menos estructurado. Él lo transcribe, lo adapta al estilo, y yo solo tengo que darle el último pulido.

Moraleja

No se trata solo de ahorrar tiempo: se trata de adaptar mi forma de pensar al nuevo contexto tecnológico.

¿Te pasa lo mismo con la IA? Me encantará leer tus reflexiones por LinkedIn.

Publicado el

Productividad: de programadores junior a IAs

Vista cenital de escritorio dividido entre un boceto desordenado de código a mano y un plano holográfico pulcro, metáfora de la evolución de la productividad del programador junior a la IA.

Recuerdo una época en la que estaba de arquitecto software («analista técnico», que decíamos entonces) en un proyecto lleno de formularios de mantenimiento: listados, búsquedas, altas, bajas y modificaciones. Lo típico, vaya. Aquello era un festival de pantallas. Así que antes de encontrarme con un problema decidí hacer lo que suelo hacer en estos casos: cuadricular.

Cuadricular para sobrevivir (y escalar)

Creo que uno de los mejores enfoques para industrializar bien este tipo de aplicaciones CRUD es imponer una estructura. Me explico con un ejemplo de lo que hice:

  • Cada mantenimiento tendría siempre las mismas tres páginas: filtro, resultado y detalle.
  • Cada una con su nombre, su carpeta y su clase asociada.
  • Y en servidor, según el stack de turno (Struts, en aquella época), sus beans, controladores o lo que tocase.

Esto hacía que el programador, sobre todo el más junior, no tuviese que inventar la rueda. Ya sabía cómo se debía llamar cada clase, dónde iba cada cosa, qué JSP tocaba y cómo se enlazaban entre sí. Lo importante no era la tecnología, sino el patrón, la cuadrícula.

El objetivo no es el programador: es el sistema de trabajo

Porque el verdadero truco no era facilitarle la vida al programador. Bueno, un poco sí, pero no solo por eso. El objetivo era conseguir que la persona más barata posible, pudiese hacer bien el trabajo. Y para eso hay dos palancas:

  1. Que lo que hay que hacer sea tan sencillo que lo entienda cualquiera sin explicaciones, pero cada vez las aplicaciones son mas complejas porque les pedimos cada vez más cosas.
  2. Que aunque sea complejo esté tan bien explicado y estructurado que ni haga falta pensar… mucho

Esta estrategia ha funcionado durante años con personas. Pero ahora el reto es mayor: que funcione con inteligencias artificiales.

¿Vale también para IA?

Esa es la pregunta que me ronda últimamente. Porque al final, muchos de estos CRUDs son variaciones de la misma plantilla: cambian los datos, pero no la lógica. Si conseguimos estructurar bien el qué y el cómo, ¿podríamos darle a una IA las piezas y que nos monte el mantenimiento entero? ¿Y que el programador solo revise?

Creo que sí. Pero hay que volver a los básicos: pensar mucho, cuadricular, automatizar. En ese orden. Como ya conté en «Cómo abordar el desarrollo de una aplicación CRUD», sin estructura no hay industrialización que valga.

Moraleja

Si algo te funciona expandelo. Y si ya no son personas quienes programan, sino IAs… igual la estructura de siempre te sirve más que nunca. ¿Has probado a cuadricularle el trabajo a tu IA?

👉 Si te interesa este tema, echa un vistazo también a Gestión del conocimiento para ver cómo sistematizar más allá del código.

Tu eres de cuadricular o no, te leo en LinkedIn

La IA me ha ayudado a cuadricular estas entradas Diseñadas en la cabeza de Iñigo, made in ChatGPT.