La mayoría lleva años experimentando con IA y sigue sintiéndose perdida. No es por falta de información. Es porque están entrenando la habilidad equivocada.
Pregunta a cualquier persona que usa IA a diario qué necesita para mejorar y te va a decir lo mismo: “mejores prompts”.
Pregunta a alguien que lleva un año en comunidades de IA y te dirá: “hay que aprender a construir agentes y flujos automatizados”.
Ambas respuestas son razonables. Y las dos se quedan cortas.
Hay un tercer ingrediente que nadie menciona porque es difícil de vender en un título de curso. Y es, paradójicamente, el más importante y el más escaso: la curiosidad.
Nivel 1: Los prompts son la gramática, no el idioma
Aprender a escribir buenos prompts es necesario. Igual que aprender a escribir oraciones correctas es necesario para hablar un idioma. Pero nadie confunde “saber gramática” con “hablar con fluidez”.
Sin embargo, el mercado de la formación en IA lleva tres años vendiendo esencialmente gramática.
El problema no es que los prompts sean inútiles — es que se han convertido en un fetiche. La gente colecciona prompts como si fueran cromos. Los copia, los pega, espera resultados milagrosos y, cuando no llegan, busca un prompt mejor.
Lo que en realidad determina si un prompt funciona no es su redacción. Es saber qué le estás pidiendo y por qué.
Un alumno de nuestro bootcamp llegó con una lista de 47 “mega-prompts para productividad” que había comprado en Gumroad. En la primera sesión le preguntamos: ¿para qué proceso concreto de tu trabajo los usas? No supo responder. Los tenía. No los usaba.
Los prompts sin contexto son como llaves sin cerradura.
Prompt de nivel básico (copia y pega): “Actúa como un experto en [tu área]. Tengo que [tarea concreta]. El resultado debe estar en formato [formato] y no superar [límite]. Usa un tono [tono].”
Esto ya es útil. Pero no es dominio. Es ortografía.
Nivel 2: Los sistemas con agentes son el multiplicador, no el punto de partida
El siguiente salto en la conversación sobre IA es el de los agentes: sistemas que encadenan herramientas, ejecutan pasos, toman decisiones automáticas y te entregan resultados sin que tú intervengas en cada paso.
Es real. Es poderoso. Y está al alcance de personas sin perfil técnico, hoy, con herramientas como n8n, Make, o los propios agentes de Claude, ChatGPT o Gemini.
Pero aquí viene el error que vemos repetido constantemente: la gente quiere llegar a los agentes sin haber pasado por el nivel anterior.
Un agente bien construido es básicamente una serie de instrucciones muy precisas que se ejecutan de forma automática. Si no sabes dar instrucciones precisas de forma manual, el agente va a automatizar el caos.
Un colega nuestro, investigador en una universidad, construyó un agente para procesar artículos científicos y generar resúmenes ejecutivos. Funcionó mal durante semanas. El problema no era técnico. Era que sus instrucciones base eran ambiguas — el mismo tipo de ambigüedad que tenía en sus prompts manuales. Cuando arregló la instrucción, el agente empezó a funcionar.
Los sistemas con agentes son un multiplicador. Pero solo multiplican lo que ya está bien hecho.
Prompt para diseñar un sistema simple (copia y pega): “Voy a describir un proceso de trabajo que hago manualmente cada semana. Quiero que me ayudes a descomponerlo en pasos exactos, identificar qué pasos podrían automatizarse con IA, y sugerir qué herramienta podría hacer cada parte. El proceso es: [describe tu proceso].”
Esto te da el mapa antes de construir el vehículo.
Según un informe de McKinsey de 2025, el 70% de los trabajadores que intentan implementar automatizaciones con IA abandonan antes de ver resultados — no por barreras técnicas, sino porque no tenían claro qué querían automatizar.
Los agentes sin claridad previa son un proyecto de obra interminable.
Nivel 3: La curiosidad. El ingrediente que nadie enseña porque no se puede empaquetar
Aquí llega la parte incómoda.
Si tuviéramos que elegir un solo rasgo que diferencia a las personas que realmente sacan partido de la IA de las que no, no sería la experiencia técnica. Tampoco el nivel educativo. Ni siquiera cuántas horas llevan usando herramientas.
Sería la tolerancia a la incertidumbre.
Esto es lo que llamamos curiosidad en la práctica: la disposición a probar algo sin saber si va a funcionar, a equivocarse, a analizar por qué falló, y a intentarlo de otra manera.
Parece obvio. No lo es.
La mayoría de las personas que usan IA en el trabajo buscan certeza. Quieren el prompt que funciona siempre. Quieren el tutorial paso a paso. Quieren garantías antes de invertir tiempo. Y eso es completamente comprensible — somos adultos con trabajo real, no podemos permitirnos jugar.
Pero la IA no funciona así. Es una tecnología probabilística, no determinista. El mismo prompt puede darte resultados distintos. El mismo agente falla en contextos inesperados. La persona que mejora es la que dice “¿por qué falló esto?” en vez de “esto no funciona”.
En dos años formando a más de cuatro mil profesionales, lo hemos visto con una claridad que ya no nos sorprende: el progreso no correlaciona con el nivel técnico previo. Correlaciona con si la persona, cuando algo falla, pregunta “¿cómo lo arreglo?” o cierra la pestaña.
La curiosidad operativa — no la entusiasta, sino la que se activa cuando algo no funciona — es más escasa de lo que parece. Y es, de lejos, la habilidad más difícil de enseñar.
Prompt para cultivar la curiosidad como hábito (copia y pega): “Acabo de intentar hacer [tarea] con IA y no obtuve el resultado que esperaba. El resultado que obtuve fue [describe]. El resultado que quería era [describe]. Ayúdame a identificar qué pudo haber fallado en mi instrucción y dame tres versiones alternativas del prompt para probar.”
No lo uses sólo cuando algo falla. Úsalo como rutina. Convierte cada resultado mediocre en una sesión de diagnóstico de cinco minutos.
Cómo replicar esto hoy
Audita tus prompts actuales. Coge los tres que más usas y pregúntate: ¿sé exactamente por qué funcionan? Si no puedes explicarlo, no los controlas — los toleras.
Elige un proceso, no una herramienta. Antes de pensar en agentes, identifica un proceso de tu trabajo que repitas semanalmente y que sea tedioso. Ese es tu candidato. No el más emocionante. El más repetitivo.
Hazlo manual primero. Ejecuta ese proceso con IA de forma manual durante dos semanas. Afina las instrucciones hasta que el resultado sea consistente. Entonces, y sólo entonces, considera automatizarlo.
Introduce el hábito del “¿por qué?” Cuando un resultado de IA no sea bueno, no lo descartes. Dedica tres minutos a diagnosticar el fallo y reformular. Este hábito, practicado 30 días, cambia tu relación con la herramienta.
Mide resultados, no usos. No cuentes cuántas veces usas IA. Cuenta cuántos minutos te ahorró, cuántas decisiones te ayudó a tomar o cuántas tareas mejoró. Sin esa métrica, no sabes si estás mejorando o solo usándola más.
No necesitas ser programador. Necesitas ser la persona que no cierra la pestaña cuando algo falla.
¿No es suficiente con saber prompts bien?
Para tareas puntuales, sí. Para transformar tu forma de trabajar, no. Los prompts son el primer idioma que aprendes. Pero hablar un idioma fluido requiere contexto, práctica y cometer errores — no más vocabulario.
¿Los agentes son sólo para personas técnicas?
Cada vez menos. Herramientas como Make, n8n, o los modos de agente en Claude y ChatGPT permiten construir flujos sin programar. Pero sí requieren que sepas muy bien qué quieres que haga el sistema. La barrera hoy no es técnica, es conceptual.
¿La curiosidad se puede entrenar o se tiene o no se tiene?
Se entrena, pero no con empeño. Se entrena con práctica deliberada: enfrentarte a fallos de forma regular y comprometerte a analizar cada uno en vez de pasar página. Es un músculo, no un talento.
¿Sustituye esto aprender sobre herramientas específicas?
No. Cambia el orden en que aprendes. Primero el criterio, luego la herramienta. La mayoría lo hace al revés — aprende la herramienta y luego intenta encontrarle un uso. Funciona mucho peor.
¿Qué herramientas desarrollan estos tres niveles a la vez?
Claude Projects, ChatGPT con memoria, y Notion AI son buenas opciones para empezar. Para sistemas más avanzados: n8n (automatización) y Make (integración). Pero insistimos: empieza por el proceso, no por la herramienta.
.jpg)
Anthropic ha adquirido Stainless, una empresa emergente que ayuda a las compañías a crear y actualizar kits de desarrollo de software, conocidos como SDK
No se dieron a conocer los términos del acuerdo, pero The Information informó previamente que Anthropic estaba en conversaciones para comprar Stainless por más de 300 millones de dólares.
Fundada en 2022 por Alex Rattray, antiguo ingeniero de Stripe, Stainless crea herramientas que transforman los detalles de las API en SDK listos para usar para lenguajes como Python, TypeScript, Kotlin, Go y Java.
Las herramientas del startup fueron utilizadas por varias importantes empresas de IA y tecnología, entre ellas OpenAI, Google, Anthropic, Replicate, Runway y Cloudflare.
Los puntos clave:
Anthropic ha comprado Stainless, una empresa emergente que desarrolla herramientas SDK.
Según los informes, la operación se negoció por más de 300 millones de dólares.
Las herramientas alojadas por Stainless se desactivarán, lo que significa que los competidores necesitarán otras alternativas.
Compraron la olla
Anthropic planea ahora cerrar los productos alojados de Stainless, incluido su generador de SDK.
Los clientes actuales seguirán siendo propietarios de los SDK que ya hayan creado y podrán continuar editándolos.
Este acuerdo es importante porque los SDK ayudan a los desarrolladores a conectar aplicaciones y servicios con sistemas de IA. A medida que los agentes de IA se vuelven más útiles, esas conexiones cobran aún más importancia.
Anthropic afirmó que Stainless ha ayudado a generar todos los SDK oficiales de Anthropic desde el lanzamiento de su API.
Las empresas de IA están coleccionando startups como si fueran gemas del infinito.
SpaceX presenta públicamente su solicitud para salir a bolsa en el Nasdaq bajo el símbolo SPCX
Se dice que la mayor empresa privada, dirigida por la persona más rica del mundo, aspira a recaudar hasta 75,000 millones de dólares en su salida a bolsa, con una valoración superior a los 2 billones de dólares. Esto superaría el récord de 29,400 millones de dólares en una oferta pública inicial (OPI) establecida por Saudi Aramco en 2019.
SpaceX enseñó la cartera por primera vez en 24 años
Los papeles se hicieron públicos. Como requisito para salir a Bolsa, SpaceX enseñó su excel de cuentas.
Hay buenas y malas noticias. Primero: cierto es que vende más que nunca. Segundo: cierto también es que pierde más que nunca.
Vamos a echarle ojo:
Ventas 2025: 18,700 millones de dólares, 33% más que el año anterior.
Resultado 2025: pérdida de 4,900 millones (en 2024 había ganado 791). La razón es simple: mucho más gasto en IA, ahora que fue fusionada con xAI.
Primer trimestre 2026: en sólo tres meses perdió casi lo mismo que en todo 2025.
Mucho número, pero la traducción en simple es esta: el negocio de cohetes y Starlink factura como nunca, pero Musk gasta como si no hubiera mañana. El inversionista que entre al debut bursátil le financiará a SpaceX el sueño de una especie interplanetaria, no necesariamente flujo de caja actual.
Y una cosa más: la empresa se autovaluó en 1.25 billones de dólares. Si eso sucede, definitivamente Musk se convertirá en la primera persona en valer un billón de dólares.
¿Cuándo es el debut?
Si todo va bien, tan pronto como el próximo mes.
¿Por qué importa?
Porque hablamos del debut bursátil gringo más grande hasta la fecha.
Y como dicen en el Times, eso es una bomba de riqueza generacional para Wall Street, accionistas, empleados de SpaceX y el mismo Musk.
Recaudaría 75 mil millones. Más del triple de la que tiene el récord a la fecha: Alibaba (recaudó 22 mil millones en 2014).
Para tu portafolio: esto es inescapable. Algo así de grande moverá tus inversiones, así incluso solo le pegues al S&P 500.
Y lo que sigue: OpenAI y Anthropic. Pequeño detalle: CNBC dijo ayer que OpenAI presentará su registro para salir a Bolsa este mismo viernes.
OpenAI se está preparando
La empresa de inteligencia artificial está preparando la solicitud para su salida a bolsa en las próximas semanas, con el objetivo de debutar en el mercado público en otoño. El creador de ChatGPT está colaborando con Goldman Sachs y Morgan Stanley en la presentación confidencial, que podría tener lugar este mismo viernes, aunque la fecha exacta aún es incierta.
La compañía ha estado preparando el terreno para salir a bolsa y así financiar su costosa expansión en chips, centros de datos y talento. Su rival, Anthropic, también se prepara para cotizar en bolsa. Bajo el liderazgo de su director ejecutivo, Sam Altman, OpenAI se ha comprometido a invertir más de 1.4 billones de dólares en infraestructura física en los próximos años.
Pero Wall Street ve riesgos. OpenAI y Anthropic ya han recurrido a un grupo superpuesto de fondos de capital riesgo y empresas tecnológicas, incluidos sus propios proveedores de nube y chips como Amazon y Nvidia. Esta red de acuerdos circulares ha intensificado la preocupación sobre qué sucederá si la tecnología no cumple con las altas expectativas y el frenesí se convierte en una implosión.
Airbnb quiere ser el Amazon del turismo
Ya no quiere sólo lugares de renta. Airbnb anunció que ahora tendrá alquileres de auto, pedidos de súper, y hasta servicios para guardar tus maletas. Y si te suena es porque claro que tiene todo que ver con el manual de Jeff Bezos: arrancas en un nicho, ofreciendo un servicio en particular, construyes confianza y luego te apalancas para llegar a categorías adyacentes que hacen match.
La pregunta para Airbnb es la misma que la de cualquier otro negocio: ¿puede defender margen mientras se estira a cinco frentes nuevos? Porque ahora parece que va contra Booking, contra Marriott y hasta contra Uber. Todo al mismo tiempo.
Publicar un comentario