Nivel: Básico
Seguro que en redes has leído más de una vez que para construir con IA no hace falta saber programar (aunque si sabes, tienes mucho ganado), pero lo que sí hace falta es poseer un set de habilidades.
Este set de habilidades serán las que determinen si terminas construyendo proyectos de forma exitosa o si te quedas por el camino.
Las 6 habilidades que veremos
Tolerancia a la ambigüedad
Descomposición de problemas
Criterio para evaluar el output
Persistencia frente al error
Comunicación precisa
Curiosidad técnica selectiva
Antes de empezar te quiero comentar que me han invitado a participar en el AI Summit que ha montado David Domínguez 🎩 donde ha reunido a 20 expert@s en distintas disciplinas para que cuenten qué usan exactamente, qué han probado, qué no les funcionó y hacia donde va todo esto.
Algunas de las personas que hablaran seguro que las conoces:
Lorena Bordonaba · Cristian Rico · Manuel Mas · Mike Fort · Manuel Algara 🎩 · Jorge Bosch Alés · Toni Herrera 🎩 eMarketerSocial · Marta Santamaria · Patxi Fontalba
Las charlas se publicaran del 21 al 25 de septiembre y la mía sale el viernes.
Pilla tu entra aquí.
1. Tolerancia a la ambigüedad
Vas a construir sin saber si funciona hasta que lo pruebas. La IA te entrega una solución que parece razonable, pero puede estar mal, y tenemos la costumbre de esperar a tener una certeza total antes de avanzar, así que es la primera que hay que soltar.
La tolerancia a la ambigüedad se entrena poniéndose límites de tiempo para decidir en vez de investigar hasta sentirse seguro. Por ejemplo: “pruebo esta librería 20 minutos, si no funciona cambio de enfoque.”
Construir bajo ese límite obliga a actuar sin la información completa que preferirías tener, y esa repetición es lo que entrena la tolerancia.
2. Descomposición de problemas
“Quiero una app de gestión de tareas” no es una instrucción ejecutable. “Quiero un formulario que guarde una tarea con título y fecha en una tabla” sí.
La habilidad de partir una idea grande en piezas pequeñas y concretas es lo que separa a quien construye rápido de quien se traba contra la IA en un bucle de prompts cada vez más vagos.
Esta habilidad se entrena escribiendo la tarea en pasos numerados antes de tocar la IA, en un papel o una nota:
Crear tabla de tareas.
Formulario con título y fecha.
Botón guardar que inserta en la tabla.
Si no puedes numerar los pasos, todavía no descompusiste lo suficiente, y ese bloqueo es el ejercicio en sí mismo.
3. Criterio para evaluar el output
Cualquiera puede pedirle algo a la IA.
La diferencia la hace saber si lo que devolvió es correcto, si tiene sentido o si es lo que realmente pediste. Sin esto, vas a acumular código que no se entiende y que falla de formas que no se pueden diagnosticar.
Antes de aceptar un output, conviene preguntarse por escrito qué se supone que hace y probarlo específicamente para eso, no de forma genérica.
Con el tiempo merece la pena llevar una lista personal de errores típicos que la IA repite (”siempre olvida las validaciones”, “asume que hay usuario logueado cuando no lo hay”) y revisarla antes de aceptar código nuevo.
TIP: Esta lista de errores también te puede servir para crear una SKILL para Claude, para que revise ese checklist antes de dar el producto por terminado.
4. Persistencia frente al error
Va a haber bugs, deploys rotos y momentos en los que la IA arregla una cosa y rompe otra.
La reacción de “esto no funciona, no sirvo para esto” mata más proyectos que la dificultad técnica real.
Cuando algo falla, conviene:
Leer lo que ha ocurrido (aunque no lo entiendas).
Pegar el error en una conversación y pedirle a la IA que te lo explique.
Llevar la cuenta mental de los bugs ya resueltos ayuda a contrarrestar la frustración cuando aparece el siguiente.
5. Comunicación precisa
Escribir prompts claros es una habilidad de comunicación, no una habilidad técnica.
Ser específico sobre qué se quiere, qué no se quiere y qué contexto importa determina la calidad de lo que se obtiene, igual que pasa al explicarle algo a otra persona.
Se entrena reescribiendo el prompt una vez antes de enviarlo y minimizar la ambigüedad, es decir, cambiar “hazlo más bonito” por “usa más espacio en blanco entre secciones y una tipografía más grande en los títulos”.
Practicarlo fuera de las herramientas de IA también sirve. Describirle una tarea a alguien sin que pueda preguntar nada de vuelta trabaja el mismo ejercicio de precisión.
6. Curiosidad técnica selectiva
No hace falta entender todo el stack, pero sí preguntar “¿por qué hiciste esto así?” o “¿cómo funciona esto?”.
Esta curiosidad es puntual, pero debe ser continua. Esta habilidad es la que, con el tiempo, te ayudará a construir tu modelo mental.
Es gratis y rápido: cuando la IA hace algo inesperado, preguntarle directamente antes de seguir, convierte cada sorpresa en una micro-lección en vez de dejarla pasar sin más.
Hay una séptima habilidad que no he mencionado: la paciencia.
Cada una de estas 6 habilidades se van construyendo con el tiempo, proyecto a proyecto. Si quieres construir bien a largo plazo, no hay atajos.
Preguntas para seguir el hilo con Claude
Si quieres seguir ahondando en este tema, te dejo algunas preguntas que le puedes soltar a Claude.
Tengo un prompt que la IA malinterpreta siempre de la misma forma, ¿cómo reestructuro la instrucción para eliminar esa ambigüedad concreta?
¿Cómo distingo si un bug viene de un problema en mi lógica o de una limitación real de la herramienta que estoy usando?
¿Qué preguntas debería hacerle a la IA sobre una pieza de código que generó para verificar que entiendo lo que hace antes de aceptarla?
Todavía no lo he leído pero por ese nombre ya me encanta y me dan ganas.
Interesante! En la parte de descomposición sugeriría que definas tu objetivo de manera operacionalizable y no conceptual. Asi es mas fácil trabajar y visualizar lo que se quiere