Lo que ya no merece la pena aprender

Repasando lo que llevo publicado me di cuenta de que varios artículos acababan en el mismo sitio: en algo que aprendí con mucho esfuerzo y que a los pocos meses ya no me servía. He juntado ese cajón en un solo artículo, con lo que lo ha sustituido y con una lista corta de lo que sí creo que merece tu tiempo hoy.

Hace un par de años me pasé varias semanas aprendiendo a encadenar instrucciones con una estructura muy concreta, con roles, delimitadores y palabras "mágicas" que supuestamente hacían pensar mejor al modelo. Llegué a tener un documento de veinte páginas con plantillas. Hoy no uso ni una. No porque estuvieran mal, sino porque los modelos cambiaron y dejaron de necesitarlas.

Esa sensación, la de haber estudiado para un examen que se canceló, se me ha repetido unas cuantas veces. Y como este blog nació para no olvidar lo que aprendo, también me sirve para no olvidar lo que he desaprendido.

Aviso de humildad antes de seguir: esto es lo que me ha dejado de servir a mí, trabajando sobre todo con Claude y también con OpenAI, DeepSeek, GLM, Kimi y MiniMax. No es una sentencia universal. Si a ti algo de esta lista te sigue funcionando, perfecto.

El prompt engineering, algo así como "ingeniería de instrucciones", es la técnica de redactar las peticiones que le haces a una inteligencia artificial para que responda lo que necesitas. Hace unos años tenía mucho sentido como disciplina aparte: los modelos entendían peor, se perdían con peticiones largas y había trucos que de verdad cambiaban el resultado.

Eso ha cambiado. Hoy una petición clara, escrita en lenguaje normal, funciona casi siempre. Lo que queda de valor de aquella disciplina cabe en pocas líneas, y es lo mismo que harías con un compañero nuevo:

• Darle el contexto: quién eres, para qué es, qué ha pasado antes.
• Decirle el objetivo: qué quieres conseguir, no solo qué quieres que haga.
• Ponerle un ejemplo si lo tienes.
• Decirle en qué formato quieres el resultado.

Y si no sale, corregir conversando, igual que con una persona.

Un ejemplo de antes y después. Antes escribía algo así: "Actúa como un experto en marketing con 20 años de experiencia. Piensa paso a paso. Tarea: escribe un correo. Restricciones: máximo 150 palabras. Tono: profesional. Formato: ###ASUNTO### ###CUERPO###". Hoy le pido lo mismo así: "Tengo que escribir a un cliente que lleva dos semanas sin contestarme sobre un presupuesto. No quiero sonar pesado. Escríbeme un correo corto, con asunto, en el tono en que le escribiría a alguien con quien ya he trabajado". El segundo sale mejor, y encima lo entiendo yo cuando lo releo.

Lo cuento con más calma en Pedirle las cosas a la inteligencia artificial sin fórmulas mágicas.

Se venden por todas partes: "500 prompts para tu negocio", "los prompts secretos que usan los expertos". No compensan, por dos motivos. Son textos que tú mismo puedes escribir en un minuto, y están pensados para un modelo concreto que dentro de unos meses se comportará distinto.

Yo descargué uno gratuito hace tiempo, a cambio de mi correo. Eran unas cien plantillas genéricas del tipo "escribe un artículo sobre TEMA". Usé dos. El correo, en cambio, sigue recibiendo ofertas.

Lo que los sustituye es mucho más aburrido y mucho más útil: tus propias instrucciones guardadas para tus tareas, escritas con tu contexto. Tengo un pequeño archivo con las indicaciones que repito a menudo, como cómo quiero los resúmenes de reuniones o cómo reviso un texto antes de publicarlo. No valen nada para nadie más, y ahí está la gracia.

Durante un tiempo monté muchas automatizaciones con n8n, una herramienta en la que dibujas los pasos de una tarea uno a uno: llega un correo, se lee, se extrae un dato, se guarda en una hoja. Funciona, pero cada flujo hay que construirlo, probarlo y mantenerlo.

Ahora uso n8n bastante menos, porque muchas de esas cosas se las pido directamente a un agente: una inteligencia artificial que da varios pasos por su cuenta y que está conectada a mis herramientas. En lugar de dibujar el flujo, le explico el encargo.

Un ejemplo concreto: tenía un flujo que recogía los correos de alta de clientes nuevos, sacaba el nombre, el correo y el servicio contratado, y los apuntaba en una hoja de cálculo. Me costó una tarde montarlo y se rompía cada vez que el correo cambiaba de formato. Hoy le pido al agente que revise esos correos y actualice la hoja, y se adapta solo a los cambios de formato. Gané flexibilidad. Perdí algo de previsibilidad: el agente, de vez en cuando, interpreta un campo de otra manera.

Los flujos siguen teniendo sentido en tareas fijas, que se repiten a diario y que tienen que salir siempre exactamente igual. Por ejemplo, las copias de seguridad programadas de mis servidores o el aviso cuando un servicio se cae: ahí no quiero creatividad, quiero que pase lo mismo todos los días.

Lo explico entero en Por qué ya no necesito n8n.

Aquí quiero ser justo. Hay formación seria, hecha por gente que sabe y que actualiza lo que enseña. Y hay cursos que empaquetan lo que la propia inteligencia artificial te explicaría gratis si se lo preguntas, con una portada bonita y una cuenta atrás.

Decidir si un curso de IA merece la pena no es fácil, porque muchos se parecen en el título y no en el contenido. Estas son las pistas que a mí me hacen desconfiar:

• Prometen ingresos.
• Venden instrucciones o "prompts secretos".
• No dicen cuándo se actualizó el temario.
• Enseñan una sola herramienta como si fuera a durar para siempre.

Y la pregunta que me hago antes de pagar cualquier formación es muy sencilla: qué sabré hacer al terminar que hoy no sé hacer. Si la respuesta es vaga, el curso probablemente también.

Yo pagué uno hace un tiempo, de los que prometían dominar la inteligencia artificial para negocios en un fin de semana. De las doce horas de vídeo, unas nueve eran demostraciones de una herramienta que al mes siguiente cambió de interfaz. Lo útil habría cabido en una tarde, y buena parte ya lo sabía. No voy a decir cuál era; no se trata de señalar a nadie, sino de aprender a mirar.

Lo que ningún curso sustituye es pelearte con un caso real y equivocarte un par de veces.

Las herramientas intermedias del subtítulo son esas interfaces, extensiones o plataformas que envuelven un modelo y le añaden botones. Algunas son estupendas. El problema es aprenderlas como si fueran a durar años.

Yo invertí bastante tiempo en una extensión del navegador que conectaba el chat con mis documentos. Me aprendí sus atajos, sus menús y sus trucos. A los pocos meses, el propio asistente incorporó esa función de serie y la extensión dejó de actualizarse.

Lo que se queda cuando la herramienta cambia es el criterio, no los menús. Saber qué quieres conseguir, cómo comprobarlo y dónde está el riesgo te sirve con la herramienta de hoy y con la del año que viene.

Esta es la parte útil. Si alguien me pregunta por dónde empezar a aprender IA, le daría esta lista corta:

1. Explicar bien lo que quieres, como a un compañero nuevo. Es la base de todo lo demás, y la cuento en Pedirle las cosas a la inteligencia artificial sin fórmulas mágicas.
2. Comprobar los resultados y detectar cuándo la máquina se inventa algo, lo que se llama "alucinar". Un texto que suena bien no es un texto verdadero.
3. Saber qué datos no se meten en ningún chat: datos de clientes, contraseñas, lo que no es tuyo. Lo trato en ¿Es legal lo que hago con la inteligencia artificial?.
4. Entender qué es un agente y cuáles son sus problemas: permisos, errores y costes. Está en Los problemas de trabajar con agentes.
5. Conectar la inteligencia artificial con tus herramientas, que es donde empieza a ahorrarte tiempo de verdad. Lo cuento en Cómo conecté la inteligencia artificial con mis herramientas.
6. Saber qué rodea al modelo para que sirva de algo: interfaces, documentos propios, conexiones. Lo explico en Lo que rodea al modelo para que sirva de algo.

Y una más, la que no necesita enlace: usar la inteligencia artificial en tareas reales de tu trabajo. Ahí es donde de verdad se aprende. Ningún temario te enseña lo que aprendes la primera vez que el asistente te devuelve algo que parece perfecto y está mal.

Para terminar, las preguntas que me hago antes de dedicarle tiempo o dinero a cualquier cosa sobre inteligencia artificial:

• ¿Cuándo se actualizó por última vez?
• ¿Depende de una herramienta concreta que puede cambiar mañana?
• ¿Promete resultados económicos?
• ¿Podría conseguir lo mismo preguntándole al propio asistente?
• ¿Quien lo vende enseña casos reales, con sus fallos?

Si fallan dos o más, desconfío.

El cajón de lo descartado seguirá llenándose, eso lo tengo claro. Y no me extrañaría que dentro de un año este mismo artículo acabe dentro.