El modelo te ayuda a construir, pero tú decides

El modelo te ayuda a construir, pero tú decides

---

Cuando digo IA en este post, me refiero a la ola actual: LLMs, agentes, asistentes de código.

En el post anterior cerré con una pregunta: si cualquiera puede construir un proyecto, ¿qué tanta calidad va a tener, o va a ser genérico? Esta es mi respuesta. O al menos lo que vengo viendo.

Hoy el LLM te contesta todo, así que mucha gente cree que puede construir cualquier cosa. Y es verdad, se puede. Pero construir cualquier cosa no es construir algo bueno. Lo que veo es una oleada de productos que se sienten iguales. Genéricos, sin identidad, sin nada que los haga suyos.

A eso se le suma el ruido de que ya casi llegamos a la AGI (una IA general, comparable a la humana) y que pronto nadie va a hacer falta. Ese discurso hace fácil creer que todo es sencillo. Y es entendible: si te lo repiten por todos lados, te lo terminas creyendo. Hasta que te toca sostener lo que construiste.

No es la máquina, es el oficio

El ejemplo que se me viene a la mente es el de ser barbero. Cualquiera se compra una máquina y unas tijeras. ¿Ya por eso es barbero? No. Le falta el oficio. El cuidado de hacerlo bien, el detalle, que el trabajo salga profesional.

Con la IA pasa parecido. Tener la herramienta no te vuelve bueno, la tiene todo el mundo. Lo que separa es el oficio: la disciplina, el criterio, las ganas de que quede bien hecho y no solo funcionando.

Y ojo, no todo el mundo quiere ser barbero, y está perfecto. Mucha gente prefiere buscar uno de confianza y dejarle el trabajo a quien sabe. Acá igual. No todos tienen que construirlo todo, y delegar en alguien que domina el oficio no tiene nada de malo.

Lo complicado es querer construir pero soltarle toda la carga al modelo. Ahí es donde se arma el enredo.

Construir cualquier cosa no es construir algo bueno

Como ya conté antes, programar y hacer ingeniería de software no son lo mismo, y el LLM borró esa línea para el que no la tenía clara. Le pides que construya y construye. Pero lo que queda debajo, cuando no sabes bien lo que pides, es una bomba de tiempo.

Código difícil de mantener, difícil de depurar, propenso a errores. Mil formas distintas de hacer lo mismo, mezcladas. Funciona hasta que un día te explota en la cara, y ahí no sabes ni por dónde empezar. Da igual que funcione, eso lo arma cualquier modelo. Lo que cuenta es si entiendes cómo está hecho. Lo que no entiendes, no lo puedes sostener. Y se nota apenas algo se cae: ahí vuelve a hacer falta alguien que de verdad entienda.

Y cuando el enredo aprieta, la salida fácil es echarle otro modelo encima para que lo parche y poder seguir. Y ahí empieza a armarse la bola de nieve.

La vara subió y la calidad bajó

Y acá hay algo que no cuadra. La vara de calidad subió en todo: rendimiento, seguridad, experiencia del usuario. Y al mismo tiempo la calidad promedio bajó. Van en direcciones contrarias.

Y no es solo en proyectos chicos. Los servicios más grandes también, de los que depende medio internet. GitHub, AWS, el propio Claude. Cuántas caídas hemos visto últimamente, cosas que uno creería súper estables. Y es público: cada uno tiene su página de estado con el historial. Tengo la impresión de que a casi todos les pasa lo mismo, y no creo que sea casualidad.

Y ojo con esos números. Un 99.5% suena a perfecto, pero son más de diez horas caído en tres meses. Y comparado con el estándar de afuera, se queda corto: para un servicio crítico, lo normal es apuntar a 99.9% o más, que son minutos al mes, no horas. Hay que ser justos, eso sí: Claude ha mejorado bastante, antes estaba peor. Pero deja claro que sostener algo tan grande y tan confiable cuesta, incluso a los mejores.

Copiar lo que brilla

Hay una trampa fácil de pisar: copiar lo que se ve bien en otro lado sin preguntarse lo básico. ¿Encaja con la identidad de tu producto? ¿De verdad le aporta algo al usuario? ¿Tiene que ver con hacia dónde quieres ir?

Cuando no te haces esas preguntas, el producto se va llenando de cosas que no son suyas. Empieza a parecerse a todos los demás, y pierde lo único que lo hacía valer: su razón de existir. Se llena de cosas como estas:

• Un Excel disfrazado de página web.
• Un sistema de archivos entero dentro de una web, con carpetas y todo.
• Interfaces tan cargadas que harían falta cien páginas de manual para usarlas.
• Funcionalidades que se ven bien, no mueven la aguja, y que igual te toca cargar para siempre.

Terminas con más producto y menos identidad. Y lo digo porque me ha pasado, no desde afuera.

La otra cara es más simple de lo que parece: dejar de agregar cosas solo porque las viste en otro lado. Y a lo que sí va, darle personalidad, que se sienta tuyo, no algo copiado ni metido a la fuerza para encajar donde no va. Ahí es donde el producto empieza a tener marca propia.

El modelo no decide por ti

Y para mí, esto es lo importante.

El LLM es una herramienta increíble. Pero tiene su propia inercia. Si lo dejas suelto, te lleva a donde él quiere, no a donde tú quieres. Y donde él quiere suele ser el promedio, lo que ya existe. Por eso me la paso más peleando con el modelo que otra cosa. Él empuja su forma de ver las cosas. Y yo empujo de vuelta. Que me ayude a construir, sí, pero sin venderme ni decidir en mi lugar.

Un ejemplo. Quería hacer una funcionalidad que rozaba lo impensable. Estuve horas peleando con el modelo, buscándole la vuelta. Me dijo que no se podía. Me lo dijo más de siete veces. Le insistí, encontramos el camino, y al final se pudo. Terminó agregando un valor enorme. Si le hubiera hecho caso la primera vez, no existiría.

Esa es la diferencia. El modelo te ayuda a hacer, pero adónde ir lo decides tú.

Y ahí está, para mí, la razón de que la IA muchas veces no rinda tanto como quisieras. La tratamos como un salvador que va a hacerlo todo, sin ponerle disciplina, visión, contexto, identidad ni propósito. Cuando no tienes clara tu visión ni la identidad de tu producto, es fácil irte por las ramas. Y afuera todo el mundo opina. La IA amplifica eso: te da mil caminos. Si no tienes el tuyo, agarras el que suene más convincente. Que rara vez es el correcto.

Lo que me funciona

Poco a poco he ido mejorando mi forma de trabajar con los LLMs. Seguro falta más, pero esto da la idea de hacia dónde apunta. Y aunque muchas de estas cosas nacen del código, sirven para cualquier proyecto donde uses IA, sea de ventas, finanzas, fraude, operaciones o lo que sea:

• Sesión nueva para cada cosa nueva. Por dentro, cada sesión te reenvía toda la conversación en cada mensaje. Si llevas rato, se te van los tokens solo en recuperar el historial, antes de escribir la tarea. Arrancar fresco es más barato y más limpio.
• Respalda y valida lo importante. Antes de una tarea grande, respaldo (un commit, un stash) y reviso lo que hace en vez de dejarlo correr solo. Y con algo crítico, como una base de datos, sigo un flujo fijo:
  1. Respaldo los datos.
  2. Le pido un preview de lo que va a hacer.
  3. Confirmo antes de que toque nada.
  4. Valido al final que todo quedó bien.
• Mantén la memoria al día. Que el modelo cargue tu contexto y tus decisiones entre sesiones, para no repetírselo cada vez.
• Deja tus instrucciones por escrito y ordenadas. Con skills (instrucciones cortas, bien estructuradas y divididas) el modelo sigue tu forma de trabajar en vez de improvisar. Son como apuntes claros que no tienes que repetir en cada sesión.
• Automatiza con hooks. Enganchas acciones para que corran solas cuando pasa algo: correr las pruebas o el linter cada vez que toca el código, respaldar antes de una tarea, avisarte cuando termina. Así no dependes de acordarte.
• Reduce lo que tiene que escanear. Con algo como graphify le armas un grafo de tu proyecto, y consulta en vez de releer todo cada vez. Menos tokens, más foco.
• Planifica y ten cómo retomar. Con plugins como superpowers planeas el trabajo y vuelves donde ibas si te quedas sin tokens, sin empezar de cero.
• Delega en agentes especializados. Un agente para cada tarea (QA, frontend, backend) y, si hace falta, orquestándolos entre proyectos. Cada uno con su encargo claro rinde más que meter todo en una sola conversación.

Las dejo por acá por si a alguien le sirven.

Cómo se llega hasta acá

Todo esto se conecta con lo que vengo escribiendo. Aprender cambió y se volvió rapidísimo. Lo escaso dejó de ser el conocimiento y pasó a ser la visión y el criterio.

El modelo puede escribir el código, pero no sabe a quién le duele qué, ni por qué te importa. Eso lo pones tú.

No es culpa de la IA, es una herramienta buenísima. Solo que sigue necesitando a alguien con criterio y visión, con las manos en el volante. Y ese lugar, al menos por ahora, sigue siendo nuestro.