Libros Sistemas

IA en tu carrera

"La pregunta ya no es si vas a usar IA. Es si vas a usarla de un modo que te haga más valioso o más prescindible."

Qué vas a aprender en este capítulo

Tenés las piezas: sabés cómo funciona un LLM (cap. 1), conocés el ecosistema (cap. 2), dominás los casos de uso (cap. 3) y verificás como profesional (cap. 4). Este capítulo es sobre la pregunta que queda: cómo encaja todo esto en tu vida académica y profesional sin que te explote en la cara. Vas a aprender:

Y el cierre del libro: el proyecto final, donde tu asistente de estudio deja de ser ejercicio y se enfrenta a un parcial real.

5.1 Integridad académica: aprender vs hacer trampa

💡 Intuición

Pensalo con el gimnasio. Podés ir al gimnasio y pedirle a alguien más fuerte que levante las pesas por vos. Nadie te va a detener, las pesas terminan arriba, y la planilla dice que "entrenaste". El único detalle es que el músculo que no se esforzó no crece — y el día que la vida te pida fuerza de verdad (el examen presencial, la entrevista técnica, el primer trabajo), no va a estar.

Usar IA para que haga tus tareas es exactamente eso: tercerizar el levantamiento. La tarea era la pesa; la nota era la planilla; el músculo era lo único que importaba. La trampa con IA tiene una propiedad cruel: la víctima principal sos vos, y el daño se cobra después, cuando ya no hay cómo recuperarlo barato.

📐 Fundamento

La línea entre aprender y hacer trampa no pasa por la herramienta — pasa por quién hace el trabajo cognitivo. El mismo chat puede estar de ambos lados:

Uso que construye aprendizaje Uso que lo destruye
"Explicame este concepto hasta que pueda explicarlo yo" "Escribime el ensayo sobre este concepto"
"Tomame un examen de práctica sobre mis apuntes" "Respondé las preguntas de esta guía que tengo que entregar"
"Critica mi ensayo sin reescribirlo" (cap. 3) "Mejorá mi ensayo" → copiar/pegar sin leer
"Dame una pista, no la solución" "Resolvé el problema 4" → transcribir
"¿Qué le falta a mi código y por qué?" "Hacé el proyecto de programación entero"

Tres pruebas rápidas para autodiagnosticarte, en orden de exigencia:

  1. La prueba de la explicación: ¿podés explicar y defender cada parte de lo que vas a entregar, sin el chat al lado? Si no, no es tu trabajo — es tuyo el problema.
  2. La prueba del parcial presencial: si mañana te toman este mismo tema con lápiz y papel, ¿tu desempeño refleja la nota de esta entrega? Si hay un abismo, la IA está inflando una burbuja que va a reventar en el peor momento.
  3. La prueba de la transparencia: ¿le contarías a tu profesor exactamente cómo usaste la IA en este trabajo? Si la respuesta es "prefiero que no se entere", ya sabés de qué lado de la línea estás.

Cómo declararlo. La norma de tu universidad y de cada cátedra manda — preguntá antes de asumir, porque varía muchísimo (de prohibición total a uso obligatorio). Donde esté permitido con declaración, una nota honesta y específica vale más que mil disclaimers genéricos:

Declaración de uso de IA: usé [herramienta] para (1) generar exámenes
de práctica sobre mis apuntes durante el estudio, (2) recibir crítica
de la estructura de dos borradores de este ensayo. La redacción final
es mía. Verifiqué las citas bibliográficas contra las fuentes
originales. No usé IA para generar texto entregado.

Fijate el patrón: dice qué herramienta, para qué pasos, qué quedó a cargo tuyo y qué verificaste. Eso es lo que un profesor (y mañana, un cliente o un jefe) necesita para confiar en tu trabajo.

Y la advertencia simétrica del capítulo 4: si entregás trabajo con citas inventadas por un modelo, la sanción académica por referencias falsas te cae a vos — "lo dijo la IA" no es defensa, igual que "lo dice internet" nunca lo fue.

🛠️ En la práctica

Dos acciones para esta semana, antes de seguir leyendo:

  1. Averiguá las reglas reales. Conseguí la política de integridad académica de tu universidad y preguntá en tus materias activas qué permite cada cátedra. La pregunta bien hecha es específica y honesta: "¿Puedo usar IA para generar exámenes de práctica y pedir crítica de mis borradores, si la redacción entregada es mía y lo declaro?" — una pregunta así casi siempre recibe un sí, y de paso le mostraste al profesor que distinguís asistencia de autoría. La vaga ("¿se puede usar IA?") invita un no defensivo.
  2. Escribí tu regla personal de integridad — una a tres líneas, en tu documento "Mi asistente de estudio", ANTES del próximo trabajo. Plantilla: "La IA puede: [explicarme, examinarme, criticar mis borradores, formatear lo mecánico]. La IA no puede: [redactar texto que entrego, resolver lo evaluado]. Declaro su uso así: [tu formato]." Ajustala a la norma de cada cátedra cuando difiera. Esta regla es entregable del proyecto final — y la vas a escribir mejor hoy, en frío, que la noche de una entrega apretada.

⚠️ Trampa común

El degradé invisible: de asistente a autor. Casi nadie decide "hoy hago trampa". El error real es gradual: empezás pidiendo crítica (legítimo), después "mejorá este párrafo" (zona gris), después "reescribí la sección" (otra zona), y para la entrega final el 70% del texto no pasó por tu cabeza — sin un momento identificable donde decidiste cruzar la línea.

Cómo se ve lo correcto: definí TU regla antes de empezar el trabajo, por escrito, en una línea ("la IA critica y sugiere; cada palabra entregada la tecleo yo" — o la que sea, alineada con la norma de tu cátedra). Las reglas escritas antes resisten la tentación del degradé; las "lo voy viendo sobre la marcha", jamás. En el proyecto final, esta regla es un entregable.

5.2 IA y trabajo: El Salvador, lo remoto, y tu valor

💡 Intuición

Cuando llegó la retroexcavadora, el valor del trabajador que solo ofrecía la pala se desplomó — pero el operador de retroexcavadora pasó a mover en un día lo que veinte palas en una semana, y a cobrar en consecuencia. La máquina no eliminó el trabajo de mover tierra: reorganizó quién captura el valor. Con la IA generativa está pasando lo mismo con el trabajo cognitivo de rutina — y la pregunta personal urgente es la de siempre: ¿vas a competir contra la máquina ofreciendo la pala, o vas a ser quien la opera con criterio?

📐 Fundamento

El movimiento de valor. La IA generativa abarata drásticamente la producción de primer borrador de casi cualquier cosa hecha de texto o código: informes genéricos, traducciones estándar, código rutinario, respuestas de soporte, contenido de relleno. Lo que se abarata deja de pagar bien. En el mismo movimiento, sube el valor de todo lo que la IA no provee:

Baja de valor Sube de valor
Redactar genérico, traducir estándar Criterio: saber qué pedir, qué aceptar, qué rechazar (caps. 3 y 4 enteros)
Producir el primer borrador Verificar y garantizar: alguien tiene que firmar que está bien — ese alguien cobra
Saber la sintaxis de memoria Entender el problema: definir qué construir sigue siendo 100% humano
Tareas de texto repetitivas Relación y confianza: clientes, pacientes, equipos — la confianza no se genera por token
Conocimiento enciclopédico superficial Conocimiento profundo del dominio: para detectar el error plausible hay que saber más que el modelo en tu área

La lectura para El Salvador. El trabajo remoto para el exterior — desarrollo de software, soporte, diseño, marketing digital, servicios contables — ya es de las mejores rutas de ingreso del país, y la IA la potencia en ambas direcciones: un profesional salvadoreño con buen inglés y dominio real de estas herramientas compite de igual a igual por trabajo remoto bien pagado; uno que solo ofrece la tarea rutinaria que la IA ya hace, compite contra un costo marginal cercano a cero. La misma ola que te puede subir te puede pasar por encima — la diferencia es todo lo que practicaste en este libro. Y en el mercado local: las empresas salvadoreñas recién están adoptando estas herramientas, lo que significa que un recién graduado que llega sabiendo usarlas con criterio (y enseñar a otros) trae una ventaja inusual: sos de la primera generación que puede ser "la persona de IA" de una organización sin tener veinte años de experiencia.

Una advertencia de humildad sobre todo este análisis: las predicciones sobre IA y empleo tienen historial de fallar en ambas direcciones, y las tablas de esta sección describen la tendencia visible en 2026, no una profecía. Por eso la apuesta sensata no es adivinar el futuro sino construir lo que es valioso en todos los futuros plausibles: criterio, capacidad de aprender rápido, y dominio profundo de algo. Conviene releer esta sección cada año con la misma actitud que el stack: revisión periódica, no fe ciega.

La trampa del junior. Hay una paradoja real que te toca de lleno: la IA hace mejor que nunca las tareas con las que tradicionalmente se formaban los juniors. La respuesta NO es evitar la IA (eso te hace lento sin hacerte profundo) ni delegarle todo (eso te deja hueco). Es la tercera vía que este libro practicó: usarla como multiplicador de aprendizaje — que te explique, te examine, te critique — para construir el criterio que el mercado paga, más rápido que las generaciones anteriores.

🛠️ En la práctica

Tres movimientos concretos para empezar este ciclo, ordenados por esfuerzo:

  1. Volvete bilingüe de verdad — con la IA como entrenador. Para el trabajo remoto, el inglés multiplica todo lo demás. Tu asistente sirve también para esto: "Conversemos en inglés sobre [tema de tu carrera]. Corregime cada error al final de cada mensaje tuyo, con la regla gramatical en una línea". Práctica diaria, gratis, sin vergüenza de equivocarte en público.
  2. Construí evidencia, no solo habilidad. El proyecto final de este capítulo existe por esto: "sé usar IA" lo dice cualquiera; un documento con tu sistema, tus verificaciones documentadas y tus resultados medidos lo dice casi nadie. Lo mismo aplica después: cada automatización que diseñés en un trabajo, documentala — eso es un portafolio creciendo.
  3. Sé quien enseña. En tu grupo de estudio, en tu primer trabajo, en el negocio familiar: la persona que sabe explicar estas herramientas con criterio (incluyendo sus límites — eso es lo que genera confianza) se vuelve referencia rápido. Enseñar el capítulo 4 de este libro a alguien es, además, la mejor manera de comprobar que lo dominás.

⚠️ Trampa común

La atrofia silenciosa. El error no es dramático, por eso es peligroso: delegás la redacción "solo por hoy", después cada semana, y a los seis meses notás que te cuesta escribir un párrafo sin el chat — la habilidad que no se ejercita se atrofia, exactamente como el músculo del gimnasio de la sección 5.1. La versión profesional es peor: el programador que ya no puede depurar sin IA, el analista que ya no lee un documento completo. Quedaste dependiente de la herramienta en vez de potenciado por ella — y tu valor de mercado es el de la herramienta, que es cero, no el tuyo.

Cómo se ve lo correcto: mantené práctica deliberada sin asistencia en las habilidades núcleo de tu carrera — como los pilotos, que vuelan con piloto automático pero practican aterrizajes manuales precisamente porque el automático existe. Concretamente: escribí algo completo vos cada semana; resolvé problemas sin chat antes de verificar con chat; y usá la prueba del parcial presencial (sección 5.1) también fuera de la universidad: ¿podrías hacer tu trabajo una semana sin IA? Si la respuesta te asusta, la respuesta es el plan de entrenamiento.

5.3 Qué automatizar y qué no

💡 Intuición

En toda cocina seria hay tareas que se delegan a las máquinas sin pensarlo (moler el maíz: nadie cree que el molino "hace trampa") y tareas que definen al cocinero y no se delegan jamás (sazonar, probar, decidir cuándo está). Y hay una tercera categoría traicionera: las que parecen mecánicas pero no lo son — amasar, dicen las abuelas, te avisa con las manos si la masa está bien, y quien nunca amasó no sabe leer ese aviso.

Tus tareas académicas y laborales vienen en las mismas tres categorías: las mecánicas de verdad (delegá sin culpa), las que te definen (jamás), y las que parecen mecánicas pero te estaban enseñando algo con las manos. El criterio de esta sección existe sobre todo para detectar la tercera.

📐 Fundamento

Criterio de tres preguntas para cada tarea de tu vida académica o laboral:

Pregunta 1 — ¿El esfuerzo es el producto, o es costo? Hay tareas donde el esfuerzo ES lo que comprás con ellas: resolver los ejercicios te construye el músculo, escribir el ensayo te construye el pensamiento. Automatizarlas es estafarte (sección 5.1). Y hay tareas donde el esfuerzo es puro costo: dar formato a referencias, pasar apuntes en limpio, el correo número doce con el mismo contenido. Automatizalas sin culpa.

Pregunta 2 — ¿Qué pasa si sale mal y quién se da cuenta? Si el error es barato y visible (una tarjeta de repaso mal generada: la ves y la corregís), automatizá con revisión ligera. Si el error es caro o invisible (un dato clínico, un monto en un informe, una cita académica), la tarea exige el protocolo del capítulo 4 — y si verificar cuesta más que hacerlo a mano, hacelo a mano.

Pregunta 3 — ¿Es repetida o es única? El retorno de automatizar crece con la frecuencia. Para una tarea única, el prompt artesanal rara vez paga su diseño; para la semanal, un prompt guardado y depurado (cap. 3) paga dividendos todo el ciclo.

La matriz resultante:

Esfuerzo = costo Esfuerzo = producto
Error barato/visible Automatizá a fondo (prompt guardado, revisión por muestreo) Usá IA como tutor/crítico, nunca como autor
Error caro/invisible Automatizá el borrador, verificación completa humana No automatices: hacelo vos, con IA solo para entender mejor

5.4 Tu stack personal

💡 Intuición

Un carpintero serio no tiene "una herramienta": tiene una caja armada con los años — el martillo de confianza, la sierra para cortes finos, y el criterio de cuál sale para cada trabajo. Tu stack personal de IA es eso: el conjunto pequeño y bien conocido de herramientas, prompts y reglas con el que trabajás por defecto. La palabra clave es pequeño: el valor no está en acumular herramientas (eso es coleccionismo), está en conocer profundamente unas pocas.

📐 Fundamento

Un stack útil tiene cuatro capas, y la mayoría de la gente solo documenta la primera:

  1. Herramientas: qué apps y modelos usás, y para qué casos cada una. Es la capa visible — y la menos importante, porque es la que más rota.
  2. Prompts: tu biblioteca personal, ajustada con uso real (cap. 3). Acá vive la mitad de tu ventaja: dos personas con la misma app y distinta biblioteca obtienen resultados de calidad completamente distinta.
  3. Reglas: integridad (sección 5.1), umbral de verificación (cap. 4), lista de NO pegar (cap. 4). La capa que te protege — la diferencia entre el usuario potente y el usuario potente que un día tiene un problema serio.
  4. Proceso de revisión: cuándo y cómo re-evaluás las otras tres capas. Sin esta capa, el stack se fosiliza: seguís usando en 2028 los hábitos de 2026 en un ecosistema que rotó tres veces.

El criterio para incorporar algo nuevo a cualquier capa es siempre el mismo: evidencia en tus tareas reales, nunca el anuncio, el video viral o el "todo el mundo lo usa". Una semana de prueba en tu trabajo real vale más que cien reseñas.

🛠️ En la práctica — armá tu stack (proyecto-hilo, parte 4)

Tu stack se documenta en una página — literalmente una — dentro de tu documento "Mi asistente de estudio". Plantilla:

MI STACK DE IA — [tu nombre], [fecha]

1. HERRAMIENTA PRINCIPAL: [app elegida en el cap. 2 y por qué, en
   una línea. Ej.: claude.ai — Proyectos para mis materias, Sonnet
   para el día a día, Opus/Fable para lo pesado.]
2. HERRAMIENTA SECUNDARIA: [para qué casos salís de la principal.
   Ej.: la app con mejor búsqueda web para info actual; Ollama
   local para datos sensibles.]
3. MIS 5 PROMPTS DE CABECERA: [los que más usás, del cap. 3,
   ajustados a tu medida: tutor, examen de práctica, crítica de
   ensayo, extracción, procesador semanal.]
4. MIS REGLAS: [(a) tu regla de integridad de la sección 5.1;
   (b) tu umbral de verificación del cap. 4; (c) tu lista de
   NO pegar.]
5. REVISIÓN: [una fecha cada 3-4 meses para re-evaluar: ¿salió
   algo mejor? ¿algún prompt ya no rinde? El ecosistema rota
   (cap. 2); tu stack también debe rotar — con criterio, no
   con cada moda.]

Dos consejos de mantenimiento: cuando un prompt te funcione notablemente bien, guardalo en el momento (el 90% de los buenos prompts se pierden por no anotarlos); y cuando salga un modelo nuevo con bombos y platillos, dale una semana de prueba en tareas tuyas reales antes de moverte — los benchmarks de marketing no estudian tus materias.

5.5 El proyecto final

::::{seealso} Proyecto final — Tu asistente de estudio personal, a prueba de parcial :class: proyecto

Alcance. Diseñar, documentar y evaluar con un parcial real tu asistente de estudio personal, integrando todo el libro: el prompt de tutor (cap. 1), la casa con materiales persistentes (cap. 2), la biblioteca de prompts de estudio (cap. 3), el protocolo de verificación (cap. 4) y las reglas de integridad y stack (cap. 5). Todo con herramientas de chat — cero código. Elegí un parcial o evaluación real que tengás en las próximas 2-4 semanas: esa es tu prueba de fuego.

Entregables (un solo documento, "Mi asistente de estudio v1.0", de 4-6 páginas):

  1. Ficha de diseño. Materia y parcial elegidos; app y modelos usados y por qué (criterios del cap. 2, no marcas por moda); qué materiales cargaste al espacio persistente.
  2. El sistema de prompts. Tu prompt de tutor completo (con las reglas de honestidad del cap. 4 integradas) + tus prompts de examen de práctica, explicación a medida y repaso, en versión final ajustada — no los del libro copiados: los tuyos, con las iteraciones que les hiciste documentadas en 1-2 líneas cada una.
  3. El protocolo de verificación. Tu checklist (cap. 4) y al menos 3 verificaciones reales documentadas durante el estudio: qué afirmó el asistente, cómo la triangulaste, veredicto. Bonus si cazaste una alucinación de verdad.
  4. La regla de integridad. Tu regla escrita (sección 5.1) y la declaración de uso de IA que acompañaría tu trabajo si la cátedra la pide.
  5. Evaluación de resultados. La parte que separa este proyecto de un ejercicio: (a) registro de uso — cuántas sesiones, qué prompts usaste más; (b) resultado del parcial real y tu comparación honesta contra tu rendimiento típico; (c) análisis — qué funcionó, qué no, qué cambiás para el próximo ciclo: 3 mejoras concretas para el asistente v1.1.

Criterios de éxito:

Tiempo estimado: 2-3 semanas calendario (el estudio para el parcial lo ibas a hacer igual — el proyecto solo le agrega diseño, registro y análisis: unas 4-6 horas netas extra).

Extensiones opcionales (si el proyecto base te quedó corto):

Por qué vale la pena: terminás con algo que casi nadie tiene — evidencia documentada de que sabés usar IA generativa con método, verificación e integridad. Eso es portafolio real para becas, primeros trabajos y para vos: el asistente v1.1 te acompaña el resto de la carrera. ::::

5.6 Cierre del libro

Empezaste este libro abriendo la caja de un autocompletador gigante; lo terminás con un sistema documentado, reglas propias y un protocolo de verificación que la mayoría de los usuarios — incluidos muchos profesionales — no tiene. El recorrido completo cabe en cinco frases:

  1. El modelo predice texto plausible; vos controlás el contexto que condiciona esa predicción (cap. 1).
  2. El ecosistema rota rápido; tus criterios de elección — tarea, costo, privacidad — no caducan (cap. 2).
  3. El valor está en los prompts trabajados e iterados, no en pedidos vagos (cap. 3).
  4. Lo plausible no es lo verdadero: verificás en proporción a lo que está en juego (cap. 4).
  5. La línea entre potenciarte y vaciarte la trazás vos, por escrito y por adelantado (cap. 5).

Esta guía es la primera de la serie porque todo lo demás se construye encima: las siguientes entregas profundizan en herramientas específicas — incluida la API, los agentes de programación y la ingeniería de prompts avanzada. Pero el fundamento ya lo tenés, y es el que no caduca con la próxima generación de modelos. Ahora andá a ejecutar el proyecto final: el parcial te está esperando.

Resumen visual

Mermaid

flowchart TD A["Una tarea con IA enfrente"] --> B{"¿El esfuerzo es
el producto?"} B -- "Sí (aprender,
pensar, crear)" --> C["IA como tutor y crítico.
Nunca como autor.
Regla de integridad escrita."] B -- "No (formato,
repetición)" --> D{"¿Error caro
o invisible?"} D -- "Sí" --> E["Automatizá el borrador.
Verificación completa
(protocolo cap. 4)."] D -- "No" --> F["Automatizá a fondo.
Revisión por muestreo."] C --> G["Tu valor profesional:
criterio + verificación +
conocimiento profundo"] E --> G F --> G G --> H["Stack personal documentado,
revisado cada 3-4 meses"]

Decisión Regla de este capítulo
¿Esto es trampa? Tres pruebas: explicación, parcial presencial, transparencia
¿Cómo lo declaro? Herramienta + pasos + qué fue tuyo + qué verificaste
¿En qué me formo? En lo que sube: criterio, verificación, dominio profundo, relaciones
¿Automatizo esta tarea? Esfuerzo-producto vs costo × precio del error × frecuencia
¿Qué herramientas uso? Pocas, conocidas a fondo, documentadas, revisadas por ciclo
¿Me estoy atrofiando? Práctica deliberada sin asistencia en las habilidades núcleo
¿Cómo lo demuestro? Evidencia documentada: el proyecto final es el primer ladrillo

Ejercicios

✏️ Ejercicio 1 — El tribunal de los seis casos

Clasificá cada caso como uso legítimo, trampa, o zona gris que depende de la norma de la cátedra — y justificá con las tres pruebas de la sección 5.1: (1) pedir 10 ejercicios de práctica extra antes del parcial; (2) entregar como propio un ensayo escrito por IA pero "revisado" por vos; (3) pedirle que critique la estructura de tu monografía terminada; (4) usarla para entender un paper en inglés que te cuesta; (5) generar el código de tu proyecto final de programación y entregarlo tras verificar que corre; (6) pedirle que convierta tus apuntes desordenados en fichas de repaso.

✅ Solución

(1) Legítimo: puro músculo extra, pasa las tres pruebas. (2) Trampa, sin matices: falla la prueba de la explicación y la de transparencia; "revisar" no convierte en autor. (3) Legítimo: crítica sobre trabajo ya hecho por vos — el patrón exacto del cap. 3. (4) Legítimo: comprensión es aprendizaje; mejor aún si después te examinás sobre el paper. (5) Trampa en un curso de programación (el esfuerzo de programar ERA el producto; que corra no es la prueba — falla la prueba del parcial presencial), zona gris o legítimo en un proyecto donde programar no es la competencia evaluada y la cátedra lo permite declarado. (6) Legítimo con matiz: el formato es costo, no producto — pero si nunca repasás las fichas activamente, automatizaste el estudio entero sin querer. Si tus justificaciones usaron las tres pruebas, el ejercicio está logrado aunque difieras en algún veredicto de zona gris.

✏️ Ejercicio 2 — Tu declaración de uso

Tomá un trabajo real que estés haciendo (o el último que entregaste) y escribí su declaración de uso de IA siguiendo el patrón de la sección 5.1: herramienta, pasos donde la usaste, qué quedó a cargo tuyo, qué verificaste. Si no usaste IA en ese trabajo, escribí la declaración del trabajo donde sí — y notá qué sentiste al escribirla: ¿hubo algún uso que te costó poner por escrito?

✅ Solución

Una declaración lograda: específica (no "usé un poco de IA" sino qué herramienta para qué pasos), separa asistencia de autoría, y menciona la verificación de lo riesgoso (citas, datos). El segundo hallazgo del ejercicio es el importante: si hubo un uso que preferirías no escribir, acabás de ejecutar la prueba de la transparencia sobre vos — esa incomodidad es información sobre dónde está tu línea real, y la respuesta correcta no es ocultar mejor sino ajustar el uso hasta que la declaración completa no te incomode.

✏️ Ejercicio 3 — Análisis de tu futuro puesto

Buscá un anuncio real de un puesto al que aspirarías al graduarte (local o remoto). Listá sus responsabilidades y clasificá cada una con la tabla de la sección 5.2: ¿baja de valor con IA, sube, o queda igual? Con eso respondé: ¿qué dos habilidades de ese puesto te conviene empezar a construir YA porque suben, y qué parte del puesto podría no existir en cinco años?

✅ Solución

No hay solución única; el patrón que debe emerger: las responsabilidades de producción rutinaria de texto/código/reportes caen en "baja"; las de criterio, relación con clientes, decisión con información incompleta y responsabilidad final ("garantizar que X esté bien") caen en "sube". Las dos habilidades a construir casi siempre incluyen alguna combinación de: dominio profundo del área (para verificar a la IA), comunicación con personas, y manejo experto de las propias herramientas de IA. Si todo el puesto te dio "baja de valor", no entres en pánico: acabás de hacer a los 20 años el análisis que mucha gente hace a los 45 con urgencia — elegí formación que apunte a la columna derecha.

✏️ Ejercicio 4 — Auditoría de tu matriz (retador)

Listá las 10 tareas que más tiempo te consumieron la última semana (académicas y no). Ubicá cada una en la matriz de la sección 5.3 (esfuerzo producto/costo × error caro/barato) y marcá: cuáles automatizás desde ya con tu stack, cuáles seguís haciendo a mano y por qué, y cuáles estabas automatizando MAL (delegando esfuerzo que era producto). Entregable: la matriz con las 10 tareas y una decisión por tarea.

✅ Solución

Criterios de una auditoría bien hecha: (1) las 10 tareas son reales y con tiempo estimado, no categorías abstractas; (2) cada decisión cita el cuadrante ("pasar apuntes en limpio: esfuerzo-costo, error barato → procesador semanal del cap. 3"); (3) encontraste al menos una en cada categoría peligrosa — una automatizable que hacías a mano por inercia, y honestamente, alguna donde estabas delegando esfuerzo-producto (el degradé de la sección 5.1 aparece en casi toda auditoría sincera); (4) las automatizaciones nuevas entraron a tu stack documentado, no quedaron en intención. Esta auditoría repetida cada ciclo es, en miniatura, la gestión de tu carrera entera con IA.

Para profundizar

Definiciones nuevas: integridad académica, prueba de la explicación, declaración de uso de IA, degradé asistente-autor, atrofia de habilidades, trampa del junior, matriz de automatización, stack personal, revisión periódica.

← Anterior Limitaciones y verificación
Reportar error en este capítulo · Patrocinar este libro