#Claude #Codex Lo común: Kosuke nunca lo ha usado, pero en sitios web donde se presta mucha atención al diseño, suelen separar la creación de especificaciones de la codificación. https://t.co/6ePkAFL6y4 【El 90% comete este error】¿Por qué cuando le pides a una IA que cree una aplicación, el resultado es “distinto a lo que esperaba”? Análisis exhaustivo del flujo de desarrollo para evitar desviaciones y el entorno de desarrollo en la nube “Kosuke” #chatgpt #claude El bosque de conocimiento de reck #AIResumen Análisis exhaustivo del nuevo servicio “Kosuke” para reducir fallos en el desarrollo de IA y sus diferencias con Codex 🔳 Causas de las expectativas incumplidas en el desarrollo de IA Cuando se le pide a una IA que cree una aplicación web, es común que genere resultados inesperados debido a suposiciones arbitrarias sobre condiciones ambiguas o a la pérdida de decisiones clave durante conversaciones largas. Para contrarrestarlo, es fundamental dividir el proceso en etapas: clarificación del objetivo, transferencia a la implementación y verificación del funcionamiento. 🔳 Características y funcionamiento de Kosuke Kosuke es un servicio que integra un entorno de desarrollo en la nube y procedimientos diseñados para agentes de IA. Divide las responsabilidades entre un “profesor” encargado de la definición de requisitos y la gestión del progreso, y una “sesión de desarrollo” independiente encargada de escribir el código, permitiendo transferir decisiones claras al equipo de implementación. 🔳 Integración del entorno de desarrollo con IA Cada sesión de desarrollo cuenta con un branch independiente, un entorno de ejecución y una pantalla de previsualización, lo que permite ejecutar múltiples tareas simultáneamente. Kosuke se integra con cuentas de IA como Codex y GitHub, permitiendo avanzar en el desarrollo sin afectar el código existente. 🔳 Aplicación semanal de tareas demostrada Se creó una aplicación personal que asigna una tarea diaria de una hora según el tiempo disponible, ordenada por prioridad. Se incluyeron funciones como registro del objetivo, condiciones de finalización, registro de resultados y replanificación ante cambios; pero se excluyeron funciones como inicio de sesión, compartir, sincronización con calendarios externos o notificaciones. 🔳 Clarificación de requisitos antes de la implementación En lugar de escribir código desde el principio, se pidió a la IA que formulase preguntas sobre los puntos pendientes para especificar los requisitos. Se definieron claramente el propósito, las funciones necesarias, las funciones excluidas y las condiciones de finalización; solo después de que un humano revisara y aprobara el plan se procedió a la implementación, reduciendo así malentendidos. 🔳 Transferencia de instrucciones al equipo de implementación Los requisitos confirmados se transfieren desde el “profesor” a una sesión de desarrollo independiente. Al separar la discusión sobre requisitos de la implementación, se evita la contaminación con información innecesaria y se reduce el riesgo de omitir decisiones clave. Este mecanismo fue especialmente valorado por el autor del post. 🔳 Confirmación y aprobación del diseño visual Antes de la implementación real, se generó un prototipo visual accesible desde el navegador para revisar el diseño y la interacción. Si era necesario, se solicitaban ajustes. El prototipo solo sirve para validar la apariencia visual; no garantiza funcionalidades como almacenamiento de datos. 🔳 Revisión del código y QA automático Tras aprobar el prototipo visual, se avanza a la implementación, revisión del código por IA, correcciones y QA automático. Se puede operar directamente la aplicación en el navegador y registrar evidencias mediante grabaciones o resultados de verificación. En pruebas previas, se detectó y corrigió un error en el que, tras cancelar una edición, se ejecutaba aún el proceso anterior. 🔳 Verificación del funcionamiento final En la aplicación implementada se verificaron: registro del objetivo y condiciones de finalización, adición de tareas, configuración de prioridades, asignación de tiempo y replanificación. Las funciones básicas funcionaron correctamente, aunque se identificaron áreas para mejorar, como colores y tamaños de fuente. En esta ocasión se priorizó completar una versión mínima funcional. 🔳 Integración en GitHub Tras completar la implementación y verificación, se revisó el contenido mediante un pull request en GitHub y se fusionó con la rama principal. El objetivo final fue la integración formal del código; no incluyó despliegue público en servidores externos. 🔳 Diferencias con Codex Aunque Codex por sí solo puede lograr un flujo similar combinando modo planificación, Skills y un entorno local de desarrollo, es necesario construir manualmente cada etapa: definición de requisitos, transferencia a implementación, previsualización, revisión, QA e integración con GitHub. La ventaja de Kosuke radica en que todos estos componentes vienen integrados desde el inicio. 🔳 Planes de precios y costos adicionales A octubre de 2026, el plan Starter cuesta 20 dólares mensuales con un crédito de 25 dólares para uso del entorno; el plan Pro cuesta 190 dólares mensuales con un crédito de 250 dólares. Un entorno pequeño estándar consume 0.15 dólares por hora, consumiendo créditos según tiempo activo. Los créditos para servicios de IA conectados como Codex son independientes y deben adquirirse por separado. 🔳 Problemas reales ocurridos Durante las pruebas previas se presentaron errores como previsualizaciones inaccesibles con error 403 a pesar de que el despliegue parecía exitoso, o rechazos automáticos para fusionar cambios por falta de aprobación en la revisión. Se resolvieron mediante ajustes manuales o fusión manual desde GitHub; esto confirmó que el desarrollo no puede dejarse completamente sin supervisión humana. 🔳 Notas importantes al usar el servicio Aunque los procesos automáticos impulsados por IA avanzan, sigue siendo esencial la revisión y aprobación humana del diseño visual. Los costos del entorno de desarrollo y los créditos para IA son independientes; no se puede usar ilimitadamente solo con la cuota mensual. Además, esta verificación no fue un experimento comparativo bajo condiciones idénticas; por lo tanto, no se puede afirmar que Kosuke sea superior a Codex en velocidad o calidad de desarrollo. 🔳 Método recomendado para pedidos en chats con IA Al solicitar algo a una IA, define claramente tres elementos: “lo que quieres lograr”, “las condiciones para considerarlo completado” y “lo que no harás en esta ocasión”. Luego, antes de ejecutar, pídele que identifique puntos pendientes; tras alcanzar consenso, organiza y transfiere al equipo de implementación: objetivo, restricciones, decisiones tomadas, puntos pendientes y métodos de verificación; esto reduce significativamente el riesgo de desarrollos no deseados.🔳 Usuarios adecuados para Kosuke Adecuado para quienes sienten carga al tener que diseñar manualmente cada paso del desarrollo de IA, o quienes desean llevar a cabo desde la definición de requisitos hasta la validación en un entorno integrado. Por otro lado, quienes pueden gestionar libremente su entorno y procesos de trabajo mediante herramientas como Codex pueden lograr un enfoque similar utilizando únicamente sus herramientas actuales. 🔳 Condiciones de prueba y recompensas por referencia Este video se evaluó en un entorno proporcionado gratuitamente con una suscripción Pro durante tres meses y sin límites de uso. Existe un sistema de recompensa para el creador cuando se realiza un contrato de pago a través de su enlace de referencia. Los beneficios y condiciones habituales de registro difieren de esta oferta especial. 🔳 La idea más importante en el desarrollo con IA No se trata de delegar completamente el trabajo a la IA, sino de definir claramente el objetivo y los criterios de finalización, transmitir con precisión las decisiones tomadas y ajustar el producto mientras se verifica su funcionamiento. La clave para acercarse al resultado esperado es establecer un proceso de desarrollo en el que el ser humano asuma la responsabilidad del juicio y la aprobación, en lugar de depender únicamente de las capacidades de la IA.