Acabo de terminar de leer este artículo y reorganizó silenciosamente cómo pienso sobre el entrenamiento de IA en absoluto. La esencia es que nadie realmente se vuelve bueno a partir del trabajo final; en cambio, te vuelves bueno a partir del marcado, la parte en la que alguien experimentado te muestra qué estaba mal y por qué. La edición es la lección, no la versión final limpia... Y eso es exactamente cómo la IA se volvió buena en programación también. Nunca aprendió de código final, aprendió de los diffs. Cada corrección, cada reescritura, cada “no, hazlo así” que Git guardó a lo largo de los años. Pero en todas partes más, desechamos esa parte. El informe se envía, la memorándum se archiva, el contrato se firma, y el pensamiento que lo produjo desaparece. Un documento es la salida del juicio con el juicio eliminado. > Es por eso que “capturar tu conocimiento” buscando documentos antiguos nunca funcionó. Cada empresa construyó un sistema de registro... lo que sabe. Nadie construyó el sistema de juicio... lo que realmente decide que es bueno. Y el juicio se revela, no se declara... las entrevistas mienten, las ediciones no. > Esta es la parte que el debate sobre “no entrenable / corrección privada” sigue ignorando: no es no entrenable, simplemente vive en el único lugar que todos eliminan. Pídele a cualquier empresa su tasa de aceptación y ni siquiera puede decírtelo... nadie guardó las marcas rojas. El software simplemente tuvo la suerte de conservar sus recibos. El derecho y las finanzas nunca construyeron su Git. El juicio está en el diff.

Los ingenieros de Anthropic acaban de construir una aplicación completa desde cero utilizando únicamente un bucle de agentes. 40 minutos del equipo que desarrolla Claude Code. Tres agentes funcionando en un ciclo: uno planifica, uno construye y uno evalúa, repitiéndose hasta que la aplicación funciona realmente. Nadie en esa demostración escribió el mismo prompt dos veces. Diseñaron el bucle una sola vez y se retiraron. Míralo, luego lee la guía completa sobre cómo construir uno a continuación.

Pensé que llegaba tarde a la IA, pero tras una investigación intensa, creo que apenas está comenzando. Por supuesto, nada sube en línea recta. Habrá auge y caídas. Pero no participar en ella y llamarla una burbuja es inaceptable.

¿Pueden los jueces de IA cometer errores de razonamiento similares a los humanos? Lanza dos dados. Al menos uno es un 6. Muchos dicen 1 entre 6 Correcto: 1 entre 11 Una trampa lógica sencilla—también observada en modelos de IA. #AI #Ontology #DID #Web3

Una limpieza de 2 minutos puede hacer que Claude se sienta como si hubieras actualizado los modelos. El video no trata sobre algún prompt secreto. Se trata de eliminar la basura que ya le diste a Claude. Habilidades antiguas, conectores inactivos, herramientas medio usadas, instrucciones aleatorias del espacio de trabajo, experimentos abandonados. Todo eso puede permanecer en segundo plano y envenenar silenciosamente el contexto. Luego la gente dice: “Claude se volvió peor.” Quizás. O quizás lo convertiste en un navegador lleno de 47 pestañas y le pediste que pensara con claridad. Esto importa porque el rendimiento del agente no depende solo de la calidad del modelo. Es higiene del contexto, disciplina con las herramientas y cuánta basura irrelevante el sistema debe arrastrar antes de responder. El artículo trata realmente sobre la misma lección para el operador: una IA más inteligente no salva una configuración desordenada. El modelo puede ser potente y aún así producir resultados débiles si el entorno que lo rodea es ruidoso. A veces, el cuello de botella no es Claude. Es el cajón de cachivaches al que lo conectaste.

Una cosa que me llamó la atención de ExpRL es que revela una limitación de cómo actualmente pensamos sobre el progreso de la IA. La mayoría de los benchmarks solo miden si el modelo llega a la respuesta correcta. Rara vez miden cuántas ideas útiles se exploraron y descartaron en el camino. La innovación humana a menudo surge de intentos fallidos, no de intentos perfectos. Un científico puede probar cientos de hipótesis erróneas antes de encontrar la correcta. Sin embargo, el RL tradicional trata cada camino fallido como igualmente sin valor. ExpRL sugiere que puede haber información valiosa oculta dentro de esos fracasos. Esa idea parece importante más allá de los benchmarks matemáticos. A medida que los agentes de IA se vuelvan más capaces, los ganadores podrían no ser los modelos que encuentren respuestas más rápido, sino los que aprendan más de sus errores. Esto también es por qué la verificación es importante. Sin formas confiables de evaluar el razonamiento y las salidas intermedias, no podemos distinguir la exploración productiva de la pura alucinación. El futuro de la IA podría depender menos de generar respuestas y más de entender qué errores valen la pena aprender.

El único tweet que necesitas para sobrevivir a la IA. Recientemente me senté y escribí 10 "reglas" para sobrevivir la próxima era de la IA. Sin basura de IA: solo mis pensamientos genuinos. Si te preocupas por el desplazamiento laboral o cualquiera de los efectos secundarios de la IA, espero que leas esto: Regla #1: Sé rápido La habilidad número uno en la era de la IA es alta agencia. La información ya no es una ventaja competitiva. Tu ventaja ahora es la velocidad. Haz que tu objetivo ser alguien que actúa rápidamente. Regla #2: Crea un negocio La IA está creando MUCHAS oportunidades de negocio. La información ahora es abundante, y no tienes ninguna excusa para no construir un negocio con flujo de efectivo. Regla #3: Usa IA todos los días Ser nativo de la IA ya no es opcional. Intégrala en tu vida y esfúrzate por estar a la vanguardia. Regla #4: EQ > IQ Cuando todos tienen acceso a las mismas herramientas de IA, el diferenciador ya no es la inteligencia; es tu capacidad para conectarte con otras personas. Regla #5: Prioriza tu salud Empieza con cosas simples: dormir, hacer ejercicio, hidratarte y alimentarte bien. Regla #6: Construye una marca personal La distribución es la nueva ventaja competitiva. Hacer contenido es gratis, y es el mejor canal de distribución. Regla #7: Aprende a vender Esta es la habilidad que nadie menciona. La IA puede construir el producto, escribir el texto, diseñar el sitio y ejecutar los anuncios, pero aún no puede construir conexiones humanas. Regla #8: Invierte Invierte en ti mismo (habilidades) y en la IA (palas y picos). Este es el mayor burbuja que hemos visto nunca: aprovecha esta oportunidad. Regla #9: Haz redes Construye tu red. Tu red es tu red de seguridad definitiva y cómo conseguirás nuevas oportunidades. Regla #10: Mantén la curiosidad Esta es la meta-habilidad que alimenta todo lo anterior. Aquellos que pueden aprender e iterar rápidamente son ahora más valiosos que nunca. Guárdalo para no olvidarlo.

[APRO Intelligence #07] ──────────────── La IA es increíble en STEM, programación y matemáticas. Pero la empatía, el juicio estético, leer el ambiente, percibir causalidades lentas: la IA aún está muy, muy lejos de nosotros. Daniela de Anthropic lo expresó perfectamente: “Estamos entrando en una era donde el núcleo humano se vuelve sin precedentes en su valor.” Crea con IA. No olvides lo que te hace irremplazable. → @APRO_Oracle

Guillermo Rauch, CEO de @vercel: "todos los tasks en el mundo eventualmente se convierten en tasks de programación. por eso todos los laboratorios compiten por lo mismo... un agente de programación que funciona sin ti." el desglose más claro de hacia dónde va realmente la IA de programación. vale más que cualquier curso de agente de $500. míralo, luego lee cómo ejecutar uno mientras duermes a continuación.