Ya está disponible el segundo episodio de Tecnología sin fuegos artificiales. Esta vez dejamos a un lado la geopolítica del episodio anterior y bajamos a algo mucho más práctico: cómo conseguir que la IA que usas cada día te dé respuestas realmente útiles. Te cuento de qué va y, al final, tienes el enlace para escucharlo.
Justamente el año pasado escribí este articulo en el que contaba mis comienzos con este entrenamiento que te explico en el episodio, puedes leerlo aquí.
Hay una escena que se repite todos los días, en millones de pantallas.
Alguien abre ChatGPT, Claude o Gemini, pide algo, y recibe una respuesta correcta pero plana. Genérica. De esas que sirven para todo y no acaban de servir para nada. Y de ahí sale la conclusión de siempre: "bah, la IA todavía no está a la altura".
En el segundo episodio de Tecnología sin fuegos artificiales defiendo justo lo contrario. El problema, la mayoría de las veces, no es el modelo. Eres tú, que lo estás tratando como a un desconocido.
El desconocido en la calle
Imagina que paras a la primera persona que ves por la calle y le pides ideas para felicitar a un amigo por su cumpleaños. Por muy lista que sea esa persona, ¿qué te va a decir? No sabe quién es tu amigo, ni qué os une, ni cómo hablas tú, ni si tenéis alguna broma privada que valga como coletilla. Va a ciegas.
Una IA a la que le hablas por primera vez, sin darle contexto, está exactamente en esa situación. Y aquí está la primera idea del episodio: hoy, para la mayoría de la gente, los modelos ya no se diferencian tanto entre sí. Lo que marca la diferencia es cuánto sabe el modelo de ti.
Dos cosas que solemos confundir
Cuando hablamos de "hacer que la IA sea más útil", en realidad mezclamos dos cosas distintas.
Una es el contexto puntual: la información que le das para una tarea concreta. La usas, cierras la conversación y desaparece.
La otra es entrenar a la IA con información sobre ti: que sepa, de forma permanente, quién eres, cómo trabajas y qué esperas, para no tener que repetirlo cada vez.
El contexto mejora una respuesta. El entrenamiento mejora todas las que vengan después. Y de esto segundo va el episodio.
Un matiz técnico que casi nadie cuenta
Aviso para no vender humo: cuando le cuentas cosas sobre ti, no estás modificando el modelo por dentro. Eso es fine-tuning, es caro y está reservado a empresas.
Lo que ocurre es más sencillo, y más curioso de lo que parece. Los grandes modelos de lenguaje —los LLM— no tienen memoria propia. No existe tal cosa por cómo están construidos. Lo que hay es un espacio que crean los proveedores para guardar información sobre ti y volver a pasársela al modelo en cada mensaje, como contexto. A eso lo llamamos "memoria", pero en el fondo es contexto reinyectado por detrás. Por eso funciona incluso en modelos que no son los más nuevos: no depende de un cerebro más grande, depende de que tú le des buen material.
(En el episodio también explico por qué me niego a llamar "ChatGPT" a todo esto. Pista: tiene que ver con la Coca-Cola.)
Me usé de conejillo de Indias
La parte personal del episodio es esta. Empecé contándole al modelo cosas de mi yo profesional, y las respuestas ya mejoraron mucho. Pero después fui más lejos y le conté también cosas personales —solo aquello con lo que me sentía cómodo— y el nivel de acierto se disparó. No es que escribiera mejor en general: es que empezó a acertar con mi enfoque, con el ángulo que yo habría elegido.
De ahí sale la idea que da sentido a todo: el límite del acierto no lo pone el modelo, lo pones tú, con lo lejos que estés dispuesto a dejar que te conozca. Con un matiz igual de importante: ve tan lejos como te sientas cómodo, y ni un paso más. Es una invitación, no una orden.
El aviso que evita que todo esto falle
Hay una condición previa sin la cual nada funciona: una persona, una cuenta.
Si compartes la cuenta con tu pareja, tu familia o un compañero, el modelo no sabe quién le habla en cada momento y mezcla en una misma memoria lo que aprende de todos. El resultado es un perfil confuso, una especie de Frankenstein hecho con trozos de varias personas, y las respuestas dejan de acertar porque están pensadas para alguien que no existe.
Y la cara B
La memoria también tiene su lado incómodo, y en el episodio no lo escondo. Puede quedarse anticuada (le dices en enero que entrenas para un maratón, te lesionas en marzo y él sigue a lo suyo). Puede colarse donde no la quieres. Y a veces estorba, cuando lo que buscas es una respuesta neutra o probar algo nuevo; para eso están los chats temporales, que arrancan sin recuerdos.
La memoria es una herramienta. Y como toda herramienta, lo importante es saber cuándo usarla y cuándo apagarla —además de saber dónde está el botón de borrar y cómo evitar que tus datos se usen para entrenar, algo que también repaso.
En el episodio, además
El grueso práctico se queda para el audio: tres métodos concretos para entrenar a tu IA sin saber programar —el documento maestro sobre ti, la entrevista al revés y el entrenamiento por bloques— con dos prompts listos para copiar y pegar.
Escucha el episodio 2
👉 En la web además ahí encontrarás los enlaces a tu plataforma de podcasts favorita.
Dura poco más de veinte minutos y, como siempre, sin titulares llamativos ni promesas exageradas. Si al terminar ves la IA de otra manera, compártelo con alguien que la use cada día y aún la trate como a un buscador. Y si quieres no perderte los próximos episodios, suscríbete al podcast.
Tecnología sin fuegos artificiales. Sin titulares llamativos. Sin promesas exageradas. Solo lo que de verdad importa entender.