¿Estás usando la inteligencia artificial de forma demasiado conservadora? Esa es la pregunta que Felix Rieseberg, el cerebro detrás de la versión de escritorio de Claude Code, nos lanza. Según él, la clave para desbloquear el verdadero potencial de la IA reside en establecer metas que, a primera vista, parecen inalcanzables. Y lo más importante: convencer a la IA de que son perfectamente razonables.

Establece metas desorbitadas y confía en la IA

Imagina que quieres reducir el tiempo de carga de una web de 10 segundos a 5. Rieseberg sugiere ir mucho más allá: establece el objetivo en 0.2 segundos. ¿El modelo te dice que no puede hacerlo? Insiste. Persuádelo de que el problema tiene solución y que debe intentarlo de nuevo. Para Felix, nuestra ambición al asignar tareas a la IA debería ser mucho mayor.

Otra de sus recomendaciones es transformar los sustantivos de tus tareas en verbos. Por ejemplo, en lugar de pedirle a la IA que "haga una PPT para un informe", podrías reformularlo así:

En 30 minutos, convence a un grupo de personas ocupadas de tu explicación sobre la causa y el efecto de este asunto, y ayúdales a tomar decisiones cuando la situación aún no esté clara.

Este cambio de perspectiva no solo es un truco semántico; te obliga a pensar en el resultado final y en el impacto deseado, en lugar de centrarte en la tarea superficial.

Más allá de lo evidente: cómo exprimir la IA al máximo

Además de fijar objetivos agresivos, Rieseberg nos comparte otras prácticas para potenciar el uso de la IA:

  • No te limites a pedirle que "piense como un experto": Profundiza. Pregunta a la IA qué materiales originales consultaría un experto real, qué herramientas usaría y qué métodos adoptaría. Luego, incorpora esos requisitos a tu tarea.
  • No aceptes tu propio juicio como respuesta final: En lugar de eso, pídele a la IA que lo verifique. Que busque pruebas que lo respalden y, crucialmente, contraejemplos que puedan refutarlo.
  • No dejes que la IA se autoevalúe: Ejecuta el código en un entorno real, prueba las predicciones con datos nuevos y deja que los resultados hablen por sí mismos.

Las cuatro dimensiones de la ambición con IA

Desde el equipo de Claude, la idea de "ser más ambiciosos al usar IA" se ha convertido en un mantra. Rieseberg divide esta ambición en cuatro categorías fundamentales:

  • Velocidad: Completar el mismo trabajo en menos tiempo. Es el valor económico más básico que la IA puede aportar.
  • Altura: Elevar el nivel de abstracción de la tarea, enfocándote en el resultado final que quieres lograr, no en tareas específicas.
  • Profundidad: Abordar la tarea como lo haría un experto de alto nivel, investigando a fondo los datos, herramientas y problemas subyacentes.
  • Amplitud: Buscar soluciones en múltiples campos, utilizando conocimientos y métodos que normalmente no considerarías.

Aunque estas recomendaciones surgen de la experiencia con Claude, son aplicables a cualquier modelo de IA. La clave está en cambiar nuestra mentalidad y atrevernos a pedirle a la IA que haga más de lo que creemos posible.

Elevando el nivel de abstracción: el "por qué" detrás del "qué"

Cuando le asignas una tarea a un modelo de IA, en realidad le estás transmitiendo tu mejor idea de cómo lograr un resultado. Si quieres pensar en una dimensión superior, pregúntate: ¿qué quieres que suceda después? ¿Cuál es el objetivo detrás del objetivo?

Rieseberg nos pone un ejemplo práctico con una tarea de oficina: preparar un PPT para una revisión trimestral de negocios (QBR). En lugar de solo pedirle a Claude que "haga una PPT", podemos ir mucho más allá:

  1. Deja que entienda el negocio: Dale a la IA todos los datos posibles y pídele: "Dime qué cambios ocurrieron este trimestre, por qué sucedieron y qué acciones deberíamos tomar".
  2. Que identifique las decisiones clave: Una buena reunión debe terminar con decisiones. Pídele a Claude: "Basado en toda la información, determina las tres decisiones más urgentes, analiza las posibles direcciones de acción y lista los pros y contras de cada una".
  3. Que rediseñe el mecanismo de trabajo: Desafía a la IA a mejorar el proceso. "El objetivo de la revisión es que la gerencia descubra problemas temprano y asigne recursos correctamente. Diseña un método mejor que la PPT trimestral, usa nuestros datos históricos para probar qué problemas podría haber descubierto antes, y ejecútalo en paralelo con el método actual durante un trimestre".

Este enfoque funciona mejor cuando buscas un resultado final muy específico, aunque es menos aplicable a tareas puramente creativas. Una buena señal para saber si puedes elevar el objetivo es si la tarea se va a discutir en una reunión. Si es así, sube un nivel.

La observación general es clara: a medida que las capacidades de la IA aumentan, los modelos son cada vez más capaces de trabajar en niveles de abstracción superiores. Esto no solo nos ayuda a conseguir mejores resultados, sino que también nos permite encontrar flujos de trabajo sostenibles que no requieran una intervención humana constante.

Para lograrlo, a menudo necesitarás modificar tus flujos de trabajo existentes. Por ejemplo, para que Claude asegure que una aplicación no falle, primero debe tener acceso a los informes de fallos, entender a qué commit de Git corresponde cada versión, y tener acceso a los sistemas operativos relevantes para reproducir el problema y verificar la solución de forma independiente.

En resumen, la invitación de Felix Rieseberg es a ser audaces. A no subestimar lo que la IA puede hacer y a empujarla más allá de los límites que nosotros mismos le imponemos.