Construyendo una Oficina de IA Predecible para una Delegación Consistente
Fuente: Social Media Examiner
BuildingPredictableOffice
¿Cansado de tener que volver a explicar tus procesos, plantillas y preferencias cada vez que abres ChatGPT o Claude? ¿Te preguntas cómo configurar un espacio de trabajo con IA que te permita delegar tareas reales y obtener siempre el mismo resultado fiable? En este artículo descubrirás cómo construir un espacio de trabajo de IA, o «oficina de IA», compuesto por documentos de procesos, plantillas y contexto histórico, que ChatGPT, Claude y otras herramientas de IA pueden consultar para completar el trabajo delegado de manera consistente. Este artículo fue co-creado por Tiffany Kyazze y Michael Stelzner. Para saber más sobre Tiffany, desplázate hasta el final del artículo.
Por qué un espacio de trabajo con IA hace posible la delegación
Tiffany Kyazze llegó a la IA a través de la automatización, que ella define como una secuencia: cuando ocurre esto, entonces ocurre aquello. En su comunidad AI Flow Club, enseña a los emprendedores a construir sistemas de IA deliberadamente «aburridos», bien pensados y validados una sola vez, para luego ofrecer resultados en los que se pueda confiar. Dado que la IA no siempre produce resultados deterministas, su objetivo es hacerlo controlado, acotado y rentable. Solo se puede delegar trabajo en la IA cuando el resultado es predecible. Tiffany compara el ideal con un McDouble de McDonald’s: es exactamente igual cada vez, y ese es el punto. Un espacio de trabajo con IA proporciona esa predictibilidad al ofrecerle a la IA un único lugar donde encontrar los estándares, procesos y plantillas para cada tarea que se le solicite realizar.
#1: Proporciona a la IA solo el contexto que cada tarea necesita, empezando por lo básico
El error más común que ve Tiffany es la creencia de que la IA necesita saberlo todo: las motivaciones personales, cómo trabaja alguien, qué está ocurriendo en su vida y los datos de todas las aplicaciones que haya usado alguna vez. Las páginas de conectores y complementos en ChatGPT y Claude hacen esto tentador porque aparecen listadas tantas aplicaciones familiares. El problema es que un modelo de lenguaje grande asume que cualquier información introducida en una conversación está destinada a ser utilizada. Si alguien le dice a la IA que se siente cansado y le pide que redacte un correo electrónico declinando una invitación a un podcast, es probable que el mensaje indique que el remitente está cansado, cuando quizás quería decir simplemente que el horario no le conviene. Los datos conectados conllevan el mismo riesgo. Un conector de Stripe puede ayudar a conciliar los ingresos, pero si la IA sabe que un negocio genera 10 000 dólares semanales, esa cifra podría terminar apareciendo en publicaciones de redes sociales. Los sistemas de «segundo cerebro» son útiles para recordar una historia personal, pero, según Tiffany, la IA no necesita esa historia para realizar el trabajo. Para cada tarea, las preguntas correctas son: ¿qué información es relevante y cuál es el riesgo si la IA comparte demasiado? El contexto preciso también ahorra tokens. Sin una plantilla, una solicitud para resumir una reunión obliga a la IA a decidir cómo debe ser ese resumen, qué incluir y qué se considera valioso. El resultado es un documento más largo lleno de información que es relevante pero innecesaria. Si el resumen no está diseñado para centrarse en el avance del proyecto, por ejemplo, los cinco minutos que los participantes dedicaron a hablar de su fin de semana terminarán incluidos en él. Tiffany recomienda definir tanto el tipo de información necesaria como la estructura del resultado final. Esta definición también evita que la IA lea más de lo necesario: para resumir una llamada, utiliza únicamente la transcripción de la llamada y la plantilla de resumen de llamadas, no archivos ajenos como las reglas de programación.
Cómo iniciar un espacio de trabajo con IA sin sobrecargarlo
Una tendencia popular ha sido utilizar una "instrucción maestra" (master prompt), una autobiografía que se proporciona a la IA con cada solicitud. Algunas personas han redactado instrucciones maestras de 90 páginas. Tiffany considera que esto es demasiada información, ya que la IA no presta suficiente atención a los pequeños detalles enterrados en un documento tan extenso. Además, es difícil de mantener: si el tono de marca necesita cambiar, encontrar esa sección y todas las demás que influyen en ella requiere mucho tiempo. En su lugar, Tiffany recomienda comenzar con solo un par de elementos y asegurarse de que cada uno funcione correctamente. Empezar por lo básico permite ajustar cada adición y ver exactamente cómo la IA utiliza esa información. Con 55 documentos en la carpeta desde el primer día, es difícil saber a cuáles recurre la IA al generar un resultado. Cualquier persona que ya tenga esa cantidad debería indicarle explícitamente a la IA qué documentos utilizar para cada tarea. Luego, si el resultado es deficiente, solo hay dos lugares donde buscar: la instrucción o el contexto. Un proyecto de Claude que ya funcione bien es un buen primer candidato. Un proyecto es una carpeta con instrucciones y archivos centrados en una sola tarea, por lo que puede convertirse en una subcarpeta del nuevo espacio de trabajo, al que cualquier herramienta de IA puede acceder.
#2: Elegir dónde reside el espacio de trabajo con IA
Un espacio de trabajo con IA es una carpeta en la computadora con información organizada en subcarpetas. Tiffany lo describe como un archivador digital, similar al que recibió en su primer empleo, con pestañas que explican cómo manejar cada situación, como una llamada a la recepción. En lugar de pestañas para información administrativa, procesos y plantillas, el espacio de trabajo tiene subcarpetas, y la IA sabe exactamente dónde encontrar cada una la próxima vez que surja una tarea. El espacio de trabajo funciona con herramientas que pueden acceder a archivos, como Claude Cowork, Claude Code, ChatGPT Work y ChatGPT Codex. Según Tiffany, ChatGPT estándar también tiene acceso al sistema de archivos. Google Drive también puede servir como fuente de verdad, ya que se conecta con casi todas las herramientas de IA.
Cómo configurar el espacio de trabajo con Markdown y Obsidian
Tiffany mantiene su espacio de trabajo en el sistema de archivos de su computadora como archivos Markdown. Cada archivo solo tiene unos pocos kilobytes, lo que mantiene bajo el uso de tokens. Ella llama a Markdown el primer lenguaje de la IA. Incluso sin formato, es fácil de leer: un numeral (#) marca un encabezado y los asteriscos (*) marcan el texto en negrita. Para quienes no quieren leer el código Markdown en bruto, Tiffany recomienda Obsidian, que muestra los archivos con un formato limpio e indica qué documentos están conectados. Esas conexiones permiten que la IA extraiga todo lo necesario para una tarea. Por ejemplo, un proceso de correo electrónico puede vincularse a ejemplos de correos, una plantilla de correo y las reglas para decidir a qué mensajes merece respuesta. Tiffany prefiere Obsidian a Notion porque la IA localiza la información en él más rápido. Una búsqueda en Notion dentro de Claude escanea muchos campos, y sus bases de datos en Notion a veces tienen 20 o 30 columnas. Obsidian almacena el mismo tipo de campos en YAML, un pequeño bloque de código al principio de cada archivo, y aún así muestra el archivo como una base de datos.
Cómo sincronizar el espacio de trabajo con un equipo usando GitHub
Tiffany sincroniza su espacio de trabajo con GitHub. Mantiene una carpeta para la oficina de su equipo en su computadora, y su compañera Taylor, quien vive en Canadá, conserva una carpeta idéntica en la suya. Cuando Tiffany envía cambios a GitHub, la carpeta de Taylor se actualiza automáticamente; y si ambas editan el mismo documento, GitHub fusiona los cambios sin que uno sobrescriba al otro. Además, GitHub proporciona a las nuevas herramientas de IA acceso a la información sin entregarles el control del sistema de archivos. Cuando Muse se lanzó, Tiffany lo apuntó hacia su repositorio de GitHub en lugar de darle acceso directo a su computadora, y así obtuvo la información que necesitaba.
#3: Llenar la oficina de IA con documentos de proceso, plantillas y contexto histórico
Tiffany denomina al espacio de trabajo terminado como una "oficina de IA": una carpeta de archivos que la IA utiliza como punto de partida. Contiene tres tipos de contenido.
- Documentos de proceso: Un documento de proceso describe los pasos a seguir y funciona como un procedimiento operativo estándar. Las normas de Tiffany para decidir qué correos electrónicos merecen respuesta son un ejemplo.
- Plantillas: Una plantilla es ya sea un ejemplo de un resultado final o un documento que la IA duplica y completa. Una plantilla para completar podría incluir solo los encabezados con