Notas del seminario: de chatear con la IA a delegar trabajo real.
Día 1
De chatear a delegar
Apertura del seminario: vimos cómo está cambiando nuestra forma de usar la IA y por qué hoy ya no basta con hacer preguntas.
1
El nuevo paradigma
Durante años usamos la IA como un chat: hacíamos una pregunta, leíamos la respuesta y decidíamos nosotros el siguiente paso.
La IA de hoy ya no solo responde: recibe un objetivo, lo divide en pasos y usa herramientas (buscar, leer archivos, ejecutar código) para entregar un resultado terminado.
Pasamos de pedir respuestas a delegar resultados: definimos qué queremos y supervisamos la ejecución.
2
El salto de 2026
2023 · La IA generativa llega a todo el mundo como un chat que redacta, resume y genera ideas.
2024 · Los modelos empiezan a razonar mejor, analizar documentos y trabajar con imágenes.
2025 · La calidad permite resolver trabajos completos combinando varias fuentes.
2026 · Llega la capa agéntica: la IA interpreta objetivos y decide cómo avanzar dentro de los permisos que le damos, sin guiarla paso a paso.
3
Goal Engineering
El prompting clásico le dice a la IA CÓMO hacer cada paso; el Goal Engineering describe QUÉ resultado queremos, con contexto, fuentes y límites.
La regla de oro: «basura entra, basura sale». Si el objetivo o el contexto son vagos, el resultado lo sufre.
Cuatro ingredientes de un buen objetivo: resultado esperado, contexto y fuentes, límites y permisos, y criterios de calidad.
4
Skills y subagentes
Una skill es un procedimiento guardado que la IA activa sola cuando la tarea lo necesita, para resultados consistentes sin repetir instrucciones.
Un subagente es un agente secundario al que el agente principal le delega partes del trabajo.
Un proyecto es un espacio con archivos e instrucciones propias donde la IA opera con contexto persistente.
5
La cifra que motiva
La gran mayoría de los usuarios sigue usando la IA solo como chat.
Quien aprende hoy a delegar tiene una ventaja real sobre el resto.
Idea clave
Deja de preguntar y empieza a dirigir: define el resultado, da contexto y supervisa.
Día 2
De la idea a la primera versión
Segunda jornada: convertimos una idea descrita con claridad en un prototipo funcional usando vibe coding, Sites y agentes.
1
Qué es el vibe coding
Crear software explicando con palabras lo que necesitas: la herramienta interpreta la idea, propone la estructura y escribe el código de una primera versión.
No escribes cada línea, pero sí entiendes el objetivo y evalúas el resultado: tu trabajo es explicar el problema, marcar límites y comprobar que la app responde como esperas.
Flujo: define usuario y propósito, entradas y salidas, pide una primera versión, prueba los recorridos principales, solicita cambios concretos y repite.
2
Lovable y los agentes constructores
Lovable es un agente especializado en crear aplicaciones web mediante una conversación: describes la idea y las pantallas, y genera interfaz, navegación y lógica inicial.
La mayoría de sus proyectos fueron creados por personas sin conocimientos técnicos; la calidad del resultado depende de la calidad del encargo.
Buena primera instrucción: tipo de usuario, acción principal, datos a guardar, pantallas y estilo — y pedir que enumere supuestos antes de construir.
Pide un cambio de lógica cada vez; así sabes qué modificación produjo cada resultado y no rompes lo que ya funcionaba.
3
Del vibe coding al superagente
Todo trabajo agéntico parte de cinco piezas: objetivo, contexto, herramientas, límites y criterio de terminado.
El salto no es técnico sino de método: ajustar tus procesos a la era agéntica.
4
Sites y conectores de ChatGPT
Con Sites puedes crear una web o un CRM directamente desde ChatGPT describiendo alcance, datos y comportamiento con un alcance cerrado.
Los conectores amplían lo que el agente puede hacer (imágenes, video, datos externos); instala solo los que realmente necesitas.
5
Antes de publicar
El vibe coding acelera la construcción, pero el criterio sigue siendo tuyo: autenticación, copias de seguridad, validación de datos y revisión antes de lanzar algo crítico.
Tras cada cambio, vuelve a probar lo que ya funcionaba para detectar regresiones.
Idea clave
Una idea descrita con claridad puede convertirse en prototipo el mismo día; la velocidad no elimina la verificación.
Día 3
ChatGPT en modo ejecución
Tercera jornada: aplicamos lo aprendido a trabajos reales y verificables — menús, currículums, propuestas, reuniones y onboarding — con skills como procedimientos reutilizables.
1
Casos reales en la demo
Menú interactivo: una carta tradicional convertida en app con carrito, abierta desde un código QR, en unos 25 minutos.
Currículum adaptado a una oferta concreta: destacar solo experiencia real, sin inventar estudios, cargos ni resultados.
Propuesta comercial: convertir un presupuesto en una página que explique valor, alcance y siguiente paso — conservando importes y condiciones exactos.
Procesar una reunión: de la transcripción a decisiones, tareas con responsable y fecha, y borradores — sin enviar nada hasta revisarlo.
Onboarding: reunir cómo trabaja la empresa, herramientas y primeros pasos en un paquete de bienvenida reutilizable.
2
El método que se repite
1. Elige una tarea concreta, repetitiva y verificable. 2. Instala o crea una skill que defina cómo hacerla. 3. Aporta fuentes reales, actualizadas y autorizadas.
La regla que nunca cambia: si falta un dato, la skill lo marca como pendiente — nunca lo inventa.
3
El repositorio de skills
Una skill se instala subiendo su archivo a ChatGPT Work y se activa escribiendo $nombre-de-la-skill; luego la personalizas respondiendo sus preguntas.
Cuando una skill produce resultados consistentes, documéntala y compártela: el aprendizaje deja de depender de una conversación aislada y se convierte en proceso.
Habilita únicamente los conectores que realmente necesites — menos acceso, menos riesgo.
4
La calidad sigue siendo tuya
Revisa cada resultado como si fueras el destinatario: un cliente, un reclutador o un compañero nuevo.
La IA acelera el trabajo, pero la decisión final y la calidad siguen bajo tu responsabilidad.
Idea clave
Tarea concreta + skill + fuentes reales + revisión humana: esa es la fórmula que convierte demos en trabajo útil.
Este material se irá actualizando conforme avance el seminario.
