La IA de verdad empieza antes del chat: criterio, carpetas y ejecución
Abrir un chat y copiar-pegar no es todavía automatizar. El salto está en definir el proceso, ordenar el contexto en una carpeta y usar OpenCode o Visual Studio Code para que la IA ejecute el trabajo.
Video completo
Este artículo acompaña el video. Si querés escuchar la explicación directamente de Juan, acá está:
Abrir un chat no es lo mismo que automatizar
Abrís ChatGPT, le pegás un Excel, hacés una pregunta y recibís una respuesta. Después copiás el resultado, lo acomodás y lo llevás a otro documento.
Eso puede ser útil. Pero, en la lógica del video, todavía no es automatizar tu trabajo. El trabajo pesado sigue en tus manos: cruzar información, armar reportes, revisar qué pasó y presentar el resultado.
La diferencia importante no es que un chat sea inútil. La IA sí sirve. El problema es cómo se implementa. Una herramienta que apenas te devuelve texto puede ayudarte a pensar; una herramienta conectada con un proyecto y sus archivos también puede ejecutar pasos sobre ese contexto.
La autocrítica del video va por ahí: llevar un archivo a una ventana, hacer una pregunta y copiar la respuesta no quita necesariamente el proceso de encima. Cambia una parte, pero no cambia el trabajo completo.
El techo de una herramienta sin fundamentos
También hay una crítica a ciertos cursos que se quedan en mostrar íconos de aplicaciones, hacer una imagen, un video o un meme, o enseñar una herramienta por encima. Eso puede servir para empezar. El techo aparece cuando toca resolver algo real y no alcanza con saber dónde está cada botón.
El video cuenta la historia de un amigo que ya era un usuario avanzado de una herramienta de IA. Creó una integración con un sistema contable y una aplicación. Después, la integración dejó de funcionar porque la plataforma le informó que estaba haciendo un uso indebido de la API. La aplicación que quería mostrar tampoco funcionó: no pudo abrirla ni siquiera entrar.
Esto está contado como una anécdota del video, no como una explicación técnica verificable sobre una plataforma concreta. La enseñanza no es que una herramienta específica sea buena o mala. Es que usar mucho una herramienta no garantiza saber implementar una solución que funcione en producción.
La comparación del video es sencilla: un contador puede pedirle a un primo o a su mamá que haga unos estados financieros con IA. Tal vez los haga. Pero si no sabe cómo se construyen ni cómo se revisan, no tiene cómo verificar que estén bien.
El amigo no se estrelló necesariamente porque la herramienta no sirviera. Llegó a un punto en el que ya no sabía qué preguntarle. Ahí aparece el techo: sin fundamentos, la herramienta no alcanza.
Primera pieza: criterio y fundamentos
Antes de escoger una aplicación, necesitás responder tres preguntas:
- ¿Qué problema o proceso quiero resolver?
- ¿Qué tiene que hacer la IA, exactamente?
- ¿Cómo voy a verificar que el resultado está bien?
Eso es criterio. No es una palabra decorativa: es lo que te permite saber si la IA está haciendo el trabajo correcto o solo está produciendo algo que parece convincente.
Pensá en una conciliación bancaria. No basta con decirle a la IA “hacé la conciliación”. Primero tenés que entender qué información se va a cruzar, qué diferencia querés encontrar, qué salida necesitás y contra qué evidencia vas a revisar el resultado.
Por eso los fundamentos duran más que una herramienta concreta. El narrador cuenta que aprendió tablas dinámicas hace unos veinte años. Entenderlas, y meterse en la estructura de la contabilidad, terminó llevándolo después a desarrollar software contable. La herramienta cambió de forma; el entendimiento del problema siguió sirviendo.
Una IA puede hacer más por vos cuando vos sabés qué significa “bien”. El criterio no se delega: se usa para definir, orientar y revisar.
Segunda pieza: orden y contexto en carpetas
El segundo paso es dejar de pensar cada tarea como una conversación aislada y empezar a trabajar por proyectos.
Para una conciliación bancaria, por ejemplo, reunís en una carpeta concreta el extracto bancario y el libro de bancos. También dejás claro qué querés hacer con esos archivos. La carpeta no es un detalle administrativo: es el contexto organizado sobre el que puede trabajar la IA.
Podés pensar la estructura de esta forma:
fuentes: los archivos con los que vas a trabajar.instruccion: una frase o documento que explica qué debe hacer la IA.salidas: el lugar donde esperás encontrar el resultado.
No se trata de afirmar que el video muestre una implementación terminada con esas carpetas. La idea central que presenta es más sencilla: trabajá por proyectos, meté los archivos fuente en un lugar concreto y dale a la IA un contexto organizado.
El ejercicio previo es casi aburrido, y por eso sirve: imaginá el trabajo que más te fastidia, creá una carpeta, reuní los archivos y expresá en una frase qué querés hacer con ellos. Ese orden es parte de la automatización. Sin él, la conversación empieza sin contexto y el trabajo vuelve a depender del copiar y pegar.
Tercera pieza: la capa para ejecutar
La tercera pieza es la capa que permite hablarle a la IA en lenguaje natural y pedirle que ejecute el trabajo sobre ese proyecto.
El video cierra presentando OpenCode y Visual Studio Code como las aplicaciones para trabajar con el modelo y la carpeta. No son un botón mágico ni reemplazan el criterio. Son la superficie desde la que conversás con la IA y le permitís actuar sobre los archivos. Como punto de partida, ambas tienen una capa gratuita.
En el relato también aparece la terminal: ahí se le habla a la IA en lenguaje natural para que ejecute el trabajo. Lo difícil suele ser instalar las cosas. Una vez que el flujo está funcionando, la conversación puede dejar de ser “dame una respuesta” y pasar a ser “hacé este trabajo en este proyecto”.
La capa de ejecución es importante, pero llega de tercera. Si no sabés qué problema querés resolver, no hay aplicación que lo arregle. Si no ordenás los archivos y las instrucciones, la IA no tiene un contexto claro sobre el cual trabajar.
No hay un botón mágico
La promesa no se resuelve aprendiendo un truco de OpenCode, Visual Studio Code ni de ninguna otra herramienta. Las herramientas cambian. El fundamento permanece:
- Primero definís el proceso y el resultado que necesitás.
- Después reunís el contexto en una carpeta de proyecto.
- Finalmente usás una capa de ejecución para que la IA lea, cruce, transforme y entregue el trabajo.
Ese orden también explica por qué abrir un chat y pegar un Excel tiene un límite. El chat puede contestar, pero si vos seguís haciendo el cruce, el reporte y la revisión sin un procedimiento claro, la automatización no llegó hasta el final.
El cierre: tres respuestas, no una cuarta
La promesa del video se puede responder con tres piezas exactas:
- Criterio y fundamentos: saber qué problema o proceso querés resolver, qué debe hacer la IA y cómo vas a verificar que el resultado esté bien.
- Orden y contexto en carpetas: trabajar por proyectos, reunir los archivos fuente y las instrucciones en una carpeta concreta, y darle a la IA un contexto organizado.
- Capa de ejecución: usar OpenCode y Visual Studio Code para conversar con la IA en lenguaje natural y permitirle ejecutar el trabajo sobre ese contexto, aprovechando sus capas gratuitas para empezar.
El salto no es aprender un botón mágico. Es combinar criterio, carpetas y ejecución. No hay una cuarta pieza escondida: las tres tienen que trabajar juntas.
Si querés probarlo hoy, empezá por el trabajo más repetitivo que tengas. Creá una carpeta, reuní los archivos, escribí en una frase qué querés lograr y definí cómo vas a revisar la respuesta. Después sí tiene sentido escoger la herramienta.
Si te sirvió esta explicación y querés seguir aprendiendo IA aplicada al trabajo real, suscribite al canal de HiPanda.