Casi todo el que usa IA a diario se estanca cerca del tercer mes. Aprende cuatro o cinco movimientos que le funcionan, los repite, y ahí se queda. La herramienta mejora cada mes. La persona no.
El problema no son las horas. Es que las horas se van en el tipo de práctica que se siente productiva y no enseña nada: pedirle lo que ya sabes pedir, con el prompt que ya sabes que jala, sobre el tema que ya dominas. Eso no es entrenar. Es ejecutar.
Lo que sigue son cinco formas de practicar que sí mueven tu nivel, y un plan de 30 días que puedes arrancar el lunes sin comprar nada nuevo.
Por qué practicar cómodo no enseña
Aprender algo necesita tres cosas en el mismo ciclo: una predicción tuya, un resultado, y la comparación entre los dos. Si te saltas la predicción, no hay comparación. Y si no hay comparación, tu cerebro no tiene de dónde corregir.
Cuando le pides algo a la IA y lees la respuesta sin haber predicho nada, lo único que ejercitas es la lectura. Te queda la sensación de haber avanzado —tienes un entregable— pero tu criterio sobre qué hace buena a esa respuesta no se movió ni un milímetro.
Por eso la gente que lleva dos años usando IA a veces prompea peor que alguien de tres meses que sí practicó con intención. No es talento. Es que uno hizo mil repeticiones sin retroalimentación y el otro hizo cien con ella.
Las cinco formas de abajo están ordenadas por dificultad. Todas comparten la misma estructura: te obligan a exponerte a un error que puedas ver.
Las cinco formas de practicar que sí pegan
1. Práctica de calibración
Antes de mandar el prompt, escribe en dos líneas qué esperas que salga. No la respuesta completa: la forma. "Va a darme cinco bullets genéricos." "Va a inventar una cifra en el tercer párrafo." "Va a ignorar que le dije que fuera para un cliente y no para mí."
Luego mandas el prompt y comparas. Lo interesante no es acertar, es el patrón de tus errores de predicción a lo largo de veinte intentos. Ahí es donde ves qué parte del modelo todavía no entiendes.
Para quién: el que ya usa IA todos los días y siente que no avanza. Es la forma más barata de salir de la meseta.
2. Práctica contra un resultado que ya conoces
Toma un trabajo que ya hiciste bien y que te costó: una propuesta que sí cerró, un análisis de rentabilidad que ya validaste, un correo que sí obtuvo respuesta. Pídele a la IA que lo haga desde cero, sin enseñarle el tuyo.
Después comparas contra el original. Es el único ejercicio donde tienes una respuesta correcta de verdad, y por eso es el que mejor calibra. En un equipo comercial esto se convierte en un ejercicio semanal: cada vendedor mete un correo que sí funcionó y ve qué tan lejos queda la versión del modelo, y por qué.
Para quién: cualquiera que tenga un archivo de trabajo propio. Si eres nuevo en tu área, usa el trabajo de alguien que admires.
3. Práctica de corrección, no de generación
Casi toda la práctica que hace la gente es de generación: pide, recibe, publica. La práctica de corrección es distinta: recibes, marcas exactamente qué está mal y por qué, y pides la siguiente versión con esa corrección específica.
La regla que hace la diferencia: prohibido decir "no me gustó, hazlo mejor". Tienes que nombrar el defecto. "El segundo párrafo asume que el lector ya sabe qué es un margen de contribución." "Los tres ejemplos son de software y mi cliente es una constructora." Nombrar el defecto es el ejercicio, no la corrección.
Para quién: el que escribe o diseña con IA. Es el músculo que separa a un editor de un operador de copiar y pegar.
4. Práctica sin la muleta
Una vez a la semana, haz sin IA algo que normalmente le delegas. Escribe el resumen de la junta tú. Arma el esquema del análisis tú. Luego pídeselo al modelo y compara.
Suena a retroceso y es exactamente lo contrario: lo que estás midiendo es si tu criterio sigue vivo. El día que ya no puedes producir el borrador sin ayuda, dejaste de ser quien evalúa la salida y te volviste quien la aprueba a ciegas. Eso vale poco y se nota rápido.
Para quién: el que ya delegó demasiado. Si te dio flojera leer este párrafo, es para ti.
5. Práctica con consecuencia real
Todo lo anterior es simulacro. El aprendizaje se consolida cuando el resultado sale de tu cuarto: el análisis se manda al director, el copy se pone en una campaña que gasta dinero, el flujo se instala en la operación de alguien más.
La consecuencia cambia lo que revisas. Cuando el reporte lo va a leer tu jefe, dejas de aceptar la primera versión y empiezas a verificar las cifras una por una. Eso —la verificación bajo presión— es lo que de verdad entrena.
Para quién: el que ya lleva un mes practicando en privado. Antes de eso, la presión estorba más de lo que enseña.
El paso que todo mundo se salta: escribir la predicción. Suena a burocracia y toma quince segundos, pero es la única parte del ciclo que produce el error visible. Si sientes que solo puedes hacer un ejercicio de esta guía, haz ese.
El plan de 30 días
Treinta minutos al día, sobre trabajo que de todas formas ibas a hacer. No es tiempo extra: es el mismo trabajo, hecho con predicción y comparación encima.
- Semana 1 — calibración pura. Antes de cada petición importante del día, dos líneas de predicción en una nota. Al final de la semana relees las treinta predicciones de golpe. Ahí sale tu primer patrón: casi siempre subestimas lo genérico, o casi siempre le das demasiado contexto.
- Semana 2 — trabajo que ya conoces. Tres ejercicios contra resultados propios que ya validaste. Uno de escritura, uno de análisis, uno de estructura (un plan, un índice, una agenda). Anota en cada uno la diferencia más grande contra tu versión.
- Semana 3 — corrección con nombre. Todo el trabajo de la semana pasa por al menos dos rondas, y cada ronda tiene que nombrar un defecto concreto. Cero "mejóralo". Al cierre, junta la lista de defectos que nombraste: esa lista es el borrador de tus instrucciones permanentes.
- Semana 4 — sin muleta y en público. Un entregable a mano, comparado después contra la versión del modelo. Y un entregable que salga de verdad: se manda, se publica o se instala. Cierras con la lista de la semana 3 convertida en instrucciones fijas.
El prompt para cerrar cada semana
El plan solo rinde si el domingo alguien te confronta con lo que hiciste. Ese alguien puede ser el modelo, si le pides el trabajo correcto:
Te voy a pegar las notas de práctica de mi semana: mis predicciones,
lo que realmente salió, y las correcciones que hice.
Tu trabajo NO es felicitarme. Es diagnosticar.
1. Encuentra el patrón en mis errores de predicción. ¿Qué es lo que
sistemáticamente espero mal del modelo?
2. Revisa mis correcciones. ¿Cuáles nombraron un defecto concreto y
cuáles fueron vagas? Cita las vagas textualmente.
3. Dime en qué parte del ciclo estoy débil: predecir, comparar o corregir.
Solo una. La más débil.
4. Dame UN ejercicio específico para la semana que entra que ataque esa
debilidad, con el material que ya tengo a la mano.
5. Al final, escribe una instrucción permanente —máximo tres líneas— que
debería agregar a mis preferencias para no repetir el error más caro
de esta semana.
Sé directo. Si mi práctica de esta semana fue floja, dilo y explica por qué.
Mis notas:
[pega aquí]El error que hace que nada de esto sirva
Coleccionar prompts. Es la trampa más común y la que más se parece a estudiar: guardas cincuenta plantillas, sientes que avanzaste, y no ganaste ni un gramo de criterio. Un prompt guardado es la respuesta a un problema que alguien más tuvo.
Lo que sí se transfiere es el diagnóstico: saber por qué una respuesta salió mal antes de intentar arreglarla. Esa habilidad no está en ninguna plantilla y por eso vale.
Si quieres estructurar el hábito más allá de estos 30 días, la guía de tu loop de aprendizaje con IA arma el ciclo largo, y la de cómo construir criterio ataca la parte que más rápido se atrofia cuando delegas de más.