El problema de aprender IA hoy no es que falte material. Es que hay demasiado y casi todo está en desorden: un hilo con 40 herramientas, un curso de ocho horas que empieza por la teoría, un canal que sube tres videos al día de la novedad de la novedad.
Se pierde muchísimo tiempo ahí. La gente estudia seis meses y sigue usando la IA como buscador con mejores modales, porque consumió material sin un orden que construya sobre sí mismo.
Esta es la ruta que le daría a alguien que empieza hoy, en el orden exacto. Cada etapa asume la anterior. Y lo más importante: hay etapas donde el recurso correcto no es un curso, es tu propio trabajo.
Etapa 0 — la fuente primaria, antes que cualquier tutorial
Regla que me ahorró meses: cuando quiero saber cómo funciona algo, voy a la documentación del que lo hizo, no al video de alguien explicándolo. El video está desactualizado casi siempre, y en IA "casi siempre" significa seis semanas.
- La documentación oficial de la plataforma que uses. Para Claude está en platform.claude.com/docs, y la de Claude Code en code.claude.com/docs. Para ChatGPT, el centro de ayuda de OpenAI. Son gratis, están al día, y explican los límites reales de la herramienta, que es justo lo que ningún tutorial te dice.
- Las notas de versión. Cuando algo dejó de funcionar como esperabas, la respuesta suele estar ahí y en ningún otro lado.
No las leas de corrido. Úsalas como diccionario: cuando te topes con una función que no entiendes, búscala ahí primero.
Etapa 1 — dos semanas de uso diario antes de estudiar nada
Este es el recurso que más rinde y el único que no se puede saltar. Antes de cualquier curso: dos semanas metiendo todo tu trabajo real por la IA. No ejercicios. Tu trabajo.
El objetivo no es que salga bien. Es que acumules la lista de dónde falla, que es lo que te va a hacer útiles todos los recursos que vienen después. Sin esa lista, un curso avanzado es información sin gancho: la lees, asientes y se te olvida.
Tres cosas concretas para esas dos semanas:
- Escribe tu archivo de contexto. Quién eres, qué haces, para quién, cómo se ve un buen entregable en tu caso. Ponlo donde la IA lo lea siempre —las instrucciones personalizadas, un proyecto, un archivo de memoria. Es lo que separa respuestas genéricas de respuestas útiles y toma 20 minutos.
- Conecta una fuente de datos real. Tu correo, tu calendario o tu carpeta de archivos. Una. La diferencia entre una IA con acceso y una sin acceso es más grande que la diferencia entre dos modelos.
- Lleva un archivo de fallas. Cada vez que el resultado no sirva, anota qué pediste y qué salió mal. Ese archivo es tu plan de estudio personalizado.
Etapa 2 — el vocabulario, en un solo tirón
Ahora sí, teoría, pero la mínima. Necesitas entender unos diez conceptos para dejar de leer todo lo demás como si fuera magia: contexto, tokens, modelo contra producto, temperatura, alucinación, agente contra flujo, herramienta, conector, skill, y qué es un archivo markdown.
Es una tarde, no un mes. Y se aprende mejor preguntándole a la propia IA con esta forma:
Explícame [concepto] en tres niveles:
1. Como si tuviera 10 años, con una analogía.
2. Como si fuera un dueño de negocio: qué decisión mía cambia
saber esto.
3. Como si fuera técnico: qué está pasando por debajo.
Al final, dime una cosa que la gente cree de [concepto] y que
está mal.El punto 3 de ese prompt es el que hace el trabajo. Casi todo lo que la gente cree saber de IA es una versión simplificada que la lleva a decisiones equivocadas.
Etapa 3 — los documentos que sí cambian cómo trabajas
Aquí está el material de mayor densidad de toda la lista. Son documentos que publican los propios laboratorios, gratis, y que casi nadie lee porque no vienen empaquetados como curso.
- Las guías de ingeniería de los proveedores. Anthropic publica en anthropic.com/engineering cómo construyen agentes internamente, qué patrones funcionan y cuáles descartaron. Es lo más cercano que vas a tener a ver trabajar a alguien que lleva años en esto.
- La guía de prompting oficial. Está dentro de la documentación. No es la lista de "10 palabras mágicas": es la explicación de por qué la estructura del prompt cambia el resultado.
- La documentación de agentes y herramientas. Cuando llegues al punto de querer que la IA haga cosas y no solo escriba, esta es la sección que importa.
- La especificación del protocolo de conexión de herramientas (MCP), en modelcontextprotocol.io. Léela cuando quieras entender cómo se conecta la IA con software externo. No antes.
Cómo leerlos sin ahogarte: uno por semana, y después de cada uno, cambia algo en tu setup. Si leíste y no cambiaste nada, no lo leíste.
Etapa 4 — los catálogos de cosas hechas
En este punto ya no necesitas aprender, necesitas no reinventar. Estos son los lugares donde está el trabajo que otros ya hicieron:
- El marketplace oficial de plugins. En Claude está integrado en la aplicación y en claude.com/plugins. Trae paquetes por área de trabajo —ventas, marketing, finanzas, datos— con las skills y los conectores ya armados.
- Los repositorios públicos del proveedor en GitHub. Ahí viven los plugins oficiales y el marketplace de la comunidad. Instala del de la comunidad con la misma cautela con la que instalarías una extensión de navegador: revisa quién lo hizo y qué accesos pide.
- Los ejemplos de código de los SDK. Aunque no programes, los repositorios de los SDK oficiales tienen carpetas de ejemplos que son la mejor documentación de qué se puede hacer de verdad.
- Las plantillas de flujos de las herramientas de automatización. La que uses trae una galería. Casi nunca funcionan tal cual y casi siempre te ahorran la mitad del diseño.
El paso que todo mundo se salta: antes de instalar cualquier cosa de un catálogo, ábrela y léela. Un plugin o una skill son texto plano: instrucciones que alguien escribió. Leer las de un buen plugin te enseña más de cómo se estructura el trabajo con IA que tres cursos, y de paso te evita instalar algo que pide acceso a la mitad de tu empresa para hacer una tarea de dos minutos.
Etapa 5 — certificaciones, y para qué sirven de verdad
Hay certificaciones gratuitas de los proveedores grandes y de plataformas de aprendizaje. Sirven, con una condición: sirven como estructura y como línea en el currículum, no como conocimiento.
Lo que aprendes en una certificación es el mapa completo de lo que existe, incluidas las partes que nunca ibas a buscar por tu cuenta. Eso es valioso. Lo que no te da es criterio, y el criterio solo sale de haber hecho el trabajo y haberte equivocado.
La forma correcta de tomarlas es esta: hazlas después de la Etapa 1, no antes. Con dos semanas de uso real encima, cada módulo aterriza en algo que ya te pasó. Sin eso, es teoría que se evapora. La guía de 10 certificaciones gratis de IA que sí pesan en tu currículum tiene el detalle de cuáles.
Etapa 6 — mantenerte al día sin que te coma el día
Este es el que más gente hace mal, y hacerlo mal cuesta horas todos los días.
El error es seguir a mucha gente que cubre novedades. La novedad no es información útil: el 95% de lo que se anuncia no cambia lo que tú haces mañana, y el 5% que sí lo cambia te llega de todos modos por tres vías distintas.
Lo que sí funciona, en orden de rendimiento:
- Las notas de versión de las dos o tres herramientas que usas de verdad. Una vez por semana, quince minutos.
- Tres o cuatro personas que construyen, no que comentan. Se distinguen fácil: muestran su pantalla, enseñan lo que falló, y publican menos seguido.
- Un bloque fijo de una hora a la semana para probar. No para leer. Para abrir la herramienta y meter tu trabajo real por ella.
Ese último bloque es el que separa a quien sabe de qué se habla de quien sabe hacerlo. Lo he visto suficientes veces: la gente que va adelante no consume más contenido que los demás. Consume bastante menos y prueba mucho más.
Lo que no está en esta lista, a propósito
Los cursos de prompting de mil pesos con "500 prompts probados". El material está desactualizado el día que lo compras, y los prompts sin tu contexto adentro no valen nada. Un prompt bueno tuyo, con los datos de tu operación, rinde más que quinientos genéricos.
Los rankings de modelos y las tablas de benchmarks. Interesantes como deporte, irrelevantes para decidir. El modelo que tienes ya es mejor que tu forma de usarlo.
Las listas de "las 200 mejores herramientas de IA". Nadie usa 200 herramientas. Yo uso menos de diez de forma constante, y la mayor parte del valor sale de dos.
La ruta, en una frase por etapa
- Documentación oficial como diccionario, desde el día uno.
- Dos semanas de uso real con archivo de contexto, una fuente de datos conectada y una bitácora de fallas.
- Una tarde de vocabulario, preguntándole a la IA en tres niveles.
- Un documento técnico por semana, y cambiar algo del setup después de cada uno.
- Los catálogos para no reinventar, leyendo antes de instalar.
- Una certificación como mapa, ya con horas de vuelo encima.
- Una hora semanal de probar, para siempre.
Si estás empezando y quieres una sola cosa de toda esta guía, quédate con la Etapa 1. Es gratis, no requiere que compres nada, y es la que hace que todo lo demás funcione.