Arma tu loop de aprendizaje con IA

Hay una manera de usar la IA que te vuelve más rápido y más reemplazable al mismo tiempo. Le pides algo, te lo entrega, lo pegas, cierras la ventana. Terminaste la tarea y no te quedaste con nada. Al mes siguiente vuelves a preguntar lo mismo.

Eso no es aprendizaje. Es alquiler. Y el problema con alquilar criterio es que cualquiera puede alquilar el mismo.

Lo que sí construye ventaja es un loop: cada vez que resuelves algo con IA, una parte de lo que aprendiste se queda escrita en un lugar tuyo, y la siguiente vuelta arranca desde ahí. Este es el loop completo, con los archivos y los prompts.

El loop en una frase

Capturas la decisión, la interrogas, la guardas en un archivo tuyo, y ese archivo se vuelve el contexto de la siguiente vez.

Son cuatro pasos y ninguno toma más de diez minutos. Lo difícil no es la técnica: es no saltarte el tercero, que es el único que hace que el conocimiento se acumule.

Paso 1: pídele el razonamiento, no el entregable

La diferencia entre alquilar y aprender está en cómo formulas la petición. "Hazme el plan de medios" te da un plan. "Hazme el plan de medios y explícame por qué asignaste ese presupuesto a cada canal, qué supuesto tuyo lo sostiene, y qué tendría que ser cierto para que esa asignación estuviera mal" te da un plan y te deja el criterio.

Ese último pedazo —qué tendría que ser cierto para que estuviera mal— es el que casi nadie usa. Es lo que convierte una respuesta en algo que puedes juzgar.

Necesito [entregable] para [contexto real de tu trabajo].

Entrégamelo en dos partes:

1. El entregable.
2. Una sección llamada "Cómo lo pensé" con:
   - Las 3 decisiones importantes que tomaste al armarlo
   - El supuesto que sostiene cada una
   - Qué tendría que ser cierto en mi negocio para que esa
     decisión estuviera equivocada
   - Qué le preguntarías a alguien de mi equipo para verificarlo

No suavices la sección 2. Si una decisión la tomaste por
convención y no por análisis, dilo.

Paso 2: discútelo antes de aceptarlo

Una respuesta que aceptas sin discutir no deja huella. La que sí deja huella es la que te obligó a defender una postura.

Cuando el entregable ya está, no lo cierres: contradícelo. Elige la decisión que más te incomodó y pídele que la ataque en serio. No "dame contras" —eso produce una lista tibia— sino que argumente el caso opuesto como si tuviera que ganarlo.

De todo lo que acabas de proponer, la decisión que más me
incomoda es [decisión].

Toma la postura contraria y defiéndela como si tuvieras que
convencer a mi jefe en una junta de diez minutos. Usa el
contexto de mi negocio, no argumentos genéricos.

Después dime cuál de las dos posturas es más fuerte y por qué,
y qué dato de mi operación resolvería el empate.

Al final de esto vas a tener algo que no tenías antes de abrir el chat: una opinión propia con razones. Eso es lo que hay que guardar.

Paso 3: el archivo donde se acumula (este es el que se salta todo el mundo)

Abre un solo archivo de texto. Un .md, un documento, lo que uses. Se llama algo como aprendizajes.md y vive donde lo vas a volver a ver.

Cada vez que cierres un loop, escribes una entrada de cinco líneas. No un resumen de la conversación: la conclusión operativa.

• Qué decidí — en una frase, en presente.
• Por qué — la razón que aguantaría en una junta.
• Qué supuse — el dato que di por cierto sin verificarlo.
• Cómo voy a saber si estuvo mal — la señal concreta.
• Fecha.

Escribirlas tú, a mano, es parte del ejercicio. Si le pides a la IA que te resuma la conversación y pegas el resumen, el archivo crece y tu cabeza no. El acto de comprimir es donde se fija el aprendizaje.

Paso 4: devuélvele el archivo

Aquí cierra el círculo. La próxima vez que abras un tema parecido, lo primero que haces es dar tu archivo como contexto. Ahora la IA ya no arranca de cero: arranca desde lo que tú decidiste antes.

Aquí está mi archivo de decisiones de los últimos meses:

[pega el archivo]

Antes de responder mi pregunta nueva, hazme tres cosas:

1. Dime qué decisiones de este archivo aplican al caso nuevo.
2. Señálame dos entradas que hoy se contradicen entre sí.
3. Dime qué supuesto de la lista ya debería estar verificado
   y no lo he verificado.

Mi pregunta nueva es: [pregunta]

La pregunta 2 es la que más rinde. Las contradicciones entre tus propias decisiones pasadas son el material más valioso que vas a encontrar: ahí está el punto donde tu criterio todavía no está formado.

Cómo se ve esto en una operación real

El caso donde más rápido se nota es un equipo comercial. Un vendedor pierde un trato, lo comenta en la junta del lunes, y a la semana siguiente nadie recuerda por qué se perdió. Cuando pierdes el mismo tipo de trato tres veces, sigues sin tener un patrón, tienes tres anécdotas.

Con el loop puesto, cada trato perdido pasa por el paso 1 y el paso 2 —qué falló, qué supuse del cliente, qué señal ignoré— y aterriza en cinco líneas en el archivo del equipo. Al trato número doce, cuando le pasas el archivo completo y le pides el patrón, sale algo que no era visible en ninguna anécdota individual: por ejemplo, que casi todos los perdidos venían del mismo canal de entrada, o que todos tenían un segundo decisor al que nunca conociste.

Eso mismo funciona en una operación de contenido con las publicaciones que no jalaron, en una cuenta de anuncios con los creativos que se apagaron, y en finanzas con las desviaciones del presupuesto que se repitieron.

Los tres errores que rompen el loop

1. Guardar en vez de comprimir. Ya lo dije y lo repito porque es el que mata más loops. El archivo son conclusiones, no transcripciones.
2. Un archivo por proyecto. Si tienes ocho archivos, no relees ninguno. Uno solo, aunque mezcle temas. La búsqueda la hace la IA.
3. No cerrar la apuesta. Cada entrada dice cómo vas a saber si estuvo mal. Si nunca vuelves a revisar cuáles estuvieron mal, estás acumulando opiniones, no criterio. Una vez al mes, pásale el archivo y pídele que te marque cuáles de tus supuestos ya se pueden evaluar con lo que pasó.

Por qué esto te vuelve difícil de reemplazar

El acceso a la IA no es la ventaja. Todos en tu empresa tienen el mismo modelo, y en dos años lo van a tener todos en tu industria.

Lo que no es replicable es el contexto acumulado: qué se intentó antes, qué falló, por qué. Ese archivo tuyo, después de un año, hace que tus respuestas salgan mejores que las de alguien igual de listo que empezó ayer. No porque tú prompteas mejor, sino porque le estás dando materia prima que nadie más tiene.

Si quieres llevarlo más lejos, esto conecta directo con montar un archivo de conocimiento experto y con construir criterio con IA. Pero empieza por el archivo de cinco líneas. Es la parte aburrida y es la que hace todo el trabajo.