No le pedí mejores respuestas a la IA. Le enseñé cómo trabajo.

Durante mucho tiempo, cada conversación con ChatGPT comenzaba casi desde cero.

Podía pedirle ayuda para escribir una guía de ejercicios, transcribir documentos a LaTeX o sugerir ideas para una clase. Pero antes tenía que explicarle para qué curso estaba destinada la guía, qué entorno debía usar para crear una lista y cualquier otro detalle que acercara el resultado a algo medianamente útil. Incluso después de iterar varias veces, yo tenía que adaptarlo.

La IA podía ayudarme. Pero no conocía mi curso ni mi manera de crear material.

Entonces me pregunté qué ocurriría si, en lugar de volver a explicarle todo cada vez en prompts larguísimos y una serie de iteraciones, construía un entorno donde parte de ese conocimiento ya estuviera organizado.

Un sistema construido con material que ya existía

Para montar este sistema usé el material respaldado de los últimos tres semestres de uno de mis cursos: guías, pruebas, apuntes, ejercicios, presentaciones, formatos y muchas decisiones que se fueron tomando a lo largo de esos semestres.

Con todo eso y el cronograma del semestre en curso, construí un sistema que hoy me ayuda a crear material nuevo, alineado con los objetivos, el nivel y las necesidades concretas de ese curso.

No se trata de tener una carpeta llena de archivos y pedirle a un chat que improvise a partir de ellos. Eso produciría contenido genérico. El sistema tiene índices para encontrar lo que necesito, reglas que orientan el trabajo, instrucciones reutilizables para tareas frecuentes y estructuras que permiten organizar la información.

Por eso, una petición breve puede activar bastante contexto.

Si le pido crear una guía, el sistema puede consultar el momento del semestre, los contenidos que corresponden, el tipo de ejercicios que conviene incluir, los formatos que ya usamos y el material disponible para adaptar o reutilizar.

De crear todo a curar mejor

El resultado no reemplaza mi trabajo. Cambia el lugar donde pongo más atención.

Antes podía pasar muchas horas escribiendo desde cero la primera versión de cada documento. Ahora el sistema puede preparar una propuesta mucho más cercana a lo que necesito, y yo puedo dedicarme a revisar, ajustar, descartar, completar y tomar las decisiones que realmente importan.

Me dedico más a curar el contenido que a crearlo desde cero.

Eso no significa aceptar automáticamente lo que produce la IA. El criterio sigue siendo mío: decidir si un ejercicio es adecuado, si una explicación será clara, si la secuencia tiene sentido y si el resultado responde a las necesidades reales del curso.

La IA puede acelerar una parte del trabajo. No puede reemplazar ese juicio.

El conocimiento que estaba en mis archivos y el que estaba en mi cabeza

Una parte importante del sistema proviene de documentos que ya existían. Pero otra parte no estaba escrita en ninguna parte.

Estaba en decisiones que tomaba casi sin darme cuenta: qué material antiguo conviene consultar para adaptar un ejercicio, cuándo vale la pena reutilizarlo, qué extensión suele funcionar para una guía, qué errores aparecen con frecuencia o qué tipo de pregunta permite evaluar mejor una idea o habilidad.

Ese conocimiento implícito también puede volverse más visible. A veces hay que transformarlo en una regla. Otras veces, en un ejemplo, una plantilla, un registro o una instrucción para una tarea específica.

No todo se puede ni se debe convertir en una regla. Pero hacer explícita una parte de la forma en que trabajamos permite que el sistema nos acompañe de una manera mucho más útil.

Corregir el sistema, no solo el resultado

Una de las consecuencias más interesantes de trabajar así aparece cuando algo no sale bien.

Si una guía tiene, por ejemplo, un problema de formato, claro que puedo corregir esa guía. Pero también puedo preguntarme por qué el sistema produjo ese resultado.

Quizás faltaba una regla. Quizás el índice no apuntaba a la fuente más adecuada. Quizás una instrucción era ambigua. Quizás el registro de ejercicios necesitaba un dato extra.

Entonces la corrección no termina en un documento puntual. Puede mejorar el sistema y ayudar a que el siguiente resultado salga mejor.

Es una forma distinta de pensar el trabajo con IA: no pedir una respuesta aislada, sino ir construyendo un entorno que aprende de las decisiones que tomamos al revisarlo.

La IA integrada en el trabajo

Para mí, integrar la IA a mi trabajo no ha significado encontrar el prompt o la herramienta perfecta, ni preguntarle más cosas a un chat.

Puede que este sistema no sea tan sofisticado, pero siento que al fin estoy encontrando la manera correcta de usar la inteligencia artificial. Ahora es más bien un asistente, cada vez más confiable, al que puedo delegar ciertas partes del trabajo, bajo supervisión, mientras avanzo en otras cosas que requieren mi juicio y atención.

Ha significado construir alrededor de ella un contexto: material de consulta, reglas, formatos, procedimientos y validaciones que representan una parte de mi manera de trabajar.

Este sistema nació en un curso, pero la idea puede aparecer en muchos otros lugares. Cualquier persona que tenga años de documentos, ejemplos, procesos y criterios acumulados probablemente tiene una parte de su conocimiento repartida entre archivos y su propia experiencia.

La pregunta interesante es qué parte de todo eso podríamos organizar para trabajar mejor, sin dejar de decidir nosotros.