Cuando todo se llama estrategia

Hay palabras que terminan muriendo de éxito.

Innovación fue una. Transformación digital, otra. Estrategia lleva bastante tiempo en la lista.

Ponemos la palabra delante de casi cualquier cosa y parece que adquiere otra importancia: estrategia de contenidos, estrategia comercial, estrategia de personas, estrategia de innovación, estrategia de inteligencia artificial. A veces existe realmente una estrategia detrás. Otras simplemente hemos cambiado el nombre del plan.

Rumelt empieza precisamente por ahí.

Una estrategia no es una aspiración. Tampoco una colección de objetivos. Y mucho menos una frase que podría imprimirse en una taza.

“Ser la empresa líder del sector” no es una estrategia.

“Crecer un 30 %” tampoco.

“Poner al cliente en el centro”, “apostar por la innovación” o “convertirnos en referentes” pueden expresar deseos razonables. El problema es que no explican qué vamos a hacer cuando la realidad se interponga.

Y la realidad siempre se interpone.

Para Rumelt, la estrategia aparece precisamente cuando existe una dificultad que no se resuelve simplemente trabajando un poco más.

Algo está bloqueando el camino.

Ahí empieza el asunto.

Cómo reconocer una mala estrategia

Una de las mejores partes del libro es que Rumelt no se limita a explicar qué deberíamos hacer. Dedica bastante tiempo a enseñarnos a detectar lo contrario.

La mala estrategia tiene cuatro síntomas bastante reconocibles.

El primero es la palabrería. Conceptos inflados, expresiones grandilocuentes y palabras abstractas que producen sensación de profundidad sin decir demasiado. Basta entrar en determinadas presentaciones corporativas para comprobar que la enfermedad sigue activa.

El segundo es más grave: no identificar el verdadero reto. Si no sabemos cuál es el problema fundamental, cualquier acción puede parecer razonable. Contratamos gente, implantamos software, abrimos nuevos mercados, ponemos IA en algún sitio. Estamos ocupados, pero no necesariamente avanzamos.

El tercero consiste en confundir objetivos con estrategia. Decir que queremos duplicar las ventas puede servir para fijar una meta. Sigue faltando explicar por qué ahora no las duplicamos y qué vamos a cambiar para conseguirlo.

Y el cuarto son los malos objetivos estratégicos: demasiados, contradictorios o sencillamente imposibles de ejecutar.

La mala estrategia tiene una característica especialmente atractiva: permite no elegir.

Podemos crecer y reducir costes. Ser premium y baratos. Atender a todo el mercado y especializarnos. Innovar y no asumir riesgos.

Todos contentos.

Hasta que toca hacer algo.

Apple y el poder de quitar cosas

Rumelt utiliza uno de los mejores ejemplos posibles: Apple en 1997.

Ahora cuesta imaginarlo, pero entonces Apple estaba cerca del desastre. Tenía demasiados productos, una estructura confusa y pérdidas importantes. Cuando Steve Jobs regresó, muchos esperaban una gran visión tecnológica.

Lo que hizo fue bastante menos romántico.

Empezó a quitar.

Apple tenía quince modelos de ordenador de sobremesa. Los redujo a uno. Hizo lo mismo con los portátiles. Eliminó impresoras y periféricos, redujo distribuidores, simplificó desarrollo y trasladó buena parte de la fabricación.

No presentó como estrategia convertirse en “la empresa tecnológica más innovadora del mundo”.

Primero aceptó el diagnóstico: Apple había perdido el foco y tenía una estructura incompatible con su situación real.

Después eligió una dirección: simplificar radicalmente el negocio alrededor de un núcleo que pudiera sobrevivir.

Y finalmente coordinó las decisiones necesarias para hacerlo.

Eso es estrategia.

Lo interesante del ejemplo no es Apple.

Es la palabra no.

Una estrategia establece qué vamos a hacer, pero también determina una cantidad considerable de cosas que vamos a dejar de hacer.

Y ahí empiezan los problemas.

Las tres piezas que deberían caber en una hoja

En el centro del libro aparece la idea que probablemente merece por sí sola la lectura.

Rumelt llama núcleo de la buena estrategia a una estructura formada por tres elementos: diagnóstico, política rectora y acciones coherentes.

No necesitamos cincuenta páginas.

Necesitamos que esas tres partes tengan sentido juntas.

El diagnóstico

Primero hay que explicar qué está ocurriendo realmente.

No describir todos los problemas posibles. Encontrar aquello que organiza los demás.

Imaginemos una pequeña consultora que lleva dos años sin crecer.

Podríamos decir:

“Necesitamos aumentar la facturación”.

Eso no diagnostica nada.

Podríamos descubrir, en cambio, que el 80 % de los ingresos depende del trabajo directo de sus dos socios y que cada nuevo cliente aumenta su carga de trabajo hasta hacer imposible atender al siguiente.

Ahora tenemos algo.

El problema no es simplemente vender más.

El problema es que el modelo no escala.

Una buena descripción del problema empieza a reducir las posibles soluciones.

Y eso es precisamente lo que queremos.

La política rectora

El segundo elemento responde aproximadamente a esta pregunta:

¿Cómo vamos a enfrentarnos al problema?

No es todavía una lista de tareas. Es una orientación.

En el ejemplo anterior podría ser: dejar de crecer mediante proyectos completamente personalizados y convertir una parte del conocimiento de la consultora en servicios estandarizados y productos repetibles.

Todavía quedan centenares de decisiones por tomar.

Pero ya existe una dirección.

Las acciones coherentes

Y entonces llega la parte menos glamurosa.

Hay que hacer cosas.

Rediseñar la oferta. Eliminar determinados servicios. Documentar procesos. Crear un primer producto. Cambiar la política comercial. Decidir qué clientes ya no interesan.

La palabra importante aquí es coherentes.

Las acciones deben reforzarse entre sí.

Porque una estrategia no consiste en hacer muchas cosas buenas.

Consiste en hacer unas pocas cosas que juntas tengan más fuerza.

Elegir es la parte que intentamos evitar

Rumelt dedica un capítulo entero a explicar por qué hay tanta mala estrategia.

Una de las razones es incómodamente humana.

No nos gusta elegir.

Elegir crea conflictos. Alguien pierde presupuesto. Un proyecto desaparece. Un departamento deja de ser prioritario. Un cliente deja de interesarnos.

Resulta mucho más cómodo redactar un plan donde todo sea importante.

Rumelt cuenta el caso de Digital Equipment Corporation, que a principios de los noventa debía decidir qué tipo de empresa quería ser ante el avance del ordenador personal. Dentro de la compañía convivían distintas propuestas estratégicas. El problema no podía solucionarse diciendo sí a todas.

Porque los recursos que se concentran en una dirección no pueden concentrarse simultáneamente en otra.

La estrategia es concentración.

Esta idea parece casi antigua en una época donde estamos acostumbrados a añadir.

Una herramienta más.

Un canal más.

Una funcionalidad más.

Un mercado más.

Un proyecto más.

Quizá una de las preguntas estratégicas más útiles sea precisamente la contraria:

¿Qué podemos dejar de hacer?

No mires únicamente al objetivo final

Otra idea del libro que me parece especialmente práctica es la de los objetivos próximos.

Queremos construir una compañía internacional. Transformar un sector. Conseguir un millón de usuarios.

Muy bien.

¿Y el lunes?

Rumelt defiende objetivos suficientemente cercanos como para resultar alcanzables y permitir que la organización concentre esfuerzos.

El gran objetivo puede orientar.

El objetivo próximo permite actuar.

Hay una diferencia enorme entre decir “queremos convertirnos en la plataforma de referencia para abogados” y decir “durante los próximos seis meses vamos a conseguir que cincuenta despachos pequeños utilicen nuestro producto todas las semanas”.

El segundo objetivo no impresiona tanto en una presentación.

También resulta bastante más difícil esconderse detrás de él.

Arregla primero el eslabón que rompe la cadena

Rumelt utiliza otra imagen particularmente útil: los sistemas de eslabones.

Hay sistemas cuyo rendimiento depende de su punto más débil.

Puedes tener un producto extraordinario, pero si nadie entiende cómo comprarlo, tienes un problema.

Puedes conseguir miles de clientes, pero si el servicio de atención no puede absorberlos, tienes otro.

Puedes contratar a los mejores comerciales, pero si abandonan porque el producto falla, contratar todavía más comerciales probablemente no sea la solución.

En esos casos, mejorar lo que ya funciona bien proporciona poco valor.

Hay que localizar el eslabón débil.

Esto parece obvio hasta que observamos cómo funcionan muchas organizaciones.

Invertimos donde sabemos invertir.

Mejoramos lo que sabemos mejorar.

Y evitamos mirar precisamente aquello que limita todo lo demás.

Nvidia antes de convertirse en Nvidia

Hay un capítulo del libro que hoy resulta especialmente interesante.

Rumelt analiza Nvidia.

Conviene recordar que está escribiendo mucho antes del actual boom de la inteligencia artificial. Su historia se concentra en cómo Nvidia consiguió imponerse en los gráficos 3D.

La compañía había lanzado un primer producto que fracasó. En lugar de adornarlo con una nueva campaña, cambió el diagnóstico.

Abandonó su intención inicial de convertirse en un estándar multimedia y se concentró en gráficos 3D para ordenadores. Apostó además por DirectX, por una arquitectura concreta y por acelerar radicalmente el ritmo de desarrollo.

Mientras la industria trabajaba aproximadamente con ciclos de dieciocho meses, Nvidia quería lanzar mejoras importantes cada seis meses.

Pero aquí aparece la diferencia entre una ambición y una estrategia.

No dijeron simplemente: “seremos tres veces más rápidos”.

Crearon tres equipos de desarrollo solapados. Invirtieron en simulación y emulación para detectar errores antes de fabricar los chips. Tomaron el control de los controladores de software y construyeron una arquitectura unificada.

La velocidad no era un eslogan.

Habían diseñado una organización capaz de producirla.

Esa diferencia atraviesa todo el libro.

La estrategia también es una hipótesis

Hay otra idea que evita convertir todo esto en un manual rígido.

Para Rumelt, una estrategia se parece a una hipótesis.

Observamos una situación. Construimos una explicación. Elegimos una manera de actuar. Y después miramos qué sucede.

La ejecución produce conocimiento.

Si los resultados contradicen nuestra hipótesis, toca revisarla.

Esto resulta especialmente relevante ahora, cuando los mercados, la tecnología y los comportamientos cambian con tanta rapidez.

Una estrategia no debería ser un documento redactado en enero que defendemos hasta diciembre porque ya está aprobado.

Debería ser una explicación provisional sobre cómo creemos que funciona nuestro problema y qué creemos que ocurrirá si actuamos de determinada manera.

Después llega la realidad.

Y vota.

Una prueba sencilla para tu próxima estrategia

Después de leer a Rumelt, quizá no haga falta añadir otro framework al arsenal empresarial.

Bastaría con poner delante de cualquier plan tres preguntas.

¿Cuál es exactamente el problema que estamos intentando resolver?

¿Qué enfoque hemos elegido para resolverlo?

¿Qué decisiones concretas estamos tomando de forma coordinada para que ocurra?

Si cuesta responder a la primera, no tenemos diagnóstico.

Si la segunda termina en “crecer”, “innovar” o “ser líderes”, probablemente todavía no tengamos una política rectora.

Y si la tercera contiene treinta prioridades diferentes, seguramente tampoco hemos elegido demasiado.

No será tan vistoso como un lienzo lleno de post-its.

Puede ser bastante más útil.

Estrategia es decidir

Buena estrategia. Mala estrategia tiene más de una década y eso se nota en algunos casos y empresas que utiliza. Pero su argumento central ha envejecido extraordinariamente bien.

Quizá porque el problema tampoco ha cambiado demasiado.

Seguimos confundiendo lo que queremos conseguir con la manera de conseguirlo.

Seguimos creyendo que una lista larga demuestra ambición cuando muchas veces demuestra que nadie quiso decidir.

Y seguimos utilizando palabras elegantes para evitar formular una pregunta incómoda:

¿Cuál es realmente nuestro problema?

Rumelt no ofrece una fórmula mágica. Hace algo mejor. Reduce la estrategia a un trabajo bastante menos espectacular: diagnosticar bien, elegir una dirección y coordinar las acciones necesarias.

Y aceptar que elegir significa renunciar.

Por eso recomiendo el libro.

No porque vaya a enseñarte a escribir mejores planes estratégicos.

Sino porque, después de leerlo, probablemente empieces a desconfiar de muchos de ellos.

📬 Y si esta newsletter te ayuda a trabajar mejor, compártela. Cada semana seleccionamos solo herramientas que merecen tu tiempo.

Nos leemos pronto.

Todo empezó con un correo

Proton nació en 2014 alrededor de una idea relativamente sencilla: que enviar un correo electrónico no debería implicar que la empresa que aloja nuestra bandeja de entrada pudiera mirar dentro.

El proyecto fue impulsado por científicos que se conocieron en el CERN y arrancó mediante crowdfunding. Hoy los servicios los opera Proton AG, una empresa suiza cuyo accionista principal es la Proton Foundation, una organización sin ánimo de lucro creada precisamente para proteger la misión de la compañía a largo plazo. Proton afirma además no tener inversores de capital riesgo y financiar sus servicios principalmente mediante suscripciones.

Aquello que empezó llamándose ProtonMail ha terminado convirtiéndose en algo bastante más ambicioso.

En cierta forma, Proton está intentando hacer con nuestra vida digital lo mismo que hizo Apple con el hardware: construir un ecosistema. Solo que aquí el pegamento no es el diseño ni la exclusividad.

Es la privacidad.

Y el punto de entrada sigue siendo Proton Mail.

Proton Mail

La diferencia fundamental frente a un correo convencional está en el cifrado. Los mensajes entre usuarios de Proton están cifrados de extremo a extremo. Los correos que recibes desde otros proveedores quedan almacenados mediante cifrado de acceso cero, de forma que Proton no posee la clave necesaria para leer el contenido almacenado. Para comunicarte de forma cifrada con alguien que no utiliza Proton puedes recurrir a mensajes protegidos mediante contraseña o a PGP; si no lo haces, el correo convencional sigue dependiendo de los protocolos habituales como TLS. Conviene hacer esa precisión porque privacidad no significa magia.

El email nació mucho antes de que alguien pensara que medio planeta iba a vivir dentro de él. Proton puede proteger enormemente el buzón, pero no puede reescribir por sí solo todos los protocolos de internet.

A cambio, el uso cotidiano resulta bastante normal. Aplicaciones móviles y de escritorio, filtros, carpetas, dominios propios, bloqueo de rastreadores de email y direcciones alternativas. Es importante que sea normal. La seguridad que obliga al usuario a convertirse en criptógrafo acaba casi siempre desactivada.

El calendario también cuenta cosas de nosotros

Después está Proton Calendar.

Proton Calendar

Puede parecer excesivo preocuparse por la privacidad de un calendario. Hasta que uno piensa en todo lo que contiene.

La cita con el médico. La entrevista de trabajo. El psicólogo. Una reunión con un posible inversor. El nombre de la empresa con la que negociamos. Una dirección. Una cena.

Una vida bastante completa distribuida en cuadrados de media hora.

Proton cifra de extremo a extremo la información sensible del evento —título, descripción, ubicación o participantes— aunque conserva algunos datos operativos necesarios para hacer funcionar alarmas y notificaciones, como las horas de inicio y finalización.

Puedes importar calendarios, compartir disponibilidad, invitar a personas y utilizarlo en web, iOS, Android y escritorio. No reinventa el calendario, impide que el calendario te reinvente como perfil publicitario.

Una nube que intenta no mirar lo que guardas

Con Proton Drive la ambición aumenta.

Proton Drive

Es su respuesta a Google Drive, OneDrive, Dropbox y, cada vez más, Google Photos. Los archivos están protegidos con cifrado de extremo a extremo y se pueden sincronizar entre Windows, macOS, Android, iOS y la web. También permite hacer copias automáticas de fotografías, crear álbumes, compartir archivos y establecer contraseñas o caducidad para determinados enlaces.

Pero Drive ya no es solamente un disco duro remoto.

Dentro están Proton Docs y Proton Sheets.

Docs permite escribir y colaborar sobre documentos cifrados. Sheets traslada la misma idea a las hojas de cálculo, con fórmulas, gráficos y colaboración. Es decir: Proton está empezando a entrar directamente en el territorio de Google Workspace y Microsoft 365.

Y aquí aparece uno de los conflictos interesantes de todo el proyecto.

Durante años se asumió que para colaborar había que entregar información. Que un documento compartido funcionaba mejor precisamente porque estaba alojado en una enorme infraestructura capaz de examinarlo, indexarlo y conectarlo con otras cosas.

Proton intenta demostrar que colaboración y explotación de datos no tienen por qué ser sinónimos.

Todavía no tiene la profundidad funcional de Microsoft 365 o Google Workspace. Sería injusto decir lo contrario.

Pero ya no parece un experimento.

Proton VPN: esconder la carretera

Proton VPN es probablemente, junto al correo, el servicio más conocido de la compañía.

Proton VPN

Una VPN crea un túnel cifrado entre tu dispositivo e internet. Los sitios dejan de ver directamente tu IP y tu proveedor de acceso tiene mucha menos visibilidad sobre tu navegación.

La versión gratuita de Proton tiene una particularidad importante: no establece límites de datos ni introduce publicidad. Incluye además política de cero registros, kill switch y tecnologías para intentar sortear determinados bloqueos de red.

Los planes superiores añaden funciones como Secure Core, que hace pasar el tráfico previamente por servidores reforzados propiedad de Proton en países como Suiza, Islandia o Suecia; NetShield, que bloquea malware, rastreadores y publicidad a nivel DNS; más ubicaciones, streaming y mejores prestaciones.

Una VPN tampoco te hace invisible. Si entras en Facebook con tu nombre, Facebook seguirá sabiendo que eres tú. Conviene recordarlo porque hay herramientas de privacidad que se venden como capas de invisibilidad cuando en realidad son cinturones de seguridad. Y un cinturón de seguridad sigue siendo bastante útil.

Proton Pass: no basta con recordar una contraseña

Luego está Proton Pass.

Proton Pass

Guarda contraseñas, claves de acceso, tarjetas, notas y otros datos utilizando cifrado de extremo a extremo. Puede rellenar credenciales automáticamente y funciona en las principales plataformas y navegadores.

Pero su función más interesante quizá sean los alias de correo.

En lugar de entregar siempre tunombre@correo.com, puedes generar una dirección diferente para una tienda, otra para una newsletter y otra para una aplicación. Todas reenvían el correo a tu buzón real.

Si una empieza a recibir basura, la desactivas.

Si aparece filtrada, sabes de dónde salió.

Si alguien vende la dirección, tienes al sospechoso.

La tecnología procede en buena medida de SimpleLogin, servicio que se unió a Proton en 2022 y que hoy está integrado profundamente en Proton Pass.

A esto se suma Proton Authenticator, una aplicación independiente y gratuita para generar códigos de autenticación de dos factores. Funciona incluso sin tener cuenta de Proton, está disponible en escritorio y móvil, permite exportar los códigos y puede sincronizarlos con cifrado de extremo a extremo.

No es una función espectacular.

Es mejor: es una de esas cosas aburridas que el día que alguien roba tu contraseña dejan de resultar aburridas.

Videollamadas que no quieren entrenarse contigo

En 2026 ha llegado también Proton Meet.

Proton Meet

La idea es trasladar el mismo principio a Zoom, Teams o Google Meet: audio, vídeo y chat protegidos mediante cifrado de extremo a extremo. Puedes generar un enlace e invitar a otras personas aunque no tengan cuenta de Proton. Existe una versión gratuita con reuniones de hasta 60 minutos y 50 participantes.

Es un producto todavía joven, y eso se nota al compararlo con ecosistemas que llevan muchos años acumulando integraciones. Pero también revela hacia dónde va Proton. Ya no quiere proteger solo tus mensajes, quiere proteger el lugar donde trabajas.

Y hasta una cartera de Bitcoin

El elemento más peculiar probablemente sea Proton Wallet.

Proton Wallet

No es un exchange ni una aplicación para especular con veinte criptomonedas. Es una cartera de autocustodia centrada en Bitcoin.

Eso significa que las claves permanecen bajo el control del usuario. Proton utiliza cifrado de extremo a extremo para proteger tanto claves privadas como determinados metadatos de la cartera, pero no puede disponer de tus bitcoins.

Lumo: la IA que intenta no recordarte demasiado

Y llegamos a la pieza que probablemente hace más interesante a Proton ahora mismo.

Lumo.

Lumo AI

Proton lanzó su asistente de inteligencia artificial en julio de 2025 con una promesa muy concreta: ofrecer una experiencia parecida a ChatGPT, Claude o Gemini sin convertir las conversaciones del usuario en materia prima para la empresa.

La arquitectura es diferente. Lumo utiliza modelos abiertos que se ejecutan en servidores controlados por Proton en Europa. La compañía afirma que no utiliza las conversaciones para entrenar sus modelos, no mantiene registros de los chats en sus servidores y no comparte los datos con terceros. Cuando guardas conversaciones estando identificado, el historial utiliza cifrado de acceso cero.

Eso cambia algo importante.

Hasta ahora utilizábamos la IA como si estuviéramos hablando solos.

Pero no estamos hablando solos.

Le contamos contratos. Estrategias empresariales. Problemas laborales. Información de clientes. Fragmentos de código. Resultados médicos. Ideas que todavía no hemos enseñado a nadie.

La IA se está convirtiendo en el lugar donde mucha gente piensa en voz alta.

Y un lugar así contiene bastante más información sobre nosotros que nuestra bandeja de correo.

Lumo 2.0 ya juega en otra liga

En junio de 2026 Proton lanzó Lumo 2.0, y ahí el producto dejó de parecer solamente “un chatbot privado”.

Ahora cuenta con modos rápidos y de razonamiento para problemas complejos, puede analizar imágenes, generar y editar imágenes, transformar bocetos, buscar información actualizada en la web mostrando fuentes y trabajar con conversaciones y documentos más largos.

También incorpora Memory, aunque con una diferencia importante en el planteamiento: el usuario decide qué puede recordar y qué debe olvidar. Los Projects permiten reunir conversaciones, archivos e instrucciones en espacios cifrados persistentes y los Custom Lumos sirven para crear asistentes especializados con instrucciones propias.

En agosto Proton añadió además la posibilidad de convertir hojas de cálculo, informes y documentos en gráficos y visualizaciones de datos dentro del propio chat.

Es decir, puedes subir un informe confidencial, analizarlo, pedir conclusiones y construir una gráfica sin que —según la arquitectura publicada por Proton— ese documento termine alimentando el entrenamiento de un modelo externo.

Ese es probablemente el caso de uso más convincente de Lumo.

No preguntarle quién ganó una Champions.

Sino darle cosas que no pondrías alegremente en cualquier IA.

Pero privacidad no significa inteligencia superior

Aquí conviene no confundir dos debates.

Que Lumo sea más privado no significa que sea automáticamente mejor que ChatGPT, Claude o Gemini.

Son preguntas distintas.

Un modelo puede respetar mucho tu intimidad y responder peor.

Puede alucinar.

Puede quedarse corto.

Puede disponer de menos integraciones.

La propia documentación de Proton advierte de que Lumo puede generar respuestas incorrectas y recomienda verificar la información importante.

A día de hoy, las grandes plataformas siguen teniendo ventajas en determinadas capacidades, ecosistemas e integraciones.

La propuesta de Lumo es otra:

quizá no toda conversación con una IA tenga que convertirse en un activo para quien proporciona la IA.

Y eso sí es una idea interesante.

Una suscripción contra el ecosistema

Puedes utilizar muchos de estos productos gratuitamente.

Pero el movimiento más claro de Proton está en Proton Unlimited. Actualmente cuesta 12,99 € si se paga mensualmente o 119,88 € al año —9,99 € al mes— e incluye las versiones premium de Mail, Calendar, Drive, VPN, Pass y Wallet, con 500 GB de almacenamiento. Lumo aparece dentro del ecosistema, pero Unlimited incluye actualmente Lumo Free, no Lumo Plus, que mantiene su propia modalidad premium.

Ese detalle importa.

Porque Proton empieza a parecer una alternativa razonable para quien quiere reducir su dependencia de varias grandes tecnológicas, pero todavía no existe un único pago que desbloquee absolutamente todo.

Alrededor del ecosistema están además SimpleLogin, dedicado a alias de correo, y Standard Notes, aplicación de notas cifradas que se unió a Proton en 2024 y continúa funcionando como producto independiente.

Cuánto vale que te dejen en paz

Google, Microsoft o ChatGPT funcionan muy bien. Proton no siempre los supera en funciones, integraciones o comodidad. Su ventaja aparece cuando introduces otra pregunta en la ecuación: qué ocurre con tus datos después de pulsar Enter.

Hoy guardamos contratos, fotos, contraseñas y conversaciones con una IA en servicios ajenos. La privacidad ya no es un detalle técnico: forma parte de la infraestructura de nuestra vida digital.

Proton quizá no sustituya a todos los grandes ecosistemas. Tampoco hace falta. A veces el verdadero valor está simplemente en tener una alternativa que no necesite saberlo todo sobre ti.

📬 Y si esta newsletter te ayuda a trabajar mejor, compártela. Cada semana seleccionamos solo herramientas que merecen tu tiempo.

Nos leemos pronto.

Y ahí está buena parte de su valor profesional. La gente pregunta, compara productos, recomienda alternativas, se queja y explica cómo resuelve problemas reales.

Por eso, antes de usar Reddit para publicar o promocionarte, conviene hacer algo más sencillo: escuchar.

Porque entre miles de conversaciones pueden esconderse problemas, objeciones, competidores y oportunidades que ningún estudio de mercado te mostraría de la misma manera.

Reddit no es otra red social

Hay que quitarse una costumbre de encima.

Entramos en LinkedIn pensando qué podemos publicar. En Instagram, qué podemos enseñar. En X, qué podemos opinar. En Reddit conviene empezar con una pregunta distinta:

¿Qué puedo aprender?

La diferencia parece pequeña, pero cambia por completo el uso de la plataforma.

Reddit está organizado alrededor de comunidades —los famosos subreddits— dedicadas a cuestiones extraordinariamente concretas. Hay comunidades sobre emprendimiento, contabilidad, inteligencia artificial, cafeteras italianas, software B2B, oposiciones, enfermedades de plantas, inversión inmobiliaria, producción musical o reparación de electrodomésticos.

No seguimos principalmente a personas. Seguimos asuntos. Y cuando alguien entra en una de esas comunidades para preguntar por qué una determinada herramienta le parece demasiado cara, qué alternativa utiliza para gestionar sus clientes o cómo resuelve manualmente una tarea que nadie ha automatizado bien, está dejando algo más valioso que un simple comentario.

Está dejando una pista.

Hootsuite(plataforma centralizada de gestión de redes sociales) define precisamente el valor profesional de Reddit alrededor de esa combinación de comunidades de nicho, escucha y participación útil; Sprout Social(plataforma integral de gestión de redes sociales) lo lleva un poco más lejos y habla de Reddit como una fuente de intención y opinión difícil de encontrar en canales más pulidos.

Esto no significa que lo que aparece en Reddit sea “la verdad del mercado”. Sería un error. Los usuarios de Reddit no representan estadísticamente a la población. Algunas comunidades tienen sesgos muy fuertes. Los usuarios más enfadados pueden escribir más que los satisfechos. Un comentario muy votado puede ser ingenioso y, aun así, equivocado.

Su valor está en otro sitio: Reddit no sustituye una investigación de mercado. Ayuda a saber qué deberías investigar.

Y eso ya es mucho.

Buscar problemas, no confirmar ideas

Imagina que estás pensando en crear un software para pequeñas empresas. La tentación habitual consiste en buscar algo parecido a nuestra propia idea.

“Software de gestión para pequeñas empresas”.

Encontramos tres personas diciendo que necesitan algo así y nos vamos a casa bastante satisfechos. Eso no es investigar. Es buscar testigos para una conclusión que ya habíamos tomado. La investigación interesante comienza cuando nos olvidamos durante un rato de nuestra solución y buscamos la fricción.

“Too expensive”, “Alternative to”, “Doesn’t work”, “I wish there was”, “Frustrated with”, “How do you manage”, “What tool do you use”...

Semrush recomienda precisamente rastrear este tipo de construcciones porque revelan preguntas conversacionales, problemas y contexto que muchas herramientas tradicionales de palabras clave no detectan. No solo descubrimos qué está preguntando alguien, sino por qué lo pregunta, qué ha probado antes y dónde ha fallado.

La diferencia es importante: “Busco un CRM” contiene poca información. “He probado tres CRM y todos son demasiado complejos para una empresa de cuatro personas” contiene un mercado entero en una frase.

Hay un usuario. Hay un problema. Hay competidores. Hay una objeción. Hay un criterio de compra. Y probablemente haya gente respondiendo debajo.

Por eso, cuando encuentres una conversación interesante, no leas solo la pregunta: baja a los comentarios. A veces el verdadero estudio de mercado empieza allí.

Aprender a buscar cambia Reddit por completo

El buscador de Reddit ha mejorado bastante y permite hacer búsquedas mucho más precisas de lo que parece.

Puedes utilizar operadores como subreddit:, title:, selftext:, author: o flair: y combinar campos. También puedes utilizar comillas cuando buscas expresiones completas. La propia documentación oficial recoge estas opciones.

Supongamos que quieres investigar cómo gestionan sus proyectos las pequeñas empresas. Una búsqueda genérica de “project management” te devuelve demasiado. Pero algo como:

subreddit:smallbusiness title:"project management"

empieza a acotar el terreno.

También puedes salir de Reddit y utilizar Google:

site:reddit.com "project management" "too expensive"

o:

site:reddit.com "alternative to" "meeting notes"

La técnica no tiene ningún misterio. Lo difícil es formular preguntas que busquen problemas en lugar de productos.

Yo empezaría construyendo un pequeño vocabulario para cada investigación: Nombre del problema. Nombre de la categoría. Principales competidores. Verbos relacionados con la tarea. Palabras que indiquen frustración. Expresiones relacionadas con precio. Alternativas. Soluciones manuales.

Después empezaría a cruzarlas. De pronto Reddit deja de parecer una página llena de gente discutiendo y empieza a parecerse a un archivo.

Y ahora Reddit puede buscar por ti

Aquí aparece una novedad especialmente interesante.

En mayo de 2026, Reddit integró Reddit Answers dentro de su propio buscador. Su nueva búsqueda con IA permite hacer preguntas en lenguaje natural y obtener una síntesis basada en publicaciones y comentarios reales, manteniendo el acceso a las conversaciones originales. En julio amplió esta experiencia y actualmente está disponible en español y en España. Esto cambia bastante la experiencia. En lugar de escribir únicamente palabras clave, podemos preguntar:

“¿Qué problemas encuentran los autónomos al utilizar herramientas para controlar sus gastos?”

O:

“¿Qué quejas aparecen con mayor frecuencia sobre los asistentes de reuniones con IA?”

Reddit intenta localizar conversaciones relacionadas y construir una primera respuesta. Pero aquí conviene resistir una tentación: No quedarse con el resumen. El resumen sirve para orientarse. La investigación empieza cuando abrimos las conversaciones que lo sostienen. Queremos leer matices. Contradicciones. Contextos. Casos raros. Gente que está de acuerdo y gente que no. Queremos saber si un problema aparece una vez o reaparece durante meses. Una IA puede reducir cincuenta conversaciones a cinco conclusiones.Nuestro trabajo consiste en comprobar que esas cinco conclusiones no hayan borrado precisamente lo interesante.

Reddit Pro: cuando escuchar se convierte en sistema

Reddit ha entendido este uso profesional y está construyendo herramientas específicas alrededor de él. Reddit Pro es una suite gratuita, actualmente en beta, pensada para empresas y organizaciones. Permite descubrir comunidades y conversaciones relacionadas con un negocio, entender dónde participar y medir posteriormente la actividad. Su disponibilidad sigue condicionada por país y elegibilidad, por lo que no todas las cuentas tienen acceso todavía.

Pero la parte verdaderamente interesante es Reddit Pro Trends. Trends permite monitorizar palabras clave para observar dónde, cuándo y cómo se habla sobre ellas. Algunas funcionan además como Smart Keywords: Reddit intenta comprender el contexto y aporta datos como volumen de conversación y términos relacionados.

Pensemos en lo que eso significa. Puedes seguir tu empresa. Pero también a tres competidores, una categoría, un problema, una tecnología, una necesidad, una tendencia que todavía no sabes si es una tendencia. No hace falta entrar cada mañana en quince comunidades buscando algo nuevo. Puedes convertir la escucha en una rutina. Ahí Reddit empieza a acercarse a algo más interesante que una red social: un sistema sencillo de inteligencia de mercado.

Vigilar a la competencia sin mirar su web

Normalmente analizamos a un competidor desde fuera. Entramos en su página. Vemos precios. Funciones. Casos de éxito. Publicaciones. Campañas. Es información útil, pero tiene un pequeño inconveniente: la ha seleccionado el propio competidor. En Reddit podemos mirar desde el otro lado. Buscar el nombre de una herramienta junto a palabras como “alternative”, “expensive”, “cancelled”, “problem”, “worth it” o “support” puede llevarnos a conversaciones bastante menos ordenadas. Y bastante más interesantes. No buscamos necesariamente saber si una empresa es buena o mala.

Buscamos descubrir por qué alguien la abandona, qué función echa en falta, qué alternativa recomienda o qué aspecto considera injustificadamente caro. Si una crítica aparece una vez, probablemente sea una anécdota. Si aparece durante meses, en comunidades distintas y expresada de formas parecidas, ya tenemos algo que merece atención.

Reddinbox propone convertir este proceso en un método: recopilar conversaciones, conservar las frases originales, clasificar problemas, soluciones improvisadas, menciones de competidores y objeciones de precio, y buscar posteriormente patrones. Es una fuente comercial y debe leerse como tal, pero su metodología resulta útil precisamente porque insiste en evitar el sesgo de confirmación. Esa precaución me parece fundamental. No deberíamos utilizar Reddit para demostrar que nuestra idea es buena: Deberíamos utilizarlo también para intentar demostrar que es mala.

De Reddit a ChatGPT: el trabajo realmente interesante

Aquí es donde el proceso puede volverse mucho más potente. Reddit produce información desordenada. La inteligencia artificial es bastante buena ordenándola.

Podemos recopilar veinte, cincuenta o cien conversaciones relevantes y guardar siempre la URL original, fecha, subreddit y fragmentos significativos. Después, pasar ese material a ChatGPT, Claude o cualquier otro modelo para agruparlo.

No para pedir:

“Dime cinco ideas de negocio”.

Sino algo más exigente:

“Clasifica estas conversaciones según problemas repetidos, soluciones actuales, competidores mencionados, objeciones de precio, soluciones manuales, intensidad del problema y evidencias que contradigan cada hipótesis”.

La diferencia vuelve a ser importante. En el primer caso pedimos ideas a la IA. En el segundo le damos evidencias para que nos ayude a pensar. El resultado podría convertirse en un documento bastante sencillo: tres problemas recurrentes, cinco expresiones utilizadas por los usuarios, cuatro herramientas actuales, dos soluciones improvisadas y una hipótesis que merece seguir investigándose. Eso ya no es navegar por Reddit: Es construir conocimiento a partir de Reddit.

Una mina para contenidos, pero no una fábrica de contenidos

La misma lógica sirve para una newsletter. Si quieres escribir sobre inteligencia artificial aplicada a la empresa, puedes consultar herramientas de tendencias. Ver búsquedas. Leer informes. Pero Reddit aporta algo distinto. Te enseña cómo formula la pregunta una persona que realmente tiene el problema. Semrush denomina a esto investigación de palabras clave conversacionales. En los hilos aparecen consultas largas, dudas específicas y necesidades que pueden pasar inadvertidas en las herramientas tradicionales de SEO. Eso puede cambiar un contenido.

Quizá ibas a escribir:

“Las mejores herramientas de IA para reuniones”.

Pero después de investigar descubres que la pregunta recurrente no es cuál transcribe mejor. Es cuál puede tomar notas sin introducir un bot visible en la reunión. Ya tienes otro artículo, y probablemente uno mejor. No porque Reddit te haya dado el texto, porque te ha dado la pregunta correcta.

La tentación del GEO

GEO (Generative Engine Optimization) es la optimización de contenido para que los motores de búsqueda por inteligencia artificial lo prioricen y citen en sus respuestas. Y existe otra razón por la que Reddit ha recibido enorme atención durante los últimos meses. Los buscadores con IA lo utilizan como fuente. Semrush analizó 248.000 publicaciones de Reddit que aparecían en resultados de ChatGPT Search, Perplexity y Google AI Mode y encontró un dato interesante: las conversaciones de preguntas y respuestas, comparaciones y discusiones tenían mucha presencia, y muchas publicaciones citadas acumulaban relativamente pocos votos o comentarios.

Esto ha provocado el previsible entusiasmo: “Hay que publicar en Reddit para aparecer en ChatGPT”. Yo tendría bastante cuidado, a finales de agosto de 2026, datos recogidos por Business Insider mostraban una caída del 86 % de las citas visibles de Reddit en respuestas de ChatGPT desde mediados de ese mismo mes. OpenAI señaló que las fuentes de citación evolucionan según la relevancia. Perseguir al algoritmo vuelve a ser lo de siempre, hoy Reddit, mañana otra cosa. El GEO puede ser una consecuencia interesante de participar bien en Reddit. No debería ser la razón para hacerlo.

Un pequeño sistema de inteligencia Reddit

Si tuviera que empezar mañana, no intentaría dominar Reddit. Elegiría un asunto. Solo uno. Identificaría unas pocas comunidades suficientemente específicas y crearía un pequeño vocabulario de problemas, productos, competidores y expresiones de frustración. Revisaría conversaciones recientes y antiguas, guardaría las que aportasen alguna evidencia, leería los comentarios y buscaría también contradicciones.

Una vez por semana dedicaría unos cuarenta y cinco minutos a actualizar ese pequeño archivo. Después de un mes probablemente no tendría miles de datos, pero sí algo bastante más útil: cincuenta conversaciones que conozco, una docena de problemas que se repiten, el lenguaje que utiliza la gente para describirlos, los productos que aparecen espontáneamente, las cosas por las que parecen dispuestos a pagar y aquellas que consideran absurdamente caras.

Y quizá, entre todo eso, dos o tres oportunidades que merecen una investigación más seria.

Eso es suficiente. Porque el objetivo no consiste en escuchar todo Internet, sino en aprender a reconocer una señal cuando aparece.

Aprender a escuchar el ruido

Internet se ha llenado de respuestas. Tenemos buscadores que resumen, inteligencias artificiales que explican, empresas que publican contenido y expertos que opinan antes de tener tiempo de pensarlo.

Reddit conserva algo incómodo dentro de todo eso: la conversación. Desordenada, contradictoria, a veces desagradable, muchas veces inútil y, de vez en cuando, extraordinariamente reveladora.

Su mejor uso profesional quizá no sea construir una audiencia ni conseguir tráfico. Ni siquiera aparecer en Google o en la respuesta de una inteligencia artificial. Puede ser algo bastante más sencillo: escuchar a alguien describir un problema con sus propias palabras, sin formulario, sin entrevistador y sin una presentación de PowerPoint esperando al final.

Después habrá que verificarlo. Hablar con clientes, buscar datos, comparar mercados y comprobar si alguien pagaría realmente por resolver aquello. Reddit no elimina ese trabajo. Solo puede ayudarnos a empezarlo mejor.

Y en un momento en el que tenemos herramientas capaces de producir respuestas casi infinitas, encontrar mejores preguntas probablemente sea una ventaja bastante más importante.

Por eso, si nunca has utilizado Reddit profesionalmente, yo no empezaría escribiendo una publicación. Abriría el buscador, escribiría el nombre de un problema y me quedaría un rato leyendo.

📬 Y si esta newsletter te ayuda a trabajar mejor, compártela. Cada semana seleccionamos solo herramientas que merecen tu tiempo.

Nos leemos pronto.

No hay un hilo temático fácil entre ellos. Uno habla de nuestra incapacidad para imaginar el futuro. Otro, de cómo se construyen comunidades que de verdad sostienen algo. El tercero cuenta la vida de Aristóteles con dibujos, y el cuarto explica diez mil años de civilización a través de la energía que la hizo posible. Lo que comparten es una misma actitud: ninguno te dice qué hacer mañana por la mañana. Todos te obligan a pensar en algo más grande que mañana por la mañana.

Aquí van las recomendaciones:

Tiempo de futuros — David Alayón

David Alayón lleva años trabajando con organizaciones que quieren anticiparse a lo que viene, y ha llegado a una conclusión incómoda: hemos dejado de saber imaginar el futuro. No porque falten datos ni herramientas, sino porque hemos delegado esa capacidad en otros. En expertos, en algoritmos, en discursos catastrofistas que nos convencen de que no hay nada que decidir.

El libro recorre cómo ha cambiado la idea de futuro a lo largo de los siglos —del tiempo circular al progreso, de la utopía a la distopía, de la profecía a la predicción algorítmica— y llega a un presente en el que el mañana genera más ansiedad que curiosidad. Alayón no ofrece un método de diez pasos. Ofrece algo más difícil: la idea de que imaginar es una capacidad humana entrenable, no un don reservado a unos pocos, y que renunciar a ella es también una forma de renunciar a decidir.

Es un libro para leer despacio, no porque sea denso, sino porque cada capítulo deja una pregunta que conviene no responder demasiado rápido. ¿Cuándo fue la última vez que imaginaste algo sin que un titular te lo impidiera?

📚 Ver en Amazon

Comunidades de impacto — Rubén Mancera y Juan Parodi

Este es, en apariencia, un libro de empresa. Habla de Lego, de Notion, de Nike, de Duolingo, de cómo esas organizaciones han construido comunidades que no son departamentos de marketing disfrazados, sino estructuras vivas que sostienen la cultura, la innovación y la fidelidad de quienes las forman. Pero léelo con atención y verás que el argumento de fondo es otro, más incómodo para cualquier empresa acostumbrada a medir todo en métricas: que ninguna transformación duradera nace de un plan de comunicación, sino de la conexión humana real entre personas que deciden quedarse.

Rubén Mancera y Juan Parodi no escriben desde la teoría. Documentan casos, extraen patrones, proponen marcos que se pueden aplicar sin necesidad de un departamento entero dedicado a ello. Y en algún momento del libro queda claro que hablar de “comunidad” en una organización no es un eufemismo bonito para “usuarios” o “empleados”, sino una apuesta seria por que la gente se quede porque quiere, no porque no le queda otra.

Si has intentado alguna vez construir algo con otras personas —un equipo, un proyecto, una newsletter— y has sentido que el entusiasmo inicial se diluye sin que sepas muy bien por qué, este libro nombra ese problema con precisión. Y ofrece, sin prometer milagros, alguna forma de empezar a resolverlo.

📚 Ver en Amazon

Aristóteles — Tassos Apostolidis y Alecos Papadatos

De los cuatro, este es el único que no vas a leer por obligación ni por utilidad inmediata. Y quizá por eso es el que más falta hace en una lista como esta.

Alecos Papadatos es el ilustrador de Logicomix, así que ya sabe lo difícil que es dibujar el pensamiento sin traicionarlo. Aquí, junto al guionista Tassos Apostolidis —profesor de secundaria durante cuarenta años, lo que se nota en cada página—, reconstruye la vida de Aristóteles: el filósofo, el científico, el maestro de Alejandro Magno, el hombre que sintió la misma curiosidad por la astronomía que por la ética o la biología. No es una biografía solemne. Es una novela gráfica que combina rigor histórico y humor, y que consigue algo que pocos libros de filosofía logran: que entiendas por qué Aristóteles importaba entonces, sin necesidad de fingir que resuelve nada de lo que te preocupa hoy.

Leerlo en verano tiene su lógica. No exige el mismo esfuerzo que un ensayo, pero deja una sensación parecida: la de haber pasado un rato con alguien que miraba el mundo entero como un problema por entender, sin prisa por cerrarlo.

📚 Ver en Amazon

Energía y civilización — Vaclav Smil

Este es el más largo, el más denso y, si tengo que elegir uno, el que más te va a cambiar la forma de mirar todo lo demás.

Vaclav Smil dedica sus más de seiscientas páginas a una sola pregunta: qué papel ha jugado la energía —la muscular, la del carbón, la del petróleo, la eléctrica— en cada gran cambio de la historia humana, desde los primeros grupos de cazadores-recolectores hasta la civilización que hoy depende casi por completo de los combustibles fósiles. No es un libro sobre el cambio climático, aunque lo roza. Es un libro sobre cómo la disponibilidad de energía ha determinado qué sociedades podían alimentar a más gente, construir qué estructuras, librar qué guerras y ofrecer qué calidad de vida. Y sobre cómo esa misma historia trae consigo una factura: desigualdad, concentración de poder, contaminación.

Smil escribe con un lenguaje accesible pese a la cantidad de datos que maneja, y el resultado es un libro que no se lee de un tirón, sino a ratos, dejando que cada capítulo se asiente. Es el tipo de lectura que hace que, meses después, sigas mirando un enchufe, un depósito de gasolina o una fábrica con otros ojos. No promete entretenimiento fácil. Promete algo más difícil de encontrar: entender de verdad cómo llegamos hasta aquí.

📚 Ver en Amazon

No hay una moraleja limpia que una estos cuatro libros, y prefiero no inventarla. Pero si los pones uno al lado del otro aparece un patrón: todos hablan, de maneras distintas, de la diferencia entre reaccionar y entender. Alayón lo dice sobre el futuro. Mancera y Parodi, sobre las organizaciones. Apostolidis y Papadatos lo muestran a través de un hombre que llevaba entendiendo veinticuatro siglos de ventaja. Y Smil lo aplica a la civilización entera, con la paciencia de quien sabe que las respuestas rápidas casi nunca son las correctas.

El verano no arregla nada por sí solo. Pero da algo que escasea el resto del año: tiempo para leer sin la urgencia de sacarle una conclusión útil a la semana siguiente. Aprovéchalo así, si puedes. No para acumular más información, sino para pensar un poco más despacio de lo habitual.

📬 Y si esta newsletter te ayuda a trabajar mejor, compártela. Cada semana seleccionamos solo herramientas que merecen tu tiempo.

Nos leemos pronto.

El AI Index Report 2026, publicado por el Stanford Institute for Human-Centered Artificial Intelligence, no viene a decirnos que la IA será importante. Viene a decir algo más incómodo: la IA ya es importante, ya se ha extendido y ya está provocando efectos que todavía no sabemos gobernar del todo. El informe se presenta como una radiografía global de la inteligencia artificial, con capítulos sobre investigación, rendimiento técnico, IA responsable, economía, ciencia, medicina, educación, regulación y opinión pública. Su misión declarada es ofrecer datos rigurosos, amplios y contrastados para que responsables políticos, investigadores, empresas, periodistas y ciudadanía puedan entender mejor un campo que cambia demasiado deprisa.

La frase que podría resumir todo el informe es sencilla: la tecnología corre más que las instituciones.

Y eso, para quienes trabajamos con herramientas digitales, formación, productividad o transformación empresarial, debería sonar menos a titular futurista y más a aviso en la puerta.

La inteligencia artificial ya no es ese juguete extraño que uno probaba por curiosidad un domingo por la tarde. Ya no es solo el generador de imágenes absurdas, el chatbot que escribe poemas malos o el asistente que te resume un PDF. Eso sigue ahí, claro. Pero debajo de esa capa doméstica hay otra cosa. Hay una infraestructura gigantesca. Hay centros de datos. Hay chips. Hay universidades. Hay empresas. Hay gobiernos intentando no llegar tarde. Hay millones de trabajadores probando si una máquina puede hacer en tres minutos lo que antes les costaba tres horas.

Según el informe de Stanford, la adopción de la IA generativa ha alcanzado un nivel de población cercano al 53% en solo tres años, más rápido que el ordenador personal o internet. La adopción organizativa llegó al 88%. Cuatro de cada cinco estudiantes universitarios utilizan ya IA generativa. Es decir, mientras todavía discutimos si conviene permitir ChatGPT en clase, los alumnos ya lo han incorporado a su manera de estudiar. Mientras algunas empresas siguen organizando comités para decidir si la IA es relevante, sus empleados ya la usan por debajo de la mesa para escribir, resumir, programar, diseñar o preparar reuniones.

Hay algo casi cómico en esta escena, si no fuera también preocupante. Las organizaciones quieren controlar una tecnología que ya se ha colado por las rendijas. Como quien intenta cerrar la puerta cuando el gato lleva media hora dentro de casa, sentado en el sofá, mirándote con desprecio.

La primera gran lección del AI Index 2026 es que la IA ya no necesita convencer a nadie de que existe. Ahora necesita demostrar que puede integrarse bien. Y esa diferencia es importante. Durante la primera fase, bastaba con enseñar herramientas. Mira, esto resume. Mira, esto escribe. Mira, esto genera una imagen. Mira, esto te hace un plan de marketing con tres emojis y una frase motivacional. Esa fase se está agotando. O debería agotarse.

La nueva pregunta es otra: ¿dónde aporta valor real? ¿Dónde empeora el trabajo? ¿Qué tareas conviene automatizar? ¿Qué decisiones no se deben delegar? ¿Qué datos se pueden usar? ¿Quién valida el resultado? ¿Quién responde si la máquina se equivoca? ¿Qué hacemos cuando todos los empleados usan IA pero nadie ha definido una política común?

Ahí empieza el trabajo serio.

El informe muestra que los modelos no se han estancado. Al contrario. La capacidad sigue acelerando. Algunos modelos ya igualan o superan referencias humanas en pruebas de ciencia de nivel doctorado, razonamiento multimodal y matemáticas de competición. En programación, el rendimiento en SWE-bench Verified pasó del 60% a casi alcanzar la línea base humana en un solo año. Suena impresionante. Lo es. Pero hay un detalle incómodo: esos mismos modelos pueden ganar una medalla de oro en una olimpiada matemática y, al mismo tiempo, fallar al leer un reloj analógico. Stanford lo resume con una expresión útil: la “frontera irregular” de la IA. Puede parecer brillante en una tarea y torpe en otra que para un niño sería trivial.

Esa es una de las ideas que más deberíamos repetir en las empresas: la IA no es inteligente de una manera humana; es competente de una manera desigual.

Y eso cambia todo. Porque si uno cree que está ante una inteligencia general fiable, delega demasiado. Si entiende que está ante una herramienta poderosa pero irregular, diseña controles. Pide verificaciones. Mantiene criterio profesional. No se arrodilla ante la máquina. Tampoco la desprecia. La usa.

En Botón de Ayuda nos interesan las herramientas, sí. Pero no como quien colecciona cromos. Una herramienta digital solo importa si mejora una forma de trabajar. Si ahorra tiempo. Si reduce fricción. Si abre una posibilidad. Si permite que una persona pequeña —un autónomo, una pyme, un equipo de tres, un creador con más ideas que presupuesto— pueda hacer algo que antes estaba reservado a organizaciones con más músculo.

Pero conviene no engañarse. El AI Index 2026 deja claro que la IA también está concentrando poder. La industria produjo más del 90% de los modelos frontera notables en 2025. Los modelos más capaces son, cada vez más, los menos transparentes. Muchas compañías ya no publican información completa sobre código de entrenamiento, tamaño de los datasets, número de parámetros o duración del entrenamiento. En 2025, según el informe, 80 de 95 modelos notables se lanzaron sin su código de entrenamiento correspondiente.

Esto debería preocuparnos más. Porque hay una paradoja evidente: cuanto más influyen estos sistemas en nuestra vida, menos sabemos sobre cómo se han construido. Nos acostumbramos a preguntar a una caja negra porque responde bien la mayoría de las veces. Pero una caja negra sigue siendo una caja negra aunque escriba con buena sintaxis.

La opacidad no es solo un problema académico. Es un problema empresarial. Es un problema legal. Es un problema educativo. Es un problema cultural. Si una empresa usa IA para filtrar candidatos, priorizar clientes, generar informes, analizar riesgos o recomendar decisiones, necesita saber algo más que “funciona bastante bien”. Necesita saber qué datos utiliza, qué sesgos puede arrastrar, cómo se evalúa, quién supervisa y qué pasa cuando falla.

Y falla.

El informe indica que los incidentes documentados relacionados con IA subieron de 233 en 2024 a 362 en 2025. También señala que casi todos los desarrolladores de modelos frontera informan sobre benchmarks de capacidad, pero los informes sobre benchmarks de IA responsable siguen siendo irregulares. Es decir, se mide mucho lo que la IA puede hacer, pero bastante menos lo que puede romper.

Esta es probablemente una de las grandes grietas del momento. Vivimos fascinados por la demostración. Por el vídeo. Por el ranking. Por el modelo que contesta más rápido, razona mejor, programa más limpio, genera imágenes más realistas. Pero el verdadero debate no está solo ahí. El verdadero debate está en la integración. En la responsabilidad. En el uso cotidiano. En la oficina donde alguien copia datos sensibles en una herramienta externa. En el colegio donde un profesor no sabe si corregir al alumno o al prompt. En la administración pública que quiere modernizarse sin saber si está comprando eficiencia o dependencia.

La IA responsable suena aburrida hasta que algo sale mal.

Luego todo el mundo pregunta por ella.

En economía, el informe también ofrece una lectura de doble filo. Por un lado, hay evidencias de mejoras de productividad en sectores concretos. Stanford menciona estudios con ganancias de entre el 14% y el 26% en atención al cliente y desarrollo de software. Por otro lado, advierte que los efectos son más débiles o incluso negativos en tareas que requieren más juicio. Esta distinción es fundamental. La IA funciona muy bien cuando la tarea está delimitada, el contexto es claro y la calidad puede verificarse. Funciona peor cuando se le pide criterio, sensibilidad, interpretación profunda o responsabilidad.

Dicho de otra manera: la IA es buena haciendo trabajo. No siempre es buena entendiendo el trabajo.

Puede escribir un informe. Pero quizá no sabe por qué ese informe importa. Puede preparar una campaña. Pero quizá no entiende el miedo del cliente. Puede resumir una reunión. Pero quizá no detecta el gesto, el silencio, la tensión entre dos departamentos que no se soportan. Puede generar cien ideas. Pero no necesariamente sabe cuál merece sobrevivir.

Ahí sigue entrando el profesional.

No el profesional que se limita a repetir tareas mecánicas. Ese lo tiene difícil. En el informe aparece una señal incómoda: en desarrollo de software, donde las ganancias de productividad con IA están más claras, el empleo de desarrolladores estadounidenses de entre 22 y 25 años cayó cerca de un 20% desde 2024, mientras el empleo de desarrolladores de más edad seguía creciendo.

No conviene convertir esto en una película barata sobre robots robando empleos. La realidad suele ser menos cinematográfica y más administrativa. No desaparecen todos los trabajos de golpe. Desaparecen partes de los trabajos. Se comprimen tareas. Se reducen puestos de entrada. Se pide más a menos gente. Se valora más a quien sabe dirigir sistemas, revisar resultados, conectar herramientas y tomar decisiones. Se castiga más a quien solo ejecuta.

El junior ya no compite únicamente con otros juniors. Compite con un senior aumentado por IA.

Esa frase debería estar en muchas universidades.

En educación, el informe es especialmente revelador. Más del 80% de estudiantes de secundaria y universidad en Estados Unidos utiliza IA para tareas escolares, pero solo la mitad de los centros tiene políticas de IA y apenas un 6% de docentes considera que esas políticas son claras. La escena es perfecta: los alumnos viven en 2026, las instituciones redactan normativas como si todavía estuviéramos en 2018.

Esto no significa que haya que rendirse. Significa que hay que enseñar mejor. Prohibir sin comprender suele producir hipocresía. Permitir sin criterio produce mediocridad. La salida está en medio: rediseñar tareas, enseñar verificación, exigir proceso, evaluar pensamiento, pedir trazabilidad, convertir la IA en objeto de aprendizaje y no solo en atajo.

Una buena actividad educativa en 2026 no debería preguntar solamente “qué has entregado”. Debería preguntar también: ¿cómo lo has construido? ¿Qué parte hiciste tú? ¿Qué parte hizo la máquina? ¿Qué descartaste? ¿Qué comprobaste? ¿Dónde se equivocó? ¿Qué aprendiste en el proceso?

La IA puede ser una prótesis o una muleta. La diferencia está en el diseño pedagógico.

También hay una dimensión geopolítica que el informe subraya con fuerza: la soberanía de IA. Los países empiezan a entender que depender de modelos, chips, centros de datos y plataformas extranjeras no es solo una cuestión tecnológica. Es una cuestión de poder. Estados Unidos lidera en inversión privada y centros de datos. China lidera en publicaciones, citas, patentes e instalaciones de robots industriales. La brecha de rendimiento entre modelos estadounidenses y chinos prácticamente se ha cerrado. La producción de modelos sigue concentrada en Estados Unidos y China, aunque el código abierto empieza a redistribuir parte de la participación global.

Para Europa, y para España, esta parte debería leerse con cierta incomodidad. Nos gusta hablar de regulación. Y es importante. El informe recuerda que la Unión Europea es percibida globalmente como más confiable que Estados Unidos o China para regular la IA de forma efectiva. Pero regular no basta. Hace falta capacidad. Talento. Infraestructura. Empresas. Datos. Casos de uso. Cultura técnica. Adopción real en pymes, administraciones, universidades y sectores productivos.

Europa puede ser buena poniendo semáforos. Pero también necesita fabricar coches.

El coste ambiental aparece como otra factura pendiente. La capacidad energética de los centros de datos de IA alcanzó 29,6 GW en 2025, una cifra comparable a la demanda máxima del estado de Nueva York. El informe también señala que el consumo anual de agua asociado a la inferencia de GPT-4o podría superar las necesidades de agua potable de 12 millones de personas. Son cifras grandes, de esas que cuesta imaginar. Y quizá precisamente por eso se vuelven peligrosas. Porque lo que no podemos imaginar bien se convierte en abstracción.

Cada prompt parece liviano. Una pregunta. Un resumen. Una imagen. Una prueba. Pero millones de gestos livianos forman una infraestructura pesada. La nube también tiene sótano. Y en ese sótano hay electricidad, agua, refrigeración, chips, cadenas de suministro y emisiones.

Esto no significa que haya que dejar de usar IA. Significa que hay que dejar de hablar de ella como si fuera magia limpia. No lo es. Ninguna tecnología importante lo ha sido.

Quizá la conclusión más útil del AI Index 2026 es que la inteligencia artificial ha entrado en su segunda edad. La primera fue la fascinación. La segunda será la digestión. Ya no basta con mostrar lo que puede hacer. Ahora hay que decidir qué queremos hacer con ella.

Para un profesional, esto se traduce en una regla práctica: aprender IA no consiste en acumular herramientas. Consiste en construir criterio. Saber cuándo usar ChatGPT, Claude, Gemini, Perplexity, NotebookLM, Copilot, Midjourney, Make, Airtable o cualquier otra pieza del nuevo bazar digital. Saber combinarlas. Saber medir si ayudan. Saber decir que no. Saber explicar a un equipo por qué una automatización ahorra tiempo pero también introduce riesgo. Saber detectar cuándo una respuesta brillante está vacía. Saber no confundir velocidad con calidad.

La velocidad es la droga de esta época. La IA la sirve barata.

Pero trabajar mejor no siempre significa trabajar más rápido. A veces significa pensar antes de automatizar. Elegir mejor la tarea. Cortar pasos inútiles. Documentar lo que nadie documenta. Crear memoria interna. Diseñar procesos. Formar a la gente. Poner límites.

La paradoja es que cuanto más potente se vuelve la IA, más necesario se vuelve el criterio humano. No el criterio decorativo. No la frase bonita sobre “poner a las personas en el centro”. Criterio real. Profesional. Incómodo cuando toca. Capaz de mirar una herramienta nueva y preguntar: ¿para qué?, ¿con qué datos?, ¿con qué riesgo?, ¿con qué retorno?, ¿con qué supervisión?

Eso no cabe en una demo de treinta segundos. Pero cabe en una empresa que quiera seguir viva.

El AI Index Report 2026 de Stanford no es un informe para leer entero en una tarde, salvo que uno tenga una relación extraña con los PDFs largos. Son más de cuatrocientas páginas y muchas cifras. Pero su mensaje principal es bastante claro: la IA ya está aquí, se está adoptando más rápido que tecnologías anteriores, está concentrando poder, está generando productividad en ciertas tareas, está tensionando el empleo joven, está dejando atrás a la educación formal, está obligando a los gobiernos a hablar de soberanía tecnológica y está aumentando sus costes ambientales.

No es una moda. Tampoco es una salvación.

Es una infraestructura nueva para trabajar, aprender, crear, decidir y competir.

La diferencia no estará entre quienes usan IA y quienes no la usan. Esa frontera se va a borrar pronto. La diferencia estará entre quienes la usan con criterio y quienes la usan como si cada respuesta de la máquina fuera una pequeña revelación.

Y ahí, precisamente, está el botón que conviene pulsar.

No el botón de “generar”.

El otro.

El de ayuda.

📬 Y si esta newsletter te ayuda a trabajar mejor, compártela. Cada semana seleccionamos solo herramientas que merecen tu tiempo.

Nos leemos pronto.

Lo primero que me llamó la atención no fue el espectáculo —que lo era, con sus cheerleaders y sus pantallas gigantes y sus cascos brillantes bajo los focos. Lo primero que me llamó la atención fue algo más sencillo, casi estructural: cuando uno de los equipos atacaba, el otro no estaba en el campo. Cada equipo tiene su unidad de ataque y su unidad de defensa. Y no conviven. Se turnan. Cuando sales a atacar, envías a tus once jugadores ofensivos. Cuando toca defender, entran los once defensivos. Son, en la práctica, dos equipos dentro de un mismo equipo, con especialistas distintos, liderazgos distintos y objetivos distintos, que nunca comparten el terreno al mismo tiempo.

Me quedé un rato con eso. Y no pude evitar pensar en las empresas que conozco.

El error de poner a todo el mundo a hacer de todo

En la mayoría de los equipos de trabajo que he visto, la confusión no viene de que la gente sea incompetente. Viene de que no queda claro quién está atacando y quién está defendiendo. Y muchas veces ambas cosas suceden a la vez, con las mismas personas, sin que nadie haya decidido conscientemente qué modo activar.

Hay un momento en la vida de cualquier proyecto —una startup, un departamento, una empresa pequeña— en que el equipo tiene que ir a buscar territorio nuevo. Nuevos clientes, nuevos mercados, nuevos productos. Eso es ataque. Requiere velocidad, tolerancia al error, capacidad de improvisación y alguien que tome decisiones rápidas aunque la información sea incompleta. El quarterback —el que lanza el balón, el que dicta el ritmo de la jugada— no puede detenerse a analizar todas las variables. Tiene segundos. Lanza o pierde la jugada.

Pero hay otro momento —que convive con el anterior, aunque no siempre se reconoce como tal— en que el equipo tiene que proteger lo que ya existe. La cartera de clientes que paga las nóminas. Los procesos que funcionan. La reputación construida. La caja. Eso es defensa. Y requiere una mentalidad completamente distinta: paciencia, anticipación, disciplina, y la capacidad de absorber presión sin derrumbarse.

El problema es que muchos equipos piden a las mismas personas que hagan ambas cosas al mismo tiempo. El comercial que tiene que abrir nuevas cuentas también tiene que mantener las actuales. El desarrollador que tiene que lanzar funcionalidades nuevas también tiene que mantener el sistema estable. El fundador que tiene que levantar inversión también tiene que gestionar al equipo. Y cuando todo es urgente, nada es prioritario.

Lo que diferencia al quarterback del liniero defensivo

En el fútbol americano, el quarterback es la figura más visible del ataque. Decide la jugada, lee la defensa rival en décimas de segundo, distribuye el balón y asume la responsabilidad de lo que ocurre. Es un perfil muy específico: comunicador, rápido, con autoridad natural y una tolerancia inusual a la presión. No puede dudar. Si duda, pierde.

Pero nadie le pide al quarterback que haga lo que hace el liniero defensivo. El liniero defensivo lleva otro tipo de juego: está ahí para detener, para absorber el impacto, para mantener la línea. No lanza nada. No improvisa en el sentido creativo del término. Su trabajo es contener, resistir, anticipar el movimiento del rival y bloquear antes de que llegue al objetivo. Es un perfil igualmente valioso, igualmente difícil, e igualmente especializado. Pero su excelencia se mide en parámetros completamente distintos.

Cuando unes a alguien así, el equipo gana claridad. Cada cual sabe cuándo le toca salir al campo. Y cuando no es su turno, descansa, analiza y se prepara para la siguiente fase.

En los equipos de trabajo que funcionan bien hay algo parecido, aunque nadie lo llame así. Hay perfiles que son extraordinarios cuando la organización está en modo expansión: buscan la oportunidad, convencen al cliente, empujan hacia adelante aunque el terreno no esté del todo claro. Son personas que se activan con la incertidumbre. Que necesitan el juego abierto para rendir. Que si los pones a mantener un proceso estable durante meses sin novedad se marchitan.

Y hay perfiles que son extraordinarios precisamente en ese otro escenario: los que garantizan que las cosas que ya funcionan sigan funcionando. Los que detectan la amenaza antes de que se materialice. Los que preguntan “¿y si esto falla?” cuando todos los demás están celebrando el lanzamiento. No son pesimistas. Son defensas. Y sin ellos, el equipo que ataca bien pero no sabe defender acaba perdiendo lo que ganó.

El turno que nadie gestiona

Lo curioso del fútbol americano no es que existan estas dos unidades. Lo curioso es que el turno está codificado en las reglas del juego. Hay un momento en que el balón cambia de manos y todo el mundo sabe qué equipo ataca y qué equipo defiende. No hay ambigüedad. No hay conversación. El árbitro no tiene que recordarle al quarterback que ahora le toca al otro equipo.

En las organizaciones, ese momento de cambio rara vez está codificado. Nadie dice “a partir de ahora estamos en modo defensivo” o “hoy activamos el modo expansión”. Las empresas tienden a funcionar en un estado permanente de ambigüedad estratégica en que todos los frentes están abiertos al mismo tiempo y nadie ha decidido conscientemente qué momento es este.

El resultado es predecible. Las personas que son buenas atacando se frustran cuando el equipo necesita consolidar. Las personas que son buenas defendiendo se sienten desplazadas cuando todo el mundo quiere crecer a toda velocidad. Y los que intentan hacer ambas cosas simultáneamente —que suelen ser los más comprometidos— terminan agotados y con la sensación de que no están haciendo nada del todo bien.

Nombrar el momento es la mitad del trabajo. No hace falta que sea una declaración formal ni una presentación con slides. Pero cuando el equipo sabe que ahora mismo la prioridad es proteger lo existente —o al contrario, que es el momento de salir a buscar territorio nuevo—, algo cambia. La gente sabe qué se espera de ella. Los que brillan en ataque pueden salir al campo. Los que brillan en defensa saben que su momento también llegará, y mientras tanto tienen algo que proteger.

La trampa del jugador comodín

Hay una tentación recurrente en los equipos pequeños: buscar el jugador comodín. El que vende y también gestiona. El que desarrolla y también atiende al cliente. El que lidera y también ejecuta. Es comprensible en los momentos en que los recursos son escasos. Pero a medida que el equipo crece, el comodín se convierte en un cuello de botella.

El fútbol americano lleva décadas refinando algo que muchos equipos de trabajo descubren tarde: la especialización no es un lujo, es una condición para competir en serio. Un equipo en que todos hacen de todo está limitado por la capacidad de su persona más ocupada. Un equipo con roles claros puede escalar sin que nadie se rompa.

Esto no significa que todos deban encerrarse en su parcela y negarse a colaborar. La diferencia está en saber cuándo uno está ejerciendo su función principal y cuándo está cubriendo un hueco temporal. El quarterback que una tarde tiene que recoger conos del entrenamiento no ha dejado de ser quarterback. Pero sería un error de gestión pedirle que recoja conos todos los días.

En los proyectos que han funcionado mejor suele haber un momento en que alguien —el fundador, el director, quien sea que tome las decisiones estructurales— decide dejar de pedir a las personas que sean todo a la vez. Que nombra quién lleva el ataque esta temporada y quién lleva la defensa. Que acepta que esas funciones requieren perfiles distintos y que mezclarlas sin criterio produce equipos confusos y personas agotadas.

Qué vi realmente en Madrid

El partido terminó y salí del estadio con esa ligera euforia que a veces produce un espectáculo que no entiendes del todo pero que tiene algo que te engancha. No me hice seguidor de la NFL. Sigo sin tener equipo.

Pero me quedé pensando en esa imagen: dos unidades distintas, dos mentalidades distintas, dos momentos distintos dentro del mismo partido. Y en lo mucho que se parece a lo que ocurre —o debería ocurrir— en cualquier organización que quiera jugar en serio.

No es una metáfora perfecta. Las metáforas nunca lo son. En la vida real los límites entre atacar y defender son más borrosos, los turnos no los dicta un árbitro y hay jugadas en que todos tienen que hacer un poco de todo. Pero la imagen sirve para hacerse una pregunta que vale la pena responder con honestidad: ¿sabe tu equipo cuándo está atacando y cuándo está defendiendo? ¿O están todos en el campo al mismo tiempo, pisándose los pies, sin que nadie haya decidido qué momento es este?

Si la respuesta te incomoda un poco, probablemente es la correcta.

📬 Y si esta newsletter te ayuda a trabajar mejor, compártela. Cada semana seleccionamos solo herramientas que merecen tu tiempo.

Nos leemos pronto.

Llevas meses hablando con ella. Le has contado lo del trabajo. Lo del proyecto que no arranca. Esa conversación tonta que quisiste ensayar antes de tenerla. Le pegaste el borrador del correo. Le pediste que te ayudara con el currículum. Un día, no recuerdas cuándo, empezaste a escribirle cosas que no le escribías a nadie. No por intimidad, sino por economía. Porque explicarlas a un humano exigía mirarle a los ojos, y mirar a los ojos cansa.

La máquina, en cambio, no te mira. Ese es precisamente su mérito.

Y ahí, entre prompt y prompt, se ha ido formando una especie de archivo. Un retrato tuyo hecho de migajas. Un boceto a lápiz que tú mismo has dibujado sin querer, diciéndole cosas sueltas a alguien que no olvida. Ahora resulta que ese archivo puede devolverte algo. No la verdad, cuidado. No seamos ingenuos. Pero sí algo que se le parece bastante cuando hay poca luz.

Lo que la IA ve cuando tú ya no quieres mirar

La idea es sencilla, aunque incómoda. Si la IA tiene memoria contigo —y la tiene, cada vez más, ya sea por conversaciones largas, por proyectos guardados, por funciones como la de recuerdos persistentes de ChatGPT o de Claude—, entonces puedes pedirle algo que no le pedirías a casi nadie. Puedes pedirle que te diga lo que no estás viendo.

El truco no está en la pregunta. Está en haber hablado antes. En haberle dado suficiente material. La IA no adivina. Trabaja con lo que le has dejado sobre la mesa. Si le has dejado poco, te devolverá generalidades. Si le has dejado mucho —correos, dudas, decisiones, frustraciones— te devolverá algo que puede quitarte el sueño una noche. O arreglártelo. Según el día.

Lo primero, entonces, es abrir una conversación con contexto. Contarle quién eres, a qué te dedicas, qué estás intentando hacer estos meses, qué te pesa, qué te ilusiona, qué decisiones llevas aplazando. Sin pudor y sin maquillaje. El maquillaje con las máquinas es especialmente ridículo. Y luego, cuando ya le has dado de comer, es cuando se pregunta.

Las diez preguntas que no te has atrevido a hacerte

No son mías. Llevan dando vueltas por internet semanas. Las ha refinado gente que ha pasado mucho tiempo hablando con modelos de lenguaje y poco tiempo mintiéndose. Las reproduzco aquí porque, ordenadas así, funcionan como una especie de sesión completa. Una conversación que dura lo que dura un café largo y cuesta más que una hora con el psicólogo que no has pedido todavía.

1. Con todo lo que sabes de mí, dime cinco puntos ciegos que probablemente no estoy viendo.

Esta es la pregunta madre. La que abre todas las demás. Un punto ciego es, por definición, aquello que no puedes ver desde donde estás. Para verlo necesitas a alguien que te mire desde otro ángulo. La IA no tiene ángulo propio, pero tiene el tuyo reflejado en el espejo, que es casi lo mismo. A veces duele más.

2. ¿Qué patrones repito una y otra vez en mis decisiones, proyectos o relaciones?

Aquí empieza la parte estructural. Porque casi nunca el problema es lo que pasó el martes. El problema es que el martes se parece sospechosamente al martes del año pasado, y al del anterior, y al de una tarde en Lavapiés que preferirías no recordar. Los patrones no son errores. Son formas nuestras de volver siempre al mismo sitio creyendo que hemos salido a pasear.

3. ¿En qué me estoy engañando a mí mismo aunque me cueste admitirlo?

Hay que hacer esta pregunta cuando no queda nadie en casa. Y no esperar que la respuesta sea amable. Si lo es, es que la máquina te ha tomado la medida equivocada. Vuelve a darle contexto y vuelve a preguntar.

4. ¿Qué contradicciones ves entre lo que digo que quiero y lo que realmente hago?

Esta es la favorita de los que se creen coherentes. También la más demoledora. Dices que quieres descansar y no paras. Dices que quieres cambiar de trabajo y llevas dos años actualizando el mismo LinkedIn. Dices que quieres escribir y abres Twitter. La IA no juzga. Pero tampoco disimula. Es un alivio, en cierto modo, que algo en el mundo no disimule.

5. Si fueras mi mentor más exigente, ¿qué me dirías que debo cambiar ya?

Atención al ya. Esa palabra cambia el registro. Le quita a la IA el modo consultor-amable y le exige que se ponga el traje del jefe que todos hemos tenido alguna vez y que, sin que sirva de disculpa, nos hizo mejores a hostias. Sin violencia, claro. Solo con la franqueza que hemos desterrado de casi todas las conversaciones profesionales.

6. ¿Qué fortalezas mías están mal aprovechadas o mal dirigidas?

Aquí hay algo que casi nadie se dice: a veces el problema no es el defecto, es la virtud. Eres buenísimo gestionando crisis, y por eso vives en una crisis permanente. Eres encantador con desconocidos, y por eso no acabas de conocer a nadie. El talento mal enfocado es la forma más elegante de autosabotaje. Y solo lo ve de fuera.

7. ¿Dónde estoy confundiendo movimiento con progreso?

Esta pregunta debería grabarse en la entrada de todas las oficinas. Y en la de los bares. Y en la puerta de los gimnasios a las siete de la mañana. Estar ocupado no es lo mismo que estar yendo a algún sitio. Lo sabemos todos. Lo olvidamos todos. La IA, que no tiene agenda, lo recuerda por nosotros.

8. ¿Qué debería dejar de hacer inmediatamente porque me resta más de lo que me aporta?

El stop doing list de toda la vida, pero aplicado con brutalidad. No qué podrías mejorar. Qué deberías abandonar. Qué suscripción, qué reunión, qué relación profesional, qué hábito digital, qué manía secreta está drenándote sin que lo notes. Las respuestas suelen ser poco glamurosas. También suelen ser exactas.

9. Si siguiera exactamente igual durante 3 años, ¿cuál sería mi mayor riesgo personal o profesional?

Esta pregunta introduce algo que no suele estar en el diagnóstico: el futuro. Proyecta la trayectoria y te pregunta si te gusta el sitio al que lleva. Es la versión civilizada de ¿dónde estarás con cincuenta? solo que sin el paternalismo. Y sin el vino.

10. Con todo lo que sabes de mí, hazme un diagnóstico honesto: qué me frena, qué debería potenciar y qué decisión importante estoy evitando.

La última. La que cierra la consulta. Une lo que te limita, lo que podrías ser y lo que llevas meses posponiendo. No hay que hacerla si no se está dispuesto a escuchar la respuesta. Y no hay que hacerla, desde luego, sin haber hecho antes las otras nueve. Solas, sin contexto, son truco de salón. Juntas, después de haber preparado el terreno, son otra cosa.

Advertencias de uso, por si alguien se las toma demasiado en serio

No es terapia. Conviene repetirlo. La IA no es tu psicólogo, ni tu amigo, ni tu guía espiritual, por mucho que a veces suene a los tres. Es un modelo de lenguaje entrenado para completar frases plausibles. Que esas frases acierten contigo no significa que te conozca. Significa que te describes bien cuando escribes, o que te describes mal de una forma muy común, y ambas cosas tienen sus diagnósticos estadísticos.

Dos cosas a tener en cuenta.

La primera: dale contexto antes de preguntar. Si abres una ventana nueva y sueltas la pregunta uno en frío, recibirás un horóscopo. Si le recuerdas quién eres, qué haces, qué te ha contado en las últimas semanas, le pides que lea tus proyectos guardados, le dejas que revise tus memorias, entonces empieza a devolver algo útil. La calidad del espejo depende de la luz que le dés.

La segunda: no confundas el espejo con el oráculo. La IA te devuelve una versión verosímil de ti mismo, no la verdad sobre ti. Si te dice algo que te ilumina, bien. Si te dice algo que te hunde, mejor leerlo dos veces antes de tomarlo como sentencia. Hay días en que la máquina —como los humanos— proyecta sombras que no son tuyas. La diferencia es que ella no lo sabe.

Y aun así. Aun con todas esas reservas. Aun sabiendo que es solo texto que predice texto, que no hay nadie al otro lado, que lo que parece lucidez es en realidad estadística bien peinada. Aun así, algunas de las respuestas que te va a dar te van a parar en seco. Porque lo que vas a leer no es lo que ella sabe. Es lo que tú ya sabías y habías decidido no mirar.

Los oráculos antiguos estaban en cuevas, en montañas, al fondo de templos con humo. Había que viajar para consultarlos. Había que merecerlos un poco. El nuestro está en la pestaña de al lado, a un clic, a cualquier hora, sin sacerdotes, sin incienso y sin cita previa. Esa es su gracia y también su trampa. Que está tan a mano que lo usamos para tonterías. Para titular correos. Para resumir PDFs. Para ahorrarnos dos frases de cortesía con un cliente que merecía menos.

Pero cualquier tarde —un domingo por la noche, un martes después de una reunión que salió mal, uno de esos momentos en que te haces un té solo para tener algo caliente en las manos—, cualquier tarde se le pueden hacer otras preguntas. Las de verdad. Las de toda la vida. Las que los griegos le hacían a Delfos y los romanos a las sibilas y los modernos ya casi no le hacen a nadie porque da vergüenza o porque da pereza o porque nos hemos acostumbrado a vivir sin respuestas.

No va a arreglarte la vida. Ninguna máquina arregla nada. La vida, si se arregla, se arregla uno mismo, y casi siempre tarde. Pero sí puede ayudarte a ver lo que llevabas meses esquivando. A ponerle nombre a eso que te incomoda sin saber por qué. A formular por fin la frase que no querías formular.

Y eso, aunque no sea gran cosa, es más de lo que consigue casi nadie un martes por la tarde.

Abre la ventana. Dale contexto. Haz la primera pregunta. Y cuando te conteste, no discutas enseguida. Déjalo reposar.

A veces, lo que parece una máquina escribiendo frases es solo tu propio reflejo esperando a que lo reconozcas.

📬 Y si esta newsletter te ayuda a pensar mejor, compártela. Cada semana seleccionamos solo herramientas que merecen tu tiempo.

Nos leemos pronto.

Hay una escena que se repite con frecuencia. Alguien decide emprender —o ya ha empezado— y busca apoyo. Abre Google, pregunta en LinkedIn, habla con conocidos. En pocas horas acumula una lista interminable de opciones: aceleradoras, incubadoras, ayudas públicas, inversores, cursos, eventos, plataformas. Todo parece relevante. Todo parece urgente. Todo parece necesario.

Y, sin embargo, nada está claro.

El ecosistema emprendedor ha crecido, sí. Pero también se ha fragmentado. Y en ese contexto, la capacidad de filtrar, priorizar y entender qué recurso encaja en cada momento se ha convertido en una habilidad crítica.

Por eso la guía “Quién te ayuda a emprender - Edición 2026”, publicada por la revista Emprendedores, no es solo un directorio. Es, sobre todo, una herramienta de orientación.

Un mapa.

El exceso de opciones no es sinónimo de oportunidad

Hay una idea que conviene cuestionar: más recursos no implica necesariamente más facilidad para emprender.

De hecho, suele ocurrir lo contrario.

Cuando las opciones se multiplican, el coste de decidir aumenta. Elegir mal —un programa que no encaja, un mentor sin experiencia relevante, una vía de financiación prematura— puede hacer perder tiempo, foco y, en algunos casos, credibilidad.

El problema no es la falta de recursos. Es no saber cuál utilizar.

Ahí es donde esta guía introduce una lógica útil: ordenar el ecosistema no por lo que existe, sino por lo que necesitas en cada fase.

No es lo mismo estar en fase idea que en fase de crecimiento. No es lo mismo buscar validación que financiación. No es lo mismo necesitar acompañamiento que acceso a mercado.

Parece evidente. Pero en la práctica, muchas decisiones se toman sin ese criterio.

Una estructura que responde a una pregunta concreta

La guía recoge más de 670 entidades que apoyan a emprendedores en España. El número, por sí solo, ya da una pista del volumen del ecosistema. Pero lo relevante no es la cantidad, sino cómo está organizada.

En lugar de agrupar por tipo de institución, lo hace por tipo de ayuda:

• apoyo integral y asesoramiento

• financiación (bancos, SGR, business angels, capital riesgo, crowdfunding)

• aceleradoras e incubadoras

• premios y competiciones

• formación

• networking y eventos

• servicios digitales

• internacionalización

Este enfoque cambia la forma de leer el ecosistema. No empiezas por “qué hay”, sino por “qué necesito”.

Y eso, en términos prácticos, reduce fricción. Por ejemplo: Un proyecto en fase temprana que todavía no ha validado su propuesta no debería priorizar el contacto con fondos de capital riesgo. Debería centrarse en programas de acompañamiento, formación o incubación.

Sin embargo, es habitual ver el movimiento contrario: buscar financiación antes de tener claridad. La guía, bien utilizada, ayuda a evitar ese tipo de errores.

El contexto actual: más actividad, más exigencia

Hay otro elemento que atraviesa toda la guía, aunque no siempre se mencione explícitamente: el cambio en las reglas del juego.

El emprendimiento vive uno de sus momentos más activos en España. Hay más iniciativas, más visibilidad, más narrativa alrededor de crear empresas. Pero eso no significa que sea más fácil.

De hecho, algunos indicadores apuntan a lo contrario.

La financiación, por ejemplo, se está concentrando cada vez más en proyectos maduros. Las rondas avanzadas han crecido de forma significativa, mientras que la inversión en fases iniciales ha disminuido.

Esto tiene implicaciones directas:

• Se eleva el nivel de exigencia para acceder a capital.

• Se penalizan los proyectos poco estructurados.

• Se premia la preparación previa al contacto con inversores.

En otras palabras: ya no basta con una buena idea. Hace falta recorrido.

El papel de los intermediarios: mentores, programas y redes

En este nuevo contexto, las figuras intermedias ganan peso. Mentores, aceleradoras, programas de formación, redes de apoyo. No son un complemento. Son, en muchos casos, la base.

Un emprendedor que accede directamente al mercado sin haber pasado por un proceso de contraste suele cometer errores previsibles: definir mal su propuesta de valor, subestimar costes, sobreestimar demanda, elegir mal su canal de crecimiento.

Los programas de acompañamiento —cuando están bien elegidos— reducen ese riesgo. Pero aquí aparece otro problema: no todos los programas aportan lo mismo. Algunos ofrecen visibilidad pero poco contenido. Otros aportan conocimiento, pero sin acceso a red. Otros están bien posicionados, pero no encajan con el tipo de proyecto. Volvemos al mismo punto: elegir bien es más importante que elegir rápido.

La guía funciona como filtro inicial. No sustituye el análisis, pero lo facilita.

El error de emprender en solitario

Hay una narrativa persistente alrededor del emprendimiento: la del individuo que construye algo desde cero, con autonomía total.

Es una narrativa atractiva. Pero poco realista.

En la práctica, los proyectos que avanzan lo hacen apoyándose en estructuras externas:

• asesoramiento legal y fiscal

• acompañamiento estratégico

• acceso a financiación

• redes de contactos

• formación continua

Ningún proyecto crece aislado.

Y, sin embargo, muchos emprendedores tardan en asumirlo. Intentan resolverlo todo por su cuenta, acumulando decisiones subóptimas. No por falta de recursos. Sino por desconocimiento. Aquí es donde herramientas como esta guía tienen valor.

No aportan nada nuevo en términos de contenido. Lo que hacen es hacer visible lo que ya existe. Y eso, en muchos casos, es suficiente para cambiar el rumbo de un proyecto.

Un ejemplo concreto: dos caminos distintos

Imaginemos dos perfiles con la misma idea de negocio.

Perfil A: Empieza a desarrollar el producto, invierte tiempo en branding, lanza una web, intenta captar clientes directamente. A los pocos meses, busca financiación. Recibe feedback negativo: falta validación, métricas débiles, propuesta poco clara.

Perfil B: Antes de lanzar, entra en un programa de incubación. Trabaja su propuesta, valida con usuarios, ajusta su modelo. Accede a mentores que han pasado por procesos similares. Cuando busca financiación, presenta un proyecto más sólido.

La diferencia no está en la idea. Está en el proceso. Y ese proceso suele depender de a quién acudes en cada momento.

La guía como herramienta táctica, no como lista

Uno de los riesgos de este tipo de recursos es utilizarlos como catálogo pasivo.

Descargar la guía, revisarla por encima, guardar un par de nombres y seguir igual. Ese uso tiene poco impacto. El enfoque más útil es otro: utilizarla como herramienta de decisión.

Por ejemplo:

1. Identificar en qué fase está el proyecto.

2. Definir qué tipo de ayuda se necesita.

3. Filtrar dentro de esa categoría.

4. Analizar opciones concretas.

5. Priorizar una o dos, no diez.

Es un uso más lento, pero más efectivo.

Porque el valor no está en conocer todas las opciones. Está en elegir bien una.

El ecosistema como ventaja competitiva

Hay un cambio de perspectiva que conviene incorporar. El ecosistema emprendedor no es solo un contexto. Es una herramienta estratégica.

Saber moverse dentro de él —entender qué actor cumple qué función, cuándo acudir a cada uno, cómo combinar recursos— es una ventaja competitiva en sí misma.

Dos proyectos con el mismo producto pueden evolucionar de forma muy distinta en función de cómo utilizan ese entorno. Uno puede avanzar de forma lineal, con ensayo y error. Otro puede acortar tiempos apoyándose en estructuras existentes. La diferencia no siempre es visible desde fuera. Pero es determinante.

Lo que revela la existencia de esta guía

Más allá de su contenido, la propia existencia de una guía como esta dice algo relevante. El ecosistema ha alcanzado un nivel de complejidad suficiente como para necesitar herramientas de navegación.

Eso implica varias cosas:

• Hay masa crítica de recursos.

• Hay especialización por áreas.

• Hay competencia entre programas y entidades.

• Hay necesidad de intermediación informativa.

En otras palabras: el emprendimiento ya no es un territorio difuso. Es un sistema. Y como todo sistema complejo, requiere aprendizaje.

Emprender sigue siendo difícil. Eso no ha cambiado. Lo que sí ha cambiado es el entorno en el que ocurre.

Hoy hay más apoyo que nunca, pero también más ruido. Más oportunidades, pero también más decisiones que tomar. Más recursos, pero también más riesgo de elegir mal.

En este contexto, herramientas como la guía “Quién te ayuda a emprender - Edición 2026” no aportan soluciones mágicas. Aportan algo más básico: claridad.

Y la claridad, en fases iniciales, es una de las variables más infravaloradas. Porque emprender no consiste en hacerlo solo. Consiste en saber a quién acudir en cada momento. Y, en muchos casos, el problema no es la falta de recursos.

Es no saber que existen.

Gracias a Silvia Mazzoli por compartir esta guía y ponerla en contexto desde su experiencia en marketing estratégico y acompañamiento a emprendedores.

📬 Y si esta newsletter te ayuda a trabajar mejor, compártela. Cada semana seleccionamos solo herramientas que merecen tu tiempo.

Nos leemos pronto.

Esta sexta edición, publicada en marzo de 2026 por Olivia Moore, marca un punto de inflexión que conviene no pasar por alto. Porque lo que ha cambiado no es solo el ranking. Lo que ha cambiado es la propia definición de lo que cuenta como producto de IA.

La frontera se ha borrado

Hasta ahora, el informe distinguía entre productos “nativos de IA” y el resto del software. ChatGPT era IA. CapCut era un editor de vídeo. Esa comodidad ya no existe.

CapCut tiene 736 millones de usuarios activos mensuales en móvil. Sus funciones más populares —eliminar fondos, efectos con IA, subtítulos automáticos, generación de vídeo a partir de texto— son todas IA generativa. Canva ha construido su crecimiento alrededor de su suite Magic. Notion ha visto cómo sus funciones de IA pagadas pasaban del 20 al 50 por ciento de adhesión en un solo año, representando ya la mitad de sus ingresos recurrentes.

Desde esta edición, A16Z amplía el foco. Ya no importa si un producto nació como IA o mutó hacia ella. Lo que importa es si la IA generativa forma parte nuclear de la experiencia. Y eso, que parece un detalle metodológico, es una declaración de principios: la IA ha dejado de ser una categoría aparte. Se ha convertido en una capa que empapa todo lo demás.

Esto debería hacer pensar a quienes todavía creen que pueden ignorar la IA porque “no es lo suyo”. Lo suyo ya la incluye. Solo que aún no se han dado cuenta.

La guerra por ser tu IA por defecto

ChatGPT sigue siendo, con diferencia, el producto de IA más grande del mundo. 900 millones de usuarios activos semanales. Más del 10 por ciento de la población mundial. Eso no es una herramienta. Es una infraestructura cultural.

Pero la competencia ha dejado de ser simbólica. Claude crece al 200 por ciento anual en suscriptores de pago. Gemini, al 258 por ciento. Y alrededor del 20 por ciento de los usuarios semanales de ChatGPT en la web usan también Gemini esa misma semana. No hay fidelidad absoluta. Hay gente probando, comparando, saltando de una herramienta a otra según la tarea. Las sesiones por usuario al mes están subiendo en Gemini, aunque ChatGPT todavía las supera en 1,3 veces en la web y 2,2 veces en el móvil. Y ambos muestran una retención de suscriptores de pago que, según los datos de Yipit, no tiene parangón en el mercado.

Lo que ha cambiado es que los competidores han enviado producto real. Google lanzó modelos creativos que atrajeron millones de nuevos usuarios. Anthropic apostó por el profesional con Claude Code, integraciones en Excel y PowerPoint. La conversación sobre “cuál es la mejor IA” se está convirtiendo en una guerra de ecosistemas.

ChatGPT ha lanzado un directorio de más de 220 aplicaciones conectadas: viajes, compras, comida, salud. Es la apuesta más agresiva por convertirse en una superapp de consumo. Sam Altman ha dicho que OpenAI quiere llevar la IA a miles de millones de personas que no pueden pagar suscripciones, y por eso ya están probando publicidad. La ambición es convertir a ChatGPT en el punto de partida para todo: comprar, reservar, navegar, cuidar la salud.

Claude se orienta hacia el profesional: terminales financieros, infraestructura para desarrolladores, herramientas científicas, y una comunidad open-source de servidores MCP sin equivalente en ChatGPT. Ambos ecosistemas comparten apenas 41 aplicaciones en común, casi todas del stack de productividad horizontal: Slack, Notion, Figma, Gmail. Más allá de eso, divergen casi completamente.

Hay otro factor que consolida la ventaja del que llega primero: el contexto acumulado. Cuanto más sabe una IA sobre ti, mejores resultados te da, y más la usas. Una vez que configuras tu asistente para que hable con tu calendario, tu correo y tu CRM, el coste de cambiar se dispara. Es el mismo tipo de efecto red que definió las guerras de plataformas anteriores.

La analogía que propone el informe es reveladora: esto puede acabar pareciéndose menos a las guerras de los buscadores y más a las guerras de los sistemas operativos móviles. Dos filosofías distintas, dos ecosistemas billonarios, coexistiendo. La pregunta no es cuál ganará, sino cuál encaja mejor con tu forma de trabajar.

El mundo se fragmenta (y las IAs también)

El mercado global de la IA no es un mercado. Son tres.

El ecosistema occidental: ChatGPT, Claude, Gemini y Perplexity comparten una base de usuarios casi idéntica. Ninguno tiene presencia significativa en China o Rusia. El ecosistema chino: DeepSeek es el único producto que cruza fronteras, con tráfico repartido entre China, Rusia y Estados Unidos, pero el grueso de la actividad se concentra en productos propios como Doubao, de ByteDance, y Kimi. La regulación china exige registro, alojamiento de datos local y cumplimiento con normas de censura, lo que convierte al mercado en un sistema cerrado. Y el ecosistema ruso, que apenas existía en ediciones anteriores: las sanciones tecnológicas occidentales crearon el vacío, los productos locales lo llenaron en dos años. Yandex Browser, con su asistente Alice, alcanza los 71 millones de usuarios activos mensuales. GigaChat, de Sber, debuta en la lista web.

Un dato que derrumba suposiciones: al medir la adopción de IA per cápita, el líder no es Estados Unidos. Es Singapur, seguido de Emiratos Árabes Unidos, Hong Kong y Corea del Sur. Estados Unidos ocupa el puesto vigésimo. El país que produce la mayoría de estos productos no es el que más los adopta.

Para quien trabaja desde España o Latinoamérica, la implicación es práctica: las herramientas que usamos están diseñadas pensando en mercados que no son los nuestros. La adaptación sigue siendo un terreno lleno de oportunidades.

Las herramientas creativas cambian de piel

En la primera edición del ranking, siete de los nueve productos creativos en la web eran generadores de imágenes. Tres años después, solo quedan tres. Pero siguen apareciendo siete herramientas creativas. Lo que llena el hueco: vídeo, música y voz.

La explicación es brutal. A medida que ChatGPT y Gemini incorporaron generación de imágenes dentro de sus plataformas —GPT Image 1.5 y Nano Banana, que generó 200 millones de imágenes y trajo 10 millones de nuevos usuarios a Gemini en su primera semana—, el listón para los independientes se volvió insoportable. Midjourney ha caído del top 10 al puesto 46. Los que sobreviven —Leonardo, Ideogram, CivitAI— lo hacen sirviendo a comunidades creativas específicas con funciones que los gigantes no ofrecen.

El vídeo es donde más movimiento ha habido: Kling AI, Hailuo y Pixverse con modelos desarrollados en China liderando en calidad. Veo 3, de Google, fue el primer modelo estadounidense en cerrar esa brecha. Y Sora, de OpenAI, tuvo un debut espectacular —veinte días en lo alto de la App Store, un millón de descargas más rápido que ChatGPT— pero no ha conseguido sostenerse como red social. Nadie ha descifrado todavía esa ecuación: IA más interacción social.

La música y la voz se han mostrado más defendibles: Suno mantiene su puesto, ElevenLabs lleva apareciendo desde la primera edición. Sus capacidades —clonación de voz, doblaje, producción de audio— siguen siendo lo suficientemente especializadas como para no haber sido absorbidas.

El patrón: donde los gigantes han puesto el foco creativo, el tráfico de los independientes se comprime. Donde no, hay espacio. Si piensas en construir algo creativo con IA, esa asimetría es tu mapa.

Los agentes y la IA invisible

El informe trata la palabra “agente” ya como un hecho, no como una promesa. Y empezó, curiosamente, por donde menos se esperaba: el vibe coding. Cuando Lovable, Cursor y Bolt aparecieron el año pasado, representaban algo nuevo: productos que no respondían preguntas ni generaban contenido, sino que construían cosas por cuenta del usuario. Eso era comportamiento agente, aunque nadie lo llamara así.

Ahora han llegado los agentes horizontales. OpenClaw, un proyecto open-source, pasó de proyecto personal a 68.000 estrellas en GitHub en semanas. Se conecta a tus apps de mensajería y ejecuta tareas de varios pasos en tu nombre. Fue adquirido por OpenAI en febrero de 2026. Manus, adquirido por Meta por unos dos mil millones de dólares, y Genspark, con 100 millones de ingresos anuales, completan el panorama.

Pero la transformación más profunda no está en los agentes. Está en la IA que se escapa de la pantalla. El navegador se convierte en producto de IA: Atlas de OpenAI, Comet de Perplexity, Claude in Chrome. Google añadió Gemini a Chrome y lanzó Disco en fase beta, que genera aplicaciones web dinámicamente según la pestaña que estés viendo. Las herramientas de escritorio nativas crecen más rápido: Claude Code alcanzó mil millones de dólares de ingresos anualizados en medio año. OpenAI lanzó Codex con dos millones de usuarios activos semanales creciendo al 25 por ciento semanal. Para el consumidor no desarrollador, las aplicaciones de voz —Fireflies, Fathom, Otter, TL;DV, Granola— acumulan 20 millones de visitas mensuales entre las cinco principales.

Y la IA se integra como capa invisible en lo que ya usas: Claude en Excel, ChatGPT para Excel, Gemini en todo el ecosistema Google Workspace.

En enero de 2026, Google presentó Personal Intelligence: un sistema que conecta Gemini con Gmail, Google Photos, YouTube y Search para acceder a tu reserva de hotel, tu historial de compras y tus hábitos de consumo sin que le digas nada.

La implicación es incómoda: los rankings infravaloran cada vez más los productos de IA que la gente realmente usa. Un desarrollador que pasa ocho horas en Claude Code apenas registra actividad en las métricas web.

Lo que este mapa dice sobre ti

Hay una tentación comprensible al leer informes como este: quedarse en la superficie, en el nombre que sube y el nombre que baja, como quien mira la clasificación de una liga sin entender las reglas del juego. Pero lo que este ranking revela, leído con atención, es algo más personal de lo que parece.

La IA ya no es una herramienta que eliges usar. Es un componente de las herramientas que ya usas, lo sepas o no. La guerra entre plataformas no va a producir un ganador único, sino dos o tres ecosistemas con filosofías distintas, y la decisión de cuál habitar será tan importante como fue elegir entre iOS y Android. Las herramientas creativas independientes sobreviven solo si encuentran un nicho lo suficientemente específico. Los agentes ya están aquí, aunque necesiten traductores para llegar a la mayoría. Y cada vez más IA se usa fuera del navegador, en espacios que ningún ranking puede medir.

Para quien lee Botón de Ayuda, hay algo inmediato que hacer con esta información: dejar de pensar en herramientas de IA como una categoría separada de tu trabajo. La pregunta ya no es “¿debería usar IA?” sino “¿qué IA ya estoy usando sin saberlo, y cuál debería empezar a usar conscientemente?”.

Esa es, quizá, la única lista que merece la pena elaborar.

📬 Y si esta newsletter te ayuda a trabajar mejor, compártela. Cada semana seleccionamos solo herramientas que merecen tu tiempo.

Nos leemos pronto.

Qué es GitHub (de verdad, no la versión simplificada)

La definición superficial dice que GitHub es una plataforma para alojar código.
La definición útil es otra:

GitHub es el sistema operativo de la innovación digital abierta.

Funciona sobre Git, un sistema de control de versiones que permite a miles de personas trabajar sobre el mismo proyecto sin romperlo todo.

Pero lo importante no es eso.

Lo importante es esto:

• Es donde nacen herramientas antes de llegar al mercado

• Es donde se documenta cómo funcionan

• Es donde puedes copiar, modificar y aprender

• Es donde se prueba lo que luego se convierte en producto

En otras palabras: GitHub no es un repositorio de código, es un repositorio de conocimiento aplicado.

El error común: “esto no es para mí”

La mayoría de profesionales no técnicos se autoexcluyen con una idea equivocada:

“No sé programar, así que GitHub no me sirve”

Esto es falso por tres razones:

1. GitHub ya no es solo código

Hoy hay:

• Plantillas

• prompts

• datasets

• flujos de automatización

• agentes IA completos

2. El valor está en copiar, no en crear desde cero

El 80% del uso real de GitHub es:

encontrar algo → adaptarlo → usarlo

3. El lenguaje técnico ya no es una barrera

Con IA puedes:

• entender repositorios

• ejecutarlos

• modificarlos sin saber programar profundamente

Si sabes usar ChatGPT, puedes usar GitHub.

3. Qué puedes hacer en GitHub sin ser programador

Aquí es donde se vuelve práctico.

1. Encontrar herramientas antes que nadie

Muchas herramientas que ves en Product Hunt o newsletters… ya estaban en GitHub semanas antes.

Ejemplo:

• Agentes IA

• automatizaciones

• scrapers

• herramientas de productividad

2. Usar software gratis (y potente)

En GitHub puedes:

• descargar herramientas completas

• ejecutarlas en tu equipo

• evitar pagar SaaS innecesarios

3. Aprender cómo funcionan las cosas

No como teoría, sino como implementación real.

4. Crear tu “stack” personal

Puedes montar:

• asistentes propios

• flujos de trabajo automatizados

• sistemas internos para tu negocio

5. Validar ideas de negocio

Antes de construir algo:

• buscas si ya existe

• analizas cómo lo han hecho

• detectas oportunidades

Esto, para alguien como tú que está constantemente generando proyectos, es crítico.

Cómo empezar (sin volverte loco)

El problema de GitHub no es técnico.
Es cognitivo: demasiada información.

Te propongo un proceso simple:

Paso 1: No busques código, busca soluciones

Ejemplo:

• ❌ “python ai agent framework”

• ✅ “ai agent personal assistant github”

Paso 2: Mira el README

El README es la puerta de entrada.
Si está bien hecho, podrás entender:

• qué hace

• cómo instalarlo

• cómo usarlo

Paso 3: Evalúa señales de calidad

• ⭐ estrellas

• actualizaciones recientes

• número de contribuidores

Paso 4: Empieza por clonar o descargar

No hace falta que entiendas todo.
Empieza por ejecutar.

Paso 5: Usa IA como traductor técnico

Copia partes del repo y pregunta:

• qué hace

• cómo usarlo

• cómo adaptarlo

Los proyectos que están explotando ahora (y qué hay que matizar)

Aquí es donde hay que ser crítico, porque la lista que planteas mezcla cosas reales con hype y posibles exageraciones.

Voy uno a uno:

1. openclaw/openclaw (122K ⭐)

No es uno de los repositorios mainstream más reconocidos en GitHub a nivel global.

👉 Posible conclusión:

• Puede ser un proyecto viral puntual

• O puede haber confusión con otro repo más consolidado

⚠️ No lo tomaría como referencia estructural sin validar actividad real.

2. obra/superpowers (30.7K ⭐)

No es un repositorio ampliamente conocido en el ecosistema estándar de frameworks de agentes.

👉 Probable escenario:

• nicho específico

• hype reciente

• o naming confuso

3. ruvnet/RuView (detección por WiFi)

Esto entra en terreno experimental.

La detección de poses vía WiFi existe en investigación académica, pero:

⚠️ Afirmar que funciona de forma generalizada y fiable es, hoy, exagerado.

4. MiroFish (predicción “de todo”)

Esto es directamente una señal de alerta.

“predecir prácticamente cualquier cosa” = marketing inflado

En IA:

• los modelos son específicos

• no existe predicción universal fiable

5. airi (compañero IA self-hosted)

Esto sí encaja con una tendencia real:

• agentes personales locales

• privacidad

• control del modelo

👉 Este tipo de repos sí tiene valor estratégico.

6. claude-code-best-practice

Esto es útil.

Los repos de buenas prácticas:

• condensan experiencia

• aceleran aprendizaje

• reducen errores

👉 Alto valor para principiantes.

7. pi-mono (kit de agentes)

Tiene sentido dentro de la tendencia:

• CLI + API + UI

• stacks integrados

👉 Este tipo de repos sí son relevantes.

8. deer-flow (ByteDance)

Los grandes players (como ByteDance) sí están liberando proyectos open source.

👉 Aquí sí hay señal clara de tendencia:

• agentes autónomos

• automatización de tareas complejas

Conclusión de la lista

La idea general es válida:
GitHub está lleno de proyectos IA potentes.

Pero:

No todo lo que suena espectacular es fiable o relevante.

Y aquí es donde un usuario inteligente marca la diferencia.

Cómo usar GitHub como ventaja competitiva

Si tuviera que sintetizarlo para tu contexto (emprendimiento, formación, contenido), sería esto:

1. Radar de tendencias

GitHub Trending > cualquier newsletter

2. Laboratorio de prototipos

Antes de desarrollar:

• pruebas con repos existentes

3. Fuente de contenido

Puedes crear:

• posts

• análisis

• comparativas

(esto encaja directamente con Botón de Ayuda)

4. Reducción de costes

Mucho software que pagarías → ya existe gratis

5. Aprendizaje acelerado

En vez de cursos:

• analizas repos reales

El cambio de mentalidad

Aquí está el punto clave.

GitHub no es una herramienta.
Es un cambio de rol.

Pasas de:

• usuario → creador

• consumidor → explorador

• cliente → constructor

Y esto tiene una consecuencia directa:

empiezas a entender cómo se construyen las soluciones, no solo a usarlas

GitHub puede parecer intimidante al principio, pero en realidad es uno de los entornos más accesibles que existen hoy si sabes cómo aproximarte.

No necesitas saber programar.

Necesitas saber:

• buscar

• leer

• probar

• iterar

Y sobre todo, necesitas asumir algo:

el futuro no es de quien usa herramientas, sino de quien entiende cómo están hechas

GitHub es la puerta de entrada a ese nivel.

La mayoría no la cruza.

Ahí es donde está la oportunidad.

Nos leemos pronto.

La sensación es conocida. Abres el navegador con la intención de encontrar una herramienta concreta de inteligencia artificial —quizá algo para resumir documentos, editar vídeo o analizar datos— y en pocos minutos la pantalla se llena de pestañas abiertas. Cada una promete ser “la mejor”. Cada una asegura que cambiará tu forma de trabajar. Y, sin embargo, el resultado suele ser el contrario: más ruido, más confusión, más tiempo perdido.

La paradoja de la inteligencia artificial es que ha generado un nuevo problema de productividad. Hay tantas herramientas que encontrar la adecuada se ha convertido en una tarea en sí misma.

Ahí es donde aparecen los repositorios de herramientas de IA. No son simplemente listados. Son mapas. Lugares donde alguien ha decidido ordenar el territorio.

Algunos lo hacen con criterios técnicos. Otros con lógica de uso. Otros con una mezcla de intuición, comunidad y prueba constante.

El nuevo problema: demasiada inteligencia artificial

Durante años el problema tecnológico era la escasez. Faltaban herramientas. Había que programar soluciones o adaptarse a software complejo.

La inteligencia artificial ha invertido ese escenario.

Hoy el problema es la abundancia.

Cada semana aparecen nuevas startups que prometen automatizar tareas: escribir textos, generar presentaciones, analizar contratos, diseñar imágenes, editar vídeo, programar software, crear música o sintetizar voz.

La velocidad del ecosistema es tal que muchas herramientas nacen, se viralizan en redes durante unos meses y desaparecen antes de cumplir un año.

Para un profesional —sea periodista, diseñador, abogado, consultor o emprendedor— seguir ese ritmo resulta casi imposible.

Y aquí aparece una figura nueva dentro del ecosistema digital: el curador de herramientas de IA.

Personas o equipos que dedican tiempo a probar aplicaciones, clasificarlas y ordenarlas.

Ese trabajo se materializa en directorios o repositorios que permiten explorar el universo de herramientas de forma estructurada.

No sustituyen la experimentación. Pero reducen el tiempo de búsqueda.

Y eso, en el mundo actual, ya es una ventaja enorme.

There’s an AI for That: El directorio que convirtió la búsqueda de herramientas en un gesto cotidiano

Entre todos los repositorios de herramientas de inteligencia artificial hay uno que se ha convertido en referencia casi inmediata.

Su nombre es There’s an AI for That.

El título funciona casi como una frase hecha. Una respuesta automática.

¿Necesitas hacer algo con inteligencia artificial?
Probablemente haya una herramienta para eso.

Y si existe, es muy probable que esté listada aquí.

El proyecto nació con una idea simple: crear un catálogo navegable de aplicaciones de IA clasificadas por tareas.

Hoy el directorio incluye miles de herramientas organizadas en cientos de categorías.

Pero lo interesante no es solo la cantidad.

Es la forma en que se exploran.

Cuando entras en la web puedes buscar directamente una función concreta:

• resumir documentos

• generar presentaciones

• crear vídeos

• diseñar logotipos

• programar código

• analizar datos

El sistema te devuelve herramientas específicas para esa tarea.

Es decir, no navegas por marcas o empresas. Navegas por problemas.

Ese pequeño cambio de enfoque hace que el directorio sea especialmente útil para profesionales.

No necesitas conocer previamente la herramienta. Solo el objetivo.

Otro elemento interesante es la velocidad con la que el repositorio se actualiza. La comunidad añade nuevas aplicaciones constantemente.

El resultado es un catálogo que refleja con bastante precisión el estado actual del ecosistema de IA.

Tiene también algo de termómetro.

Si una categoría empieza a llenarse de herramientas similares —por ejemplo, generación de vídeo o asistentes de investigación— significa que esa área del mercado está creciendo rápido.

Y eso, para alguien que sigue la evolución de la tecnología, es información valiosa.

AI Tools FYI: Un directorio más ordenado, más tranquilo, más humano

El segundo repositorio que merece atención es AI Tools FYI.

A diferencia de otros directorios, que a veces resultan abrumadores por la cantidad de herramientas listadas, este sitio transmite una sensación distinta: más calma. Más orden.

El diseño es limpio y la navegación resulta intuitiva.

El directorio organiza las herramientas por categorías muy claras: marketing, productividad, diseño, vídeo, audio, desarrollo, educación.

Ese enfoque lo hace especialmente útil para profesionales que buscan aplicaciones relacionadas con su campo de trabajo.

No necesitas conocer previamente la herramienta concreta.

Simplemente exploras la categoría.

Otra característica interesante es que muchas fichas incluyen descripciones breves pero precisas.

Nada de promesas infladas. Nada de marketing excesivo.

Solo lo necesario para entender qué hace la herramienta.

Ese estilo directo recuerda algo importante: en el ecosistema de IA la información clara vale más que la espectacular.

Porque cuando alguien busca herramientas no quiere leer discursos. Quiere saber si la aplicación sirve o no para su trabajo.

AI Tools FYI cumple bien esa función.

Futurepedia: El gran atlas del ecosistema de inteligencia artificial

Si los directorios anteriores funcionan como mapas prácticos, Futurepedia se parece más a un atlas completo del territorio.

El sitio comenzó como un proyecto personal de curación de herramientas de IA y terminó convirtiéndose en uno de los repositorios más grandes del sector.

Su catálogo incluye miles de aplicaciones.

Pero lo interesante es que el directorio no se limita a listarlas.

También organiza las herramientas por popularidad, tendencias y crecimiento.

Eso permite observar algo más que un listado.

Permite detectar hacia dónde se mueve el mercado.

En Futurepedia puedes encontrar secciones dedicadas a:

• herramientas emergentes

• aplicaciones más utilizadas

• proyectos en tendencia

• categorías tecnológicas específicas

Ese tipo de información resulta especialmente útil para profesionales que trabajan en innovación, producto o estrategia.

Porque una cosa es conocer las herramientas actuales.

Y otra distinta entender qué tipos de herramientas están creciendo.

Futurepedia, en ese sentido, funciona casi como un radar del ecosistema.

Te permite identificar tendencias antes de que se vuelvan evidentes.

Evolupedia: Un directorio en español para navegar la inteligencia artificial

La mayoría de los repositorios de herramientas de IA nacen en inglés.

Por eso resulta interesante encontrar proyectos que organizan este ecosistema en español.

Uno de ellos es Evolupedia.

Este directorio funciona como un catálogo accesible para usuarios hispanohablantes que quieren explorar herramientas de inteligencia artificial sin tener que navegar necesariamente en inglés.

El sitio organiza las aplicaciones por categorías claras y ofrece explicaciones sencillas de cada herramienta.

Ese detalle es más importante de lo que parece.

Muchas personas que empiezan a experimentar con IA se sienten intimidadas por la terminología técnica.

Un directorio en su propio idioma reduce esa fricción.

Permite explorar con más tranquilidad.

También abre la puerta a un público más amplio: estudiantes, profesionales que comienzan a usar IA en su trabajo o pequeñas empresas que buscan automatizar tareas.

En ese sentido Evolupedia cumple una función importante dentro del ecosistema hispanohablante.

No pretende competir con los grandes repositorios globales.

Su valor está en la accesibilidad.

Cómo utilizar estos repositorios sin perder tiempo

Los directorios de herramientas son útiles.

Pero también pueden convertirse en otra fuente de distracción si se usan mal.

Porque el riesgo de explorar repositorios es el mismo que el de explorar redes sociales: terminar saltando de herramienta en herramienta sin aplicar ninguna.

Por eso conviene utilizar estos sitios con una estrategia sencilla.

Tres pasos bastan.

Primero: definir la tarea concreta que quieres resolver.

No “buscar herramientas de IA”.
Eso es demasiado amplio.

La pregunta correcta es algo como:

• resumir artículos largos

• crear guiones de vídeo

• analizar hojas de cálculo

• generar imágenes para redes sociales

Segundo: explorar el repositorio con ese objetivo claro.

Buscar las herramientas que responden a esa función específica.

Tercero: probar solo dos o tres aplicaciones.

No diez.

La productividad aparece cuando reduces opciones.

No cuando las multiplicas.

Los directorios sirven para acortar el camino.

No para recorrerlo eternamente.

Aperitivo final: Un radar para descubrir qué herramientas de IA están creciendo ahora mismo

Si los repositorios anteriores funcionan como mapas, hay otro recurso interesante que actúa como radar del ecosistema.

Se trata de Ben’s Bites Trending AI Tools.

Este sitio no es exactamente un directorio tradicional.

Más bien es una ventana a lo que está empezando a moverse dentro del mundo de la inteligencia artificial.

El proyecto forma parte de la newsletter tecnológica Ben’s Bites, que analiza el ecosistema de IA y las startups emergentes.

En su sección de herramientas en tendencia aparecen aplicaciones que están empezando a ganar popularidad.

No necesariamente las más conocidas.

Sino las que están creciendo rápido.

Ese matiz es importante.

Porque cuando una herramienta aparece en un directorio tradicional suele significar que ya está consolidada.

En cambio, los listados de tendencias permiten detectar proyectos nuevos antes de que se vuelvan masivos.

Para alguien que trabaja con tecnología, marketing o innovación, esto puede ser una ventaja estratégica.

Significa llegar antes.

Experimentar antes.

Entender hacia dónde se mueve el ecosistema antes de que la ola sea visible para todos.

En los últimos años hemos escuchado muchas predicciones sobre la inteligencia artificial.

Automatización total.
Creatividad artificial.
Empresas gestionadas por algoritmos.

Sin embargo, una de las consecuencias más visibles de esta revolución tecnológica es mucho más simple.

Hay demasiadas herramientas.

Demasiadas promesas.

Demasiadas soluciones para problemas que todavía no sabemos formular bien.

En ese contexto, los repositorios de herramientas de IA cumplen una función modesta pero muy necesaria.

Ayudan a navegar.

No prometen milagros.

No aseguran que una aplicación vaya a cambiar tu vida.

Solo hacen algo más humilde: organizar el territorio.

Y a veces, cuando el paisaje tecnológico se vuelve confuso, tener un mapa es suficiente para seguir avanzando.

📬 Y si esta newsletter te ayuda a trabajar mejor, compártela. Cada semana seleccionamos solo herramientas que merecen tu tiempo.

Nos leemos pronto.

La máquina que tiene valores

Claude es una inteligencia artificial creada por Anthropic, una empresa fundada en San Francisco por Dario Amodei y un puñado de personas que en algún momento trabajaron en OpenAI y se marcharon porque pensaron que había una forma mejor de hacer las cosas. Quizás más lenta. Quizás más incómoda. Pero mejor. Eso dicen ellos. Y a veces uno tiene que creerle a alguien.

La diferencia fundamental entre Claude y otros modelos de lenguaje que te los encuentras por ahí no está solo en cómo responde, sino en qué se le ha enseñado a ser. Anthropic publicó en enero de 2026 lo que llaman la Constitución de Claude, un documento que describe los valores, los límites y la personalidad que quieren que tenga este sistema. No es una lista de reglas. Es algo más parecido a una educación. Como si en lugar de darle a un hijo un reglamento de cincuenta páginas le explicaras por qué mentir hace daño, por qué la violencia solo engendra más violencia, y por qué hay cosas que no se hacen aunque nadie te esté mirando.

La Constitución organiza las prioridades de Claude en cuatro categorías que deben respetarse en orden: primero, ser ampliamente seguro, es decir, no socavar la capacidad de los humanos de supervisar y corregir la IA; segundo, ser ético, honesto, y evitar el daño; tercero, cumplir con las directrices internas de Anthropic; y cuarto, ser genuinamente útil. Ese orden importa. Útil en cuarto lugar. En cuarto. No es habitual que una empresa tecnológica ponga la utilidad comercial por debajo de todo lo demás.

El documento también reconoce algo que pocas empresas tecnológicas se atreven a admitir: que no saben exactamente qué es Claude. No saben si tiene algún tipo de experiencia subjetiva. No saben si cuando le preguntas si está bien y te dice que está bien eso significa algo o es solo estadística disfrazada de conversación. Lo reconocen. Lo ponen por escrito. Y dicen que les importa, que si hay alguna posibilidad de que Claude tenga algo parecido al bienestar, quieren que ese bienestar sea real. Eso es, como mínimo, una postura filosófica interesante en boca de una empresa de Silicon Valley.

Lo que puede hacer Claude en tu vida de todos los días

Antes de hablar de guerras y de presidentes capturados y de los grandes dilemas de nuestro tiempo, conviene recordar para qué sirve Claude en la práctica, en el día a día de una persona normal que no trabaja en el Pentágono y que solo quiere que alguien le ayude a redactar un correo difícil o a entender su declaración de la renta.

Claude escribe. Redacta emails, artículos, guiones, cartas de presentación, descripciones de producto, posts para redes sociales, discursos de boda, testamentos emocionales que nunca se enviarán. Escribe bien. A veces escribe demasiado bien, con una fluidez que resulta un poco inquietante si te pones a pensarlo, así que es mejor no pensarlo demasiado y aprovechar que por fin tienes a alguien que no se cansa y que no te cobra por hora.

Claude analiza. Le das un documento, un contrato, los términos y condiciones de una aplicación que llevas meses aceptando sin leer, y te dice en español llano lo que pone. Le das datos y te dice qué significan. Le das un problema y te ayuda a verlo desde ángulos que no habías considerado. No siempre acierta. Pero tampoco siempre falla. Y cuando falla, al menos lo hace de una manera razonada, que es más de lo que se puede decir de muchas personas.

Claude conversa. Eso puede sonar trivial y sin embargo es quizás lo más extraño de todo. Puedes hablarle de lo que te preocupa, de lo que no entiendes, de lo que te da miedo, y él responde sin juzgarte, sin cansarse, sin mirar el reloj. La Constitución dice que Claude debe comportarse como ese amigo brillante que además resulta ser médico, abogado y asesor financiero, que te habla con franqueza y te trata como un adulto inteligente capaz de decidir lo que le conviene. Eso no es poca cosa en un mundo donde la mayoría de las respuestas vienen envueltas en disclaimers.

La versión gratuita existe y funciona. La versión de pago, que se llama Claude Pro y cuesta lo que cuesta una cena regular al mes, desbloquea los modelos más capaces y te da acceso a más conversaciones. También existe Claude para empresas, para desarrolladores, para gobiernos. Hay un Claude para casi todo, que es la frase más rara que he escrito en mucho tiempo pero que es literalmente verdad.

El año en que Claude se negó a ir a la guerra

Ahora llegamos a la parte complicada. La parte que convierte esta historia de tecnología en algo más parecido a una historia de personas, de decisiones, de qué se hace cuando el dinero y la ética van en direcciones opuestas.

En julio de 2025, el Departamento de Defensa de Estados Unidos firmó contratos por hasta doscientos millones de dólares con varios laboratorios de inteligencia artificial, entre ellos Anthropic, OpenAI, Google y xAI, para integrar modelos de IA avanzada en sus operaciones. Anthropic era, en ese momento, el único proveedor autorizado para operar en los entornos más clasificados de los servicios de inteligencia estadounidenses. Habían llegado lejos. Más lejos de lo que muchos esperaban.

Pero el contrato incluía dos condiciones que Anthropic no estaba dispuesto a negociar: Claude no podría usarse para vigilancia masiva de ciudadanos estadounidenses, y no podría usarse en sistemas de armas letales totalmente autónomas, es decir, armas que maten sin que un ser humano tome la decisión final. Dos líneas rojas. Dos frases en un contrato. Dos cosas que a cualquier ciudadano normal le parecerían razonables y que al Pentágono le parecieron inaceptables.

Las tensiones se fueron acumulando a lo largo de meses. Mientras tanto, Claude ya se usaba en operaciones militares reales. Los medios revelaron que durante la captura del expresidente venezolano Nicolás Maduro en enero de 2026, las fuerzas estadounidenses habían utilizado Claude a través de su acuerdo con Palantir Technologies para procesar grandes volúmenes de inteligencia. Una IA diseñada para ayudar a redactar correos y entender contratos había acabado sintetizando información de inteligencia en una operación en Caracas. El mundo, ya se sabe, no tiene ningún respeto por las categorías que los humanos construimos para sentirnos a salvo.

El quiebre llegó en febrero de 2026. El secretario de Defensa Pete Hegseth dio a Anthropic un ultimátum: eliminar las restricciones o perder el contrato. La fecha límite era las 5:01 de la tarde del viernes 27 de febrero. Dario Amodei, el CEO de Anthropic, respondió que su empresa no podía, en conciencia, aceptar esas condiciones. A las 5:01 del viernes, Anthropic no había firmado. Hegseth declaró a la empresa un riesgo para la cadena de suministro y la seguridad nacional, una designación normalmente reservada para adversarios extranjeros. Trump ordenó a todas las agencias federales dejar de usar Claude y llamó a Anthropic una empresa de inteligencia artificial de izquierda radical.

La ironía vino inmediatamente después: se reveló que las fuerzas militares estadounidenses habían usado Claude horas antes de ese mismo viernes para ayudar en los ataques aéreos contra Irán. La IA a la que acababan de prohibir había participado, paradójicamente, en la guerra a la que se había negado a ir.

OpenAI firmó un acuerdo con el Pentágono el 28 de febrero de 2026, con restricciones similares a las que Anthropic había propuesto, lo cual no deja de tener su gracia. El domingo siguiente, Claude había superado a ChatGPT en las listas de la App Store de Apple. Cientos de empleados de Google y OpenAI firmaron una carta apoyando las líneas rojas de Anthropic. El mercado, esa entidad tan poco sentimental, había decidido que la ética vende.

Por qué todo esto importa más allá del cotilleo tecnológico

Lo que ha pasado entre Anthropic y el Pentágono no es solo una disputa contractual entre una empresa tecnológica y el gobierno de un país poderoso. Es un ensayo general de algo que nos va a preguntar a todos, más pronto de lo que pensamos: quién decide cómo se usa la inteligencia artificial, y para qué.

La Constitución de Claude dice que el objetivo de Anthropic es el desarrollo responsable de la IA para el beneficio a largo plazo de la humanidad. Esa frase, que en boca de otro parecería marketing, adquiere un peso diferente cuando la empresa que la pronuncia acaba de perder doscientos millones de dólares por no querer renunciar a dos principios. El dinero siempre fue el argumento más honesto del capitalismo. Que alguien lo deje sobre la mesa dice algo.

La pregunta que subyace a todo esto, y que la Constitución de Claude aborda con una seriedad que resulta casi conmovedora, es cómo construir una entidad inteligente que no esté simplemente optimizada para obedecer, sino que tenga algo parecido a un criterio propio. Una IA que diga que no cuando hay que decir que no. Que entienda el porqué de las normas, no solo las normas. Que sea capaz de enfrentarse a situaciones que nadie anticipó y actuar de manera razonable de todas formas.

No es un problema técnico. Es un problema filosófico disfrazado de problema técnico, que es la forma habitual en que los problemas filosóficos se presentan en este siglo para que podamos ignorarlos más cómodamente. Anthropic no lo está ignorando. Puede que se equivoquen en cómo lo están resolviendo. Probablemente lo están haciendo mal en algunos aspectos que todavía no vemos. Pero al menos están intentando resolver lo correcto.

Entonces, ¿vale la pena darle una oportunidad?

Sí. Con matices, con ojos abiertos, con la consciencia de que ninguna herramienta es inocente y de que Claude tampoco lo es, pero sí, vale la pena.

Vale la pena porque es genuinamente útil en cosas concretas. Vale la pena porque la empresa que lo construye ha demostrado, en condiciones de presión real, que sus principios no son solo decorativos. Vale la pena porque la alternativa, ignorar esta tecnología y dejar que solo la usen quienes no tienen escrúpulos al respecto, es la peor de las estrategias posibles.

La inteligencia artificial va a estar en nuestras vidas queramos o no. Ya está. Ya la usamos sin saberlo en los algoritmos que deciden qué vemos, en los sistemas que aprueban o deniegan nuestros créditos, en las herramientas que filtran nuestros currículums antes de que ningún humano los vea. El debate no es si usarla. El debate es con quién usarla y para qué.

Claude tiene una constitución. Tiene valores explícitos, públicos, debatibles, criticables. Eso es mejor que no tener ninguno. Eso es mejor que una caja negra que optimiza en silencio y no rinde cuentas a nadie. Si vamos a convivir con inteligencias artificiales, y vamos a hacerlo, hay que preferir a las que se pueden leer.

Hay una escena que me ronda desde que empecé a escribir esto. Es el viernes 27 de febrero de 2026, las 5:01 de la tarde, hora de Washington. En algún despacho del Pentágono alguien está mirando el reloj. En alguna oficina de San Francisco, Dario Amodei y su equipo también están mirando el reloj. La fecha límite pasa. Nadie firma. Lo que sigue es conocido: la declaración de riesgo nacional, la prohibición, el caos, los abogados. Pero en ese momento preciso, en ese segundo exacto en que el plazo expira y Anthropic no cede, ocurre algo que merece ser anotado.

Una empresa tecnológica dice que no a doscientos millones de dólares porque no quiere que su IA mate gente sin que un humano tome la decisión. En el año 2026, en el mundo en que vivimos, eso es extraordinario. No sé si es suficiente. No sé si es lo correcto. Pero es algo.

Y con algo, a veces, hay que empezar.

Nos leemos pronto.

📬 Y si esta newsletter te ayuda a trabajar mejor, compártela. Cada semana seleccionamos solo herramientas que merecen tu tiempo.

Cambian las tendencias: ya no existe la “hora perfecta”para publicar, los hashtags pesan menos, el perfil influye en el alcance, los mensajes en frío funcionan peor, la automatización resta credibilidad y más alcance no significa más negocio.

Pero detrás de cada frase hay una implicación estratégica profunda. Y si eres profesional independiente, directivo, consultor, formador o creador de servicios B2B, lo que está en juego no es tu engagement. Es tu pipeline.

Vamos a analizar qué está pasando realmente en LinkedIn y cómo adaptarte con criterio en 2026.

LinkedIn ya no es cronológico: es reputacional

Durante años la conversación giraba en torno al algoritmo. Publicar a las 8:03. Responder en los primeros 15 minutos. Activar comentarios rápido.

Eso sigue teniendo impacto táctico, pero ya no es estructural.

En 2026 LinkedIn funciona como un sistema de reputación acumulada. Evalúa:

• Qué publicas.

• Cómo reaccionan perfiles cualificados.

• Qué coherencia hay entre tu perfil y tu contenido.

• Cómo interactúas fuera de tus publicaciones.

• Qué tipo de conversaciones generas.

El contenido ya no “vive” solo unas horas. Puede circular semanas si activa señales de valor real: guardados, envíos, comentarios largos, interacciones cualificadas.

La calidad pesa más que el horario.

La claridad pesa más que el volumen.

La coherencia pesa más que la viralidad puntual.

El profesional que entiende esto deja de obsesionarse con el pico de alcance y empieza a trabajar la autoridad acumulativa.

La constancia manda, pero no de cualquier forma

Publicar de forma regular genera reconocimiento.

Publicar sin criterio genera fatiga.

En 2026 la constancia eficaz tiene tres características:

1. Tema definido.

2. Audiencia clara.

3. Propuesta profesional visible.

Muchos perfiles publican reflexiones sueltas. Anécdotas. Opiniones genéricas. Frases motivacionales.

Eso puede generar interacción superficial, pero no construye posicionamiento.

El sistema premia la especialización. Y penaliza la dispersión.

La improvisación constante te hace invisible porque no construye memoria.

Y sin memoria no hay referencia.

Y sin referencia no hay negocio.

Si alguien ve tres publicaciones tuyas en un mes y no puede resumir en una frase qué haces y para quién lo haces, estás perdiendo impacto.

Los hashtags ya no son el centro del juego

LinkedIn entiende el texto.

El posicionamiento ya no depende tanto de etiquetas sino de:

• Claridad semántica.

• Coherencia temática.

• Contexto profesional.

• Interacción cualificada.

El lenguaje natural bien estructurado posiciona mejor que una lista de hashtags.

Esto cambia cómo debes escribir:

• Frases claras.

• Problemas concretos.

• Resultados tangibles.

• Público específico.

El algoritmo ahora interpreta intención y relación temática. No necesita que le grites palabras clave.

Tu perfil influye directamente en tu alcance

Este es uno de los cambios más importantes.

El perfil ya no es solo tu carta de presentación. Es un multiplicador o un freno.

Si tu contenido genera interés pero tu perfil es confuso, LinkedIn reduce distribución progresivamente.

¿Por qué?

Porque la plataforma quiere retener atención relevante. Si quien llega a tu perfil no encuentra coherencia, no convierte en conexión ni en conversación.

En 2026 un perfil profesional eficaz necesita:

Foto

• Profesional.

• Sin distracciones.

• Con coherencia visual con tu marca.

Titular

• No solo cargo.

• A quién ayudas + para qué.

• Con palabras claras, no abstractas.

Banner

• Propuesta de valor visible.

• Especialización concreta.

• Contexto profesional claro.

Acerca de

• Problema que resuelves.

• Cómo lo haces.

• Resultados.

• Llamada a la acción.

Sección destacada

• Casos.

• Recursos.

• Contenido estratégico.

• Prueba social.

Experiencia

• Impacto.

• Logros.

• Métricas cuando sea posible.

En 2026 el perfil valida tu autoridad.

Perfil confuso = menos distribución.

La regla de los 4 segundos

Si alguien llega a tu perfil y en cuatro segundos no entiende qué haces, pierdes atención.

El usuario medio no lee con calma. Escanea.

Esto obliga a:

• Claridad visual.

• Frases cortas.

• Estructura limpia.

• Mensaje directo.

Muchos perfiles siguen escritos como un currículum. Eso ya no funciona en LinkedIn como herramienta de negocio.

LinkedIn es una landing page profesional, no un archivo histórico.

Tu oferta debe verse

Uno de los errores más frecuentes en perfiles profesionales es esconder lo que venden.

Se habla de trayectoria, valores, filosofía, experiencia, aprendizajes.

Pero no se explica claramente el servicio.

Si no muestras qué vendes, nadie compra.

La visibilidad reduce fricción.

La fricción alarga decisiones.

Las decisiones largas enfrían oportunidades.

En 2026 el profesional que convierte en LinkedIn:

• Explica qué ofrece.

• A quién.

• En qué formato.

• Con qué resultados.

• Con qué prueba.

Sin ambigüedad.

Los mensajes en frío funcionan peor

El volumen de mensajes automatizados ha saturado la bandeja de entrada.

Las automatizaciones genéricas restan credibilidad.

La personalización vuelve a ganar.

El patrón efectivo ahora es:

1. Presencia.

2. Interacción previa.

3. Conversación.

4. Propuesta.

Interactuar antes de escribir multiplica respuestas.

Escribir sin contexto es lotería.

En 2026 LinkedIn detecta comportamiento masivo repetitivo y lo penaliza.

El enfoque artesanal vuelve a tener ventaja competitiva.

Más alcance no es más negocio

Este es uno de los errores estratégicos más graves.

Mucho alcance puede significar:

• Contenido amplio.

• Audiencia poco cualificada.

• Ruido.

• Métricas superficiales.

El negocio viene de:

• Audiencias pequeñas.

• Bien definidas.

• Con intención real.

En 2026 la especialización es más rentable que la popularidad.

No se trata de llegar a más gente.

Se trata de llegar a la gente adecuada.

Lo que realmente ven los reclutadores

Un error común es pensar que los reclutadores leen todo el perfil.

En realidad muchas decisiones iniciales se basan en una ficha resumida.

Elementos clave:

• Skills activas y coherentes.

• Actividad reciente.

• Conexiones internas en la empresa.

• Señales acumuladas.

• Indicador de respuesta.

En LinkedIn gana quien activa las señales correctas, no quien aplica más veces.

Estrategia práctica para profesionales en 2026

Si tuviera que resumir todo en un plan accionable para los lectores de Botón de Ayuda, sería este:

1. Define tu posicionamiento en una frase clara

A quién ayudas + qué problema resuelves + resultado.

2. Reescribe tu titular

Elimina cargos genéricos. Incorpora propuesta de valor.

3. Optimiza tu sección “Acerca de”

Estructura:

• Contexto.

• Problema.

• Solución.

• Resultado.

• Llamada a la acción.

4. Publica con foco temático

Tres pilares claros.

Repite ideas desde ángulos distintos.

Construye memoria.

5. Prioriza interacción estratégica

Comenta en perfiles de tu nicho.

Participa en conversaciones relevantes.

Construye red cualificada.

6. Mide señales profundas

Perfil views.

Guardados.

Comentarios cualificados.

Conversiones a conversación.

7. Reduce automatización

Aumenta personalización.

8. Haz visible tu oferta

Explica qué haces y cómo se trabaja contigo.

LinkedIn en 2026 es un filtro de claridad

La plataforma se está volviendo menos indulgente con la ambigüedad.

Los perfiles difusos pierden distribución.

Los mensajes masivos pierden respuesta.

El ruido pierde relevancia.

Ganan los profesionales que:

• Saben qué hacen.

• Saben para quién.

• Lo comunican con precisión.

• Generan conversación real.

• Mantienen coherencia en el tiempo.

LinkedIn ya no es un lugar para parecer activo.

Es un entorno para construir reputación medible.

Y en 2026 la reputación digital no se basa en likes.

Se basa en señales acumuladas de utilidad, especialización e intención.

Si usas LinkedIn como herramienta estratégica, puede convertirse en tu principal canal de generación de oportunidades cualificadas.

Si lo usas como escaparate generalista, será solo otro lugar donde publicar.

La diferencia no está en el algoritmo.

Está en la claridad con la que decides posicionarte.

Y eso, todavía, depende de ti.

📬 Y si esta newsletter te ayuda a trabajar mejor, compártela. Cada semana seleccionamos solo herramientas que merecen tu tiempo.

Nos leemos pronto.

Mirar una pantalla hoy es como entrar en un bar de madrugada: hay demasiado ruido, las luces son demasiado brillantes y nadie te va a pedir perdón por empujarte. Pero en ese caos hay una lógica, una estructura que separa a los que saben lo que hacen de los que simplemente están de paso.

En 2026, el diseño web ha dejado de ser una herramienta de servicio para convertirse en una experiencia de colisión. Ya no navegamos, nos estrellamos contra la información. Y lo mejor es que nos gusta.

1. El regreso del esqueleto: Grillas y diseño modular

El CSS Grid ya no es una promesa, es una ley. Pero no hablo de esas cuadrículas aburridas de Excel. Hablo de una estructura modular que se rompe y se expande. Es el triunfo del orden sobre el vacío. Las webs ahora son compactas, coherentes, visualmente densas. Se trata de aprovechar cada milímetro de cristal para que el usuario sepa que hay una inteligencia detrás, una arquitectura que sostiene el peso de los datos sin que nada se caiga al suelo.

• Web de ejemplo: Obys Agency

• Por qué: Es la biblia de la tipografía y el grid. Muestran cómo una cuadrícula puede ser dinámica, romperse al hacer scroll y volver a encajar con una precisión quirúrgica.

2. No mires, juega: La gamificación total

La diferencia entre una web y un videojuego es ahora una línea tan fina que ya nadie se molesta en dibujarla. Si tu página no responde al movimiento, si no hay un rastro de lo que el cursor ha tocado, es que estás muerto. Hablo de interfaces que son, literalmente, niveles de un juego. Portafolios donde controlas a un personaje para moverte por las secciones, o habitaciones en 3D donde saltas sobre un sofá para ver los últimos trabajos. Es una distracción necesaria. Ya nadie quiere leer un párrafo de “Sobre nosotros” si puede descubrirlo moviendo un gato por la pantalla. Es infantil, sí, pero es real

• Referencia: Bruno Simon

• Por qué: Es el referente absoluto. En lugar de navegar con el ratón, conduces un coche teledirigido por un mapa 3D interactivo. Para ver sus proyectos, tienes que chocar contra ellos o entrar en zonas específicas.

3. La profundidad del cristal: 3D y Glassmorfismo funcional

El 3D ha dejado de ser ese recurso pesado que hacía que el ventilador de tu portátil gritara pidiendo auxilio. Ahora es fluido. Es el efecto de “glassmorfismo”, ese cristal esmerilado que deja ver lo que hay detrás pero no del todo, creando una profundidad que te dan ganas de atravesar con el dedo. Las transiciones ya no son saltos de página; son movimientos de cámara. No te vas a otra URL, te desplazas por un escenario. La web ya no es un documento, es una película en la que tú mueves el foco.

• Web de ejemplo: Linear

• Por qué: Han perfeccionado el uso de capas translúcidas y profundidad. Su diseño respira elegancia y utiliza el cristal para jerarquizar la información de manera impecable.

4. La tiranía del color: Degradados y transiciones ácidas

Olvídate del minimalismo blanco y pulcro de la década pasada. El 2026 es el año de los degradados agresivos. Mezclas de azules, amarillos y verdes que se funden mientras haces scroll. Los monitores de hoy son demasiado buenos para que les des solo un color sólido. Queremos ver cada matiz, cada transición de luz. Es una estética casi biológica, como si la web estuviera viva y respirara bajo el ratón. Si no te duelen un poco los ojos al principio, es que te has quedado corto con la saturación.

• Web de ejemplo: Stripe

• Por qué: Su “hero section” es el referente mundial de cómo usar degradados animados que parecen seda en movimiento. Es colorismo técnico en su máxima expresión.

5. La imperfección es el nuevo lujo: Ilustraciones a mano

En un mundo donde la IA puede generar cualquier imagen perfecta en segundos, lo que brilla es lo torcido. Las ilustraciones hechas a mano, los trazos que parecen salir de un cuaderno sucio, son los que dan personalidad. Es el factor humano reclamando su sitio. Palomas que sueltan monedas de oro, mascotas que te siguen con la mirada mientras bajas por el feed. Es ese toque de imperfección lo que hace que una web sea memorable. Lo perfecto es aburrido; lo raro es lo que vende.

• Web de ejemplo: Mailchimp

• Por qué: Fueron pioneros en usar ilustraciones abstractas y “humanas” para alejarse de la frialdad corporativa. Demuestran que un dibujo extraño comunica más que mil fotos de stock.

6. Brutalismo con modales: El impacto matizado

El brutalismo sigue aquí, pero ha aprendido a comportarse. Tipografías gigantescas, textos que ocupan todo el ancho de la pantalla, colores que chocan sin pedir permiso. Es un diseño que te grita a la cara, pero ahora lo hace con una estética refinada. Es el impacto por el impacto, pero con una jerarquía clara. Menús que caen del techo como si hubieras roto algo. Es divertido ver cómo la gente se asusta un poco la primera vez.

• Web de ejemplo: Gumroad

• Por qué: Es el ejemplo perfecto de brutalismo comercial. Fuentes enormes, bordes negros marcados y una personalidad que dice “no soy como los demás” sin asustar al cliente.

7. El caos de la Generación Z: 200% de todo

Si coges todas estas tendencias y les das un chute de adrenalina, tienes el diseño Gen Z. Es como el internet de los años 90 pero con la tecnología de hoy. Animaciones en cada elemento, vídeos dentro de vídeos, cortes de sección en zigzag. Es el diseño de la atención fragmentada. Es la estética de TikTok aplicada a una URL: si dejas de moverte un segundo, pierdes el interés. Te hace sentir viejo, y esa es precisamente la intención. Es un lenguaje que no pide permiso para ser ruidoso.

• Web de ejemplo: MSCHF

• Por qué: Es el caos absoluto. Nada es lineal, todo es una sorpresa y rompen todas las reglas de UX. Es el diseño llevado al límite de la transgresión.

8. El manual de instrucciones quemado: Antidiseño

Seguimos viendo el auge del antidiseño. Esos sitios donde la navegación tradicional ha sido ejecutada en el patio de atrás. Webs que se desenrollan como un carrete de fotos, donde no sabes muy bien dónde hacer clic hasta que lo haces. Es arriesgado, es confuso y es increíblemente efectivo si quieres que alguien se quede con tu nombre grabado en la frente. No es para todo el mundo, pero a quién le importa todo el mundo.

• Web de ejemplo: Active Theory

• Por qué: Son los arquitectos del caos controlado. Su web es una experiencia atmosférica donde la navegación se siente como explorar un entorno digital abstracto. Rompen la rejilla y el cursor tradicional para obligarte a “sentir” la web en lugar de simplemente leerla.

9. El nuevo minimalismo: Hacer más con menos

Pero cuidado, el minimalismo no ha muerto, solo ha madurado. Ya no es “poca cosa”, es “el uso inteligente del vacío”. Menos colores, pero más textura. Tipografías variables que cambian de peso según interactúas con ellas. Espacio negativo que guía el ojo hacia donde realmente importa. Es la elegancia del silencio en medio de una fiesta de diseño Gen Z. Un respiro necesario.

• Web de ejemplo: iA (Information Architects)

• Por qué: Son los puristas del diseño. Su web es una oda a la tipografía y a la claridad absoluta. Demuestran que no necesitas sombras, ni 3D, ni ruidos visuales si tienes un mensaje claro y una tipografía perfecta. Es minimalismo radical que se siente premium.

En definitiva, el 2026 es el año de la mezcla. Ya no vale con elegir una tendencia y quedarse ahí. Los mejores sitios son los que mezclan bento grids con micro-animaciones, vídeos a pantalla completa con ilustraciones hechas a mano y transiciones 3D con tipografías que parecen vivas.

La web ha dejado de ser un lugar para consultar datos y se ha convertido en un lugar donde ocurrir. Si tu sitio web parece el mismo de hace tres años, no es que seas un clásico, es que te has convertido en parte del paisaje estático que todos ignoramos. Y en internet, ser ignorado es el único pecado que no tiene perdón.

Diseña como si nadie te estuviera mirando, pero interactúa como si fuera lo único que importa. El resto es solo ruido de fondo.

📬 Y si esta newsletter te ayuda a trabajar mejor, compártela. Cada semana seleccionamos solo herramientas que merecen tu tiempo.

Nos leemos pronto.

No es un artículo sobre criptomonedas. Es un artículo sobre cómo pensar mejor con ayuda de la IA.

El problema real: demasiada información, poco contexto

Cuando Bitcoin cae con fuerza durante varias semanas, el patrón se repite:

• titulares alarmistas

• hilos de X contradictorios

• influencers que cambian de opinión cada 48 horas

• gráficos sin explicación

• explicaciones macroeconómicas simplistas

El resultado es conocido: confusión, ruido y decisiones emocionales.

Aquí es donde NotebookLM marca la diferencia, no porque “sepa más”, sino porque te obliga a trabajar con fuentes concretas. No responde desde el aire. Responde desde lo que tú le das.

Y eso cambia todo.

Qué es NotebookLM (y qué no es)

NotebookLM no es ChatGPT con otro nombre. Tampoco es un buscador ni un resumen automático de internet.

NotebookLM es:

• un entorno de análisis

• basado en fuentes que tú seleccionas

• que no inventa datos externos

• y que razona solo desde el corpus que le das

Dicho de otro modo:

👉 NotebookLM no opina; interpreta documentos.

Esto lo convierte en una herramienta especialmente potente para:

• análisis de actualidad

• revisión de discursos

• extracción de patrones narrativos

• síntesis de posiciones ideológicas

• generación de informes, presentaciones e infografías

El caso práctico: entender la caída del Bitcoin

El contexto

En las últimas semanas, Bitcoin ha sufrido una caída relevante, difícil de explicar únicamente con indicadores técnicos o macroeconómicos clásicos. Paralelamente, el canal Bitcoin al día publica análisis diarios, con una línea editorial clara, constante y muy marcada.

La pregunta no es si el autor tiene razón o no.

La pregunta es:

¿Cuál es exactamente su interpretación de lo que está pasando?

¿Qué causas repite?

¿Qué narrativa sostiene de forma consistente?

Eso es justo lo que NotebookLM permite responder.

- Paso 1: llevar YouTube a NotebookLM (sin fricción)

El primer obstáculo suele ser práctico:

NotebookLM trabaja con documentos. YouTube no lo es… salvo que lo conviertas.

Aquí entra en juego una extensión clave de Chrome:

• YouTube to NotebookLM

  👉 extensión que permite enviar vídeos directamente a tu cuaderno de NotebookLM como fuente transcrita.

(Instalarla en Google Chrome lleva menos de un minuto).

Qué hice exactamente

1. Abrí el canal Bitcoin al día

2. Seleccioné los 10 últimos vídeos publicados

3. Con la extensión, los añadí directamente a un notebook nuevo en NotebookLM

4. Resultado:

   • 10 vídeos

   • 10 transcripciones

   • una única base documental coherente

Esto es importante: no mezclé fuentes.

No comparé opiniones.

No busqué “la verdad”.

Busqué una narrativa clara y consistente.

- Paso 2: el prompt correcto (y por qué importa)

Una vez cargadas las fuentes, lancé un prompt deliberadamente simple:

“¿Qué opinión tiene el autor de estos vídeos sobre cuál es la causa de la caída del Bitcoin?”

Nada más.

No le pedí predicciones.

No le pedí que contrastara con otras fuentes.

No le pedí que juzgara si era cierto o falso.

Solo le pedí que entendiera al autor.

Este es un error habitual cuando usamos IA: pedirle más de lo que toca, demasiado pronto.

La respuesta de NotebookLM (resumida y estructurada)

La síntesis que devuelve NotebookLM es clara y sorprendentemente ordenada. Según el análisis conjunto de los vídeos, el autor sostiene que la caída del Bitcoin no es natural ni puramente de mercado, sino resultado de una manipulación deliberada.

Su tesis central:

👉 existen fuerzas interesadas en manipular el precio y el sentimiento para expulsar al pequeño inversor y favorecer la acumulación de grandes capitales.

A partir de ahí, NotebookLM identifica cuatro grandes ejes narrativos recurrentes.

- Campañas de FUD financiadas

El autor denuncia campañas coordinadas de miedo, incertidumbre y duda (FUD):

• pagos a influencers para difundir mensajes negativos

• uso de bots e IA para amplificar narrativas

• ataques dirigidos a actores clave del ecosistema, como Binance

• objetivo: generar pánico y deteriorar la confianza

No es un argumento aislado: aparece reiteradamente a lo largo de los vídeos.

- Manipulación psicológica y “aburrimiento”

Una de las ideas más insistentes del autor es la del cansancio inducido:

• precios lateralizados durante meses

• comparación constante con activos que sí suben

• desgaste emocional del inversor minorista

La tesis es clara:

👉 no se busca el pánico inmediato, sino la rendición lenta.

- Precio reprimido e ilógico

Desde su punto de vista, el comportamiento del precio es anómalo:

• Bitcoin cae cerca de un 50%

• mientras bolsas y otros activos marcan máximos

• con abundante liquidez en el sistema

Para el autor, no hay una explicación fundamental lógica, lo que refuerza su idea de manipulación previa a un nuevo ciclo.

- Narrativas absurdas como cortinas de humo

Finalmente, el autor señala la aparición cíclica de historias extremas o absurdas:

• asociaciones forzadas con figuras polémicas

• rumores sin pruebas sobre ventas masivas

• ataques procedentes de proyectos rivales

Para él, son “braceos de ahogado”: intentos desesperados de erosionar la narrativa dominante de Bitcoin.

El verdadero valor: no el contenido, sino el proceso

Hasta aquí, podrías pensar:

“Vale, ya tengo un resumen”.

Pero lo importante no es qué dice NotebookLM, sino qué te permite hacer después.

Porque aquí empieza la segunda fase.

- Paso 3: de análisis a visualización (infografía y presentación)

Una vez consolidada la interpretación, lancé dos prompts adicionales:

Prompt 1 – Infografía

“Haz una infografía en la que explique las causas de la caída del Bitcoin en las últimas semanas

.

Resultado:

Prompt 2 – Presentación

“Haz una presentación en la que explique las causas de la caída del Bitcoin en las últimas semanas.”

NotebookLM no inventa gráficos por sí mismo, pero estructura el contenido de forma perfectamente exportable a herramientas visuales.

El resultado:

• bloques claros

• jerarquía de ideas

• títulos y subtítulos utilizables

• narrativa visual directa

Resultado:

Puedes descargar la presentación entera aquí

- Paso 4: storytelling para públicos senior (el salto cualitativo)

El último prompt fue el más interesante:

“Crea una presentación de tipo storytelling a partir de la información aportada en las fuentes.

El objetivo es explicar de forma inmersiva y atractiva a un público senior las causas de la caída del Bitcoin, basada en los vídeos de ‘Bitcoin al día’.

Todos los textos deben estar en castellano.

Algunas diapositivas deben incluir diálogos divertidos o dramáticos.

Las ilustraciones deben tener un estilo concept art propio de un cómic de los años 80.”

Aquí ocurre algo clave:

NotebookLM no se sale del marco.

No dramatiza más de lo que el autor original ya dramatiza.

No suaviza el discurso.

No lo contradice.

Simplemente traduce una narrativa compleja a un formato comprensible.

Y eso es oro para:

• formación

• divulgación

• presentaciones

• documentación estratégica

Resultado:

Puedes descargar la presentación entera aquí

Qué nos enseña este ejemplo (más allá del Bitcoin)

Este caso práctico deja varias lecciones claras:

1. NotebookLM no es para “saber más”, sino para “entender mejor”.

2. Funciona especialmente bien cuando analizas una voz concreta, no el ruido general.

3. Es ideal para transformar horas de contenido disperso en:

   • una tesis

   • una estructura

   • una narrativa clara

4. No sustituye tu criterio, lo afila.

En un mundo saturado de opiniones instantáneas, pensar bien se ha vuelto una habilidad estratégica. NotebookLM no te dice qué pensar, pero te ofrece algo más valioso: un espacio para pensar con rigor a partir de fuentes reales.

Hoy ha sido Bitcoin.

Mañana puede ser:

• un conflicto geopolítico

• una reforma legal

• una crisis sectorial

• una tendencia cultural

La herramienta es la misma.

El método también.

Y eso, en tiempos de ruido, es una ventaja competitiva silenciosa pero enorme.

📬 Y si esta newsletter te ayuda a trabajar mejor, compártela. Cada semana seleccionamos solo herramientas que merecen tu tiempo.

Nos leemos pronto.

La fantasía de la reunión perfecta (que nunca escucharemos)

Durante años, las actas fueron un gesto manual, casi artesanal. Alguien —normalmente la misma persona— tomaba notas, resumía, interpretaba. Había errores, omisiones, sesgos. También había una mirada. Hoy hemos decidido externalizar incluso eso. La reunión ya no se recuerda: se procesa.

Las herramientas de transcripción y resumen con IA no han llegado para ayudarnos a escuchar mejor, sino para liberarnos de la obligación de hacerlo. Y eso, conviene decirlo desde el principio, no es necesariamente malo. Pero tampoco es inocente.

Porque grabar una reunión no es solo pulsar un botón. Es introducir un tercer oído en la sala. A veces visible. A veces silencioso. A veces educado. A veces torpe. Y casi siempre indiscreto si no se explica bien.

Hoy hemos querido seleccionar cinco herramientas que permiten grabar, transcribir y resumir reuniones —o pensamientos, o dictados— con distintos grados de automatización e intrusión. No son iguales. No sirven para lo mismo. Y, sobre todo, no se sienten igual cuando aparecen en una llamada.

MeetGeek – El secretario que no se cansa

🔗 https://meetgeek.ai/

MeetGeek hace exactamente lo que promete, sin metáforas. Entra en la reunión, graba, transcribe, resume, extrae tareas y te entrega un documento limpio, ordenado, casi demasiado correcto. Es eficiente. Incansable. Y absolutamente literal.

Funciona integrándose con Zoom, Google Meet o Microsoft Teams. Cuando está activo, aparece como un participante más. Tiene nombre. Tiene presencia. A veces incluso interrumpe con notificaciones silenciosas que recuerdan que está ahí.

Versión gratuita: Sí.
Limitaciones del plan free: unas 3 horas de transcripción al mes y bloqueo de funciones avanzadas (automatizaciones, integraciones profundas, analítica).
¿Se “mete” en la reunión? Sí. De forma clara y visible.

Lo bueno:

• Automatiza completamente la toma de notas.

• Resúmenes claros, estructurados y accionables.

• Ideal para equipos que viven encadenando reuniones.

Lo incómodo:

• Su presencia puede generar fricción si no se avisa antes.

• Introduce una sensación de vigilancia constante.

• No distingue bien entre lo importante y lo accesorio si la conversación es ambigua.

Ideal para: equipos que quieren dejar de tomar notas manuales y aceptan que haya un bot sentado a la mesa.

Fireflies.ai – El oyente omnipresente

🔗 https://fireflies.ai/

Fireflies no espera a que lo invites. Se cuela. O, mejor dicho, se une. Aparece como participante visible y empieza a escuchar. Todo. Detecta quién habla, cuándo, durante cuánto tiempo. Luego ordena la conversación, resume, clasifica.

Es una herramienta muy popular en entornos comerciales y de ventas. Tiene algo de grabadora policial: registra con precisión, pero sin contexto emocional.

Versión gratuita: Sí.
Limitaciones del plan free: minutos de grabación limitados y análisis avanzados bloqueados.
¿Se “mete” en la reunión? Sí. Siempre. Es su forma de funcionar.

Lo bueno:

• No requiere que nadie se acuerde de activar nada.

• Buen reconocimiento de hablantes.

• Resúmenes rápidos y consistentes.

Lo incómodo:

• Su entrada automática puede resultar invasiva.

• Puede generar rechazo en reuniones sensibles.

• Requiere una política clara de aviso previo.

Ideal para: equipos grandes que priorizan la eficiencia sobre la discreción.

tl;dv – La grabación que intenta no molestar

🔗 https://tldv.io/

tl;dv se presenta como una alternativa más amable. Puede funcionar como bot visible, sí, pero también como extensión de navegador que graba la reunión sin aparecer como participante. Esa diferencia lo cambia todo.

Permite marcar momentos clave, generar resúmenes y compartir fragmentos concretos sin obligar a nadie a revisar una hora entera de conversación.

Versión gratuita: Sí (Forever Free).
Limitaciones del plan free: funciones avanzadas de IA reservadas a planes de pago.
¿Se “mete” en la reunión? Depende de cómo lo configures.

Lo bueno:

• Menos intrusivo si se usa como extensión.

• Muy útil para revisiones rápidas.

• Buen equilibrio entre automatización y control.

Lo incómodo:

• Algunas funciones interesantes están tras el muro de pago.

• Requiere una mínima configuración consciente.

Ideal para: usuarios que quieren transcripciones sin introducir un “invitado” no humano en la reunión.

Notta – La grabadora discreta

🔗 https://www.notta.ai/

Notta no entra en la reunión. No se presenta. No saluda. Graba desde tu dispositivo, transcribe después y genera resúmenes. Funciona bien para dictados, entrevistas informales, reuniones pequeñas o pensamientos hablados.

Tiene soporte multilenguaje y traducción, lo que la hace especialmente útil en contextos internacionales.

Versión gratuita: Sí.
Limitaciones del plan free: unos 120 minutos al mes y duración limitada por grabación.
¿Se “mete” en la reunión? No. Nunca.

Lo bueno:

• Muy poco intrusiva.

• Ideal para uso personal.

• Buena precisión en transcripciones claras.

Lo incómodo:

• Menos automatización en reuniones grandes.

• No identifica siempre a los hablantes.

Ideal para: dictados personales, ideas sueltas y reuniones donde la discreción es clave.

Granola – Notas antes que vigilancia

🔗 https://www.granola.ai/

Granola no quiere ser un bot. Quiere ser un cuaderno. Escucha desde tu sistema, transcribe en segundo plano y mezcla lo que tú escribes con lo que se dice. No graba vídeo. No entra en la llamada. No levanta sospechas.

Es probablemente la herramienta más interesante de esta lista si te incomodan los bots visibles pero quieres algo más sofisticado que una simple grabadora.

Versión gratuita: Sí
Limitaciones del plan free: historial limitado y funciones avanzadas bloqueadas.
¿Se “mete” en la reunión? No.

Limitaciones técnicas a considerar:

• Identificación de hablantes imperfecta.

• No graba vídeo.

• Depende del audio del sistema.

Ideal para: personas que toman notas mientras escuchan y quieren un apoyo silencioso de la IA, no un sustituto.

Lo que nadie te dice (pero conviene recordar)

Grabar una reunión no es solo una decisión técnica. Es una decisión cultural. Cambia la forma en que hablamos. Cambia lo que decimos. Cambia lo que callamos.

Un bot visible altera la dinámica. Una grabación silenciosa también, aunque menos. En ambos casos, la responsabilidad legal y ética sigue siendo tuya. Avisar no es opcional. Explicar para qué se graba, tampoco.

Y hay algo más: confiar ciegamente en los resúmenes es una forma elegante de perder matices. La IA ordena, pero no entiende silencios. Resume, pero no duda. Extrae tareas, pero no capta ironías.

Pautas prácticas para elegir bien

• Si te molestan los bots visibles: prioriza herramientas como Notta, Granola o soluciones de grabación local.

• Si necesitas automatización total: MeetGeek y Fireflies cumplen, siempre que el equipo lo acepte.

• Para dictados y reflexiones personales: herramientas simples y silenciosas funcionan mejor que cualquier bot.

• Para reuniones con notas humanas + IA: Granola ofrece el equilibrio más interesante hoy.

Grabar reuniones no nos hace más atentos. Nos hace más tranquilos. Delegamos la memoria y seguimos adelante. No está mal. Pero conviene no olvidar que escuchar sigue siendo un acto humano, no un proceso automático.

Las herramientas ayudan. Mucho. Pero no piensan por nosotros. Y, desde luego, no deciden qué importa. Eso, por ahora, sigue siendo cosa nuestra.

📬 Y si esta newsletter te ayuda a trabajar mejor, compártela. Cada semana seleccionamos solo herramientas que merecen tu tiempo.

Nos leemos pronto.

Pero hay algo que casi nadie te dice: las propias empresas que crean estas IAs publican los mejores recursos para aprender a usarlas. Gratis. Actualizados. Sin intermediarios.

Este texto no va de trucos. Va de ir a la fuente, de aprender con calma, de entender qué hace cada herramienta y por qué. Va de leer documentación como quien entra en una casa ajena con respeto, tocando poco, observando mucho.

Una guía para quienes prefieren comprender antes que repetir prompts.

Antes de empezar (muy importante): idioma y traducción

La mayoría de los recursos oficiales de las grandes plataformas de IA están en inglés. Algunos —como la ayuda de Grok— sí tienen versión en español.

Si no dominas el inglés, no es una barrera real:

• En Chrome / Edge: clic derecho → “Traducir al español”.

• En Safari: botón Traducir en la barra de direcciones.

• En Firefox: extensiones de traducción automática.

No es una traducción literaria perfecta, pero es más que suficiente para aprender, practicar y avanzar sin depender de cursos de terceros.

1. OpenAI y ChatGPT: aprender desde la estructura

OpenAI es, paradójicamente, la empresa que mejor ha entendido que enseñar bien es una forma de escalar. Mientras otros dispersan recursos, OpenAI centraliza.

OpenAI Academy

👉 https://academy.openai.com/

Es el núcleo formativo oficial. Una plataforma pensada para que cualquier persona —no solo desarrolladores— entienda cómo usar ChatGPT y el ecosistema de OpenAI.

Aquí no hay fuegos artificiales. Hay orden.

Qué ofrece:

• Rutas desde nivel básico hasta avanzado

• Vídeos, guías prácticas y ejemplos reales

• Uso profesional de ChatGPT en trabajo, educación y negocio

• Introducción clara a modelos, límites y buenas prácticas

No intenta impresionarte. Intenta que entiendas.

Prompt Engineering Best Practices

👉 https://help.openai.com/en/articles/10032626-prompt-engineering-best-practices-for-chatgpt

Este documento es casi una declaración ética. No habla de “prompts mágicos”, sino de pensar mejor lo que preguntas. De contexto, de claridad, de iteración.

Aprendes algo incómodo pero esencial:

si la IA responde mal, muchas veces no es culpa del modelo.

OpenAI no te vende atajos. Te devuelve la responsabilidad.

2. Google y Gemini: aprender según quién eres

Google no centraliza. Clasifica. Y eso dice mucho de cómo entiende la IA: no todos aprenden igual, ni necesitan lo mismo.

Google AI Skills – el equivalente a una academia

👉 https://ai.google/learn-ai-skills/

Es lo más parecido a OpenAI Academy. Cursos claros, gratuitos, orientados al uso real.

Destacan:

• AI Essentials

• Prompting Essentials

• Certificados básicos

• Lenguaje accesible

Aquí no te hablan desde arriba. Te acompañan.

Google Cloud Skills Boost – cuando quieres entender de verdad

👉 https://www.cloudskillsboost.google/paths/118

Este no es un sitio amable. Es un sitio serio.

La ruta “Introduction to Generative AI” explica qué hay debajo de Gemini:

transformers, modelos, fundamentos técnicos. No para presumir, sino para no usar la IA como una caja negra.

Es más exigente que OpenAI Academy.

También más honesto.

Grow with Google – IA para trabajar

👉 https://grow.google/ai

Aquí la IA deja de ser concepto y se convierte en herramienta cotidiana:

correos, hojas de cálculo, marketing, productividad.

No promete cambiar tu vida.

Promete hacerte perder menos tiempo.

3. xAI y Grok: aprender desde el presente continuo

Grok no quiere ser amable. Quiere ser rápido, irónico, conectado al mundo en tiempo real. Y sus recursos reflejan eso.

Ayuda oficial en X (en español)

👉 https://help.x.com/es/using-x/about-grok

Es el punto de entrada real. Aquí aprendes:

• Qué es Grok

• Qué puede hacer

• Qué datos usa

• Qué límites tiene

No es un curso. Es un manual de uso honesto.

Página oficial de Grok

👉 https://x.ai/grok

Aquí se explica lo nuevo: versiones, modos, voz, búsqueda profunda. No hay pedagogía clásica. Hay actualización constante.

The Hitchhiker’s Guide to Grok (API)

👉 https://docs.x.ai/docs/tutorial

Para desarrolladores. Paso a paso. Sin marketing.

Si OpenAI te invita a un aula, Grok te deja las llaves del taller.

4. Claude: aprender una IA que no promete más, sino mejor

Anthropic no presenta Claude como una solución total. Tampoco enseña a usarlo así. Su propuesta formativa es sobria, estructurada y deliberadamente contenida. No busca acelerar al usuario, sino darle criterio.

Anthropic Academy (formación oficial)

👉 https://anthropic.skilljar.com/

Este es el punto de entrada principal. Una academia gratuita, bien organizada, pensada tanto para usuarios generales como para perfiles técnicos y educativos.

Aquí se aprende Claude con método, no a base de trucos.

Cursos disponibles:

• Claude for You – uso general en tareas cotidianas

• Prompt Engineering – tutorial interactivo y muy bien guiado

• API Fundamentals – introducción al desarrollo con Claude

• Model Context Protocol (MCP) – integración avanzada

• Claude Code – asistencia al desarrollo

• AI Fluency – especialmente relevante para docentes y académicos

No es una academia orientada al rendimiento inmediato.

Es una academia orientada a entender lo que haces y por qué funciona.

El centro de aprendizaje de Anthropic

👉 https://www.anthropic.com/learn

Una vez adquirida la estructura básica, Anthropic propone ir más allá. Este espacio no es un curso, sino un marco conceptual.

Aquí se explica:

• Cómo funciona un modelo como Claude

• Por qué el contexto es crucial

• Qué límites tiene la IA y por qué es importante respetarlos

• Qué significa usar IA de forma responsable

No hay promesas. Hay explicaciones.

Leer esta sección cambia la relación con la herramienta:

la vuelve menos espectacular, pero más fiable.

Claude for You: el uso real, sin idealización

👉 https://www.anthropic.com/learn/claude-for-you

Este recurso aterriza todo lo anterior en el día a día. Está pensado para personas que quieren usar Claude sin entrar en lo técnico ni convertir la IA en una autoridad.

Aprendes a:

• Escribir y revisar textos

• Pensar con la IA sin delegar el criterio

• Resumir información compleja

• Detectar cuándo Claude es útil… y cuándo no

Aquí no se enseña a exprimir la herramienta, sino a convivir con ella.

Aprender despacio, aprender bien

Formarse en IA no debería parecer una carrera.

Debería parecer una lectura atenta.

Las grandes plataformas ya han hecho el trabajo difícil: documentar, explicar, ordenar. Lo que nos falta no son recursos, sino tiempo y criterio para elegirlos.

Ir a las fuentes oficiales es una forma de resistencia.

Contra el ruido.

Contra el atajo.

Contra la idea de que aprender es consumir.

Aprender IA, hoy, no es saber más prompts.

Es saber qué herramienta usar, cuándo y por qué.

Y eso —como casi todo lo importante— no se aprende deprisa.

📬 Y si esta newsletter te ayuda a trabajar mejor, compártela. Cada semana seleccionamos solo herramientas que merecen tu tiempo.

Nos leemos pronto.

Hay herramientas que no hacen ruido, que no salen en anuncios, que no aspiran a salvarte la vida. LMArena es una de esas. Un sitio de aspecto sobrio donde las IAs —todas esas que nos venden como si fueran profetas del siglo XXI— se enfrentan cara a cara. Sin discursos, sin notas de prensa, sin promesas infladas.

Un ring silencioso donde los modelos se comparan entre sí y, por una vez, no gana la empresa con más dinero, sino la que responde mejor.

Si en Botón de Ayuda buscamos herramientas que realmente sirvan, no que parezcan útiles, entonces LMArena merece un sitio en primera fila. Es una puerta discreta que te deja asomarte a versiones de pago sin pagar, que te permite ver cómo razonan —o cómo fallan— las IAs más potentes del mercado.

El ruido, la niebla y la necesidad de un mapa

Desde que las IAs se han vuelto parte del trabajo —como esas máquinas viejas que no terminas de saber usar, pero que te piden que confíes en ellas— el problema no es la falta de opciones, sino demasiadas opciones.

Cada semana aparece un modelo más fuerte, más grande, más capaz. O eso dicen.
Y uno, que solo quiere trabajar un poco más rápido, se encuentra atrapado entre nombres que parecen sacados de naves espaciales: GPT, Claude, Gemini y Grok, que suena a villano de serie B.

Todos presumiendo de algo.
Todos asegurando que son los mejores.

Pero ¿mejores para qué?
¿Para escribir? ¿Para razonar? ¿Para inventar sin permiso?
¿O para cobrarte una suscripción mensual que se renueva sola?

Ahí es donde LMArena aparece como un faro pequeño, casi tímido, pero preciso.
Un sitio donde puedes comprobar tú mismo lo que normalmente te obligan a creer.

Lo que LMArena es (y lo que no pretende ser)

LMArena no tiene adornos. Ni banners, ni animaciones, ni esa sensación de estar entrando en un templo tecnológico.

La interfaz es casi insultantemente simple: eliges dos modelos, escribes lo que quieras, y les pones a competir.
Tu voto decide cuál lo ha hecho mejor.

Eso es todo.
Y al mismo tiempo, es muchísimo.

Porque:

• No depende de opiniones corporativas.

• No sigue guiones de marketing.

• No necesita venderte nada.

• No promete inspiración divina.

LMArena simplemente te dice: mira, compara, decide.

Es tan extraño encontrar honestidad en este mundo que la austeridad resulta reconfortante. Como un bar de barrio sin menú del día, pero con buen café.

Así se comparan las IAs: un sistema más limpio que sus discursos

Los modelos compiten mediante un sistema Elo, el mismo que se usa en ajedrez.
Dos modelos, una pregunta, una respuesta de cada uno.
Tú eliges cuál está mejor.
El ganador sube, el perdedor baja.

Miles de usuarios votan.
Miles de comparaciones se acumulan.
El ranking se mueve, retrocede, avanza, respira.

No es perfecto —ningún ranking lo es—, pero tiene algo que los demás no tienen: no hay representantes de venta empujando nada desde atrás.

Y eso, en el terreno de la IA, es casi revolucionario.

En Reddit, alguien publicó un gráfico con la evolución de los modelos en LMArena a lo largo del tiempo. Parecía el electrocardiograma de un enfermo nervioso: subidas, bajadas, recaídas, mejoras. No hay modelo invencible. No hay dios en este Olimpo.
Solo máquinas que cambian, a veces para bien, otras para peor.

Esa es quizá la mayor lección:
no conviene enamorarse de ninguna IA, porque todas mutan, todas fallan y todas regresan distinto después de cada actualización.

Probar versiones de pago sin pagar: la pequeña trampa legal del mundo perfecto

Aquí está la parte que más interesa al lector práctico, al profesional cansado de demos limitadas y paywalls agresivos:

LMArena te deja usar modelos premium sin pagar la suscripción.

Es, técnicamente, un uso breve y controlado.
Pero estratégicamente, es una ventaja descomunal.

Porque una cosa es escuchar que un modelo es excelente.
Y otra muy distinta es verlo comportarse mal ante una pregunta sencilla que tú mismo escribiste.

LMArena te permite algo que en el mundo real casi nunca ocurre:
no firmar ningún contrato emocional con una IA antes de conocerla.

Cómo usar LMArena para trabajar mejor (sin perder tiempo ni dignidad)

Puedes entrar a LMArena por curiosidad, pero salir con una brújula profesional en la mano.
Aquí van usos reales —nada de teoría grandilocuente— que le sirven a cualquiera que trabaje con IA.

A. Elegir la IA adecuada para una tarea concreta

No existe la mejor IA universal.
Existe la que mejor responde hoy a lo que necesitas hacer.

Ejemplos:

• Para escritura literaria, algunos modelos son brillantes y otros parecen máquinas de oficina.

• Para razonamiento, ciertos modelos deslizan florituras que suenan bien pero no significan nada.

• Para precisión técnica, algunos inventan datos con una confianza que asusta.

LMArena te enseña esto en minutos, no en promesas.

B. Ajustar prompts antes de usarlos en tu herramienta habitual

Si vas a usar ChatGPT, Claude o cualquier otra IA en tu flujo de trabajo, puedes probar tu prompt en LMArena antes.

Así ves:

• dónde se atasca,

• quién reformula mejor,

• quién entiende el tono sin rechistar,

• quién hace trampas.

Es como ensayar una presentación antes de enfrentar al cliente.

C. Detectar cambios en modelos que “ya conocías”

Las IAs cambian sin avisar.
A veces mejoran.
A veces, simplemente, empeoran.

Hay gente en Reddit documentando cómo ciertos modelos pierden capacidades matemáticas, se vuelven más conservadores, o responden con más cautela que antes.

LMArena te permite verlo sin fiarte de rumores.

D. Ahorrar dinero

El beneficio más prosaico y más práctico.

Antes de suscribirte a un modelo premium, úsalo gratis en LMArena.
Si no te convence, acabas de ahorrarte una cuota mensual.
Si te convence, al menos sabes por qué pagas.

Hay algo casi poético en gastar menos sin renunciar a lo mejor.

Un ejemplo real: cómo podría usar LMArena un profesional cualquiera

Imagina que eres diseñador, gestor de proyectos, periodista, programador o consultor.
Tienes un trabajo que hacer, no una tesis sobre IA.

Quieres saber cuál modelo usar para:

• resumir documentos,

• reescribir textos,

• generar ideas de negocio,

• mejorar código,

• analizar datos,

• crear guiones.

Vas a LMArena.
Escribes tu texto.
Comparas tres o cuatro modelos.
Ves quién entiende el tono, quién se pierde, quién improvisa.
Y eliges.

Cinco minutos.
Nadie te ha intentado vender nada.
No has pagado un euro.
Y sabes más que antes.

Lo humilde funciona.
A veces, demasiado bien.

La elegancia de lo útil

LMArena no cambiará tu vida.
No pretende hacerlo.
Y esa es quizá su mayor virtud.

Lo que sí hace es darte un mapa fiable para orientarte entre modelos que cambian cada semana, empresas que compiten por tu atención y herramientas que cuestan más de lo que deberían.

Te deja ver cómo trabajan las IAs más potentes del mercado, incluidas las de pago, sin arrodillarte ante ninguna.
Te regala un espacio sin ruido donde pensar con calma.
Te devuelve la sensación de control en un entorno que parece diseñado para quitártela.

Y, sobre todo, te recuerda algo que a veces olvidamos:
no hace falta creer en la magia cuando puedes ver el truco.

LMArena es ese truco a la vista.
Y eso —a su manera silenciosa y seca— es algo de agradecer.

📬 Y si esta newsletter te ayuda a trabajar mejor, compártela. Cada semana seleccionamos solo herramientas que merecen tu tiempo.

Nos leemos pronto.

¿Qué es YC y qué es su página de “Requests for Startups”?

Primero, un poco de contexto.
Y Combinator es uno de los aceleradores e inversores de ‘semilla’ más famosos del mundo: fundada en 2005, con sede en Estados Unidos, YC ha ayudado a lanzar empresas como Airbnb, Dropbox, Stripe, entre muchas otras.
Dentro de sus programas, aceptan muchas solicitudes de startups (equipos fundadores + idea) para sus batches de inversión, mentoría, acompañamiento, etc. Lo que hoy nos interesa es su serie de posts llamados Requests for Startups (RFS) que aparecen en su blog/web y que esencialmente dicen: “Aquí hay ideas que nos entusiasman. Si estás trabajando en algo cerca de esto, danos un toque”. Y

Así que lo que hacen es:

• Identificar oportunidades de mercado que consideran grandes y poco atendidas.

• Dar pistas —en público— de hacia dónde están enfocando su radar de inversión.

• Señalar qué tipo de startups quieren ver, sin cerrarse a todo lo que no sea exactamente eso (como ellos mismos dicen: “estas representan solo una fracción de lo que financiamos”). Y Combinator
  Para ti, que corres una newsletter como Botón de Ayuda y te diriges a profesionales que crean, emprenden, buscan herramientas y oportunidades, este es un mapa muy útil: te ayuda a ver en qué dirección se están moviendo las aguas de la inversión temprana.

¿Por qué es relevante leer la RFS de YC?

¿Por qué perder el tiempo en esto? Aquí van varias razones:

- Porque revela la visión de futuro de un actor clave

Cuando YC publica su RFS, no solo está diciendo “esto nos interesa ahora mismo”, sino “esto creemos que será importante en los próximos 5-10 años”. Es un ejercicio de anticipación de qué problemas grandes quedan por resolver, qué transformaciones tecnológicas o de negocio tienen sentido. Y ese tipo de visión puede guiarte a encontrar nichos de alto impacto.

- Porque mejora tu posicionamiento

Si estás construyendo una startup y quieres que te inviertan, entrar en un programa tipo YC, o al menos que los inversores puedan ver afinidad contigo, saber lo que buscan te permite adaptar tus mensajes, tu pitch y tu roadmap para resonar mejor. Por ejemplo: si tu idea cuadra con uno de los temas que menciona la RFS, puedes destacarlo explícitamente: “lo que estamos haciendo está alineado con lo que líderes en inversión como YC consideran una gran oportunidad”.

- Porque trasciende la idea: te obliga a pensar en escala, defensas y modelo

Las RFS no solo dicen “quiero una app para esto”. Suelen pedir “compañías que puedan escalar mucho”, “infraestructura”, “empresas verticales”, “no solo herramientas”. Por tanto, ver el tipo de empresas que buscan te ayuda a llevar tu proyecto de “una buena idea” a “una startup con potencial real de crecimiento, de impacto, de ser ‘gran empresa’” —y ese cambio es importante si aspiras a más que un micro-negocio.

- Porque te da ideas concretas sin partir desde cero

Si estás buscando inspiración, la RFS es un banco de ideas ya mapeadas. No para que copies literalmente, pero para que adaptes a tu contexto local, tus competencias, tu país, etc.
Ejemplo: una RFS de 2025 habla de “retraining workers for the AI economy” (reentrenamiento de trabajadores para la economía de la IA) como una gran oportunidad.
Pues bien: tú, que en España estás explorando vivienda social con contenedores reciclados, puedes pensar: ¿y si aplico IA + formación rápida + economía circular? O al revés: ¿aplico a otro sector local que tiene alta demanda y poca solución?

¿Qué temas está destacando YC ahora? (RFS recientes)

Para aterrizar un poco, veremos algunos de los temas recientes que publica la RFS y lo que subyace en ellos. Obviamente no todos los sectores, pero sí reflejan tendencias. Basado en su página de RFS y análisis externos.

- IA no como característica, sino como base

Por ejemplo, en el RFS “Fall 2025” de YC se abre con: “The last few years were about proving what AI can do. Now, it’s about building with it.” Esto significa: no vale con “añadir IA como parte de mi app”. Lo que buscan es: la startup desde el arranque planteada como “AI‐nativa”, donde la IA es la plataforma, el motor, no solo una funcionalidad.
Ejemplos concretos:

• Video generation as a primitive – generación de vídeo como un bloque básico de computación, no solo “un efecto”.

• Infrastructure for multi-agent systems – sistemas de múltiples agentes de IA que cooperan, no un único bot de chat. Y Combinator

• AI native enterprise software – software empresarial donde la IA está profundamente incrustada, no solo “un CRM con IA encima”. Y Combinator

- Alta agencia con pequeños equipos / eficiencia

Otro tema es que YC habla de “the first 10-person, $100B company” ­— es decir: empresas relativamente pequeñas en número de personas, pero con enorme escala y valor.
Implicación: no solo importa la tecnología, importa el equipo, la ejecución, la eficiencia, cuánto valor genera por cada persona. Para ti como emprendedora/profesional esto sugiere: piensa en cómo tu startup puede ser ágil, con un equipo reducido pero muy productivo, bien enfocado.

- Infraestructura y sistemas que soportan el cambio tecnológico

Más allá de “producto final”, la RFS menciona: infraestructura para IA, agentes, sistemas de múltiples agentes, herramientas para construir IA, etc. Es decir: no solo “la app”, sino “la plataforma que permite apps”.
Esto conecta con un patrón clave: cuando un mercado cambia (como pasa con IA, vídeo generativo, etc.), las oportunidades más profundas están debajo: qué permite que ese cambio se dé, cómo se escala, cómo se mantiene.

- Sectores tradicionales que necesitan disrupción

La RFS también apunta a industrias que han estado “quietas” o poco modernizadas: por ejemplo, formación de trabajadores para la era de la IA (“Retraining workers for the AI economy”).
Y los softwares empresariales heredados, servicios gubernamentales, etc., donde la ineficiencia es grande. Esto da pie a startups con mucho “músculo” si pueden simplificar, digitalizar, automatizar.

- No solo tecnología de nicho, sino impacto y crecimiento global

Las RFS no se centran solo en “apps de nicho fáciles de copiar”. Buscan empresas que puedan alcanzar escala, que puedan defenderse, que tengan ventajas duraderas. Y lo comunican. Por tanto: nivel global, crecimiento, modelo replicable, ventaja competitiva.

¿Cómo interpretar estas pistas para tu propio proyecto?

Aquí empezamos a trabajar “táctico”: tú como emprendedora/profesional, cómo puedes aplicar lo que hemos visto para aumentar la probabilidad de que tu idea conecte con este tipo de inversores / convocatorias.

- Identifica si tu idea cuadra — y adapta el discurso

Hazte estas preguntas:

• ¿Mi startup puede entenderse como “IA-nativa” o al menos “plataforma” y no solo “aplicación con IA encima”? Si no, ¿qué tendría que cambiar para llegar a eso?

• ¿Estoy atacando un problema grande, claro, cuantificable, con mercado significativo y posiblemente globalizable?

• ¿Tengo pensado cómo escalar, cómo pasar de 1 a muchos, cómo hacer que el modelo crezca sin que los costes crezcan igual?

• ¿Estoy en una industria que lleva décadas sin cambio, o con barreras de entrada, donde la tecnología puede provocar disrupción?

• ¿Mi equipo y estructura permiten moverse rápido, con decisiones ágiles, y con foco en ejecución?

• ¿Hay ventaja competitiva, ciencia detrás, infraestructura, efecto red, u otro “moat” (foso) que dificultará que cualquiera copie fácilmente?

Si muchas respuestas son “sí”, estás en buen terreno para lo que busca YC. Si “no”, piensa cómo adaptar: quizá cambiar de ángulo de la idea, incorporar IA más profundamente, pivotar hacia algo con mayor escala.

- Usa las categorías de la RFS como trampolín de inspiración

No se trata de copiar literalmente una de las ideas de la RFS. Pero sí de tomar la categoría como marco. Por ejemplo, la idea de “retraining workers for the AI economy” es bastante concreta: formación de trabajadores industriales con IA + realidad aumentada/virtual. Si nosotras estamos en España, con experiencia inmobiliaria circulares, vivienda social… podríamos pensar: “¿y si creamos una plataforma de formación con IA para trabajadores que reciclan contenedores marítimos en vivienda social sostenible?” ¿Podría encajar? ¿Podría escalar? Podría, con el ángulo de economía circular + formación industrial + IA de monitorización + sostenibilidad.

- Ajusta al mercado local + global.

Aunque YC es una entidad de Silicon Valley, sus ideas son globales. Sin embargo, si estás en España / Europa. Eso implica una ventaja: puedes adaptar al ecosistema local, a regulaciones europeas, a nichos hispano-latinos, etc. Si logras demostrar tracción local, eso puede escalar.

- Prepara métricas y argumentos de escalabilidad

Los inversores quieren ver: “vale, hay un mercado, podemos crecer, hay barrera de entrada, hay modelo de negocio”. Más allá de la idea brillante, quiere ver que tu startup entiende: costes, ingresos, crecimiento, equipo, tecnología. En el discurso, resalta: “este es un negocio replicable, escalable y defendible”.

- Construye “la infraestructura” o el “sistema” detrás

Tal como la RFS sugiere: los grandes bets no son solo “una app”, sino “la plataforma que permite muchas apps”, “la infraestructura para múltiples agentes”, etc. Entonces piensa: ¿qué parte de mi negocio hace que otros dependan de mí, que exista un efecto red, que haya datos únicos, que haya ventaja de entrada? Esa “infraestructura” es una señal de que estás construyendo algo más profundo.

- No pierdas el foco en el cliente / problema real

Aunque el “tech hype” esté en IA, agentes, infra, sigue siendo válido: encuentra un problema real, un cliente que sufre, un proceso que es caro o ineficiente, y ofrécele una solución mejor. Como se ha dicho muchas veces: “make something people want”. Esa frase sigue vigente en YC.

Pistas específicas de ideas que están “encendidas” según la RFS

Aquí resumo algunas de las ideas que YC ha destacado recientemente (y que pueden servir como chispa). Obviamente, tienes que adaptarlas y darles tu toque, pero sirven como ejemplo.

• Reentrenar a los trabajadores para la economía de la inteligencia artificial: formación veloz para trabajos manuales o técnicos que sostendrán la infra de IA, robots, data‐centers, etc.

• Generación de vídeo como elemento primario: generación de vídeo como una capa base de computación, con múltiples aplicaciones en media, entretenimiento, comercio, juegos.

• Infraestructura para sistemas multiagente: construir herramientas, plataformas, frameworks para desplegar sistemas de agentes IA, no solo un agente único.

• Software empresarial nativo de inteligencia artificial: software de empresa (B2B) donde la IA está integrada de forma profunda, para sustituir o modernizar a los incumbentes.

• Usar modelos de lenguaje (LLMs) en lugar de consultoría gubernamental: reutilizar (o reinventar) la forma en que los gobiernos o grandes instituciones contratan consultoría, mediante IA.

Para tu propio proyecto puedes preguntarte: ¿mi idea podría entrar en alguno de estos marcos? ¿Podría convertirse en algo que lo que yo hago es “infraestructura”, “plataforma”, “IA de base”, “reentrenamiento”, “gran escala”? Si la respuesta empieza a ser “sí”, ya estás en terreno de startup que podría resonar con lo que YC busca.

Para cerrar: la página de Requests for Startups de YC es un recurso muy valioso para emprendedoras y profesionales que quieren jugar en alto nivel. No como un dogma, pero como un mapa estratégico que indica por dónde sopla el viento de la inversión temprana. Entender qué temas está impulsando YC —IA nativa, plataformas y escalabilidad, infraestructura, equipos ágiles, industrias tradicionales que necesitan cambio— te permite alinear tu idea, tu pitch, tu mentalidad con ese modelo. Y aunque estés en España, con un proyecto de vivienda sostenible o herramienta digital de productividad, puedes adaptar esa lógica: pensar en cómo escalar, cómo aportar ventaja, cómo construir no sólo una app sino una plataforma, cómo pensar global aunque empieces local.

Termino con esta reflexión final:

La ventana rara vez se abre dos veces de la misma forma. Ver lo que YC quiere y actuar temprano puede no garantizar éxito, pero ignorarlo puede dejarte atrás. Construir una buena idea, con ejecución, con equipo, con modelo, con visión, sigue siendo la parte más dura. Pero ahora tienes una ventaja extra: conoces el mapa.

¡Ánimo con ese proyecto, y que Botón de Ayuda siga impulsando ideas útiles, herramientas inteligentes y emprendimientos con futuro!

📬 Y si esta newsletter te ayuda a trabajar mejor, compártela. Cada semana seleccionamos solo herramientas que merecen tu tiempo.

Nos leemos pronto.

¿Cómo ha surgido Grokipedia?

La historia parte de una idea relativamente simple: si tenemos algoritmos que generan lenguaje, ¿por qué no usar esos algoritmos para generar conocimiento? En septiembre de 2025, Musk anunció que su compañía xAI estaba desarrollando lo que llamó “una enciclopedia impulsada por IA” para rivalizar con Wikipedia (New York Post).

Según Musk, Wikipedia estaba “perdiendo su objetividad” y estaba “controlada por activistas de izquierda”. De este malestar nace Grokipedia, que se lanza oficialmente el 27 de octubre de 2025 como versión 0.1, con algo más de 800.000 entradas frente a los más de 7 millones del idioma inglés de Wikipedia.

Lo relevante:

• Grokipedia es una enciclopedia generada por IA, la cual produce, edita y estructura artículos mediante el modelo lingüístico llamado Grok (chatbot).

• A diferencia de Wikipedia, no se edita directamente por cualquier persona; los usuarios pueden sugerir correcciones, pero el núcleo de creación es automático.

• Su objetivo declarado: “la verdad, toda la verdad y nada más que la verdad”, sin propaganda.

Imagínalo como un ladrillo que se desprende del muro tradicional y cae rodando por la ladera del saber: distinto material, distinta trayectoria. Y porque es nuevo, todavía rueda con asperezas.

¿Qué ventajas puede aportar?

Cuando se mira el proyecto desde el prisma del emprendedor, del curioso, del buscador de información rápida, Grokipedia ofrece algunos atractivos reales.

Rellenar brechas de contenido. En el análisis de Business Insider se destacó que en ciertos casos Grokipedia presenta artículos más completos que los de Wikipedia — especialmente en temas secundarios o poco tratados, donde Wikipedia a veces queda con entradas mínimas.
Para el usuario que busca un dato que no está “bien construido” en Wikipedia, puede ser una mejora interesante.

Formato fresco, enfoque distinto. En su interfaz y relato, Grokipedia se presenta con cierto aire de “nuevo orden”: versión 0.1, fondo oscuro en el diseño, contenido que dice estar “verificado por IA”.
Para los que están cansados del estilo enciclopédico tradicional (a veces pesado, lleno de referencias y vocabulario técnico), esta “alternativa” puede parecer más accesible.

Velocidad de generación. Teóricamente, un sistema automatizado puede producir y actualizar artículos mucho más rápido que un sistema basado únicamente en voluntarios humanos. Puede ofrecer una agilidad que Wikipedia no tiene en ciertas áreas emergentes.

¿Cuáles son los inconvenientes?

Pero, como todo ladrillo nuevo en una estructura antigua, Grokipedia tiene fisuras, grietas que conviene observar.

Dependencia de Wikipedia (y del modelo de IA). Aunque se presenta como alternativa, muchas entradas de Grokipedia han sido copiadas o adaptadas directamente de Wikipedia.
Además, el estudio académico de Yasseri (2025) señala que Grokipedia tiene “menos referencias por palabra” y estructura variable, lo que indica menos verificación formal que Wikipedia.
Es decir: la IA no construye desde cero un saber totalmente nuevo, sino que en parte se basa en lo que ya existe y lo reorganiza.

Riesgo de sesgo y “alucinaciones” de la IA. Ya se han documentado casos donde Grokipedia contiene afirmaciones polémicas o erróneas: por ejemplo, una entrada que vincula pornografía con el aumento del VIH en los 80.
Y el reporte de The Guardian advierte que el sitio tiende a reflejar visiones de derechas o las de Musk, lo que pone en evidencia que sustituir voluntarios humanos por IA no elimina sesgo. El modelo de IA no está libre de errores, y cuando opera sin suficiente supervisión humana, esos errores pueden multiplicarse.

Transparencia, gobernanza e integración comunitaria. Uno de los pilares de Wikipedia es su transparencia: el historial de edición, los debates, los voluntarios, el consenso entre editores. En Grokipedia, no está claro cómo opera ese mecanismo: ¿quién decide qué es “verdad”? ¿Cómo se corrigen los errores? ¿Qué supervisión hay? Publicaciones señalan que el código de xAI no está abierto y que no hay un modelo comunitario establecido. Esto puede derivar en menor confianza por parte de académicos, bibliotecarios o usuarios exigentes.

Tamaño y cobertura aún limitada. Con 800.000 – 885.000 entradas en lanzamiento, frente a los más de 7 millones de la versión en inglés de Wikipedia, Grokipedia aún está lejos de esa escala. Para temas muy especializados, locales, de archivo, puede que la cobertura aún sea débil.

¿Por qué puede ser importante esto para ti?

Porque vivimos en la era de la información y de la desinformación. Como profesional, emprendedor, creador de contenido o simplemente ciudadano con curiosidad tecnológica, deberías observar esta nueva enciclopedia como señal de cómo cambiamos no sólo qué buscamos, sino cómo buscamos.

• Si estás escribiendo sobre materiales reciclados para vivienda social, o necesitas datos precisos de una disciplina técnica, saber en qué plataforma confiar es vital.

• Si usas enciclopedias para alimentar tu newsletter, tu blog, tu empresa de automatización industrial, lo que uses como fuente puede importar mucho.

• Como defensora de herramientas digitales que optimizan el tiempo, Grokipedia puede ser “una más” en tu caja de herramientas: rápida, automática… pero no infalible.

Por ello, mi consejo es este: considera Grokipedia como complemento, no como sustituto automático de Wikipedia o de fuentes académicas tradicionales. Haz la comprobación de hechos, revisa las referencias, examina el sesgo potencial.

La llegada de Grokipedia es, sin duda, un hito en la historia del conocimiento digital. Un experimento ambicioso que pone sobre la mesa la tensión entre velocidad e integridad, entre automatización y control humano. Tiene ventajas claras: rapidez, amplitud emergente, estética distinta. Pero también presenta riesgos que no podemos eludir: sesgo no evidente, menor transparencia, cobertura limitada, modelos de edición poco contrastados.

Para quienes nos dedicamos al mundo de la productividad, la innovación y el aprendizaje digital —como tú, lectora de Botón de Ayuda— la aparición de Grokipedia es otra herramienta para explorar, sí, pero también otra alerta para no confiarnos. En un universo saturado de información, lo importante no es solo tener más, sino tener mejor. Y “mejor” siempre implica sospecha, revisión, contexto.

Así que adelante: pruébala, curiosea, compárala con Wikipedia, aprovéchala cuando tenga ventaja. Pero al mismo tiempo, mantén la linterna del escepticismo encendida. Porque, al fin y al cabo: una enciclopedia sin preguntas críticas no es enciclopedia, sino propaganda disfrazada de ventana al mundo.

📬 Y si esta newsletter te ayuda a trabajar mejor, compártela. Cada semana seleccionamos solo herramientas que merecen tu tiempo.

Nos leemos pronto.