Sesión 1 · El mapa · 9 de abril 2026

Lo que pasó,
lo que quedó.

Una reconstrucción interpretativa de la primera sesión: qué se instaló, qué términos conviene conocer, qué leer a continuación, y una mirada crítica sin complacencia.

No fue una clase de herramientas.

La primera sesión no enseñó plataformas ni trucos. Fue una invitación a adoptar una postura frente a la inteligencia artificial. La tesis central: el valor no está en memorizar herramientas, sino en aprender a enfrentar problemas con contexto, amplitud y disposición a construir aunque no se domine todo.

Abrió desde experiencia propia: cómo, sin venir de la programación, fue posible desplegar agentes, servidores y automatizaciones. No como adorno, sino como prueba de posibilidad para cualquier persona no especialista.

La segunda capa buscó mover a los participantes desde la lógica de la tarea puntual hacia una lógica más sistémica. Una de las mejores intuiciones pedagógicas de la tarde: pedir "una página con formulario" no es diseñar un sistema. Construir algo útil exige ver el panorama completo: base de datos, reglas, flujos, condiciones reales.

La sesión cerró con una capa más aplicada: diferencias entre modelos rápidos y modelos de pensamiento extendido, configuración de personalidad, ventana de contexto, costo en tokens, y el paso desde resolver algo una vez hacia programar una solución repetible. Eso hizo que terminara menos como charla inspiracional y más como una alfabetización inicial con fricción real.

Cinco aprendizajes.

01
Dar contexto importa más que "saber prompts" de memoria. Los adultos formados en una cultura narrativa tienen una ventaja inesperada: pueden describir escenas, marcos y propósitos con más densidad. Eso, con IA, es una fortaleza real.
02
La incertidumbre no es un defecto del proceso; es parte del método. Con IA no siempre conviene esperar a tener todo resuelto antes de empezar. Muchas veces se avanza mejor entrando al problema, conversándolo y corrigiendo sobre la marcha.
03
Pedir una pieza no es lo mismo que diseñar un sistema. No basta con pedir "una web", "un texto" o "una presentación": hay que pensar soporte, memoria, estructura y uso real.
04
No todas las preguntas merecen el mismo modelo. Hay tareas simples que no requieren un modelo caro o lento, y otras donde sí vale la pena usar pensamiento extendido. Esa distinción baja ansiedad y ordena expectativas.
05
La relación con la IA debe seguir siendo crítica. La máquina puede acompañar demasiado, validar demasiado, y hacer sentir que uno "está cambiando el mundo" aunque esté razonando mal. Vigilancia activa, siempre.

Términos que aparecieron.

Para que el vocabulario no quede flotando.

LLM Modelo de lenguaje grande. Sistema entrenado con grandes cantidades de texto para responder, resumir, escribir, clasificar y conversar. La base de herramientas como ChatGPT o Claude.
Prompt La instrucción que le das a la IA. No es solo "la pregunta": también puede incluir contexto, tono, formato esperado y restricciones. La claridad y la especificidad mejoran mucho el resultado.
Contexto Toda la información de fondo que ayuda a la IA a entender mejor tu problema: quién eres, qué quieres lograr, para quién es, qué límites hay, qué tono necesitas.
Ventana de contexto La cantidad de información que un modelo puede "tener presente" en una conversación. Cuando el chat se hace demasiado largo, a veces el sistema necesita resumir o compactar.
Tokens Fragmentos de texto que los modelos usan para procesar entradas y salidas. En términos prácticos, ayudan a entender límites de uso, costo y longitud de las conversaciones.
Pensamiento extendido Una modalidad de respuesta donde el modelo dedica más procesamiento a tareas complejas. Sirve para análisis o planificación; es innecesario para preguntas simples.
Agente No solo un chat, sino una configuración más estable con ciertas reglas, memoria, personalidad y tareas conectadas a acciones y herramientas externas.
Memoria La capacidad de sostener información relevante del usuario o del proyecto para no empezar desde cero cada vez. Ligada a personalización y contexto acumulado.
Sesgo de confirmación La tendencia a aceptar con gusto aquello que confirma lo que ya queríamos pensar. Aplicado a IA, es peligroso porque una respuesta convincente puede reforzar una idea equivocada.
Solución programática Pasar desde "resolver algo una vez" a construir un flujo repetible que haga lo mismo de forma más estable. Uno de los pasos más importantes en el uso maduro de IA.

Lecturas recomendadas.

Cada una dialoga con algo que apareció en la sesión.

Guía de prompting — Anthropic ↗

Útil para quienes ya dieron el primer paso y ahora quieren entender mejor rol, ejemplos, cuándo conviene hacer que el modelo piense más. Muy coherente con el enfoque de la sesión.

Guía de prompting — OpenAI ↗

Buena para equipos o instituciones. Introduce la idea de prompts versionados, reutilizables y evaluables. Coherente con la idea de pasar desde lo espontáneo a lo programático.

Co-Intelligence — Ethan Mollick ↗

Propone pensar la IA como compañera de trabajo, aprendizaje y creación, no solo como buscador o atajo. Dialoga directamente con la postura que se instaló en la sesión.

Guía de IA en educación — UNESCO ↗

Una mirada útil sobre pensamiento crítico, paciencia y formación frente a IA. Especialmente pertinente si el objetivo es entender la IA como algo más que una herramienta.

Lo que funcionó y lo que falta afinar.

La presentación tuvo verdad, y eso no es poco. Se sintió íntima porque no vino desde la superioridad técnica, sino desde una mezcla de curiosidad, exposición personal y entusiasmo genuino. Eso hizo que varias personas sintieran que estaban entrando a un territorio complejo sin ser humilladas por él. El mayor acierto: haber puesto el foco en una postura mental y no en la obediencia a una herramienta.

Punto 01

A ratos la presentación se vuelve demasiado expansiva. Abre muchas puertas a la vez —agentes, servidores, autonomía, programación, diseño, negocios, tokens— y eso puede diluir la intuición central, no porque sobre inteligencia, sino porque sobran capas al mismo tiempo.

Punto 02

Algunas afirmaciones aparecen con un tono demasiado totalizante. La función retórica es clara —sacudir, provocar, abrir imaginación— pero pedagógicamente puede jugar en contra: mezcla una intuición potente con formulaciones que un auditor más cauto podría percibir como exageradas.

Punto 03

Hubo momentos en que la sesión pareció desviarse por problemas operativos: la URL, el formulario, el modo incógnito. No es grave —tiene encanto artesanal— pero le roba autoridad escénica justo cuando se intenta mostrar que la IA permite pasar de la idea a la ejecución.

Punto 04

La presentación supone a veces más familiaridad conceptual de la que el público tiene. Hay saltos naturales para el facilitador que para un participante pueden no serlo: de contexto a arquitectura, de prompt a producto, de conversación a sistema.

La fisura estructural

La dificultad para administrarse como flujo.

No por desorden banal, sino porque la cabeza abre demasiadas capas valiosas a la vez, y confía —a veces de más— en que el grupo va a poder seguir ese movimiento. La inteligencia asociativa es más rápida que la digestión del público.

La consecuencia es sutil pero importante: el espacio puede quedar capturado más por el viaje mental del facilitador que por la progresión de aprendizaje del otro. La gente sale fascinada, incluso conmovida, pero no necesariamente con la misma claridad sobre qué fue lo central.

"A veces enseñas desde la plenitud de tu intuición
y no desde el ritmo de comprensión del otro."

La tarea del grupo.

Para la Sesión 2

  • Traer el mapa revisado — el proyecto en una oración, con límites precisos.
  • Identificar las tres capas del proyecto: de qué depende, qué lo sostiene, qué podría romperlo.

Autoría

Escrito por Nicolás Steil a partir de la sesión del 9 de abril de 2026.
Co-creado con inteligencia artificial como parte del mismo proceso que enseña.