El arnés y el modelo
Ethan Mollick, profesor asociado en Wharton y autor de Co-Intelligence, escribió el 7 de julio una especie de obituario: los trucos de prompting perdieron su valor. Lo que hoy cambia el resultado, dice, se define antes de pedir: los objetivos, cómo se ve un buen resultado, cómo se prueba. Es, en sus palabras, pura gestión.
Leí el obituario con alivio.
Quien construyó su ventaja sobre el truco amaneció sin ventaja. Los trucos viven de las grietas del modelo, y las grietas se cierran con cada versión.
Pero hay una segunda forma del truco, más difícil de soltar: creer que la ventaja está en tener el modelo más listo. Días después, el propio Mollick puso la palabra que lo desarma. Ya no puedes, escribió, ‘meter el modelo más inteligente en un arnés’ y esperar que rinda como cualquier otro.
Ahí está: arnés.
Un modelo, solo, no toca tu trabajo. Es inteligencia en una caja. Lo que lo conecta con tu mundo es el arnés que lo envuelve, el software que le da manos y lo suelta en algún lugar real. Claude Code mete al modelo dentro de tu código y tu git. Claude Cowork lo mete dentro de tus archivos. El mismo cerebro, en un arnés distinto, alcanza otra parte de tu vida.
Ayer Mollick lo dijo sin rodeos: casi nadie sabe cuánto trabajo útil hacen hoy los modelos dentro de Code o Codex con la configuración correcta, y las empresas de IA explican pésimo lo que sus sistemas de verdad hacen. Esa configuración es el arnés. Lo miramos poco porque nos vendieron el modelo.
Por eso dirigir la IA es saber qué arnés llega a qué parte de tu trabajo, y qué puede hacer de verdad una vez ahí. Cambiar de modelo y dejar el arnés igual es traer a alguien más listo para un puesto que nadie terminó de entender.
A eso lo vengo llamando inteligencia artesanal: conocer la herramienta que conecta la IA con lo que haces, más que perseguir el modelo del momento. El truco se cambia. El criterio se construye.
¿Qué pasaría si dejáramos de preguntar cuál modelo es más inteligente y empezáramos a preguntar cuál herramienta entiende mejor nuestra realidad?
P.D. La señal, en datos
Tres apuntes de Ethan Mollick (profesor asociado en Wharton, autor de Co-Intelligence), en menos de una semana:
7 jul, en LinkedIn: ‘los trucos de prompting dejaron de ser muy valiosos, incluso antes de la revolución agéntica; el mejor enfoque hoy es especificar tus objetivos, tu salida, qué se ve bien y qué mal, cómo probar los resultados... (sí, esto es simplemente gestión)’.
10 jul, en X: ‘ya no puedes meter el modelo más inteligente en un arnés y esperar que se porte como cualquier otro... esto se parece cada vez más a contratar para un puesto’.
12 jul, en X: ‘muy poca gente sabe cuánto trabajo útil pueden hacer los modelos actuales en Code/Codex con el setup correcto; las empresas de IA explican muy mal lo que sus sistemas de verdad hacen’.
(Greg Brockman, presidente de OpenAI, respondió debajo: ‘estoy de acuerdo’).
El arnés del ejemplo: Claude Code (vive en tu código y tu git) y Claude Cowork, el espacio de trabajo agéntico de Anthropic que opera sobre tus archivos: la guía