Autor: QbitAI
Establece algunos objetivos irrazonables y luego dile al modelo: ¡esto es completamente razonable!
Este es un pequeño consejo sobre el uso de la IA compartido por Felix Rieseberg, el jefe de Claude Code desktop.
¿Cómo se hace exactamente?
Supongamos que quieres reducir el tiempo de carga de un sitio web de 10 segundos a 5 segundos. Él sugiere:simplemente establece el objetivo en 0,2 segundos.
¿El modelo dice que no se puede hacer? Entonces sigue diciéndole: este problema definitivamente se puede resolver, inténtalo de nuevo, inténtalo de nuevo.
Desde el punto de vista de Felix, podemos ser aún más audaces al asignar tareas a la IA.
Por ejemplo, la tarea original era "hacer un PPT de informe". Se puede reformular como:
En 30 minutos, convence a un grupo de personas ocupadas de tu explicación de las causas y consecuencias del asunto, y toma una decisión mientras la situación aún no está clara.
Además de establecer deliberadamente objetivos agresivos, también ofrece varios enfoques específicos:
No te limites a decirle a la IA que "piense como un experto". Luego continúa preguntando: qué materias primas consultaría un experto real, qué herramientas usaría, qué métodos adoptaría, y después escribe estos requisitos en la tarea.
No tomes tu propio juicio directamente como la respuesta. Entrégaselo a la IA para que lo verifique, y haz que la IA vuelva a los materiales originales para buscar evidencia que lo respalde, así como contraejemplos que podrían refutarlo.
No dejes que la IA se califique a sí misma. Si es código, ejecútalo de verdad; si es una predicción, pruébala con nuevos datos y, en última instancia, deja que los resultados reales hablen.
A continuación se muestra el tutorial detallado de Felix sobre el uso de (ajuste) y (enseñanza) de Claude, ligeramente editado.
Disfruta~
Con la IA, podemos ser aún más ambiciosos
Trabajo en el equipo de Claude.
Lo que hace fascinante este trabajo es que casi todos los días me entero de que otra cosa más se ha logrado con la ayuda de Claude, o incluso de forma independiente por Claude.
Algunas cosas que nunca había imaginado, algunas que originalmente pensé que eran imposibles; y otras simplemente eran cosas que yo mismo no tenía suficiente curiosidad ni tiempo para probar.
Solo este mes, puede que Claude haya ayudado a descubrir un nuevo planeta; vi el primer video musical de IA que realmente me gustó; incluso empezamos a discutir si está llegando una nueva era de las matemáticas.
Las diversas capacidades de un modelo no avanzan al mismo ritmo. Como dijo Terence Tao, son "asombrosas en algunas direcciones, pero aún deficientes en otras".
Algunas personas han aprendido a aprovechar las asombrosas capacidades del modelo, como si realmente hubieran echado a volar. Verlos alcanzar tales alturas con un producto que construí con mis propias manos es verdaderamente fascinante.
Más personas todavía están descubriendo cómo hacer un buen uso de estas alas recién crecidas. Todavía se preguntan: además de responder "¿Cuál es la capital de Francia?" o "¿Puedes hacer que el tono de este correo electrónico sea más amable?", ¿qué más puede hacer la IA?
Muchos de nosotros en la industria de la IA a menudo decimos una cosa:con la IA, deberías ser más ambicioso.
Esta frase casi se ha convertido en nuestro grito de guerra. Siempre que vemos resultados asombrosos, los republicamos con una frase: "Todavía no somos lo suficientemente ambiciosos".
También sé que decir esto es fácil, pero hacerlo de verdad es difícil. Así que aquí tienes un tutorial sobre "cómo ser más ambicioso".
Divido la ambición en cuatro categorías:velocidad, altura, profundidad y amplitud.
Velocidad: completar el mismo trabajo en menos tiempo. Esta es la forma más básica en que la IA crea valor económico.
Por ejemplo, al escribir un fragmento de código, con la ayuda de Claude puedo terminarlo más rápido. Este uso ya está bastante maduro, y no hay mucha necesidad de explorar formas de uso más complejas, así que lo omitiré aquí.
Altura: elevar el nivel de abstracción de la tarea, centrándose en el resultado final que quieres lograr en lugar de en tareas concretas individuales.
Profundidad: pensar en la tarea como un experto de primer nivel, profundizando en los datos, las herramientas y los problemas subyacentes.
Amplitud: buscar enfoques para resolver problemas desde múltiples campos, y también utilizar conocimientos, herramientas y métodos con los que normalmente no entrarías en contacto.
Aunque principalmente uso Claude, estas sugerencias no están dirigidas a ningún modelo en particular.
Altura: deja que el modelo trabaje en un nivel de abstracción más alto
A menudo llamamos a este enfoque a la ligera "dejar que el modelo trabaje en un nivel de abstracción más alto". Cuando le das una tarea al modelo, en realidad está ejecutando tu mejor idea de cómo lograr el resultado deseado.
Si quieres pensar desde una dimensión superior, quizá deberías preguntarte: ¿qué quieres que ocurra después? ¿Y cuál es el objetivo detrás del objetivo?
A principios del año pasado, todavía le pedía a Claude que me ayudara a corregir fallos individuales del programa. Más tarde, directamente le pedí que garantizara que nuestra aplicación siempre se ejecutara sin fallos.
Veamos una tarea de oficina cotidiana (francamente, incluso un poco tediosa).
Supongamos que estás en la empresa Acme y necesitas preparar un PPT para una revisión trimestral del negocio (QBR). Dale a Claude un montón de datos, y con gusto te ayudará a hacerlo; quizá ya tengas una plantilla, y solo necesite rellenar el contenido.
Esto realmente no se puede comparar con descubrir un nuevo planeta. Pero para el mismo informe trimestral, ¿qué más podemos hacer que haga la IA? Podemos empezar desde los requisitos más básicos y elevar nuestras ambiciones paso a paso:
Paso uno: haz que entienda qué ocurrió en el negocio.
La mayoría de las revisiones necesitan responder a estas preguntas: ¿Qué cambió este trimestre? ¿Por qué? ¿Qué debería hacerse a continuación?
Si solo quieres actualizar los números de la plantilla, por favor reprime ese impulso: dale al modelo tantos datos como puedas conseguir, deja que comprenda verdaderamente tu negocio, y luego pregúntale:
Dime qué cambió este trimestre, por qué ocurrió y qué acciones deberíamos tomar.
Paso dos: haz que identifique las decisiones que deben tomarse.
Una reunión —al menos una buena reunión— idealmente debería terminar con algunas decisiones. Puedes preguntarle a Claude así:
Basándose en todo lo que ha aprendido, determine las tres decisiones más urgentes en este momento y analice las posibles direcciones de acción, enumerando los argumentos a favor y en contra de cada una.
Paso tres: haga que rediseñe este mecanismo de trabajo.
En el pasado, para hacer una buena revisión trimestral del negocio, los humanos tenían que filtrar cuidadosamente los datos, comprender qué significaban los datos y luego juzgar si el negocio necesitaba ajustes.
Ahora, puede intentar pedirle a Claude:
El propósito de la revisión es permitir que la dirección descubra los problemas lo antes posible y asigne capital y personal a los lugares correctos.
Diseñe una forma mejor de lograr esto que un PPT trimestral, utilice nuestros propios datos históricos para demostrar qué problemas podría haber descubierto antes y luego ejecútela en paralelo con el método existente durante un trimestre.
Cuando realmente se persigue un resultado final, el método de elevar el nivel del objetivo es el más eficaz; pero para las tareas creativas, su aplicabilidad es relativamente limitada.
Una muy buena señal para juzgar es: si lo que está haciendo todavía necesitará una reunión para discutirse después, entonces vale la pena elevar el objetivo un nivel más.
Por supuesto, las limitaciones siguen existiendo—al menos en 2026, para la mayoría de las empresas, simplemente decir "Claude, ve a ganar dinero" no parece poder hacer que las cosas funcionen automáticamente.
Sin embargo, mi observación general es: a medida que aumentan las capacidades, los modelos parecen cada vez más capaces de trabajar en niveles de abstracción más altos.
Elevar el nivel del objetivo también puede ayudar a las personas a encontrar flujos de trabajo que funcionen de manera sostenible sin intervención humana continua, para que no tenga que asignar nuevas tareas al modelo una tras otra.
Para hacer esto bien, a menudo se requiere cambiar los flujos de trabajo existentes.
Por ejemplo, para hacer que Claude garantice que nuestra aplicación no se bloquee, primero tuve que permitirle acceder fácilmente a los informes de fallos, comprender a qué confirmación de Git corresponde cada versión de la aplicación y darle permiso para acceder a computadoras con Windows, macOS y Linux. Solo entonces pudo realmente reproducir problemas de forma independiente y verificar si las correcciones eran efectivas.
Profundidad: utilice los métodos de los mejores expertos para trabajar a fondo el problema
A veces, simplemente desea que una tarea se complete especialmente bien.
Ser más ambicioso en "profundidad" significa empujar al modelo a utilizar las herramientas, técnicas, medios y conocimientos utilizados por los mejores profesionales en este campo, y elevar continuamente el listón—hasta que incluso estos expertos puedan aprender algo nuevo de sus resultados.
Continuemos con la revisión trimestral del negocio de la empresa Acme. Supongamos que esta empresa enfrenta un problema de abandono de usuarios, es decir, los clientes se van continuamente con el tiempo.
He descubierto que combinar los siguientes métodos es muy útil:
Insista en utilizar las herramientas que usan las personas de primer nivel de la industria
Cuando le pide a un modelo que "trabaje como un profesional", a menudo solo cambia a un conjunto de vocabulario profesional, mientras que el método real permanece sin cambios.
Para estudiar realmente un problema en profundidad, tiene que utilizar las herramientas que usan los mejores científicos de datos y estadísticos. Cuando Claude recurra a una tabla de Markdown, insista en que cambie a bases de datos y modelos estadísticos.
No necesita saber de antemano qué usarían los expertos—Claude generalmente lo sabe.
Establezca objetivos "irrazonables" y luego dígale al modelo que son muy razonables
¿Quiere reducir el tiempo de carga del sitio web de 10 segundos a 5 segundos? Pida directamente 0,2 segundos.
¿El modelo cree que algo es imposible? Enfatícele nuevamente que este problema definitivamente se puede resolver y que necesita seguir intentándolo.
Cuestiona las conclusiones que ya has aceptado
Especialmente en los negocios, muchas cosas que creemos que son hechos no son más que aproximaciones burdas de la realidad.
Deja que el modelo acceda a información y datos sin procesar, y examine esas suposiciones con una actitud escéptica.
Por ejemplo:
Creemos que la pérdida de usuarios es un problema en el proceso de incorporación de nuevos usuarios. Por favor, intenta reproducir esta conclusión a partir de los datos sin procesar.
Descubre nuevos conocimientos
Este paso sigue fácilmente a "cuestionar la cognición existente": dado que Claude ya ha profundizado en los datos, sigue pidiéndole que busque puntos ciegos:
Construye un modelo de simulación de clientes basado en nuestros registros para reproducir la situación del último año. Luego, identifica las primeras señales que presagian la pérdida de usuarios y que aún no conocemos, y valida la capacidad predictiva con datos que nunca haya visto.
Introduce una evaluación externa
No dejes que el modelo se evalúe a sí mismo.
Creo que, a medida que la inteligencia de los modelos siga mejorando, este problema acabará resolviéndose. Pero en octubre de 2026, recomiendo encarecidamente que te ciñas a la validación externa.
Lo ideal es que el método de validación sea una herramienta que el modelo pueda ejecutar por sí mismo y de la que obtenga retroalimentación inmediata.
El siguiente prompt sencillo suele ayudarme:
Quiero llevar esta tarea más a fondo, no ampliar su alcance. Antes de reescribir la tarea, primero completa cuatro cosas:
Explica qué harían los mejores profesionales de este campo que yo aún no haya pedido.
Enumera los materiales más sin procesar de los que partirían, en lugar de usar directamente contenido que ya haya sido organizado y digerido para mí.
Enumera los métodos y herramientas específicos que usarían.
Explica qué, además de ti y de mí, podría demostrar que el resultado es correcto.
Luego, reescribe mi prompt y redacta estos requisitos en él con precisión.
Amplitud: utiliza también métodos de otros campos
Ser más ambicioso en "amplitud" significa examinar tu trabajo desde las perspectivas de diferentes campos.
Los campos involucrados pueden ser más numerosos que en el pasado, porque hacerlo en el pasado a menudo no resultaba rentable.
Esta idea no es nueva. En casi todas las películas sobre expertos que forman equipo, los primeros 30 minutos se dedican a reunir a un grupo de personas con diferentes antecedentes y diferentes fortalezas.
A medida que los productos de IA hacen que los sistemas multiagente sean cada vez más fáciles de ejecutar—ya sea mediante múltiples hilos, un orquestador o usando directamente subagentes—encuentro que hacer que Claude aporte ideas de otros campos a menudo conduce a resultados muy interesantes.
Ponerlo en práctica no es fácil; requiere que uses tu creatividad.
Antes de ver a mi colega Alex Albert usar Blender para renderizar diseños de interiores, nunca se me había ocurrido usar Claude para crear un entorno 3D para mi página de inicio.
¡Debes saber que antes yo hacía videojuegos!
Sin embargo, esto es también exactamente donde veo sorpresas con más frecuencia.
¿Cómo hacerlo concretamente? Utilizo los siguientes métodos.
Intenta reemplazar los sustantivos por verbos
Este es un método antiguo mencionado por Tom Kelley y Jonathan Littman en El arte de la innovación.
El propósito de una revisión trimestral es mucho más que producir "un PPT". Lo que necesitas hacer es:
En 30 minutos, convencer a un grupo de personas ocupadas de una explicación de las causas y consecuencias de un asunto, y tomar una decisión bajo incertidumbre.
Describir la tarea con verbos hace más fácil para mí y para Claude ver qué campos pueden proporcionar perspectivas únicas y útiles.
Construye un equipo interdisciplinario
Supongamos que este PPT debe ser impresionante, de lo contrario los extraterrestres harán explotar la Tierra. ¿Qué tipo de equipo reunirían los humanos?
Para garantizar la calidad del producto final, incorporaría a un analista, un periodista y un editor.
Si también se necesita una presentación en vivo, quizás también necesitaría un diseñador de movimiento y un diseñador de audio.
Incorporar un "equipo rojo" dedicado a buscar fallos podría ser muy útil, así que también incorporaría a un escéptico y a un contador forense.
Sin embargo, este enfoque puede convertirse fácilmente en una interpretación de roles por accidente. El resultado es solo que tu conversación con el modelo se vuelve más extraña, mientras que el resultado real no mejora.
Deberías usar este método para encontrar campos y técnicas útiles. Pedirle directamente al modelo que realice una investigación como un escéptico estudia un objetivo de inversión tiene más sentido que pedirle que escriba tal personaje.
Todos los métodos que presenté anteriormente requieren que el modelo tenga una computadora que pueda operar, pueda instalar software y acceder a diversos datos relevantes, ya sea mediante conectores MCP u otros medios.
Ahora hay bastantes herramientas que pueden proporcionar estas condiciones, y te sugiero que elijas una y la uses.
Autoeficacia: las personas también necesitan actualizar sus juicios sobre sus propias capacidades
Lo anterior son mis sugerencias específicas sobre "cómo ser más ambicioso".
Si estás dispuesto a quedarte un poco más, quiero hablar sobre por qué es necesario que discutamos este tema.
Los humanos siempre han estado limitados por sus propios juicios: lo que creemos posible y lo que creemos imposible. Lo más problemático es que generalmente pensamos que solo podemos marcar la diferencia en un campo muy estrecho.
La renuencia de Miguel Ángel a pintar la Capilla Sixtina es un ejemplo famoso. Se consideraba un escultor y carecía de identificación con la identidad de pintor.
[Francisco Goya es uno de los más grandes pintores de la historia de España, considerado un pionero de la pintura romántica y una figura clave que conecta a los maestros clásicos con el arte moderno]
Mientras estudiaba la cuestión de la "ambición", aprendí que la psicología tiene un concepto relacionado: la autoeficacia.
En pocas palabras, las personas con mayor autoeficacia creen más en sus propias capacidades y, por lo tanto, pueden lograr más cosas.
Hay evidencia de que la autoeficacia puede mejorarse mediante ciertos métodos.
Locke y Latham revisaron 35 años de investigación sobre el establecimiento de metas y llegaron a una conclusión clara: las personas a las que se les dan metas claras y desafiantes tienen un mejor desempeño que aquellas a las que simplemente se les dice que "hagan lo mejor que puedan".
El fundador de Stripe, Patrick Collison, mantiene una lista llamada "Fast", que registra lo que la humanidad ha logrado bajo metas audaces y plazos urgentes.
A continuación se presentan varios métodos bien documentados.
Cree que las cosas difíciles se pueden hacer
En 1939, George Dantzig llegó tarde a una clase de estadística en Berkeley.
Copió los dos problemas de la pizarra, asumiendo que eran tarea, y más tarde entregó sus soluciones.
De hecho, esos eran dos problemas no resueltos de estadística.
Vea a otros hacerlo, luego vaya a completar cosas difíciles
Durante décadas, la humanidad había estado intentando correr una milla en menos de cuatro minutos.
En mayo de 1954, Roger Bannister rompió esta barrera. Pero la situación de "solo él en el mundo corriendo por debajo de cuatro minutos" duró solo 46 días.
Si sigues el atletismo, notarás que algo similar está ocurriendo con la barrera de las dos horas en el maratón.
Este abril, Sabastian Sawe corrió el primer maratón por debajo de dos horas en una carrera oficial en Londres. El subcampeón de la misma carrera también corrió por debajo de dos horas.
[La barrera del maratón de dos horas: El maratón completo es de 42,195 kilómetros, y el "romper 2" (correr por debajo de dos horas) de la humanidad se considera un umbral físico histórico equiparable a la "milla de los cuatro minutos"]
Permítase fracasar, luego desafíe cosas difíciles
"El juego interior del tenis" parece ser un libro de negocios que todos aman, y lo descubrí solo la semana pasada.
La idea central del libro es: cuando te esfuerzas desesperadamente y te sobreesfuerzas, en realidad no puedes jugar tu mejor tenis.
Los ingenieros quizá aún recordemos cómo Linus describió Linux cuando se anunció por primera vez:
Estoy haciendo esto solo por diversión, no será tan grandioso y profesional como GNU~
(¿Quién podría haber imaginado que Linux se convertiría más tarde en algo tan importante, mientras que el núcleo de GNU todavía no se ha completado hasta el día de hoy...)
La autoeficacia no es un problema nuevo, ¡pero se ha vuelto tan, tan importante hoy en día!
En una era en la que las capacidades avanzan a pasos agigantados cada pocas semanas, necesitamos urgentemente algunos métodos para lograr cosas que nunca hemos considerado seriamente, o incluso que nunca creímos que podríamos hacer.
