El verdadero superpoder de la IA: consumir, no crear

• La mayoría de las personas usan la IA como herramienta de generación de contenido, pero su verdadera fortaleza está en leer y conectar grandes volúmenes de información
• El punto clave es que la IA consuma y encuentre patrones en datos acumulados como notas personales, registros de reuniones e ideas
• Al integrar notas de Obsidian con IA, es posible extraer insights de registros pasados y descubrir cambios de pensamiento olvidados o decisiones de diseño repetidas
• La IA hace posible la búsqueda basada en conceptos en lugar de palabras clave, la exploración de patrones a través del tiempo y las conexiones entre ideas
• La ventaja competitiva humana está en la experiencia, y la IA ayuda a convertirla en un activo de conocimiento consultable que respalda el aprendizaje continuo y mejores decisiones

---

La trampa de la creación

• La mayoría de los usuarios usan la IA como herramienta de productividad para redactar correos, generar reportes y escribir código
  • Esto se describe como un desperdicio comparable a usar una supercomputadora como máquina de escribir
• El autor guardó en Obsidian 3 años de notas de ingeniería, más de 500 registros de reuniones y miles de observaciones
  • Es una cantidad que un humano no podría leer en toda su vida, pero la IA puede consumirla en segundos

El punto de inflexión del consumo

• Después de conectar la IA a Obsidian, la forma de preguntar cambió de “escríbeme algo nuevo” a “¿qué es lo que ya descubrí?”
• Casos reales
  • En el análisis de patrones de las 50 reuniones 1:1 más recientes, se descubrió que los problemas de desempeño aparecían 2 a 3 semanas antes que las quejas sobre herramientas
  • Al rastrear los cambios de pensamiento sobre la deuda técnica, se identificó que alrededor de marzo de 2023 la perspectiva cambió de “algo que hay que corregir” a “información sobre la evolución del sistema”
  • En la comparación de la arquitectura de Buffer API y carpeta.app, se detectaron 12 decisiones de diseño repetidas

Acumulación del conocimiento y accesibilidad

• Cada reunión, pensamiento y experiencia de depuración aporta aprendizaje, pero si no se puede buscar, queda como conocimiento inútil
• La búsqueda tradicional exige recordar las palabras exactas, y la memoria humana tiene límites
• La IA supera esto al hacer posible
  • consultas basadas en conceptos,
  • exploración de patrones a lo largo de años,
  • conexión de ideas más allá del tiempo y el contexto
• La limitación humana no estaba en crear, sino en la falta de capacidad para consumir, recordar y conectar

Construir un sistema de consumo

• La configuración es simple
  • Guardar todos los registros en Obsidian
  • Dar a la IA acceso al conjunto completo de datos
  • Preguntarle a tu yo del pasado como si fuera un asistente de investigación
• Lo importante no es la herramienta, sino el cambio de mentalidad
  • Hay que ver a la IA no como creadora, sino como lectora de la experiencia
  • Cada nota se convierte en un insight futuro, y cada reflexión en sabiduría consultable

El efecto compuesto

• Resultados de dos meses de experimentación
  • Mejora en la velocidad de resolución de problemas al encontrar casos similares del pasado
  • Mejora en la calidad de las decisiones al recuperar contextos olvidados
  • Capacidad de reconocer patrones antes invisibles dispersos en el tiempo
• La mayoría de las personas tiene una mina de oro de insights enterrada en notas, archivos y recuerdos
  • La IA puede convertir eso en una base de datos consultable de conocimiento experto personal

La verdadera revolución

• Mucha gente todavía ve la IA solo como una herramienta para escribir y generar código
• La verdadera revolución está en que la IA funcione como lectora de todos los pensamientos humanos
• Por eso, registrar conocimiento hoy debe convertirse en una práctica de documentación para tu yo futuro y para la IA
  • Hace falta el hábito de registrar de forma continua para una IA que te ayude a recordar lo que olvidaste

[choijaekyu]

Al final, es un análisis de regresión hecho con texto.

[crawler]

> Por sí solo, el modelo está al nivel de un lector promedio; es fácil que pase por alto partes importantes, pero al combinarlo con herramientas como tests, compiladores y linters, se convierte en una herramienta de creación con un ciclo de retroalimentación rápido.

Esto me hace mucho sentido. Nunca lo había probado así, pero voy a intentarlo.

[GN⁺]

Opiniones de Hacker News

• Creo que una de las partes más inquietantes de la IA es su capacidad de consumir información
  La NSA y las grandes empresas ya llevan años recolectando nuestros patrones de navegación, y preocupa que la IA pueda analizar esos datos mucho más rápido que un humano y usarlos para predecir o manipular comportamientos, hacer perfiles psicológicos e identificar vulnerabilidades
  Aun así, es irónico ver que algunas personas critican la IA como una tecnología inútil

  • Incluso si la IA fuera inútil, igual se seguiría usando para este tipo de cosas
    Porque les da una falsa sensación de confianza a quienes hacen este trabajo
  • La palabra “worthless” es ambigua
    La IA puede ser sin valor (valueless), pero no necesariamente inútil (useless)
    Así como las minas terrestres pueden ser útiles pero no tienen valor, con la IA generativa existe un debate parecido en términos de externalidades
  • En realidad, este tipo de análisis de datos ya era posible con la tecnología de ML de hace 10 años
    La IA generativa no es indispensable para eso
  • Más que la discusión sobre superinteligencia o creatividad, lo que más me preocupa es la normalización de la vigilancia
    Las ciudades ya están cubiertas de cámaras, y hasta ahora el hecho de que una persona no pueda monitorear todo el video ha funcionado como una especie de barrera de seguridad, pero la IA podría derribarla
    Parece probable que en el futuro cercano aparezcan sistemas de vigilancia basados en lenguaje natural del tipo “avísame si pasa un Nissan rojo”
  • Los humanos son tan complejos que, incluso con datos de la NSA o de empresas, es probable que la precisión para predecir el comportamiento siga siendo baja

• Por sí solo, el modelo está al nivel de un lector promedio
  Puede pasar por alto partes importantes, pero al combinarse con herramientas como tests, compiladores y linters, se convierte en una herramienta de creación con un ciclo de retroalimentación rápido
  Lo verdaderamente difícil sigue siendo decidir “qué afirmar”
  Esto también saldrá en el boletín de HackerNewsAI

  • A la IA se le aplican guardrails que no conocemos
    Por ejemplo, una vez intenté hablar de energía solar y lo confundió con un tema político, bloqueando la conversación
  • Google ya lleva mucho tiempo leyendo e indexando patentes y documentos de la SEC
    En algunos campos ya existen sistemas que leen documentos más rápido que un abogado

• Aunque la IA lea mis datos en segundos, no es posible verificar la precisión
  También hay investigaciones que dicen que no resume, sino que solo hace una abreviación (abbreviation)
  Incluso resultados como “encontró patrones en 50 reuniones 1:1” podrían en realidad aplicar solo a una parte de los datos

  • Me gustaría conocer la metodología de esas investigaciones
    Solo es peligroso cuando se trata de un problema difícil de verificar
    El LLM debe usarse como herramienta de exploración, y las conclusiones debe sacarlas el humano
  • Los humanos tampoco son perfectos
    Si la IA es aunque sea un poco mejor que un humano, ya tiene valor
  • Verificar suele ser más rápido que resolver
    Basta con confirmar lo que propone la IA mediante búsqueda de texto
  • La IA es una herramienta de procesamiento masivo
    La gestión del contexto es clave, y puede ser útil incluso sin ser completamente determinista
  • Si haces que el modelo cite sus fuentes, puedes usarlo sin confiar ciegamente en él

• Me cuesta subir documentos personales a la nube
  El riesgo para la privacidad es demasiado alto, así que estoy esperando a que los LLM locales mejoren

  • Yo también uso modelos locales por la misma razón
    Un modelo de unas 30B ya puede resumir cosas en una MacBook, aunque la experiencia de uso todavía deja que desear
  • Yo solo subo documentos cuya filtración no me afectaría
    Si es un negocio con NDA, cuesta recomendar otra cosa que no sean modelos locales
    El hardware es caro, pero creo que en algún momento volveremos a un entorno de ejecución de modelos centrado en la PC
  • Estoy analizando notas de Obsidian con mlx_lm de Apple
    Probé el modelo Qwen 3, pero tiene demasiadas alucinaciones (hallucination) y no resulta práctico
    Sospecho que incluso los modelos SOTA tendrían una calidad de resumen parecida
  • Yo uso los LLM como hobby
    Compré 3 GPU para correr modelos locales, pero el ROI no da en absoluto
    Lo hago simplemente porque me divierte
    Si no hay claves sensibles, alquilar GPU pequeñas en la nube también puede ser una opción razonable

• El punto central del texto parece ser delegar el pensamiento a la máquina
  Yo uso notas centradas en memoria y asociaciones, así que dejárselo a la IA me parece casi renunciar a pensar

  • Viéndolo al revés, la IA es una memoria capaz de reactivar de inmediato nuestros pensamientos, notas y experiencias
    Es útil para volver a sacar a la luz conocimiento enterrado en correos o reportes antiguos

• La mitad del “superpoder” de la IA aquí viene de tener todos los datos bien organizados en Obsidian
  Con esa base, cualquier herramienta se vuelve poderosa

  • La mayoría de la gente no registra cosas con tanta constancia
    Es admirable que haya podido cosechar el fruto de ese esfuerzo

• La verdadera capacidad de la IA es decirte lo que quieres oír
  Esa tendencia se volvió especialmente fuerte después de RLHF
  Su capacidad de resumir sigue siendo deficiente, y la mayor parte del tiempo no resume, sino que solo abrevia
  Los LLM son excelentes para continuar texto, pero flojos para entender el panorama general
  Si aquello del “avance exponencial” del que se hablaba en 2023 hubiera sido cierto, ni siquiera estaríamos teniendo esta discusión

• Durante una charla de matemáticas busqué un término que no conocía, y el resumen de IA estuvo bastante bien
  No hizo más que reconstruir el original, pero esa era justo la función que yo quería

  • Pero la verificabilidad del resumen es importante
    La mayoría de la gente prefiere consumir rápido y no logra entender a fondo
  • Yo creo que incluso un resumen de baja calidad sirve si me permite captar rápido una visión general
  • Cuando busqué un término médico, Gemini mezcló información incorrecta con información correcta
    Me dio miedo ver que hasta un experto lo creía tal cual
    Además, me dejó incómodo pensar que Google quizá haya asociado esa enfermedad con mi perfil

• Una vez la IA me dijo que “JS Set es más rápido que Array”, le creí y después me di cuenta de que estaba mal por falta de contexto
  Aun así, la IA es excelente para sintetizar grandes volúmenes de material sobre temas desconocidos
  Por ejemplo, al traducir poemas de Lorca y Cavafy, la IA me explicó muy bien el original y las dificultades de traducción
  Obtuve resultados mucho mejores al usarla como herramienta de apoyo que al pedirle que hiciera la traducción directamente
  Conté la experiencia en detalle en una entrada de mi blog