Mis últimos sábados por la mañana han tenido este aspecto.
Mientras Catalina lee y suena música acorde con un invierno en Madrid, yo exploto la Encuesta de Condiciones de Vida. La ECV es una de las encuestas más ricas de España. Pregunta sobre un rango amplísimo de cosas: desde los ingresos y la composición del hogar hasta la salud autopercibida, pasando por el régimen de tenencia de la vivienda, el nivel de estudios, la situación laboral o el grado de dificultad para llegar a fin de mes. Y lo lleva haciendo de manera consistente —sin cambios metodológicos que rompan series— desde 2008.
En la captura que veis más arriba estoy explorando a la vez tres cosas distintas:
¿Qué pasa con la emancipación de la gente joven?
¿Hay una brecha de género abriéndose en las enfermedades crónicas autodeclaradas?
Ante la escasez de vivienda nueva disponible, ¿quién vive cada vez más hacinado?
Puedo tener las cuatro de manera cuasi simultánea: mientras una instancia de Claude Code corre, reviso los resultados de otra. En mitad de este proceso me he parado a pensar: oye, ¿tiene esto sentido? ¿Es productivo o me estoy dispersando?
Y la respuesta es: por supuesto que tiene sentido. Pero.
El coste de preguntar tiende a cero
Si la cantidad de preguntas analíticas que le puedes hacer a los microdatos de una encuesta como la ECV ya era enorme antes, imaginad cuando además tienes la Encuesta de Población Activa, el Panel de Hogares, los datos registrales de compraventa de vivienda o la Muestra Continua de Vidas Laborales. Y ahora imaginad que el coste de montar cada análisis —limpiar los datos, construir las variables, correr el modelo, generar el gráfico— se desploma.
Eso es exactamente lo que pasa con una herramienta como Claude Code. Si dispones de datos de la suficiente calidad, el coste de iniciar cada nuevo análisis sobre ellos tiende a cero. Lo que antes llevaba una mañana entera de programación en R o Stata —cargar microdatos, recodificar variables, estimar un modelo, iterar sobre errores de sintaxis— ahora se resuelve en minutos. A veces en segundos.
Pero iniciar un análisis no es rematarlo. Y hay un paso previo a iniciarlo que ninguna herramienta resuelve por ti: decidir qué pregunta merece ser formulada.
Siete reglas para un mundo donde iniciar un análisis es casi gratis
¿Cómo operar cuando la ejecución es barata y lo escaso es otra cosa? Llevo unos meses en esto y me van saliendo algunas reglas.
Puedes tener muchas más ideas y testarlas, pero no todas merecen el mismo recorrido. Que sea fácil cruzar dos variables no significa que el cruce tenga interés sustantivo. Antes, el coste de ejecución actuaba como filtro natural: solo programabas lo que creías que merecía la pena. Ahora ese filtro ha desaparecido, y tienes que ponerlo tú. La tentación de explorar por explorar es real, y a veces productiva, pero si no priorizas acabas con veinte gráficos y ninguna historia.
Comparte antes de lo que crees. Precisamente porque es tan fácil generar resultados, el riesgo de encerrarte en tu propia burbuja analítica es alto. Manda el gráfico medio crudo a alguien que sepa del tema o en cuya cabeza confíes. · yo esto lo he hecho desde siempre, pero ahora más.
Tienes que saber cuándo parar. Claude Code te puede sugerir un cruce adicional, una variable de control más, un subgrupo que no habías considerado. Pero el análisis perfecto no existe, y perseguirlo es una forma de procrastinación disfrazada de rigor. La pregunta que hay que hacerse no es “¿puedo refinar esto un poco más?” (siempre puedes), sino “¿movería la aguja de lo que es verdaderamente relevante?”.
También cuándo desconfiar. La herramienta tiene toda la documentación de la fuente de datos en la cabeza y puede sugerirte cruces o estrategias empíricas que a ti no se te habrían ocurrido. Algunas son brillantes. Otras no tienen sentido sustantivo o se apoyan en supuestos débiles, muestras pequeñas... Claude Code no sabe —no puede saber— si un resultado es sociológicamente plausible o es un artefacto estadístico que pasa un test de significatividad por pura casualidad. Eso lo sabes tú. O deberías.
Pide que explique lo que ha hecho. Normalmente lo hace, pero si no - díselo. No al final, sino durante. “¿Por qué has excluido esos casos?” “¿Qué pasa si no ponderas?” Lo que te obliga a ti a entender, le obliga a la herramienta a transparentar decisiones que a veces toma en silencio.
Y siempre hay que revisar. El código que genera suele funcionar, pero “funcionar” no es sinónimo de “estar bien”. He pillado errores de recodificación de variables que producían resultados perfectamente coherentes... y perfectamente falsos. La verificación no es opcional. Es parte del trabajo, y de hecho es una parte cuyo valor ha aumentado precisamente porque el coste de entrada es más bajo.
Por último, mejor documentar. Esto parece lo contrario de ir rápido, pero es lo que te permite ir rápido de verdad. Cuando lanzas cuatro análisis en una misma mañana, a la semana siguiente no te acuerdas de por qué descartaste el tercero ni de qué variante del segundo era la buena. Aprovéchate de que la misma herramienta que abarata el análisis también abarata la documentación: pídele que comente el código, que genere un README con las decisiones tomadas, que deje registro de qué variables se recodificaron y por qué. Y acuérdate de limpiar: borrar las ramas muertas, archivar lo que no sirve, dejar el repositorio en un estado que tu yo del sábado que viene pueda entender sin tener que reconstruir el razonamiento desde cero. La velocidad sin trazabilidad es un desastre aplazado.
Lo que de verdad importa ahora: el criterio
El resumen de todo esto cabe en una frase que de hecho me deja mi compañera Lucía Cobreros: el criterio analítico es más importante que nunca. Por criterio analítico entiendo la capacidad de formular una buena pregunta (=relevante, iluminadora y orientada a la precisión), reconocer cuándo la respuesta que obtienes es sólida, y distinguir un hallazgo real de un artefacto que simplemente tiene buena pinta.
Agrawal, Gans y Goldfarb sacaron hace poco su un paper “The Economics of Bicycles for the Mind” que formaliza esta idea de una manera útil, que creo que ya he citado por aquí alguna vez. Retoman la vieja metáfora de Steve Jobs —el ordenador como bicicleta para la mente— y distinguen entre tres tipos de capacidad: las habilidades de implementación (ejecutar la tarea técnica), el juicio de oportunidad (detectar qué merece ser investigado) y el juicio de rendimiento (saber qué acción tomar con lo que encuentras). Las herramientas cognitivas sustituyen las primeras, pero complementan las segundas. Me ayudan con ellas, porque hago brainstorming y toma de decisiones analíticas con Claude o Gemini (por cierto: prácticamente he dejado de usar ChatGPT). Pero no me reemplazan en ellas.
Eso es exactamente lo que vivo estos sábados por la mañana. Claude Code me ha quitado de encima horas de implementación. Pero lo que hago con ese tiempo liberado —qué preguntas formulo, qué resultados descarto, qué historias decido contar— depende de mí. Y, al abaratar radicalmente la ejecución, esa inteligencia se vuelve más valiosa. Porque ahora la aplicas a muchas más preguntas, más rápido, con más datos. Y cada mala decisión también se multiplica.
La bicicleta es espectacular. Pero alguien tiene que elegir el destino.
Y una advertencia paralela.
Lo que más me preocupa del uso de estas herramientas y, no solo como profesor de secundaria, es que veo que son una barrera para que personas sin formación puedan alcanzar niveles de experto y de pensamiento crítico que tienen los expertos de ahora que permiten verificar adecuadamente los resultados que generan. Usar una herramienta que puede fallar (y lo hace a menudo, además, de forma muy convincente) creo que es fatal para el aprendizaje. No sé muy bien qué podemos hacer con esto.
Mejoran y mejoran los modelos. Pero seguimos estancados en que casi solo los puedes usar en áreas que dominas. Porque ese criterio analítico se construye con años. Creo que uno de los cuellos de botella actuales es este. Y por tanto, todavía "IA + humano" es mejor que solo IA. Con las implicaciones que tiene para el empleo. Por un lado menos catastrofistas. Por otro lado, no ponerse las pilas te deja atrás (porque IA + humano es mejor que humano).