Soy adicto a descubrir nueva información. La consumo casi sin pausa, y de manera un tanto desordenada. Siendo que mi trabajo (y mi vocación) consiste en compartir conocimiento útil y relevante, esto es una ventaja al principio que pronto se convierte en un problema si no se encauza con criterio. Aprender, para mí, es (1) filtrar qué información asumir, y (2) ser capaz de incorporarla a las herramientas cognitivas que luego puedes usar tú mismo y transmitir a otras personas.
Resulta que hoy la información abunda como nunca. Se ha vuelto mucho más eficiente generarla, regenerarla y difundirla gracias a una secuencia inaudita: primero tuvimos un largo período para consolidar una base (sobre todo desde la invención de la imprenta); después la reunimos en un lugar a la vez accesible e interconectado (internet); acto seguido redujimos drásticamente las barreras para crear información nueva; y por último minimizamos el coste de procesarla y regenerarla en este entorno interconectado mediante modelos de lenguaje natural.
Así que, ahora, aprender es a la vez más accesible y requiere más destreza que nunca. Si además a tu cerebro le gusta demasiado la nueva información, esa tensión se agudiza. Por eso en los últimos dos o tres años, el tiempo que llevamos conviviendo con la IA generativa junto a los algoritmos que ya llevaban una década influyendo nuestra cognición, he ido perfilando las fuentes de las que aprendo. Como mucha gente se toma estas semanas para explorar nuevos conocimientos, me ha parecido que podría servir si las comparto.
🤖 Conversaciones casuales con IA generativa. Ya chateamos mucho con ellas de manera generalizada, pero yo quiero poner el énfasis en hacerlo de viva voz. Desde que las interfaces por voz de ChatGPT, Gemini y Perplexity se han vuelto buenas en conversar, no hay día en que no abra una con cualquiera de las tres. Casi siempre es para un vistazo no muy profundo a un tema más bien amplio. Ejemplos recientes:
Estaba paseando por una ciudad española que visito poco y se me ocurrió que tenía un conocimiento muy incompleto de su historia. Me parecía imperdonable siendo que me estaba encantando y que además he escrito un libro sobre, bueno, cómo creo que podrían ser nuestras ciudades. Así que me puse a ello con ChatGPT. Primero le pedí que me contara sobre los asentamientos originales, luego etimología ligada al asentamiento definitivo, y por último nos fuimos a la época moderna, donde me detuve más porque era la que más me interesaba (y en la que la ciudad adquirió más relevancia). Mientras, iba conectando todo con ideas que tengo puestas por el libro.
Como saco libro y además tengo ganas de estar más activo creando contenido, necesitaba tener un poco más de idea de algunas guías básicas para Instagram: entender los diferentes objetivos de reels vs stories, cuándo es mejor o peor publicar, frecuencias, formatos y duraciones. Quince minutos de Perplexity cumplieron a la perfección.
Una cosa que me encanta de esta vía es la facilidad con la que uno salta a preguntas relacionadas e invita a descubrir ángulos nuevos. Otra es la posibilidad de pedirle que te repita las cosas, te las explique de otra forma, las aplique a tu caso, o contraste con otras fuentes. Es una manera muchísimo más gentil de interactuar con la información que la búsqueda tradicional. Y además todo queda escrito. Esto es fundamental para mí. Conocimiento conversado accesible de manera permanente: si me preguntas, tenemos por primera vez lo mejor de los dos mundos.
🦾 Deep research para volver a ella. La capacidad de los LLMs de entrar a fondo en una pregunta o una serie de preguntas vinculadas y darte un informe cuasi-profesional, equivalente al de un asistente de investigación con algo de experiencia, me resulta imbatible para cuando quiero saber mucho más de algo muy concreto. Muchas veces disparo la búsqueda cuando se me ocurre la pregunta y la consulto días o semanas después. Algunos ejemplos de búsquedas recientes que he hecho:
Cuál es la evidencia empíricamente sólida que existe sobre el efecto de los centros de educación temprana (0-3) sobre los barrios y las comunidades en que se ubican, más allá de resultados sobre el aprendizaje o sobre la conciliación / el mercado laboral.
Qué me puedes decir de las plataformas YIMBY en EEUU: cuáles son a día de hoy las más destacadas y qué clase de tácticas y estrategias siguen.
En ChatGPT hago las más profundas y densas en contenido - de hecho, lo más habitual es que divida 3-4 preguntas relacionadas con un mismo asunto y las dispare por orden; en Gemini, las que sé que se beneficiarán de una aproximación más sistemática de chequear varias fuentes sí o sí; y en Perplexity suelo hacer las más rápidas (<3min) y que requieran información muy, muy reciente.
🎙️ Audiolibros y deep dive podcasts. Me sirve escuchar más que leer cuando un ensayo es más bien lineal, está bien narrado y estructurado. Las razones:
Paradójicamente me absorbe más el contenido que leerlo porque mientras escucho hago algo que me ocupa las manos y la mirada pero que es lo suficientemente mecánico como para prestar atención a lo que oigo. Dibujar o cosas en la cocina, por ejemplo. El último que me he "leído" así es el fantástico Not the end of the world de Hannah Ritchie.
Según lo que esté haciendo, incluso me ayuda a memorizar o a rememorar. Ahora cada vez que monto muebles me acuerdo de la estupenda serie "Hay que pasar el invierno", un podcast que en el que cada episodio es una crisis económica de Argentina (sí: alguien tenía que hacerlo). Porque me lo escuché cuando llegaba a nuestro primer piso de Madrid y me pasaba las tardes armando y atornillando.
La audiolectura es versátil y me permite tomar notas. La lotería genética de Paige es un libro que tenía muchas ganas de abordar. Me lo compré en audio y a la vez me lo regalaron en papel. Pues resulta que hay partes que me devoro en audio y otras en las que vuelvo al papel para entender mejor un concepto técnico. Con Al límite, el último de Nate Silver, he podido pasar a x1,25 partes enteras de las que quería tener una impresión básica sin saltarme y centrarme en otras.
🎥 Videos, solo ocasionalmente. Creo que los videos que consumimos hoy están demasiado diseñados para engancharte, y en el dilema entretenimiento - aprendizaje que siempre acompaña a nuestra querida sociedad caen demasiado del lado el primero. Nada en contra, ojo: veo mucho, pero por diversión. Desconecto con ellos, pero luego apenas recuerdo aunque sean de tono didáctico. Sí quería comentar algunas excepciones, simplemente para reseñar que no es el formato el problema sino la dinámica en la que lo hemos metido. La más importante es Ter. Si tienes la fortuna de no haber consumido aún la obra completa de la mejor ensayista de nuestra generación, corre. Creo que funciona tan bien porque siempre afila muchísimo un argumento cuya constante es la originalidad. Otra es dotCSV y su lista de intro a la IA, por razones distintas y más convencionales: es un divulgador excelente haciendo accesibles conceptos complejos.
✉️ Substack, mi nueva fuente online preferida. Crecí profesionalmente leyendo artículos en blogs y cosas así. También leyendo Twitter (esta es mi lista mágica: de ella sigo aprendiendo mucho). En un momento dado hubo un vacío de este tipo de plataformas pero creo que Substack lo está llenando con creces [algunos ejemplos notables para mí: Noah Smith, Alice Evans, Roger, Ethan Mollick, Emma McAleavy, los Garicano, Hannah Ritchie, WIP]. Sus ventajas: originalidad y voz propia, trabajo a fondo en cada idea que se pone ahí afuera, y que hay una maravillosa voz en IA que me las lee dentro de la app (si lees solo por correo, esto te lo pierdes).
📜 Nuevos papers y otras fuentes académicas o institucionales. Esta sección no ha cambiado sustancialmente, salvo por lo que me trae Deep Research en forma de papers; para todo lo demás recurro al correo electrónico:
→ Mailbrew con RSS prefiltrado. He montado un Mailbrew (es decir - una newsletter personalizada que puedes auto-enviarte con las fuentes que escojas) que agrega todos los feeds académicos e institucionales que sí ofrecen RSS: Nadaesgratis, VoxEU, Bruegel, el Banco de España… Me llegan cada mañana en un solo correo con lo más relevante del día. Leo solo una fracción, claro, pero todo lo que veo ya viene bastante filtrado y seleccionado.
→ Suscripciones periódicas para lo que no tiene RSS. Para las instituciones y revistas que no publican en RSS (NBER, IZA, AER, QJE, APSR…), tengo alertas de correo que acumulo durante el mes. Me comprometo a no abrirlas hasta una especie de “sesión mensual” de revisión: así las consulto en bloque.
📚 ¿Y el papel? Aquí, una intención con una nueva estrategia. De pequeño era la clase de niño que se escondía el libro abierto sobre su regazo, debajo del mantel, para poder leer mientras comía (lo dicho: un adicto). Puede parecer con toda esta lista que he dejado de leer libros. Pero no. Al revés: quiero, tengo y leo más libros que nunca. De hecho, el problema es que leo demasiados y compro demasiados. El problema es que cada vez salen más libros interesantes que compiten con todo lo anterior (y con series, documentales, periódicos… you name it). A esto se le añade el hecho de que la atención, como ya sabemos, se fragmenta precisamente por la abundancia de oferta. Así que compro muchos más libros de los que puedo asumir (tsundoku, que le llaman los japoneses). Esto tiene algo bueno: he construido una biblioteca de la que escoger. Y algo malo: escoger se vuelve una tarea en sí misma. Ahora mismo, si no tengo diez libros iniciados, no tengo ninguno. Pero voy a tratar de resolverlo así:
Por ahora no abriré libros nuevos. De los que tengo iniciados, escogeré dos al azar. Y luego otros dos. Y así.
Para todos los libros: si tras un 10% de las páginas el libro no me atrae durante una semana, lo dejo de lado.
Cuando un título nuevo me tiente, lo anoto y espero al menos siete días antes de comprarlo.
Al acabar (o descartar) un libro, escribo dos líneas: qué me dejó y por qué mereció —o no— la pena.
Y hasta aquí mi pequeña lista. Que es (obvio) mía y no universal. Pero si a alguien le da alguna idea sobre cómo aprender (o como no hacerlo) ya habrá valido la pena. Feliz y fructífera exploración.
Aquí entré más a fondo (y de manera a la vez un poco más personal y un poco más abstracta) en lo que significa una adicción al descubrimiento en un entorno digital. Lo escribí antes de la IA generativa y con ejemplos de lo que nos preocupaba entonces: la pandemia. Pero sigue valiendo.
La semana que viene: del aprendizaje a la creación.
Me han parecido muy interesantes tus últimos post sobre el uso de la IA en diferentes tareas. Más allá de las bondades técnicas, para mí ha sido una herramienta muy útil para organizar las ideas y llevar un orden de las cosas.
Muy interesante!
Por cierto, cuando un post sobre que fuentes de información Open Data usas más a menudo y cuales te parecen más útiles.
Gracias