Cómo uso apps de IA generativa a día de hoy
Un listado de recetas laborales siguiendo un esquema de tarea → instrumentos → proceso paso a pasos
Puse el trino de arriba sin pensarlo mucho, una víspera de festivo por la mañana, y quedé tan sorprendido por el nivel de likes que generó que voy a romper una promesa. O más bien aplazarla: antes de hablar de los problemas asociados con la creatividad y su propiedad que se nos vienen con la IA generativa, como avanzaba en mi anterior envío, quiero hacer una caja de herramientas con la esperanza de que resulte útil a quienes realizan tareas parecidas a las mías o a las del equipo en el que trabajo.
🧑🏻💻 Tarea: buscar información exacta o precisa
🛠️ Instrumentos: Elicit, Perplexity
a. Si busco evidencia científica (es decir, la clase de búsqueda que uno haría en Google Scholar), Elicit.org (basada en GPT-3) se está convirtiendo en una herramienta de referencia. Produce este tipo de resultado:
Supera a Google Scholar cuando la pregunta es concisa e identifica claramente variable dependiente (presión arterial), independiente (consumo de magnesio) y tipo de evidencia (RCT o “Randomized Control Trial”, es decir: experimental). Si estoy en una fase más exploratoria del trabajo (por ejemplo, “¿cuáles son los suplementos alimentarios estudiados para reducir la presión arterial?” o “¿qué efectos se asocian con el consumo de magnesio?”, Elicit es inferior a herramientas sin IA generativa, como Google, Google Scholar, o sites especializados (véase la página de examine.com para magnesio, por ejemplo).
b. Si por el contrario busco hechos y debates recientes fuera de la investigación académica, Perplexity.ai (basada en GPT-3 también) me funciona cuando se trata de asuntos en los que hay abundante información en sites de referencia del mundo anglosajón. Dentro ejemplo:
Esto va acompañado de un montón de citas relevantes en sí mismas.
Pero cuando le pregunto sobre asuntos europeos, aunque sean ampliamente debatidos, falla. Lo comprobé con un cuestionamiento relativamente sencillo sobre el tope al gas de la UE que Natalia Collado desmontó en cuanto se lo pasé.
🧑🏻💻 Tarea: dar coherencia a ideas propias sueltas en textos no creativos
🛠️ Instrumentos: chatGPT
En mi día a día tomo muchas notas sueltas con las que luego debo armar párrafos en propuestas, briefs o análisis de hechos muy concretos, correos electrónicos, memos, etcétera. Piensa cualquier cosa salvo artículos, papers, libros: estoy hablando en este caso de textos en los cuales la creatividad no es un factor, tampoco el estilo (ChatGPT tiene ambos enormemente limitados), y que no serán publicados.
Para empezar a darle forma le paso estas notas (que mezclan puntos sin y con estructura gramatical, inglés y español) a chatGPT. Lo primero es definir una petición clara, que incluye:
Idioma del texto final
Tipo de texto y objetivo del mismo
Longitud aproximada (si es de más de 300 palabras le paso trozos que correspondan a párrafos concretos)
Notas de formato y tono: frases cortas/no, palabras cortas/no, audiencia especializada/no, etc.
Normalmente tras 2-3 iteraciones (en la misma conversación, chatGPT se acuerda de lo que le has dicho antes y modifica de acuerdo con lo que le digas) obtengo un texto con el que puedo empezar a trabajar. Este texto no será el definitivo. Lo modificaré drásticamente. Pero ese paso clave de algo sin forma a algo con forma, en el que yo decido el contenido y la estructura y chatGPT pone los conectores gramaticales y semánticos funcionales, me ayuda considerablemente.
🧑🏻💻 Tarea: transcribir contenido hablado, pasarlo a formato legible
🛠️ Instrumentos: sonix.ai → chatGPT
Con una grabación clara en inglés o en español, sonix.ai (aunque no es IA generativa) es capaz de transcribirla con una precisión alucinante. Sus 10$/hora grabada es un precio más que justo para el tiempo enorme que ahorra con la calidad resultante.
Una vez está la transcripción, chatGPT puede recibir párrafos precedidos de una instrucción clara, del tipo “edita este texto que viene de un diálogo hablado para que se lea de manera más clara”, “pasa a tercera persona el texto”, “elimina interjeciones”, o más drásticas, como “quita frases repetitivas” o “haz cambios semánticos y gramaticales para que la nueva versión tenga registro escrito, no hablado”.
Faltará siempre la edición final, claro. Pero la tarea más ardua ha quedado en manos de dos apps.
🧑🏻💻 Tarea: búsquedas de información no actual ni profunda/matizada
🛠️ Instrumentos: chatGPT
Ahora, cada vez que voy a hacer una búsqueda en Google, me pregunto si no tendría más sentido hacerla en otro sitio. Desde hace años Twitter ya es el buscador por defecto para cosas que están pasando en ese mismo instante. Como explicaba arriba, Perplexity y Elicit están ganando uso en mi vida diaria. Ninguno de los dos, ni ellos combinados con chatGPT, llega siquiera cerca a reemplazar a Google (sugerir eso me parece un tanto osado a día de hoy). Pero sí es verdad que chatGPT me sirve para ciertas búsquedas mejor que Google. Estas son, por ahora:
Una receta para empezar a trabajar: “Quiero ejecutar X en Y plataforma. ¿Qué me sugieres para empezar? Paso a paso”. (Todo: de código a cocina).
Una checklist: "Hazme una lista de partida de X elementos para Y tarea, de manera que no se me olvide nada." Sitios a visitar en una ciudad, palabras clave sobre temas, etc.
Sinónimos finos: “¿Cómo dirías X pero de manera que transmita YZ matices, o se entienda en AB contextos?”
Explicaciones accesibles de conceptos técnicos asentados en sus respectivas disciplinas: “Explícame X para una persona no especializada en la materia [como yo]”.
🧑🏻💻 Tarea: escribir textos propios en inglés
🛠️ Instrumentos: deepl → grammarly/instatext → chatGPT
El inglés no es mi lengua nativa aunque me sienta muy cómodo con ella. Me gusta usarla, la disfruto. Pero no es mi lengua nativa. No lo será nunca. Entre un 20% y un 50% de mi trabajo es en inglés (dependiendo de la semana). Así que tener herramientas que me hagan el proceso algo más gratificante. Además, como ninguna de ellas permite trabajo no supervisado, en todos los pasos siguientes acabo mejorando mi propio inglés porque veo las correcciones en tiempo real.
Habitualmente empiezo escribiendo en inglés y, para pasajes en los que sé que voy a necesitar ayuda, empleo deepl para traducirlos desde una mezcla de spanglish. Además de ser un estupendo traductor, deepl me acepta pasajes mezclando ambos idiomas, lo cual encaja muy bien con lo que necesito para desbloquear esas partes concretas que me cuesta articular.
Grammarly (más centrado en gramática) - y, desde hace un par de días gracias a la recomendación de una amiga, instatext (claridad y estilo) - me sirve para revisar el texto. No tengo claro que estas dos herramientas puedan considerarse como IA generativa (más bien diría que no), pero sí trabajan en este flujo en conjunto con otras que sí lo son.
Si en algún punto necesito reformular más a fondo, le paso ese trozo a chatGPT con instrucciones adicionales y la versión que me da suele ser casi la que me quedo, con algo de edición añadida.
🧑🏻💻 Tarea: reescribir en formatos distintos el mismo texto
🛠️ Instrumentos: chatGPT
En ocasiones en las que debo presentar el mismo texto en diferentes formatos, artiendo de un texto que ya existe, le pido a chatGPT una versión diferente con instrucciones específicas. Las más habituales son:
Convertir el texto en puntos separados de 1-2 frases
Producir una versión separada en párrafos de máximo 280 caracteres (límite de Twitter)
Producir una entrada resumida del texto para LinkedIn que hable del inicio del mismo
Resumir los puntos principales en 3-4 frases
Explicar un pasaje clave pero técnico para personas no especializadas
Sugerir una versión de un pasaje para formato conversacional o hablado (guiones de video, intervenciones, etcétera)
Como en las tareas anteriores, lo que me da chatGPT nunca es suficiente, pero resulta un punto de inicio extremadamente útil desde el que editar, afinar a mano y producir la versión final.
🧑🏻💻 Tarea: escribir o corregir código propio en R
🛠️ Instrumentos: chatGPT + GitHub Copilot + gptstudio
En lugar de empezar de cero, reciclar trozos de código viejo, o buscar ejemplos en Google, le pido a chatGPT que me dé un ejemplo genérico de lo que quiero ejecutar. Si lo tengo en otro lenguaje (habitualmente Stata), le puedo pedir que me sugiera una traducción.
Parto de ese ejemplo para escribir mi código adaptado. A veces paso con la primera versión, otras le pido que me añada o me quite cosas, u otras personalizaciones, antes de coger el código y llevarlo a mi editor.
En mi editor es cuando GitHub Copilot entra a sugerir mejoras, corregir, etcétera. En mi experiencia, chatGPT puede ser bueno generando ideas nuevas pero es bastante mediocre encontrando fallos (por ejemplo, le pasas un código con un error mínimo pero que lo detiene por completo y no lo ve). Es algo mejor sugiriendo aproximaciones alternativas a las propias. En cualquier caso GitHub Copilot es la alternativa más obvia y sólida.
En la fase final, chatGPT es bueno comentando/anotando el código. A veces, cuando es algo en lo que no he sido lo suficientemente disciplinado explicando el proceso seguido en comentarios, le pedía que me dé una versión comentada del código, que después reviso y adapto. Ahora he empezado a probar gptstudio: un addon en RStudio que usa gpt-3 (el modelo detrás de chatGPT) precisamente para comentar y editar.
¿A quién reemplazo con todo esto? A nadie. Tampoco a mí mismo.
He tratado de estimar informalmente cuánto tiempo me ahorran los procesos arriba descritos en comparación con lo que hacía antes. En ningún caso gasto más: de ser así, no lo haría. Gastaba más tiempo, por ejemplo, cuando le pedía a chatGPT código muy específico para una tarea muy concreta en R. Eso no lo hacía bien y el resultado debía ser profundamente enmendado. Así que dejé de hacerlo. También gastaba más tiempo cuando trataba de que Perplexity.ai o chatGPT me dieran respuestas factuales y matizadas, o (en el caso del primero) de hechos recientes no muy comentados en medios anglosajones. Ahí (que es una mayoría de mis búsquedas en Google/Twitter) simplemente no funcionan, ni lo pretenden.
Sí sé que en algunos casos me ahorra tiempo, o nos ahorra bastante tiempo en el equipo. Pero en otros más que el tiempo ahorrado es la calidad del resultado final: simplemente, mejora gracias a estas herramientas. En todos los arriba descritos cada hora dedicada genera un producto de mayor calidad. Son horas además de trabajo de mayor valor añadido, por lo que el proceso se vuelve menos tedioso al eliminar las partes más mecánicas.
En ninguno las tareas en sus nuevos formatos reemplazan ni siquiera un minuto de trabajo contratado. Y no porque lo establezcamos como criterio: sencillamente, no se ha dado la circunstancia de que el aporte de la IA generativa implique dejar de contar con tal o cual servicio externo.
¿Por qué esta lista? Tres razones
Esta no es ni pretende ser una newsletter de productividad (Dios me libre). Tampoco de apología de la IA generativa (yo sólo sé hacer apología de la paella como arroz con cosas). Pero a lo que sí me gustaría contribuir es a facilitar el acceso al conocimiento veraz, preciso y útil. Creo que con todas las herramientas que sugiero arriba sirven para eso de una manera u otra.
También me gustaría que los trabajos de la gente, así en general, fuesen más llevaderos. Que estuvieran más centrados en la parte creativa y menos en la mecánica. Creo que los procesos que describo quitan paja y ruido del día a día.
Por último, me gustaría hacer todo ello de manera dimensionada y específica. Se va a crear, se está creando ya, un hype descomunal en torno a las herramientas de IA generativa. Ninguna de las cosas que pongo arriba suponen nada ni cercano ni parecido a una revolución por sí mismas. Ni siquiera todas juntas son un cambio drástico. Pero cuando los del hype regresen a la media algunos estaremos un poco mejor, creo y espero, gracias a pequeñas mejoras como las que aquí comento.
Ahora sí: en las próximas entregas, llegará mi parte escéptica/negativa sobre todo esto. Por ahora espero que el paréntesis optimista inesperado le resulte provechoso a alguien.