Guía para Principiantes en IA: Primeros Pasos

"No sé dibujar, así que esto no es para mí": ese prejuicio sobre la generación de imágenes con IA está al revés. Basta con darle instrucciones en palabras y, segundos después, tienes imágenes de nivel profesional. Esta guía transversal cubre qué es la generación de imágenes con IA (crear imágenes desde cero mediante palabras: la habilidad de comunicar, no de dibujar; la versión visual de la ingeniería de prompts), cómo funciona (los modelos de difusión esculpen una imagen a partir de ruido aleatorio usando tu prompt como pista, dibujando desde cero cada vez, por lo que los resultados fluctúan), el flujo común de 4 pasos que funciona en cualquier herramienta (elige una herramienta, escribe un prompt, genera y elige, refina y termina: la iteración es la premisa), la anatomía clave de 6 partes del prompt (sujeto, escena/entorno, estilo, luz/color, composición/encuadre, técnico) más los prompts negativos y la relación de aspecto, aunque GPT Image e Imagen prefieren frases sencillas mientras que las herramientas de la familia Stable Diffusion gustan de listas de palabras y negativos, 7 consejos para dominarlo (lanzar la tanda, añadir poco a poco, imágenes de referencia, inpainting, fijar el seed, upscaling, guardar buenos prompts), lo que le cuesta a la IA (manos, texto, consistencia, precisión fina) y sus soluciones, y lo esencial sobre derechos, uso comercial y ética para el trabajo (la salida puramente de IA está débilmente protegida según la Oficina de Derechos de Autor de EE. UU. y el fallo Thaler de 2025, con diferencias por país; el uso comercial depende de los términos de cada herramienta; los deepfakes y la imitación de estilo no autorizada están prohibidos; se extiende la procedencia, como los metadatos C2PA de DALL-E). Qué herramienta elegir y los tutoriales específicos enlazan a la comparativa, a Midjourney y a Stable Diffusion. Conoce la anatomía, lanza la tanda y añade palabras poco a poco: cualquiera puede acercarse a la toma que quiere.

Le preguntas lo mismo a la misma IA y, sin embargo, una persona la llama inútil mientras otra se asombra de lo capaz que es; y la verdadera causa de esa diferencia no suele ser la potencia de la IA, sino cómo está escrito el prompt. Este es un compendio práctico de esa habilidad, la ingeniería de prompts, organizado para que un principiante pueda aprovecharla de inmediato. Abarca qué es la ingeniería de prompts (la habilidad de diseñar y mejorar tu instrucción a la IA: no código, sino el arte de cómo dices las cosas), los tres principios que cambian tus resultados (sé específico, da contexto, especifica la salida, y "haz X" en vez de "no hagas Y"), las 6 partes clave de un buen prompt (rol, contexto, instrucción, ejemplos, formato, restricciones, los elementos que marcos como COSTAR y RCOF enumeran en común; no necesitas las seis cada vez), 7 técnicas prácticas (dar un rol, mostrar un modelo/few-shot, razonar paso a paso, fijar el formato, estructurar con delimitadores, no pedir demasiado de golpe e iterar, siendo la más potente la iteración), un ejemplo antes/después, técnicas avanzadas (cadena de pensamiento, autoconsistencia, encadenamiento, ReAct, aunque los modelos de razonamiento como la serie o y el pensamiento extendido de Claude hacen CoT por dentro, así que enunciar el objetivo funciona mejor), 7 errores comunes y consejos por modelo más seguridad de la entrada. Con enlaces internos a consejos de prompts para crear apps y a precauciones de entrada. Convierte lo vago en específico y el soltar en diálogo: cualquiera puede mejorar desde hoy.

En junio de 2025, Sam Altman de OpenAI escribió en su blog: "Hemos pasado el horizonte de sucesos; el despegue ha comenzado" ("The Gentle Singularity"). Sin embargo, otros investigadores descartan rotundamente la idea como algo que nunca llegará. Esta guía para principiantes explica que la singularidad (singularidad tecnológica) es "el punto de inflexión en el que la IA supera la inteligencia humana y empieza a mejorarse a sí misma, de modo que el progreso se vuelve explosivamente rápido y ya no puede predecirse ni controlarse" (una hipótesis, no realizada a fecha de 2026). Cubre su corazón —la explosión de inteligencia = automejora recursiva, donde una IA inteligente construye una IA aún más inteligente y quien mejora cambia de humano a IA—; en qué se diferencia de la AGI y la ASI (AGI/ASI son "estados" de inteligencia, la singularidad es el "evento" de volverse imprevisible; AGI → automejora → el salto repentino a la ASI = la singularidad); la historia del término (la "explosión de inteligencia" de I. J. Good en 1965 → Vinge popularizando el nombre en 1993 → Kurzweil llevándola a la corriente principal con "2045"); la amplia dispersión de las predicciones (Kurzweil 2045, Altman "ya ha comenzado," Vinge, y escépticos como Gary Marcus y el "freno de la complejidad" del fallecido Paul Allen); el despegue duro repentino vs. el despegue blando gradual; las esperanzas (avances en enfermedades y ciencia) y los riesgos (pérdida de control, el problema de la alineación); el profundo escepticismo (freno de la complejidad, límites físicos, algo completamente distinto); y errores comunes como "los robots dominando," "inmediata en cuanto llega la AGI" y "fijada para 2045." Ni temerla en exceso ni soñar demasiado: aprovecha al máximo la IA de hoy mientras observas con calma lo que pueda venir después.

En 2023, un abogado fue sancionado después de que un escrito redactado con ChatGPT citara casos que eran todos invenciones de la IA, y ese episodio extendió por el mundo el recelo hacia el derecho y la IA. Sin embargo, en pocos años la adopción se disparó, y se dice que más del 90% de los abogados usan alguna IA en su trabajo diario. Como siguiente entrega de nuestra serie de impacto de la IA por sector tras la #068 (comercializadoras), la #094 (marketing) y la #097 (consultoría), este artículo recorre las profesiones. La situación actual en cifras (el 62% de los abogados reporta ahorros de tiempo semanales del 6–20%; Harvey y CoCounsel de Thomson Reuters procesaron más de 10M de documentos legales en el Q1 de 2026; el uso de IA generativa en despachos de fiscalidad/contabilidad/auditoría saltó del 8% en 2024 al 21% en 2025; un estudio de Stanford muestra empleos de inicio de carrera en campos como la contabilidad un 13% por debajo de 2022, contadores +5% y tenedores de libros -5%), el trabajo que la IA cambia por profesión (abogados = investigación de casos, revisión de contratos, extracción de obligaciones; contadores = contabilidad, comprobación de soportes, muestreo, identificación de riesgos; asesores fiscales = entrada de datos, borradores de declaraciones, búsqueda de legislación; la IA hace el trabajo de base, los humanos toman la decisión final), el mayor riesgo de la alucinación (inventar casos/leyes inexistentes, que lleva a sanciones y pérdida de confianza; Harvey presume de un 99.7% de exactitud en citas verificadas y marca el resto, CoCounsel ancla las citas en una base de datos de jurisprudencia para citar solo casos reales), el valor esencial que no cambia (juicio final, escepticismo profesional, ética, juicios fiscales en zonas grises y, de forma decisiva, la firma y la responsabilidad legal que no se puede delegar en la IA), la crisis de los junior (automatización de la rutina de aprendizaje) y los nuevos roles (responsables de cumplimiento de IA, ingenieros de prompts fiscales), y consejos por rol para profesionales, aspirantes y clientes (verifica las citas y las cifras contra las fuentes primarias; confirma el tratamiento de la confidencialidad). La regulación y la responsabilidad difieren según el país; en Japón, las funciones de IA en el software de contabilidad también están muy extendidas. La pregunta que plantea la IA: ¿lo que vendes es el trabajo, o el juicio y la responsabilidad?

"Avísame cuando termine la compilación." "Si CI se pone en rojo, arréglalo." "Vigila el despliegue cada 5 minutos." Delegar por completo en la IA estas tareas de estar pendiente es justo lo que hace posible el comando /loop, añadido a Claude Code en 2026. Esta guía para principiantes explica que /loop es un programador con alcance de sesión que ejecuta un prompt o comando slash de forma repetida en un intervalo que tú defines (o que define la IA), y luego cubre las cuatro formas de usarlo (① /loop 5m X = intervalo cron fijo ② /loop X = autorritmo, donde la IA juzga el intervalo ③ /loop 15m = el prompt de mantenimiento integrado ④ /loop = automantenimiento), cómo escribir los intervalos (número + unidad s/m/h/d, mínimo 1 minuto, lenguaje natural como "every 2 hours," y puedes poner en bucle un comando slash: /loop 20m /review-pr 1234), la potencia del autorritmo (esperas más cortas cuando hay actividad, más largas cuando hay calma, entre 1 minuto y 1 hora, y — a diferencia de un cron normal — finaliza el loop solo cuando considera la tarea hecha), recetas prácticas (vigilar CI/despliegues, cuidar PR, comprobar compilaciones largas, recordatorios, mantener ramas automáticamente), cómo detenerlo y las precauciones (Esc para detener, alcance de sesión por lo que una nueva conversación lo borra, cerrar la terminal lo detiene, los intervalos fijos duran hasta 7 días, máximo 50 tareas por sesión, se dispara entre turnos con variación, zona horaria local), cómo elegir entre tres funciones de programación (/loop para monitorización en sesión, Desktop scheduled tasks para trabajo local residente, Routines para operaciones sin supervisión en la nube), y la personalización con loop.md además de la desactivación mediante CLAUDE_CODE_DISABLE_CRON=1 — todo basado en la documentación oficial (a fecha de 2026). Lo que /loop cambia es el eje temporal del trabajo que puedes delegar en la IA.

Subtitular a mano un vídeo de una hora solía devorar un día entero: escuchar, pausar, teclear, cuadrar el código de tiempo. En 2026 ese infierno se termina con solo "soltar el vídeo y esperar unos minutos." Centrada en subtitular y transcribir contenido de vídeo y audio (las actas de reuniones van al #086 y el OCR de imágenes al #091), esta guía cubre las cuatro etapas que automatiza la IA (extracción del audio → transcripción con diarización → códigos de tiempo en SRT/VTT → traducción y estilizado), la diferencia entre subtítulos (SRT/VTT) y transcripciones y cuándo usar cada uno, una comparativa de herramientas (Whisper gratuito y privado, Descript para editarlo todo, Sonix y Happy Scribe de alta precisión y multilingües, Notta fácil para particulares, CapCut móvil, los subtítulos automáticos de YouTube como lo más fácil, muchas con reconocimiento de la familia Whisper por debajo), el flujo de 4 pasos más reproducible (preparar → transcribir → corregir → exportar/adjuntar SRT/VTT), recomendaciones por caso de uso (YouTube, pódcast, conferencias, entrevistas, confidencial, multilingüe), seis consejos de precisión con la calidad del audio como el 80 % del resultado (calidad, ajuste de idioma, lista de nombres propios, buscar y reemplazar, diarización, longitud de línea), el flujo multilingüe del camino real (perfeccionar el idioma original → traducir con IA → revisión nativa) y las trampas: exceso de confianza, debilidad ante ruido y jerga, derechos de autor, subidas confidenciales y desfase del código de tiempo. Con audio limpio la precisión es del 90-96 % (publicada, dependiente de las condiciones) y el trabajo baja entre un 80 y un 90 %. El trabajo para la IA; el acabado —revisar nombres propios y verlo entero— para ti.

El rito de iniciación de los consultores junior —noches en vela puliendo presentaciones, investigación manual interminable— está crujiendo. "Lilli", de McKinsey, escanea más de 100.000 documentos en segundos y redacta presentaciones; "Deckster", de BCG, pule diapositivas al instante; según un análisis, cerca del 80% del trabajo de investigación y diapositivas de un analista junior podría reemplazarse en segundos. Como siguiente entrega de nuestra serie de impacto de la IA por sector, tras el #068 (comercializadoras) y el #094 (marketing), este artículo repasa la consultoría: la situación en números (las Big Four y las casas de estrategia volcaron más de 10.000 millones de dólares en IA desde 2023; PwC 1.000 millones a tres años; BCG ~25% de sus 14.400 millones de ingresos de 2025 = ~3.600 millones por IA; un estudio de HBS sobre 758 consultores de BCG mostró que quienes usaban IA hacían un 12,2% más de tareas, un 25,1% más rápido y con más de un 40% de calidad), las cinco áreas que la IA cambia (investigación, presentaciones, análisis, actas y nuevos servicios de estrategia de IA, generadora neta de empleo por ahora en las grandes firmas), el derrumbe del modelo piramidal (trabajo rutinario junior, ~80% según un cálculo, automatizado en segundos; hacia equipos reducidos de pocas personas más IA, con dudas sobre la cantera de formación), el terremoto en los precios (la paradoja de la productividad —terminar más rápido implica facturar menos con tarifas por hora— y el 73% de los clientes prefiriendo precios por resultados, impulsando el giro a modelos por resultados y de precio fijo), el valor esencial que no cambia (plantear la pregunta, interpretación, juicio, confianza, ejecución: importa más el consultor que pilota el sistema que el sistema), la bifurcación gigantes-petroleros vs. boutiques-lanchas (crecimiento de las firmas pequeñas de hasta el 50% según estimaciones) y consejos por rol para aspirantes, profesionales y empresas clientes. La pregunta que plantea la IA: ¿tu valor es el trabajo o el juicio?

En Davos, en enero de 2026, las mentes más destacadas del campo chocaron entre "la AGI está a la vuelta de la esquina" y "la esencia aún está lejos" — y la mecha fue la AGI (Artificial General Intelligence). Este artículo para principiantes parte de qué es la AGI — "una IA polivalente que, como un humano, puede aprender y resolver por sí misma incluso cosas completamente nuevas en cualquier campo" (aunque una meta aún no realizada a fecha de 2026) — y luego cubre la diferencia decisiva con la IA estrecha actual al estilo de ChatGPT (¿puede "transferir" conocimiento a un campo distinto?; generalización y adquisición autónoma de habilidades), el desglose en tres etapas de IA estrecha → AGI → ASI (superinteligencia), la amplia dispersión de las predicciones de los expertos sobre el calendario (Amodei, de Anthropic, optimista con unos pocos años/en torno a 2027; Hassabis, de DeepMind, cauteloso con ~50% para 2030; una mediana de encuesta a investigadores de 2047; escépticos como Marcus que dicen que está lejos o que no llegará — la dispersión proviene de definiciones diferentes), qué tan cerca está la IA actual (por debajo de la línea base humana en ARC-AGI, pero acercándose a la puerta gracias a lo multimodal y los agentes), las esperanzas (acelerar las enfermedades y la ciencia) y los riesgos (empleos, uso indebido, el problema de alineamiento — situado por Anthropic y UK AISI como un punto de decisión crítico), y errores comunes como "ChatGPT ya es AGI" y "AGI = tiene conciencia". Ni demasiado asustados ni demasiado soñadores, domina la IA estrecha que tienes en las manos mientras observas con calma lo que viene después.

¿Estarás en el lado al que la IA le quita el trabajo o en el que maneja la IA para hacer el trabajo de diez? En 2026 esa es la bifurcación para los ingenieros. Este artículo plantea convertirse en un "desarrollador AI-native" (construir apps con LLM, agentes y RAG — distinto de investigar los modelos) como una pila de habilidades que se puede construir, no un doctorado, en tres capas: ① la base que no cambia (Python como lenguaje principal del desarrollo de IA, Git, línea de comandos, HTTP/REST/JSON — sigues necesitando los fundamentos en la era del código escrito por IA); ② las 5 habilidades AI-native clave (diseño de prompt/contexto, RAG como columna vertebral de los agentes empresariales, construcción de agentes, MCP como estándar de facto de conexión de herramientas y diseño de evals — más optimización de costos, guardrails, observabilidad); ③ la ventaja que la mayoría pasa por alto — el diseño de evals y la ingeniería de contexto (saber escribir evals es la mayor señal de "haber construido de verdad con LLM", y un AGENTS.md/CLAUDE.md más un pequeño conjunto de evals es el salto de "asistido" a "native"). Añade una hoja de ruta de 8–12 meses (base → API de LLM/prompting → construir RAG sin frameworks → agentes + MCP → evals + despliegue + publicación), una estrategia de portafolio donde el trabajo desplegado supera al título, las trampas (el pantano de tutoriales, acumular herramientas, descuidar los fundamentos) y cifras de mercado/demanda (basadas en EE. UU., con gran variación regional). La frontera es si usas la IA como un sistema.

Cuando el anuncio navideño con IA generativa de Coca-Cola fue tachado de "sin alma" a finales de 2024, simbolizó el tira y afloja de la IA en el marketing: "eficiencia y eficacia" frente a "confianza y emoción". Este artículo repasa el tema, primero midiendo la situación en cifras (alrededor del 87% de los marketeros usa IA generativa, frente al 51% de 2024; más del 71% de la inversión publicitaria gobernada por algoritmos; Google creó unos 70 millones de recursos creativos con Gemini solo en el Q4 2025; el gasto en herramientas de IA de marketing prácticamente se triplicó en 18 meses). Cubre las cinco áreas que la IA cambia (① creación de contenido ② creativo publicitario ③ segmentación & distribución / programática ④ personalización / DCO ⑤ analítica & medición) y los efectos reportados (DCO con ~32% más de CTR y ~56% menos de CPC, textos con IA a 3,2x de ROI, segmentación propia/contextual hasta 2x de ROAS, todo publicado y dependiente de las condiciones); el núcleo que no cambia (estrategia, marca, confianza y creatividad rompedora siguen en manos humanas; la IA es un amplificador, base cero significa respuesta cero); el cambio sísmico SEO/AEO/LLMO (con enlaces internos); los riesgos (la brecha de percepción del 82% de ejecutivos frente al 45% de consumidores sobre los anuncios de IA, la fabricación plausible, el brand safety, los derechos/regulación, la operación descontrolada sin supervisión); cómo cambia el trabajo del marketero (tareas que se quitan, criterio más pesado; de productor a redactor jefe y estratega); y un plan práctico de cinco pasos para hoy. El mayor impacto de la IA es liberar el tiempo humano del hacer para pasarlo al decidir.

Elige una herramienta para crear diapositivas con IA según dónde presentarás y en qué formato entregarás el resultado. Esta guía separa estructura, guion y diseño, y explica cuándo usar Gamma, Copilot integrado en PowerPoint, Gemini para Google Slides, Beautiful.ai, Canva, el complemento de ChatGPT o Claude Slides. También muestra cómo convertir una conversación con Claude en una presentación y cuándo elegir Claude Docs para un documento. Incluye cinco pasos, desde la estructura hasta la verificación de cifras y fuentes y la revisión del archivo exportado, tres prompts prácticos y consejos para comunicar con menos información. Tanto si terminas en una sola aplicación como si utilizas varias herramientas, revisa por separado el contenido y el aspecto.

Una nota manuscrita, un recibo de papel, texto en inglés dentro de una captura, un cartel en una foto: el tecleo que siempre has hecho a mano es, en 2026, casi del todo innecesario gracias a la IA. Esta guía parte de en qué se diferencia el OCR con IA del tradicional (leer un carácter cada vez frente a entender la página entera por su significado) y luego ordena tres opciones (IA de chat general / herramientas dedicadas como Google Lens / API y OSS como Mistral OCR y PaddleOCR-VL) por caso de uso. Compara ChatGPT (GPT-5.5), Gemini 3.1 Pro y Claude (Opus 4.8) por punto fuerte (manuscrito → familia GPT, estructurar tablas → familia Claude, muchas páginas → contexto largo de Gemini, OCR puro → modelos especializados; no hay campeón absoluto), ofrece tres prompts listos para usar (transcribir sin romper, tabla a Markdown, recibo a JSON, todos con una regla de «no inventar»), la mejor opción por caso (manuscrito, recibos, PDF, tablas complejas, texto vertical/antiguo, fórmulas y código), seis consejos de precisión con la calidad de imagen como el 80 % del resultado, y la única y mayor debilidad del OCR con IA: inventar de forma plausible lo que no puede leer (concilia siempre importes, fechas y nombres con el original), además de precauciones de privacidad sobre el envío de datos confidenciales, derechos de autor y uso para entrenamiento. Lo que puedes dejar a la IA es solo la «lectura»; confirmar es tarea del humano que ha visto el original.