Existe una brecha gigante entre usar IA y sacarle productividad real a la IA. Hablando con personas a las que conozco, familiares y amigos me doy cuenta que tengo un sesgo con respecto a la adopción de la IA y esto quizás es compartido por muchos de nosotros. Cuando los estudios dicen que "el 60% de las personas ya usa IA", la realidad es engañosa. La gran mayoría la usa en Nivel 1: como un buscador al que le hacen preguntas directas y esperan respuestas mágicas en un solo mensaje. Cuando la respuesta sale genérica, tibia o requiere tres revisiones, la conclusión casi inevitable del usuario es: "Esto no me ahorra tiempo, me da más trabajo". El problema no es la herramienta; es el criterio de uso. 1. El Criterio del Usuario Productivo vs. El Usuario Buscador La diferencia entre ambos no es saber escribir "prompts secretos" ni memoriarse trucos. Es una forma de pensar el trabajo El usuario productivo no ve a la IA como un sabio que tiene respuestas; la ve como un ejecutor sin criterio propio al que hay que dirigir con precisión quirúrgica. 2. Nuestro Sesgo: La ilusión de la "Masa Eficiente" Aquí viene la autocultura: quienes usamos la IA para orquestar procesos, programar, estructurar proyectos o automatizar flujos, caemos en un sesgo enorme de falso consenso. Estar inmerso en entornos donde todo el mundo habla de agentes, automatizaciones y flujos de trabajo hace que sea fácil pensar que todo el mundo está optimizando su vida con esto. - Creemos que el % de adopción real es alto, cuando en realidad lo que es alto es la curiosidad o el uso superficial. - Se nos olvida que la mayoría de la gente no quiere (ni tiene por qué) aprender a diseñar arquitecturas de prompts, iterar contextos o conectar MCPs. - Asumimos que la productividad es obvia, cuando para la mayoría sigue siendo una interfaz frustrante que entrega párrafos bonitos pero inútiles. El uso como buscador es una fase de alfabetización, no de productividad. Si queremos que la adopción deje de ser un eslogan de prensa y se convierta en impacto real, los que estamos del lado "avanzado" tenemos que dejar de asumir que todos entienden el potencial y empezar a enseñar criterio de flujo, no solo comandos.

Hoy recibí un regalo de $7.500 USD en infraestructura con GPUs NVIDIA. Al revisar las opciones disponibles, me encontré con dos alternativas principales: 1. A100 SXM (40GB VRAM) a $1,99/hr: Queda muy al límite para un modelo como Qwen 2.5 72B-AWQ (que pide ~36GB solo en pesos). Nos forzaría a bajar a un modelo de 32B o sacrificar la concurrencia y el KV cache. 2. H100 PCIe (80GB VRAM) a $3,29/hr: Es la mejor opción. Nos da espacio suficiente para el modelo 72B-AWQ, el draft model y soporte para cientos de peticiones concurrentes sin saturar la GPU. El desafío principal es que este servicio cobra por hora, no por token. Puedo procesar todo el volumen que la velocidad del sistema me permita, pero si no mantengo un tráfico mínimo, desperdicio cómputo y dinero. Mi objetivo principal es construir un chatbot de ventas automatizado. Sin embargo, viendo la visión de Jensen Huang sobre el ecosistema de startups, el síndrome del impostor atacó fuerte: tener semejante potencia de cálculo te hace dudar de si la estás usando en algo lo suficientemente grande. Si tuvieran esta infraestructura a disposición, ¿cómo la aprovecharían al máximo? Los leo 👇 https://youtu.be/RlXZlh90zIs?si=qdql9QxVer9SGmGJ