Abrir libro

mysummit.school - Blog de IA para Managers

La IA se difundió más rápido que Internet – pero el 62% de los usuarios se quedaron en la salida

10 min de lectura

En abril de 2026, Stanford HAI publicó su noveno informe anual AI Index Report – la síntesis más completa sobre el estado de la industria de la inteligencia artificial. Los titulares son previsiblemente optimistas: la adopción empresarial alcanzó el 88%, la IA generativa superó a Internet en velocidad de difusión, y el valor para los consumidores de las herramientas GenAI se estima en 172.000 millones de dólares anuales. Pero al mirar detrás de las cifras, aparece un problema conocido.

Leer más
La IA se difundió más rápido que Internet – pero el 62% de los usuarios se quedaron en la salida
4 tecnicas de prompting probadas en 7 modelos: guia del taller
35 min

4 tecnicas de prompting probadas en 7 modelos: guia del taller

“Analiza el proyecto y dame recomendaciones” – un prompt, siete modelos, y GPT-5.4 produjo 2231 palabras de consejos vagos, mientras Claude Sonnet genero 11 frases elogiosas del tipo “excelente estructura presupuestaria”. Basto con reescribir la solicitud usando una estructura de cinco elementos – los siete modelos se ajustaron a 346–443 palabras, y los elogios desaparecieron. Ahorro de tokens: del 41% al 79% dependiendo del modelo.

Esto no es teoria. Son datos de un taller de “Prompt Engineering en la practica” que imparti en la conferencia IIBA. Un brief de proyecto, cuatro tecnicas, siete modelos, 28 ejecuciones – y $0.054 en total. Mas barato que un cafe de maquina.

99% de calidad por 1,4% del precio: qué falla en el mercado de modelos de IA
8 min

99% de calidad por 1,4% del precio: qué falla en el mercado de modelos de IA

La mayoría de los managers eligen un modelo de IA así: cogen el más caro disponible. La lógica es comprensible – más caro significa mejor. Así ha funcionado con el software empresarial durante los últimos veinte años.

El mercado de modelos de IA en 2026 funciona de otra manera. El coste de una sola consulta varía de $0,0001 a $0,17 – tres órdenes de magnitud. ¿Y la diferencia real de calidad entre los diez mejores modelos? 0,24 puntos en una escala de cinco. Mientras tanto, Wharton / GBK Collective constata que un tercio de los proyectos corporativos de IA no pasan de la fase piloto. Y Epoch AI muestra que solo el 5,6% de los usuarios aplica la IA de forma realmente profunda.

Quizás la pregunta no es qué modelo es mejor, sino si pagar de más por el premium produce un resultado proporcionalmente mejor en tareas de gestión típicas.

Lo comprobamos. La respuesta fue más dura de lo esperado.

Cómo sacar el máximo partido a YandexGPT: qué funciona y qué no
14 min

Cómo sacar el máximo partido a YandexGPT: qué funciona y qué no

En Rusia, millones de personas usan Alice cada día – no porque la elijan, sino porque es gratis, viene integrada en el navegador Yandex y funciona sin VPN. YandexGPT, el modelo que hay bajo el capó de Alice, es el mejor modelo ruso de nuestro benchmark, pero todavía está muy por detrás de GPT-5.4.

¿Es posible obtener de él respuestas cercanas a las de GPT, si aprendes a preguntar bien? Lo comprobamos en un experimento: diez técnicas de prompting, seis tareas de gestión, dos jueces LLM independientes. La respuesta corta: sí, se puede – pero no todas las técnicas funcionan, y algunas empeoran el resultado.

A continuación tienes plantillas concretas que puedes copiar al chat ahora mismo, y los antipatrones que conviene evitar.

LLMs locales para managers: qué se puede ejecutar en casa de verdad
25 min

LLMs locales para managers: qué se puede ejecutar en casa de verdad

Cualquiera que lleve el tiempo suficiente trabajando con ChatGPT o Claude termina haciéndose la misma pregunta: ¿se puede ejecutar algo parecido directamente en el portátil, sin suscripción, sin que los datos salgan de casa y sin depender de servidores remotos?

La respuesta, en 2026, es que sí – pero con matices que importan más que la propia respuesta.

Este artículo es para quienes ya usan LLMs en la nube y quieren entender qué aporta realmente ejecutar una modelo en local, qué hardware hace falta y dónde terminan las expectativas razonables. Sin inmersión técnica profunda, pero con cifras concretas.

P5.express e IA agéntica: dónde ayuda y dónde rompe el sistema
27 min

P5.express e IA agéntica: dónde ayuda y dónde rompe el sistema

En el mundo PMI se suele pensar en la gestión de portafolio como algo monumental: comités, Tableau, cientos de campos en Jira, reuniones de estado semanales con una baraja de diapositivas. P5.express propone algo diferente. Tres ciclos, cinco documentos, dos roles. El sistema cabe en una sola página.

Es precisamente a un sistema así al que tiene sentido incorporar IA agéntica: la arquitectura minimalista es comprensible, los roles son claros, los datos están estructurados. Pero “tiene sentido” no significa “en todas partes”. Algunas partes de P5.express dejan de funcionar al automatizarlas – no porque la IA sea mala, sino porque el sentido de esas partes reside precisamente en el proceso humano.

A continuación – un análisis por cada ciclo. Qué vale la pena delegar a un agente, qué es mejor dejar a las personas, y qué modelo es más adecuado para estas tareas.

El 62% de los usuarios de IA la aplica solo a 1–2 tareas: datos de Epoch AI / Ipsos (marzo 2026)
10 min

El 62% de los usuarios de IA la aplica solo a 1–2 tareas: datos de Epoch AI / Ipsos (marzo 2026)

En noviembre de 2025, los datos de Stanford mostraron un hecho inesperado: los estadounidenses usan IA con más frecuencia en casa que en el trabajo. En mysummit.school lo analizamos en un artículo aparte – y la conclusión entonces fue directa: la IA en el trabajo aún iba por detrás de la personal.

Han pasado cuatro meses. Epoch AI, junto con Ipsos, publicó un nuevo estudio – y el panorama ha cambiado.

El agente en lugar del chat: análisis de datos sin copiar y pegar
12 min

El agente en lugar del chat: análisis de datos sin copiar y pegar

Tienes tres archivos de datos: el funnel de activación, los resultados de un test A/B y los tickets de soporte. La tarea – entender por qué el onboarding se está atascando. Abres ChatGPT, subes el primer archivo, haces una pregunta. Obtienes una respuesta. Subes el segundo archivo. ChatGPT pregunta: ¿puedes recordarme el contexto? Subes el tercero. El contexto del primer archivo ya ha sido desplazado.

Cuarenta minutos después tienes tres conversaciones separadas, y ninguna responde a la pregunta original. Porque la pregunta era una sola, y los datos – estaban en tres sitios distintos.

No es un problema de ChatGPT. Es un problema de enfoque.