mysummit.school - Blog de IA para Managers

Make Weak Model Great Again: cuando el prompting es tu única opción

7 min de lectura

No todos los managers tienen acceso a GPT-5.4 o Claude. En Rusia, un proyecto de ley sobre «modelos de confianza» podría restringir el uso de modelos extranjeros en organismos estatales e infraestructura crítica a partir de septiembre 2027 – dejando a GigaChat, Alice (YandexGPT) y pocos más como únicas opciones. Pero este no es solo un problema ruso. Cualquier organización que despliega un modelo local de Llama por privacidad de datos, usa Phi o Mistral por costes, o simplemente trabaja con un modelo más barato que el líder del mercado – se enfrenta a la misma pregunta.

En nuestro estudio de 54 modelos, GigaChat obtuvo 3,26 de 5; GPT-5.4 – 4,80. Una brecha del 32%.

Si el modelo que tienes es lo mejor a lo que puedes acceder – por regulación, por presupuesto, por política de seguridad – ¿puede la ingeniería de prompts cerrar esa distancia?

Leer más
Make Weak Model Great Again: cuando el prompting es tu única opción
Claude Code cuesta 100 $/mes – OpenCode hace lo mismo gratis
15 min

Claude Code cuesta 100 $/mes – OpenCode hace lo mismo gratis

En marzo de 2026, Lenny Rachitsky publicó un artículo con un título rotundo: «Everyone should be using Claude Code». El material se extendió por LinkedIn, acumuló cientos de miles de visualizaciones, y ahora cada semana algún manager pregunta: ¿cómo puedo probarlo?

La respuesta es incómoda. Claude Code requiere una suscripción Anthropic Max de 100 dólares al mes. Es uno de los agentes de IA más comentados del año – y está detrás de un muro de pago que no todos pueden o quieren asumir. Para muchos equipos, ese coste recurrente es difícil de justificar solo para explorar una herramienta nueva.

Existe una alternativa directa. OpenCode es un proyecto open-source que hace exactamente lo mismo, funciona con cualquier modelo (incluidos los gratuitos) y se instala en 15 minutos.

Cuándo la IA perjudica el aprendizaje – y cuándo duplica los resultados
12 min

Cuándo la IA perjudica el aprendizaje – y cuándo duplica los resultados

En marzo de 2025, en SXSW EDU, la asesora en prospectiva estratégica Sinead Bovell presentó una conferencia sobre la IA y el futuro de la educación. Sin euforia y sin alarma. Pero con dos estudios que cambian la forma de pensar sobre el papel de la IA en el aprendizaje.

El primero: un grupo de estudiantes que usó ChatGPT sin restricciones obtuvo resultados un 17% peores que el grupo de control que trabajó con el libro de texto. El segundo: otro grupo, donde la IA se aplicó dentro de un sistema de aprendizaje completamente rediseñado, duplicó los resultados frente a la clase magistral tradicional.

La misma herramienta. Resultados opuestos. La diferencia está en el enfoque.

GigaChat Ultra Thinking: piensa mas tiempo – responde peor?
8 min

GigaChat Ultra Thinking: piensa mas tiempo – responde peor?

GigaChat Ultra Thinking piensa mas tiempo y consume mas recursos computacionales. Las tareas de gestion las resuelve un 3,3% peor que la version sin razonamiento. Esto no es un error ni una casualidad – es un patron documentado por trabajos academicos durante los ultimos dos anos.

Esta semana, Sber presento GigaChat Ultra – su nuevo modelo insignia con modo de razonamiento (Thinking). El modelo esta disponible de forma gratuita en la version web, aplicaciones moviles y a traves del bot de Telegram. Anadimos inmediatamente ambas variantes a nuestra investigacion de modelos de IA para gestores: los evaluamos en los 32 escenarios siguiendo la metodologia unificada, los calificamos con ambos jueces LLM y los comparamos con los otros 52 modelos.

IA y el ritmo del proyecto: cómo un manager puede liberar 300 horas al año
15 min

IA y el ritmo del proyecto: cómo un manager puede liberar 300 horas al año

Doce horas a la semana. Es el tiempo que un project manager típico dedica a informes, actualización de planes, comunicación con stakeholders y seguimiento de riesgos. Casi un tercio de la jornada laboral que no se destina a tomar decisiones, sino a documentarlas.

Con IA, ese tiempo se reduce a tres horas. Pero solo con una condición: la IA debe estar integrada en el ritmo operativo del trabajo, no utilizarse de forma esporádica – “cuando te acuerdas”.

Kimi de Moonshot en 2026: K3, K2.6, K2.7-Code y agentes
22 min

Kimi de Moonshot en 2026: K3, K2.6, K2.7-Code y agentes

¿Puede un modelo chino abierto competir con los buques insignia cerrados de OpenAI y Anthropic? Según nuestras pruebas independientes, el nuevo Kimi K3 (lanzado el 16 de julio de 2026) se colocó en el 2.º puesto de 47 modelos. Por encima solo queda GPT-5.6 Sol – y, a diferencia de él, K3 es de pesos abiertos, cuesta una fracción de lo que cobran GPT o Claude y puedes ejecutarlo en tu propia infraestructura, con los datos bajo tu control conforme al RGPD.

Chat Z.AI (GLM-5) en 2026: el modelo chino que finge ser Claude
27 min

Chat Z.AI (GLM-5) en 2026: el modelo chino que finge ser Claude

El 6 de febrero de 2026 apareció en OpenRouter un modelo anónimo llamado «Pony Alpha»: gratuito y sin ningún dato sobre quién lo había creado. La comunidad de IA se puso de inmediato a averiguarlo. En programación se acercaba mucho a Claude Opus 4.5. Si le preguntabas «¿quién eres?», respondía: «Soy GLM». Pero cuando le pidieron una página web que lo describiera, escribió: «I am Claude, created by Anthropic».

Pasaba siempre, sin excepción. Y ese detalle condiciona todo lo que hay que saber sobre GLM-5 antes de llegar a los benchmarks y las tarifas.

La IA ahorra al docente 6 horas por semana. Pero el 97% no lo nota
13 min

La IA ahorra al docente 6 horas por semana. Pero el 97% no lo nota

La encuesta de Gallup y Walton Family Foundation (2024–2025, muestra representativa de docentes en EE.UU.) registró una cifra impresionante: los profesores que usan IA de forma regular ahorran en promedio 5,9 horas por semana – el equivalente a seis semanas laborales completas en un año escolar. Suena como un problema resuelto.

Pero la encuesta paralela de la Royal Society of Chemistry (2024, Reino Unido) muestra otra realidad: el 44% de los docentes probó la IA, pero solo el 3% reportó una reducción real de su carga laboral. Un profesor de matemáticas de Irlanda explicó la brecha con más precisión que cualquier estadística: «La IA genera fichas rápido, pero hay que revisarlas a fondo – y el ahorro de tiempo termina siendo menor de lo esperado».

¿Quién tiene razón? Ya analizamos la crisis de la IA en la educación desde la perspectiva del estudiante – el 86 % de los estudiantes usan IA, pero el pensamiento crítico se degrada. Ahora – la perspectiva del instructor. En los últimos dos años se han acumulado suficientes datos experimentales para responder a esta pregunta no con opiniones, sino con cifras.