Mi perspectiva honesta sobre la IA

Hay mucho hype alrededor de la IA. También hay mucho escepticismo defensivo. La realidad, en mi experiencia, está en el medio: la IA es una herramienta, útil en algunos contextos y sobreestimada en otros.

Voy a compartir los usos concretos que me dan valor real trabajando con IT y aprendiendo tecnología, no los casos de uso teóricos.

1. Depurar errores y entender mensajes de error

Este es probablemente mi uso más frecuente. Cuando me encuentro con un error que no entiendo, antes buscaba en Stack Overflow durante 20 minutos. Ahora pego el mensaje de error con el contexto relevante en un LLM y en segundos tengo una explicación clara y opciones de solución.

Lo importante es dar contexto: no solo el mensaje de error, sino la versión del software, qué estaba haciendo, y el fragmento de código o configuración relevante.

2. Explicar conceptos técnicos que no domino

Cuando leo documentación técnica y hay algo que no entiendo, pido una explicación adaptada a mi nivel. "Explícame cómo funciona el TLS handshake como si supiera de redes pero no de criptografía" — ese tipo de solicitud ajustada al contexto es donde los LLMs brillan.

También uso esto para aprender comandos nuevos: "¿Qué hace exactamente iptables -A INPUT -m state --state ESTABLISHED,RELATED -j ACCEPT?"

3. Generar borradores de scripts y configuraciones

Para scripts de automatización, archivos de configuración, expresiones regex o consultas, pido un borrador y lo reviso. No copio y pego a ciegas —siempre entiendo qué hace antes de ejecutarlo— pero tener un punto de partida que funciona el 80% del tiempo ahorra mucho tiempo.

Regla personal: nunca ejecuto código generado por IA sin entenderlo. El riesgo de ejecutar algo que hace exactamente lo contrario de lo que crees es real.

4. Preparar documentación interna

Escribir documentación es tedioso. Dado un procedimiento que ya sé hacer, pido que me ayude a estructurarlo en formato markdown o a hacer un runbook. El resultado necesita revisión, pero el punto de partida ahorra tiempo.

5. Aprender haciendo preguntas de seguimiento

Lo que más valoro de los LLMs para aprender es la conversación iterativa. Puedo preguntar, pedir que profundice en un punto, pedir un ejemplo diferente, preguntar "¿y por qué no usar X en lugar de Y?" sin sentirme mal por hacer preguntas "básicas".

Lo que NO uso para IA

También es importante saber los límites:

  • Información muy reciente: los modelos tienen fecha de corte. Para CVEs o versiones actuales, mejor las fuentes oficiales
  • Decisiones de arquitectura críticas: un LLM no conoce el contexto completo de tu infraestructura ni las restricciones de tu organización
  • Datos confidenciales: nunca pego contraseñas, tokens, datos de clientes o información sensible en modelos en la nube. Para eso uso modelos locales con Ollama
  • Verificación de seguridad: un LLM puede decirte que un código "parece seguro" pero no es un sustituto de una auditoría real

Herramientas que uso

  • Claude (Anthropic): mi preferido para razonamiento complejo, documentación y análisis largo
  • ChatGPT: bueno para consultas rápidas y generación de código
  • Ollama + llama3: para todo lo que no quiero que salga de mi máquina
  • GitHub Copilot: autocompletado en el editor, ahorra tiempo en boilerplate

Reflexión final

La IA no me hace más inteligente ni más experto. Me hace más rápido en las cosas que ya sé hacer y me ayuda a aprender cosas nuevas con menos fricción. Eso, para alguien que aprende IT de forma autodidacta, es mucho valor.