Copiar y pegar lo que la inteligencia artificial te entrega sin revisarlo es uno de los errores más comunes al trabajar con herramientas como Claude Cowork. Si quieres resultados realmente útiles, necesitas aprender a dirigir el proceso y verificar lo que la IA produce. Esta guía es para quienes usan IA en investigaciones o tareas de múltiples pasos.

Por qué no debes copiar y pegar lo que te da la IA

Seguro te ha pasado: le pides algo a Claude, te entrega un documento o un archivo, lo copias y cierras el proceso. Eso está completamente mal. El valor no está en obtener una respuesta, sino en supervisar cómo la IA llega a ella.

Trabajar bien con IA se parece a delegar una tarea a alguien: no entregas el trabajo final sin revisarlo antes. Aquí entra la idea de dirigir y revisar los resultados [00:28], una habilidad que separa un uso superficial de uno estratégico.

¿Por qué no debo copiar directo lo que me da la IA? Porque la IA puede malinterpretar instrucciones ambiguas o entregar datos sin verificar. Revisar el plan y los pasos te asegura que el resultado coincide con lo que realmente necesitas.

Cuáles son los tres chequeos clave al trabajar con IA

Existen tres verificaciones que deberías hacer siempre que trabajas con Claude Cowork [01:05]. No son opcionales: son el filtro entre un resultado mediocre y uno confiable.

1. Leer muy bien el plan que te entrega la IA antes de ejecutarlo.
2. Revisar lo que Claude hace mientras el plan está en ejecución, sin dejarlo correr solo.
3. Aprobar con intención, siendo específico en cómo quieres que se haga cada paso.

El tercer punto es el más sutil. Aprobar con intención no significa decir "sí" o "hazlo" [01:37], sino detallar exactamente la forma en la que quieres que la tarea se ejecute.

Cómo modificar una orden de la IA en tiempo real

Una de las funciones más potentes de Cowork es que puedes cancelar o modificar una orden de múltiples pasos mientras se ejecuta [01:50]. Si te equivocaste a mitad del proceso, no tienes que empezar de cero.

En el ejemplo de la clase, se pidió una investigación sobre las tres comunidades de inteligencia artificial más influyentes de Colombia, junto con un HTML interactivo para comparar usuarios y eventos recurrentes [02:10]. A mitad del proceso, se cambió el entregable de HTML a un documento en PDF usando una funcionalidad llamada Queue [03:10].

¿Qué es el Queue en Claude Cowork? Es una cola que te permite enviar nuevas instrucciones mientras una tarea ya está corriendo. Así puedes cambiar el resultado esperado sin interrumpir la investigación en curso.

Cómo configurar el modelo y el esfuerzo para una investigación profunda

No todas las tareas requieren el mismo modelo. Para datos más avanzados, en la clase se cambió al modelo Opus y se dejó el effort en medium en lugar de high [02:40]. Esta decisión depende de qué tan profunda necesitas la búsqueda.

Aquí hay un dato concreto que vale la pena recordar: Claude tiene la capacidad de hacer investigación profunda en aproximadamente 200 fuentes de información en tiempo real [03:00]. Esa amplitud explica por qué modelos como Opus se toman más tiempo en responder.

Opus destaca por su pensamiento adaptativo [04:30], lo que significa que ajusta su búsqueda según lo que le pediste, rastreando la mejor información en la mayor cantidad de fuentes posibles.

Por qué un prompt ambiguo genera preguntas de la IA

En el ejemplo, la palabra "influyente" se usó de forma intencionalmente imprecisa [03:30]. Y aquí viene lo interesante: Claude detectó la ambigüedad y empezó a hacer preguntas de vuelta.

La IA preguntó si influyente se refería al tamaño, a la actividad o al alcance en varias ciudades [03:50]. Esto demuestra que un buen flujo de trabajo es conversacional, no un monólogo donde tú lanzas una orden y esperas.

Cuando pides un proceso de múltiples pasos en un modelo avanzado como Sonnet u Opus, aparecen los steps o pasos en la pantalla [05:10]. En el caso de la investigación, los pasos fueron:

• Investigar las comunidades.
• Construir el PDF comparativo.
• Verificar el PDF y entregarlo.

Ver esos pasos te da control: sabes qué está haciendo la IA antes de dejarla trabajar de manera autónoma.

Qué incluye un resultado bien dirigido en Cowork

Claude Cowork tiende a entregar artifacts, pero también acompaña cada resultado con un resumen de lo que hizo [05:40]. Ese resumen es tu mapa para revisar rápido.

En el ejemplo final, el entregable incluyó varios elementos verificables:

• El PDF en lugar del HTML, tal como se pidió en el cambio de orden.
• El ranking de las tres comunidades.
• Una sección que explica qué cambió respecto a la instrucción original.
• Una distinción clara entre lo que está verificado y lo que no.

Esa separación entre información verificada y no verificada [06:00] es clave. Te permite confiar en unos datos y poner en duda otros antes de usarlos.

Ahora te toca a ti. Piensa en un proceso que implique una investigación o búsqueda profunda de información y ejecútalo con estos tres chequeos. Comparte tus resultados en los comentarios: estaré revisándolos uno a uno para contarte qué me pareció tu proceso.