🔥 Comparto mis apuntes:

Aprender a ser AI native empieza hoy. Aquí tienes una guía clara y directa para arrancar tu proyecto con confianza: de las bases como la ventana de contexto y el razonamiento en LLM, hasta cómo elegir modelo por velocidad, precio e inteligencia, practicar prompt engineering, y construir el MVP del MVP con herramientas que aceleran del prototipo al deploy.
¿Qué bases de IA necesitas para ser AI native?
Conocer los fundamentos te ahorra tiempo y dinero. Los LLM procesan grandes volúmenes de texto para generar información nueva y hoy son multimodales: texto, imágenes, audio y video. Pero el punto clave es entender qué entra y qué sale en cada interacción.
¿Qué es la ventana de contexto y por qué importan los tokens?
La ventana de contexto es cuántos tokens puede procesar el modelo en una sola pasada. Incluye tu conversación, archivos cargados, historial y el propio razonamiento que el modelo genere. No incluye su entrenamiento previo.
¿Qué es el razonamiento y cuándo activarlo?
El razonamiento (thinking) indica al modelo que “piense paso a paso”. Mejora resultados en problemas complejos, pero consume más tiempo y tokens.
Además, refuerza tu base con prompt engineering: el prompt son las instrucciones; optimizarlas es clave. Un prompt mediocre arruina incluso al mejor modelo. Estructura, claridad y contexto marcan la diferencia.
¿Cómo elegir el modelo y equilibrar velocidad, inteligencia y precio?
Selecciona con criterio y prueba. Lo ideal surge del balance entre lo que necesitas y lo que puedes pagar, no solo del “mejor” modelo en abstracto.
¿Qué dicen los benchmarks sobre inteligencia y rapidez?
Los benchmarks ayudan a comparar. Se destacó que GPT 5.2 lidera en “inteligencia” y que Anthropic (Claude Opus) y Google (Gemini 3) compiten de cerca. También se mencionaron DeepSeek, Mistral y Meta, con rendimientos distintos.
¿Cómo impacta el precio en tu decisión?
El precio importa tanto como el rendimiento.
¿Qué proyecto construir y con qué herramientas?
El éxito nace de un problema real y concreto. Practica a diario durante los 21 días y aplica la regla KISS (keep it simple, stupid): empieza pequeño, itera, lanza y aprende del feedback.
¿Cómo encontrar un problema real y simple?
¿Cómo definir hipótesis y crear el MVP del MVP?
¿Qué herramientas aceleran del prototipo al deploy?
Tips rápidos de la sesión:
Logística del reto AI Native:
¿Qué problema vas a resolver y cómo será tu MVP del MVP? Cuéntalo en los comentarios y comparte tu avance para recibir feedback de la comunidad.
Aprender a ser AI native empieza hoy. Aquí tienes una guía clara y directa para arrancar tu proyecto con confianza: de las bases como la ventana de contexto y el razonamiento en LLM, hasta cómo elegir modelo por velocidad, precio e inteligencia, practicar prompt engineering, y construir el MVP del MVP con herramientas que aceleran del prototipo al deploy.
Conocer los fundamentos te ahorra tiempo y dinero. Los LLM procesan grandes volúmenes de texto para generar información nueva y hoy son multimodales: texto, imágenes, audio y video. Pero el punto clave es entender qué entra y qué sale en cada interacción.
La ventana de contexto es cuántos tokens puede procesar el modelo en una sola pasada. Incluye tu conversación, archivos cargados, historial y el propio razonamiento que el modelo genere. No incluye su entrenamiento previo.
El razonamiento (thinking) indica al modelo que “piense paso a paso”. Mejora resultados en problemas complejos, pero consume más tiempo y tokens.
Además, refuerza tu base con prompt engineering: el prompt son las instrucciones; optimizarlas es clave. Un prompt mediocre arruina incluso al mejor modelo. Estructura, claridad y contexto marcan la diferencia.
Selecciona con criterio y prueba. Lo ideal surge del balance entre lo que necesitas y lo que puedes pagar, no solo del “mejor” modelo en abstracto.
Los benchmarks ayudan a comparar. Se destacó que GPT 5.2 lidera en “inteligencia” y que Anthropic (Claude Opus) y Google (Gemini 3) compiten de cerca. También se mencionaron DeepSeek, Mistral y Meta, con rendimientos distintos.
El precio importa tanto como el rendimiento.
El éxito nace de un problema real y concreto. Practica a diario durante los 21 días y aplica la regla KISS (keep it simple, stupid): empieza pequeño, itera, lanza y aprende del feedback.
Tips rápidos de la sesión:
Logística del reto AI Native:
¿Qué problema vas a resolver y cómo será tu MVP del MVP? Cuéntalo en los comentarios y comparte tu avance para recibir feedback de la comunidad.
🔥 Comparto mis apuntes:

Gracias a todos por ver mi clase, espero que sea el inicio que necesitaban para este gran reto!
Este reto no va solo de IA, va de atrevernos a hacer las cosas distinto. Llegamos con dudas, sueños y ganas reales de transformar nuestra forma de trabajar y crear. Qué potente saber que no estamos solos en este proceso. Si estás aquí, es por algo. ¿Qué te gustaría cambiar o potenciar en estos 21 días? Te leo 💚🚀
APUNTES CLASE:
LLM = Large Language Models
🔹 Son multimodales:
🔹 Es clave entender:
🧩 Definición Cantidad de tokens que el modelo puede procesar en una sola pasada.
⚠️ Trade-off Ventana más grande ➜ 💸 mayor costo ➡️ Evaluar si realmente se necesita.
🧠 Activar razonamiento paso a paso:
🚀 Rápidos
🎯 Ideales para tareas simples
Ejemplos:
🔍 Mejor desempeño en análisis complejos
Ejemplos:
🛠️ Ventaja extra:
⚠️ Un mal prompt puede arruinar incluso al mejor modelo.
Siempre balancear:
📌 Benchmarks ayudan
📌 Probar siempre en casos reales
🗓️ Nov 2025 – Ene 2026
🥇 OpenAI
🥈 Anthropic
🔹 DeepSeek / Meta
🔸 Mistral
Ejemplos destacados:
🎯 Empezar con un problema real y simple
📌 Reglas clave:
🔹 Paso a paso:
1️⃣ Definir hipótesis clara
2️⃣ Crear el MVP del MVP:
3️⃣ Validar con 👥 5–10 usuarios
4️⃣ 🔄 Iterar
Wow, que buena Live Class, nunca decepciona Adriana, me encanta lo fácil que explica los conceptos y los aterriza a la realidad, todo desde lo más básico… como comento “esto es una pincelada”. Desde cosas como la ventana de contexto, como se pueden aprovechar mejor los tokens una vez sabiendo como se consumen. Modelos con y sin razonamiento. También me encanto la desmitificación del proyecto… me quebraba la cabeza pensando cosas demasiado abstractas y viendo mis hobbits encontré el adecuado identificando un problema en ellos, increíble. Finalmente, como trabajar el proyecto con diferentes herramientas. Simplemente, excelente Crack Adriana, gracias por comenzarlo simple.
🏆 OPCIÓN 1: "El Auditor de Bolsillo" (Expense Police)
El Problema: Registrar gastos es aburrido. Los Excels se llenan a fin de mes (cuando ya es tarde). Tu gastas en tecnología y comida, y te enteras 30 días después.
La Solución AI: Un bot de WhatsApp/Telegram al que le envías una foto de la factura o una nota de voz ("Gasté 50 mil en hamburguesas") y la IA lo extrae, categoriza y te regaña si te pasas del presupuesto.
Por qué funciona para ti: Ataca tu fuga de capital en tiempo real.
Modelo: Gemini Flash (Rápido y barato para visión/texto) o GPT-4o mini.
Herramientas: N8N (Orquestación sin código complejo), WhatsApp/Telegram API.
Valor Único: No solo registra. Analiza. Si compras otro gadget, la IA responde: "Diego, llevas 2M en tecnología este mes. Recuerda la deuda del ICETEX. ¿Realmente necesitas esto?". (Personalidad "Amigo Financiero en tiempo real").
HOJA DE RUTA (MVP del MVP) para esta semana:
Siguiendo la clase de Platzi:
Hipótesis: "Si reduzco la fricción de registrar gastos usando voz/fotos, tendré datos reales para controlar mis impulsos de compra".
El Diagrama (Papel): Input: Foto/Audio en Telegram. Proceso: N8N recibe -> Manda a OpenAI/Gemini -> Extrae JSON (Monto, Categoría, Comentario).
Output: Guarda en Google Sheets -> Responde al usuario con feedback.
Herramientas a usar:
N8N: Para conectar Telegram con la IA y Google Sheets. Gemini Flash: Para procesar las imágenes rápido y barato. Google Sheets: Tu base de datos (que ya amas).
EMPECEMOS!
Esta infografía muestra el MVP del MVP del Whaber Travel-Ops Brain, cómo una conversación en WhatsApp se convierte en una operación de viaje en tierra confirmada.
Aerocar es el primer rail que ejecuta el flujo, pero el sistema está diseñado para escalar a hoteles, aeropuertos y corporate travel.
Conversación como interfaz · Decisión · Estado · Ejecución.

Solo una clase y ya me siento super motivado, pronto con mi propio JARVIS 😅
Les dejo un resumen.
Resumen de notas — Reto 21 días IA
Siento el reto algo complicado 🥺, sacar un curso completo en un día lo siento difícil, más porque hay cursos de 25 clases, yo solo cuento con 3 horas al día para estudiar después de trabajar, lo que sí voy hacer aunque me cueste es tomar todos los cursos aunque no cumpla con el reto.