¿Cómo superar a la mayoría de las personas a tu alrededor en la era de la IA?
Algunos podrían decir que es simple: instala más habilidades, cambia a más herramientas y abre más membresías.
Pero ¿cuál es el resultado?
Has instalado un montón de herramientas, tu factura mensual de tokens es más aterradora que tu salario, y tu jefe aún no te ha dado un ascenso ni un aumento.
¿Por qué?
Porque cuando todos usan las mismas herramientas, las herramientas se convierten en la nueva línea de base. Si tú puedes usarlas, otros también pueden. Saber usarlas solo te pone en la misma línea de salida que todos los demás; nadie ha superado a nadie.
Lo que realmente te permite superar a quienes te rodean no es qué herramientas usas, sino si puedes iterar continuamente tu capacidad para usar esas herramientas.
Este método se llama PDCA y tiene décadas de historia. Ahora, sigue siendo efectivo en la era de la IA.
¿Por qué PDCA?
El método PDCA ayudó a la manufactura japonesa a superar a EE. UU., y este mismo método puede ayudarte a superar a tus rivales en el trabajo o en la competencia empresarial.
Pero la pregunta es, ¿por qué un método efectivo para la manufactura también impulsa el uso eficiente de la IA?
Porque PDCA es esencialmente el método central para optimizar cualquier proceso.
El trabajo en la línea de ensamblaje de Toyota y el trabajo que haces con IA todos los días son procesos repetibles, por lo que ambos pueden optimizarse.
Este método fue traído a Japón hace más de setenta años por un maestro estadounidense de gestión de calidad llamado Deming, lo que permitió que la manufactura japonesa derrotara a EE. UU.
Tiene cuatro pasos:
- Plan: Haz un plan
- Do (Hacer): Ejecuta el plan
- Check (Verificar): Registra lo que hiciste y analiza lo que no funcionó
- Act (Actuar): Itera de nuevo, haciendo que cada vez sea un poco mejor que la anterior.
Este método derivó una serie de ideas, como Lean Manufacturing y Lean Startup.
Este es el pasado y presente de PDCA, pero hay una pregunta más grande: ¿cómo implementas PDCA en la era de la IA?
Cómo Implementar PDCA en la Era de la IA
El ciclo PDCA en la era de la IA debe volverse más nativo de la IA. Simplemente iterar como los procesos tradicionales ya no es lo suficientemente rápido; necesita automatizarse y ser extremadamente rápido.
¿Cómo logras esto?
Primero analicemos dónde se quedan atascadas la mayoría de las personas con PDCA.
La gente piensa que se atasca en el análisis y la mejora. En realidad, el cuello de botella está antes, en el primer paso: el registro.
Piénsalo: finalmente charlas con una IA para crear un flujo de trabajo útil, pero luego lo olvidas o eres demasiado perezoso para registrarlo.
Sin un registro, ¿qué analizas? ¿Qué mejoras?
Así que PDCA se rompe justo en el paso de registro.
En la vieja era, el registro dependía de que las personas escribieran documentos y tomaran notas. Pero la gente es perezosa y está ocupada; simplemente no puede mantenerlo.
Por lo tanto, en la era de la IA, el registro debe delegarse a una herramienta nativa de IA para que lo haga automáticamente.
¡Esa herramienta es flowtrace!
flowtrace puede convertir automáticamente todo tu flujo de trabajo con IA en un registro reutilizable, que es una "traza" (trace).
Instalarlo no es difícil. Clona el proyecto desde GitHub y ejecuta un comando de instalación:
git clone https://github.com/AIScientists-Dev/flowtrace.git
cd flowtrace
./scripts/install.sh
Luego copia su skill make-trace en la carpeta de skills de tu IA, e ingresa /make-trace para comenzar.
Entonces, ¿qué puede hacer realmente?
El sitio web oficial enumera varias características:
- Transparente: La salida de cada paso es un archivo abrible; el proceso es visible, no está enterrado en mensajes
- Documentado: Cada conclusión puede apuntar al archivo del que proviene; tú verificas, no confías ciegamente
- Intervenible: Cambia un paso, y solo los pasos que dependen de él se volverán a ejecutar; el resto permanece igual
- Trazable: Toda la ejecución consiste en archivos más git; detente y reanuda en cualquier momento, y revisa el historial completo
- Reutilizable: Una vez que una tarea está hecha, se convierte en una traza; cambia la entrada y ejecútala de nuevo
- Evolucionable: Cuanto más se ejecuta, más perfecta se vuelve; si un paso no cumple con los estándares, la siguiente versión lo reemplaza con un método que sí lo hace
¿Lo ves? Estas características son esencialmente herramientas adaptadas para cada paso de PDCA:
- Registro: Depende de la transparencia (cada paso se convierte en un archivo) más la documentación (las conclusiones apuntan a las fuentes)
- Análisis: Depende de la trazabilidad (revisar el historial de cada paso como git)
- Mejora: Depende de la intervenibilidad (solo cambia un paso, y solo sus dependencias se vuelven a ejecutar)
- Mejores Ciclos: Depende de la reutilización (ejecutar de nuevo con diferentes entradas) más la evolución (cuanto más se ejecuta, mejor se vuelve)
Proporciona todo lo necesario para cada paso de PDCA.
Cómo usarlo
Esencialmente, llama a este skill y ordénale qué hacer basado en estas funciones.
Si aún no sabes cómo usarlo, el sitio web también tiene un montón de casos listos para usar en varios campos:
- Redactar currículums
- Seleccionar acciones
- Hacer debida diligencia en adquisiciones de SaaS
- Ejecutar escaneos de seguridad
- Redactar informes de la industria
- Corregir errores
- Optimizar la colocación de anuncios
- Destilar el pensamiento de una persona en un skill
- Convertir un guion de discurso en una presentación de diapositivas estilo revista
Aún podrías estar confundido, así que déjame mostrarte un ejemplo real.
Optimizando el Proceso de Evaluación de Proyectos Open Source
Recientemente tuve la tarea de evaluar varios proyectos open source, así que lo usaré como ejemplo.
Paso 1: Ejecutar y Registrar
Anteriormente usé Claude Code para investigar un proyecto open source, charlando de un lado a otro, lo que resultó en un largo historial de chat.
Ahora en Claude Code, ingreso: /make-trace record this open-source project research workflow.
Comienza a ejecutarse solo. ¿Adivina qué está haciendo debajo?
Desglosa mi proceso de investigación paso a paso: primero clona el proyecto, luego lee el README para entender la estructura, luego se divide en varias rutas—leer documentos clave, mirar ejemplos, verificar competidores—y finalmente lo resume en una nota de investigación.
Después de desglosarlo, me pide que inicie un servidor local. Cuando abro el navegador, el diagrama de proceso completo está ahí, nodo por nodo, mostrando claramente qué se conecta con qué.
Cómo fue mi investigación ahora está solidificado en una traza reutilizable. Esto es el registro.
Paso 2: Análisis
El registro es solo el comienzo; poder ejecutarlo de nuevo es donde reside el valor.
Cambié a un segundo proyecto, puse la dirección y le dije a la IA que lo volviera a ejecutar según esta traza.
¿Cómo se ejecutó?
Siguió el diagrama, nodo por nodo. En cada paso, leyó las instrucciones, hizo el trabajo, escupió un archivo y pasó al siguiente paso. Capa por capa, se ejecutó hasta el final por sí solo.
Mientras se ejecutaba, surgieron problemas. Mi traza solo se centraba en la documentación y los competidores, pero omitía una gran parte: no verificaba en absoluto la salud del proyecto—cuántas estrellas tiene, si los issues se están atendiendo, cuánto tiempo desde la última actualización.
Mira, al reutilizar, puedes ver dónde falla el método a través de la visualización, lo que lo hace perfecto para el análisis de proyectos.
Paso 3: Mejora
Directamente le dije en la línea de comandos que agregara un paso a esta traza específicamente para verificar la salud del proyecto. Lo agregó sin dudar, y un nuevo nodo apareció inmediatamente en el diagrama.
Después de agregar el nodo, lo usé para ejecutar un tercer proyecto. El resultado mostró inmediatamente un gran contraste: este proyecto tenía 34,800 estrellas, una estrella total, pero al revisar los issues, había más de 800 atrasados, y ni una sola línea de código se había movido en los últimos tres meses.
En todo este proceso, no inventé nada nuevo. Solo registré el trabajo realizado cada vez, encontré fallas la próxima vez que lo usé y las corregí en el camino.
A través de este proceso, puedes ver cómo este proyecto implementa PDCA para un flujo de trabajo.
Finalmente
Lo que realmente crea una brecha en la era de la IA nunca es cuántas herramientas has instalado. Es si tienes un método para hacer que las herramientas funcionen mejor cuanto más las usas.
PDCA te da este método, y flowtrace te ayuda a implementarlo.
Todos tienen herramientas. Solo aquellos que pueden optimizar procesos saldrán adelante en la competencia.
Si también quieres que tu IA sea más útil, ve a instalar flowtrace primero, elige la tarea que repites con más frecuencia y ejecútala una vez: registra, analiza, mejora.
Una última cosa, flowtrace es un proyecto open source lanzado gratuitamente por el autor. Si te resulta útil, dale una estrella. La dirección está aquí:
https://github.com/AIScientists-Dev/Flowtrace
¡Las cosas buenas merecen ser vistas por más personas!
