¿Cómo superar a la mayoría de las personas a tu alrededor en la era de la IA?
Algunos podrían decir que es sencillo: aprende 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 da más miedo que tu salario, y tu jefe aún no te ha dado un ascenso o un aumento.
¿Por qué?
Porque cuando todos usan las mismas herramientas, las herramientas se convierten en el nuevo estándar. Si tú puedes usarlas, otros también pueden. Saber usarlas solo te coloca en la misma línea de salida que 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 usarlas.
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 Estados Unidos, 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 un uso de alta eficiencia de la IA?
Porque PDCA es, en esencia, el método central para optimizar cualquier proceso.
El trabajo en la línea de ensamblaje de Toyota y el trabajo que haces a diario con la IA son procesos repetibles, por lo que ambos pueden optimizarse.
Este método fue llevado a Japón hace más de setenta años por un maestro estadounidense de gestión de calidad llamado Deming, lo que luego permitió que la manufactura japonesa derrotara a Estados Unidos.
Tiene cuatro pasos:
- Plan: Haz un plan
- Do: Ejecuta el plan
- Check: Registra lo que hiciste y analiza qué no funcionó
- Act: Itera nuevamente, haciendo cada vez un poco mejor que la anterior.
Este método dio origen a 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 ser más nativo de la IA. Simplemente iterar como en los procesos tradicionales ya no es lo suficientemente rápido; necesita ser automatizado y extremadamente rápido.
¿Cómo logras esto?
Primero analicemos en qué punto la mayoría de la gente se queda atascada con PDCA.
La gente cree que se queda atascada 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 te da pereza registrarlo.
Sin un registro, ¿qué analizas? ¿Qué mejoras?
Así que PDCA se rompe justo en el paso del registro.
En la era anterior, el registro dependía de que las personas escribieran documentos y tomaran notas. Pero las personas son perezosas y están ocupadas; simplemente no pueden mantenerlo.
Por lo tanto, en la era de la IA, el registro debe delegarse a una herramienta nativa de IA 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 un "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 empezar.
Entonces, ¿qué puede hacer realmente?
El sitio web enumera varias características:
- Transparente: La salida de cada paso es un archivo que se puede abrir; el proceso es visible, no está oculto 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; puedes detenerte y reanudar en cualquier momento, y hojear el historial completo
- Reutilizable: Una vez que una tarea está hecha, se convierte en un trace; cambia la entrada y ejecútalo de nuevo
- Evolucionable: Cuanto más se ejecuta, más perfecto se vuelve; si un paso no cumple con los estándares, la siguiente versión lo reemplaza con un método que sí lo hace
¿Ves? Estas características son esencialmente herramientas diseñadas 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 (hojear el historial de cada paso como en git)
- Mejora: Depende de la intervenibilidad (solo cambiar 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 ordénalo sobre qué hacer basándote 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 diligencia debida para adquisiciones de SaaS
- Ejecutar escaneos de seguridad
- Escribir informes de la industria
- Corregir errores
- Optimizar colocaciones de anuncios
- Destilar el pensamiento de una persona en un skill
- Convertir un guion de discurso en una presentación tipo revista
Puede que aún estés confundido, así que déjame mostrarte un ejemplo real.
Optimización del proceso de evaluación de proyectos de código abierto
Recientemente tuve la tarea de evaluar varios proyectos de código abierto, así que lo usaré como ejemplo.
Paso 1: Ejecutar y registrar
Anteriormente usé Claude Code para investigar un proyecto de código abierto, charlando de un lado a otro bastante, resultando en un historial de chat largo.
Ahora en Claude Code, ingreso: /make-trace record this open-source project research workflow.
Comienza a ejecutarse solo. ¿Adivina qué está haciendo internamente?
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 (lee documentos principales, mira ejemplos, verifica competidores) y finalmente lo resume en una nota de investigación.
Después de desglosarlo, me pide que inicie un servidor local. Cuando abro el navegador, todo el diagrama del proceso está ahí, nodo por nodo, mostrando claramente qué se conecta con qué.
Cómo fue mi investigación ahora está solidificado en un trace reutilizable. Esto es registro.
Paso 2: Análisis
El registro es solo el comienzo; poder ejecutarlo de nuevo es donde radica el valor.
Cambié a un segundo proyecto, pegué la dirección y le dije a la IA que lo volviera a ejecutar según este trace.
¿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 trace solo se centraba en la documentación y los competidores, pero omitió una parte importante: no verificaba en absoluto la salud del proyecto: cuántas estrellas tiene, si los issues se están resolviendo, cuánto tiempo desde la última actualización.
¿Ves? Al reutilizar, puedes ver dónde falla el método a través de la visualización, lo cual es perfecto para el análisis de proyectos.
Paso 3: Mejora
Directamente le dije en la línea de comandos que agregara un paso a este trace 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 acumulados, 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 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 una tarea que repitas con más frecuencia y ejecútala una vez: registra, analiza, mejora.
Una última cosa: flowtrace es un proyecto de código abierto publicado gratuitamente por el autor. Si te resulta útil, dale una estrella. La dirección es esta:
https://github.com/AIScientists-Dev/Flowtrace
¡Las cosas buenas merecen ser vistas por más personas!
