Un cambio de paradigma

¿Cómo puede ser que Claude Code sea tan experto, que sepa tan bien como hacer todo?

El 1 de abril de este año pudimos ver por primera vez cómo estaba hecha por dentro la herramienta. No fue por decisión de la empresa sino por un descuido. En una actualización se publicó, sin querer, un archivo llamado source map. Para quien no programa alcanza con saber que es un archivo auxiliar que usan los desarrolladores para depurar errores. Es una especie de mapa que permite reconstruir el código original a partir de la versión comprimida que se distribuye. Con ese mapa en la mano, cualquiera podía volver a armar el código fuente completo.

Alguien lo detectó, lo publicó en redes y enseguida hubo copias circulando por todos lados. Aunque el archivo se retiró rápido, ya era tarde. En internet, lo que se publica una vez no se despublica.

Una empresa valuada en cientos de miles de millones de dólares, con algunos de los mejores equipos de ingeniería del mundo, cometió un error de principiante. Imaginemos los que podemos cometer nosotros.

Pero lo importante no fue el error. Lo importante fue lo que reveló.

Muchos esperaban encontrar una fórmula secreta, algo sofisticado e inalcanzable. Lo que apareció fue otra cosa. Buena parte de la "magia" no estaba en el modelo sino en todo lo que lo rodea. Instrucciones escritas con muchísimo cuidado, un conjunto de herramientas que el modelo puede usar (leer archivos, ejecutar comandos, buscar información) y un ciclo que le permite actuar, mirar el resultado y corregirse.

Saber que otras personas iban a poder estudiar esa arquitectura fue, para mí, liberador. No porque celebre el error, sino porque soy de los que piensan que cuando algo está muy bien hecho, tiene que estar al alcance del mundo. Lo que se aprende se comparte, se mejora y se multiplica.

Claude Code es como tener un programador experto sentado al lado tuyo que puede leer tus archivos, escribir código, ejecutar comandos y corregir errores, todo conversando en lenguaje natural. Pero también puede escribir los términos y condiciones de privacidad de tu web, o el proceso de venta completo de tu empresa, o revisar toda tu cartera de clientes y ordenarla del que más compra al que menos.

No se olvida de nada mientras trabaja. Pide permiso antes de actuar. Conoce tu proyecto. Tiene herramientas reales, no solo palabras. Puede leer tus archivos, editarlos, ejecutar comandos reales, como instalar una base de datos, puede navegar por internet y traer cualquier contenido de una web.

No estamos preguntando y leyendo respuestas, en este caso le delegamos tareas concretas y reales para que sean ejecutadas, y nos va comentando en tiempo real de los avances de la tarea hasta que la termina. Y si algo sale mal, puede deshacerlo. Eso es tan valioso como poder hacerlo.

Claude Code se puede usar por terminal, la pantalla negra donde se escriben comandos. También se puede usar desde su aplicación de escritorio nativa. Es muy amigable su interfaz, por lo que no hay excusa para no probarlo.

Cuando ya estaba más avanzado en el uso de la herramienta, decidí revelarle el secreto a mi socio de Wispro.

La revelación

No podés no estar usando Claude Code.

Él es ingeniero en sistemas, amante de los procesos y de las formalidades. Le estaba dando una herramienta para organizar todo y automatizar tareas repetitivas, que si bien le gustaba hacerlas, siempre prefirió automatizarlas. Era como darle un Ferrari a alguien que ama manejar.

A mi socio le gustan mucho los procesos y super creativo para diseñarlos. Ahora todos esos procesos que ha ido diseñando están mucho más automatizados con IA.

Hace unos días, dándole vueltas a la app que hizo él mismo para procesar pagos, le agregó la funcionalidad de un reintento de cobro a las tarjetas de los clientes en mora, todo usando Claude Code. Eso es un proceso manual de cinco minutos para cada caso, también he hecho durante años esa tarea y siempre pensé cómo no se puede automatizar. Mi socio lo hizo en una tarde.

Creo que esto fue un jueves. Nos vimos el lunes, y su cara de desorbitado y mal dormido era más que evidente.

No me digas nada, estuviste sin parar los cuatro días haciendo cosas, le dije.

Sí. Llegué cinco veces al rate limit de tokens, me dijo.

Claude te deja trabajar, pero controla que no te lleves solo todos los tokens. Te da ventanas de 5 horas, 24 horas y 7 días para que no abuses de su amabilidad. Haber llegado 5 veces al límite en 4 días te dice todo: lo usó mucho.

Es un patrón que he visto repetirse con cada persona que descubre la herramienta. El día que arrancás son tres a siete días sin parar. Juguete nuevo. No dormís bien. Comés cualquier cosa. Cancelás planes. Tu familia te pregunta qué te pasa. Y vos no podés explicarles porque lo que estás haciendo es tan nuevo que no tenés las palabras para describirlo.

Todos en la empresa ahora están como locos usando IA todo el día, todos los días. Suben fotos en Instagram indicando que es fin de semana y están conectados. Los primeros meses son mortales. La dependencia es total. Es dopamina instantánea. Cada tarea resuelta te da una satisfacción que te empuja a resolver la siguiente. No podés parar.

En esos tres días mi socio organizó la forma de procesar pagos que llegaban por WhatsApp con fotos de comprobantes. El problema era viejo. Los clientes mandan una foto del comprobante de pago por WhatsApp, y alguien tenía que abrir esa foto, leer los datos, verificar el monto, buscar al cliente en el sistema, cargarlo manualmente y confirmar la recepción. Este proceso demoraba al menos 5 minutos por pago. 100 pagos al día. 8 horas de trabajo de una persona. Solo para cargar comprobantes. Un proceso que cualquier empresa conoce y que todos esquivan.

Mi socio desarrolló una aplicación para resolver ese problema. Los clientes mandaban sus comprobantes de pago por WhatsApp, como ya lo hacían. Alguien del equipo los descargaba y los subía a la aplicación, y a partir de ahí se encargaba ella. La IA leía cada comprobante y extraía todos los datos, como el monto, la fecha, el banco y el número de operación. Después controlaba que todo tuviera sentido y que los datos coincidieran entre sí.

Con esos datos, la aplicación iba a Stripe¹, buscaba la factura pendiente de ese cliente y verificaba que el pago correspondiera a lo que debía. Recién ahí el comprobante aparecía en una pantalla simple, listo para que una persona lo revisara. Si todo estaba bien, bastaba con aprobarlo y el pago se imputaba automáticamente a esa factura.

Era el mismo proceso que antes se hacía a mano, comprobante por comprobante, pero en segundos en lugar de minutos. El cliente seguía pagando como siempre y el único paso manual que quedaba era subir el archivo. Todo lo que antes llevaba tiempo lo resolvía la aplicación, y la decisión final seguía siendo humana. La IA hacía el trabajo pesado y la persona controlaba.

Tres meses después, esa herramienta ya era otra cosa. Creció mucho y sigue sumando funcionalidades nuevas.

Siempre piensen en la tarea que más se repite y la más fácil de hacer. Que cumpla esas dos condiciones y déjense llevar. La diferencia entre preguntarle a la IA cómo hacer algo y hacerlo en Claude Code es que Claude Code de hecho lo hace. No te da un plan. Te da el resultado.

La familia de modelos de Claude tiene a Opus que es el más inteligente, para pensar a fondo y resolver problemas, yo lo uso todo el tiempo. Sonnet sirve para tareas más repetitivas. Haiku es el más liviano, para respuestas rápidas. Y Fable es para tareas extremadamente complejas, pero por eso también es más costoso. Cada modelo tiene su momento. La clave es saber cuándo usar cuál.

Claude puede leer archivos, imágenes y PDFs. Le copias una imagen, se la pegás y le preguntás "¿cómo resuelvo esto?", el modelo interpreta la imagen, detecta patrones y responde. Puede buscar texto dentro de archivos, puede crear archivos y carpetas. Puede editar total o parcialmente, y puede comparar y mostrarte las diferencias. Es una luz procesando archivos muy grandes y encontrando pequeñas diferencias que a un humano le llevaría horas encontrar. Los otros modelos de las otras empresas también pueden hacer esto.

Pero para mí el poder más grande es el de armar un plan. Evaluar todas las opciones, mencionarlas, elegir una y justificar por qué. Planificar es una capacidad muy compleja y sus planes casi siempre funcionan.

Puede correr scripts, mini programas que él mismo crea para hacer tareas más rápidas, como scrapear una web de noticias. Puede instalar por línea de comando para cualquier programa que necesites, como Python o DuckDB. Con estos poderes, prácticamente puede hacer cualquier cosa. Y lo que no puede hacer hoy, probablemente pueda hacerlo en la próxima versión.

Ese es el ritmo de evolución que tiene esta herramienta. Cada actualización trae capacidades que un mes antes parecían imposibles. Y eso genera una sensación extraña. Por un lado gratificante porque mejora. Por otro, agotadora porque nunca terminás de aprenderla.

Construyendo soluciones

Les cuento el caso de un colega que trabaja en mi equipo. No es programador, es autodidacta. El trabaja para IXC Soft en Brasil. Y desde que se incorporó, recibí muy buenos comentarios de su desempeño como asistente comercial para prospectar clientes, que fue su primer rol en la empresa.

Su camino iba más orientado a la automatizaciones, siempre le ha atraído más esa parte. Ese tipo de personas que adora la tecnología, explora, estudia e investiga de manera autodidacta. No todos somos así, pero acá va la historia. Y es una de mis favoritas porque muestra exactamente cómo alguien sin título de programador puede resolver un problema que normalmente atienden los equipos de programadores.

Yo, como comercial, me ocupo de las ferias y los eventos. Un problema reiterado era que no alcanzaba el tiempo para atender a quienes consultaban por el stand, mostrarles el producto, negociar la venta, registrarla y cobrarles. Si esto lo tenés que hacer con 80 personas por día, claramente estás en problemas. Eran jornadas agotadoras donde sabías que estabas perdiendo ventas por no poder cerrarlas a tiempo. Era un caos. La mitad de las veces no podías siquiera dejar guardado con quién hablaste.

Perdías leads o, si anotabas algo, no sabías en qué estaba interesada la persona, el tamaño de su empresa o datos extras. Teníamos formularios y hacíamos un esfuerzo por completarlos, pero después de tres días de feria ya el cerebro no respondía.

Él nos escuchaba quejarnos por los chats de lo difícil que era cerrar una venta por los tiempos que demandaba hacer el proceso completo hasta poder cobrarles a los clientes que compraban. Ahí empezó a usar parte de su tiempo para entender el problema y elaborar una solución.

Nadie le pidió que lo hiciera. Lo hizo porque vio un problema y tenía los conocimientos en las herramientas disponibles de Inteligencia Artificial para resolverlo.

Unos días antes de la feria más importante de todas que se hace en Cartagena de Indias, nos llamó para mostrarnos algo que había preparado. Al principio dudé de lo que tenía, pero sus compañeras de equipo me decían: "Leo, tenés que ver esto, está increíble, lo estamos usando en el día a día."

Fue unos días antes de la feria que entendí el potencial de lo que había creado. Ahí fue cuando lo felicité por lo que hizo. A veces es difícil ver cosas nuevas, como si el mundo fuera lo que tenés a mano y no lo demás.

Todavía recuerdo ese día. Nos presentó un cotizador de productos montado en una web sobre Lovable, desarrollado 100 % por él. Todo interactivo. Podías elegir los productos, las opciones, y cotizar en la pantalla con botones y colores. Podías cargar un WhatsApp y un mail para que el cliente reciba un PDF con la cotización. Además de registrarlo con todos sus datos, que después servían para dar seguimiento, sabías qué había intentado comprar, qué productos, los precios finales y el descuento por feria.

En cinco minutos hacías lo que antes llevaba veinte. Y el cliente se iba con todo en la mano. En esa feria dimos un paso muy grande en organización y optimización del tiempo, aprovechando al máximo para poder conseguir nuevas ventas.

Lo que antes era un caos de papeles, formularios a medio llenar y datos perdidos, se convirtió en un proceso limpio, rápido y profesional. Los clientes se sorprendían. "Esto lo hicieron ustedes", nos decían. Y nosotros asentíamos con orgullo, sabiendo que lo había hecho una sola persona con una herramienta de IA, en dos semanas, sin presupuesto.

Lovable es una plataforma que permite crear aplicaciones web usando lenguaje natural, sin necesidad de programar. Le describís lo que querés y la IA genera el código, el diseño y la funcionalidad completa. No es la única, ya hay más competidores, pero fue la primera, la disruptiva. He visto muchas soluciones hechas así, por no programadores, desarrolladas por personas como cualquiera de nosotros, los no programadores. Gente que tiene un problema, lo describe con palabras y la IA lo convierte en una aplicación funcional.

Anímense a crear su primera app. En serio. No lo digo como frase motivacional vacía. Lo digo porque lo vi pasar decenas de veces. Gente que nunca había escrito una línea de código creando aplicaciones funcionales en una tarde. Aunque sea para manejar el presupuesto de un hogar, donde todos puedan cargar los gastos y que tenga alertas por mail cuando un gasto supere determinado presupuesto.

He visto desarrollos muy complejos hechos así, con integraciones de múltiples APIs. Una API es un intermediario que permite que dos sistemas se comuniquen entre sí sin saber cómo funciona el otro por dentro. Las APIs lo conectan todo, a través de un formato estándar que es JSON, básicamente un objeto de JavaScript, el idioma universal que todos los modelos entienden, hablan y escriben. Siempre traten de resolver un problema real para que la aplicación tenga vida después. La versión uno siempre es básica. Lo importante son las versiones posteriores, las que van trayendo mejoras. Cada iteración te enseña algo nuevo y la solución se va puliendo.

El cotizador luego sumó un proceso conectado con APIs que registraba al cliente en tiempo real dentro de Wispro, generaba los invoices por las compras y enviaba al WhatsApp los links para hacer los pagos con tarjeta de crédito. Eso no estaba el día uno. Fue el resultado de iteraciones, de investigaciones y de conseguir los endpoints, la dirección URL específica donde una API recibe peticiones. Sin los endpoints no podés avanzar. Pero una vez que los tenés, las piezas se conectan. Como todo lo que uno empieza a construir, se va haciendo por partes.

El primer prompt se hizo el 20 de febrero de 2026. La feria era el 9 de marzo. Solo disponía de dos semanas. Pudo hacerlo rápidamente, usando las herramientas free que hoy están disponibles y sin necesitar de otras personas que lo ayuden, eso es algo característico, ver personas que por sí solas, desarrollan soluciones que antes quizá requerían la ayuda de 2 o 3 personas. Hacer lo mismo en la época anterior a la IA hubiera requerido un esfuerzo en desarrollo de software mayor al de hoy en día.

Muchas empresas ya comenzaron a automatizar procesos clave. Un amigo me decía: "Leo, llevo meses como un chiquito con regalo de Navidad." Él está usando Claude Code para hacer cosas en su empresa. Es de Costa Rica, una persona que siempre está buscando nuevas tecnologías y probando cosas nuevas. Su personalidad ayuda a progresar en ese camino. No todas las personas tenemos esa facilidad, pero si podemos tomar la decisión de empezar.

Otro caso que me gustaría comentar es el de Klari. Ahí se automatizó todo el soporte que se da a los clientes cuando detectan que el Bot o Agente contestó equivocadamente. Cada vez que esto sucede, hay que revisar la conversación completa, la documentación con la que se entrenó al bot, las prompts de los agentes que intervinieron, las peticiones por API que se hayan hecho, todo eso manualmente lleva mucho tiempo, y es muy fácil de equivocarse o interpretar mal algo de la información, que hay que revisar para entender simplemente, porque respondió mal.

Para poder automatizar y facilitar esa tarea del soporte, crearon un servidor MCP², que es como una API pero optimizada para que la IA la use fácilmente. Entonces ahora el trabajo de soporte consiste en usar Claude Code para que revise un ticket, que traiga toda la metadata asociada, que busque toda la información accesoria al problema, que diagnostique qué puede estar pasando, que use skills precargadas para entender los caminos de diagnóstico, y que finalmente proponga caminos alternativos de solución posible. Ese proceso que antes se hacía manualmente lleva entre 30 y 40 minutos para una persona muy bien entrenada en el producto. Con IA se acortó a 5 minutos. No solo es el tiempo, también es efectividad, ya que con Claude el margen de error es mucho menor que cuando lo hacía una persona.

Antes arreglaban algo pero quizá rompían otra cosa. Ahora la misma IA corre los tests, prueba que el fix funcione y recién ahí cierra el caso. No cierra hasta estar segura. Eso es un cambio radical.

Hablando con clientes de Wispro esta mañana les pregunté a unos diez si ya estaban usando IA en algún proceso, o si habían desarrollado alguna solución aunque fuera mínima. De diez, cinco sí habían hecho cosas. Los otros cinco no, todavía nada. La mitad ya arrancó y la otra mitad todavía mira de afuera.

Y volvemos al punto de inicio. Las empresas se van a separar cada vez más entre las que usan IA y las que no. La competitividad y eficiencia que te da la IA bien implementada es exponencial. No se trata de que unas van a crecer menos y otras más. Se trata de que van a desaparecer las que no la usan. Suena duro. Las empresas que adoptan IA temprano no solo mejoran sino que además cambian las reglas del juego para todo su sector.

Ya sabemos que se puede. Hay casos reales. La pelota está de nuestro lado. Solo falta decidir avanzar hoy con algo. Y acá quiero ser directo: no hace falta tener un problema complejo. No hace falta que sea algo que cambie tu negocio para siempre. Hace falta que sea algo que te duela. Una tarea que te moleste hacer. Una planilla que odiás completar. Un proceso que te roba media hora todos los días y que hacés en piloto automático.

Ahí está tu primer proyecto con IA. Ponerse un primer objetivo y comenzar. La IA es muy buena armando planes. De hecho, si no sabés por dónde empezar, pregúntale a la IA por dónde empezar. Todos mis proyectos nuevos comienzan más o menos así, yo le pregunto a cualquiera de los modelos lo que necesito hacer y le pido que me recomiende por dónde empezar, entonces la mayoría de las veces me da un poco de luz para arrancar. Una vez que empezaste todo se empieza a destrabar más rápidamente y te sentís motivado porque ves que toma forma.

Un ejemplo puede ser copiar el resumen de tu banco y hacer una conciliación bancaria con los pagos de los clientes. Cargar el archivo de tus clientes más el CSV de tus movimientos bancarios y pedirle al modelo que te diga si todos ya pagaron o no.

He usado Claude Code hasta para armar la declaración de impuestos, pero los números son un tema sensible, entonces no podemos tener confianza ciega en el resultado que nos da la IA.

Un modelo de lenguaje no garantiza que lo que dice sea cierto. Puede responder con total seguridad y estar equivocado. Si le pregunto si un número está bien y me dice que sí, ese sí no vale nada hasta que lo compruebo. No podemos confiar en un dato solo porque la IA lo afirma.

Lo que hace la diferencia es el trabajo previo. En mi caso, primero reuní toda la información de origen, los resúmenes bancarios del año, los reportes de Stripe y las facturas de gastos. Después le pedí al modelo que buscara cada movimiento en esos documentos y lo clasificara según un listado de categorías que yo había definido antes. Si un monto no aparecía en ningún resumen, o no encajaba en ninguna categoría, quedaba marcado para revisarlo a mano. Recién ahí la respuesta fue confiable, porque cada número se podía rastrear hasta su fuente.

Eso tiene un costo. Cada tarea exige un trabajo extra de validación, paso a paso, y no hay atajos. El primer intento casi nunca sale perfecto, pero enseña cómo funciona la herramienta y dónde se equivoca, y eso ya vale mucho.

Siempre empezar dividiendo el problema en pequeños pedacitos y arrancar con uno de ellos. Uno solo. No tres, no cinco. Uno. Si funciona, avanzas al siguiente. Si no funciona, ajustás y volvés a intentar. No te frustres si el primer intento falla. Ni el segundo. La iteración es algo natural en el proceso de uso de la IA, hay que ir y volver varias veces para obtener el resultado deseado. La iteración igualmente siempre existió en los procesos de desarrollo de software, pero ahora es una constante mucho más veloz que antes.

Muchas veces les va a pasar que la IA no te entiende. Eso no es responsabilidad de los modelos. Es responsabilidad del que pide, del que ingresa el prompt.

Prompt engineering

Pensalo así mas o menos asi. Si le pedís a alguien que te cocine algo rico, te va a traer lo que a esa persona le parezca rico. Pero si le decís "haceme una milanesa napolitana con papas fritas crocantes y sin cebolla", la probabilidad de que te traiga exactamente lo que querés es altísima. Con la IA pasa lo mismo. Cuanto más preciso seas, mejor te responde. Cuanto más vago el pedido, más inventa.

Tan importante es esto que se llegó a hablar de prompt engineering como una especialidad, el arte de escribir instrucciones claras y precisas para obtener mejores resultados del modelo. Lo importante es saber explicarle, saber comunicarse, hablarle con palabras simples y con ideas bien claras. Y como toda comunicación, tiene sus reglas. Tiene elementos clave que no pueden faltar.

El rol: decile expresamente "sos un experto en electrodomésticos". Al darle un rol, el modelo ajusta su vocabulario, su nivel de detalle y su tono. No es lo mismo hablar como experto en calefacción central que como experto en juegos de PC.

El contexto: decile vos la marca, el uso que le das y lo que querés arreglar. Sin contexto, la IA responde en genérico. Con contexto, responde para vos.

La tarea: pedile un plan paso a paso para por ejemplo purgar un radiador de la calefacción. Sé específico en lo que esperás como resultado.

El formato: cómo querés que construya la respuesta, como una lista, un texto plano, una tabla, un archivo markdown. El formato importa tanto como el contenido.

Los límites: que no ponga en riesgo al aparato que estoy intentando arreglar. Los límites evitan que la IA se vaya por las ramas y te devuelva algo que no necesitás.

Estos cinco elementos parecen simples cuando los lees, pero en la práctica hacen toda la diferencia. Yo al principio escribía prompts de una línea y me frustraba con los resultados. "Haceme un resumen de esto" y me devolvía algo genérico. Cuando empecé a estructurar mis pedidos con estos elementos, la calidad de las respuestas cambió radicalmente. Es como la diferencia entre pedirle indicaciones a alguien diciendo "¿cómo llego?" versus "¿cómo llego desde la plaza San Martín al aeropuerto en auto, sin autopista, en menos de 40 minutos?". La segunda pregunta siempre te da una respuesta mejor.

Si hacés todo esto tenés grandes posibilidades de obtener lo que llamamos un one shot, la primera respuesta perfecta, sin necesidad de iterar cinco o diez veces más. Ese es el objetivo. No pelear con la IA para que te entienda, sino darle todo lo que necesita para que te responda bien en el primer intento.

Mi primer prompt complejo fue uno que hice para categorizar las conversaciones en Klari y derivarlas a agentes expertos en cada tema. Eso te lleva a otras prompts más específicas. Fue todo un desafío, y esa pieza de software todavía vive ahí. Leí mucho para entender esto, pero cuando lo hice funcionó desde el primer momento. Tardé más en escribir ese prompt que en obtener el resultado. El trabajo con IA no está en esperar la respuesta, sino en formular bien la pregunta.

El one shot es una sensación muy gratificante. Y una vez que lo experimentas, no querés volver a escribir prompts vagos nunca más. Si nos ponemos creativos, le podríamos pedir que el resultado lo escriba en HTML para verlo desde el navegador, con colores e imágenes, armando así una presentación profesional.

Hasta acá vimos como funcionan las herramientas, cómo usarlas y sacarles provecho real. Pero todo lo que hicimos hasta ahora fue dentro de nuestro pequeño mundo, nuestra empresa, nuestro proyecto.

Ahora toca levantar la cabeza y mirar afuera. Porque mientras nosotros aprendíamos a usar la IA, el mundo entero estaba cambiando a nuestro alrededor. Y lo que está pasando allá afuera es mucho más grande que cualquier cotizador o cualquier automatización.

1. Stripe. Plataforma de pagos que permite a las empresas cobrar por internet y gestionar facturas y suscripciones. https://stripe.com ↩
2. MCP (Model Context Protocol). Protocolo abierto que permite conectar aplicaciones de inteligencia artificial con fuentes de datos y herramientas externas mediante una interfaz estandarizada. https://modelcontextprotocol.io ↩