La gente ya sabe usar AI — entender es lo que falta

Geoffrey Litt escribe que el cuello de botella ya no es la capacidad de los modelos — es la capacidad de entenderlos. La gente puede pedirle a una API que le traduzca, que le escriba un email, que le haga un dashboard. Lo difícil es saber cuándo confiar en el resultado, cuándo pedírselo de nuevo, y qué está fallando cuando falla.

Esto te toca a cualquiera que trabaje con herramientas de AI — no solo a los que las programan, sino a los que las usan. La migra app que usan las primas, la abuela que le pide a ChatGPT que le escriba una carta, el primo que corre el side business — todos enfrentan el mismo problema: ¿el resultado es bueno o solo suena bien?

La respuesta es que entender se vuelve un producto: las herramientas que te muestran no solo el resultado sino el camino que siguió para llegar ahí. No una explicación vacía — el trace real, los pasos, las dudas. Esto es lo que distingue a las herramientas que la gente va a seguir usando de las que van a quedar en el cajón.

Por qué nos importa: la comunidad entera necesita herramientas que muestren su trabajo — no solo resultados bonitos — para saber cuándo confiar en lo que la AI les dice.