¿Dónde guardar un documento que no produce nada pero gobierna todo lo que se producirá después? El criterio habitual — la velocidad de cambio — no basta. Lo sustituye un criterio de función: ¿este archivo produce un resultado, conserva un conocimiento, describe un estado o gobierna las acciones futuras? Sirve para cualquier objeto que la arquitectura no había previsto.
Cómo saber si el método que acabas de construir durante meses ya existe en otra parte, con otro nombre. El procedimiento cabe en unos pocos pasos: desmontar la idea en mecanismos, buscar la función y no el vocabulario, salir de tu disciplina y del inglés, y fijar de antemano qué tiene que cambiar un hallazgo para que cuente.
Producir deprisa con la IA acaba por ocupar el tiempo en el que uno piensa. Aquí tienes un dispositivo concreto para protegerlo: un núcleo limitado de tarjetas, mantenidas vivas por repetición espaciada y luego extendidas sobre una mesa para confrontar una idea nueva con tus convicciones. Te llevas los criterios de entrada, los ritmos de repaso y la manera de empezar.
Trabajar con un Contexto sin depender de un Mac encendido en alguna parte. El montaje se sostiene sobre tres bloques: ChatGPT razona, las directrices de Proyecto definen el motor, Google Sheets recuerda. Resultado concreto: en una feria, dictar una conversación mientras caminas, persistirla, ingerirla y luego preguntarle al sistema qué preguntas quedan por hacer antes de marcharte.
Una gran cuenta bloquea tu venta porque quiere sus datos en su Azure, su IAM, sus claves, su contrato de LLM. Este texto ofrece un marco para clasificar esas peticiones: lo que sostiene realmente tu valor, lo que solo lo hace comprable, y dónde situar la frontera entre el control del cliente y tu capacidad de hacer evolucionar el producto.
Rara vez encuentras, cinco días después, el párrafo exacto que importaba dentro de una larga conversación con ChatGPT. Este relato muestra cómo sacar del flujo, cuando uno quiere, un extracto preciso, con una simple directriz personalizada y un Google Sheets como bandeja de salida: API bloqueada, rodeo fallido, después una solución que pasa de 50 segundos a dos, y verificación sistemática después de escribir.
Tus mejores ideas de artículo mueren entre el momento en que llegan y el momento en que te sientas a escribir. El montaje que las captura en caliente: la voz para vaciar la cabeza sin ordenar nada, una fuente de sesión que conserva el material en bruto, la IA que hace aparecer lo que falta en diez segundos en vez de en dos días.
Cada formato nuevo te da la sensación de empezar de cero: partes del último documento, copias, reformulas, y dos versiones acaban divergiendo. La causa no es la falta de herramientas, sino tomar un entregable como fuente de verdad. Cómo montar una capa intermedia reutilizable entre las fuentes y los documentos, y qué gana la IA con ella.
Notas que un texto o una decisión todavía no están bien, pero no sabes decir por qué. Ahí es donde la IA sirve de verdad: convierte un malestar difuso en asideros concretos de trabajo — punto ciego, supuesto frágil, objeción sin tratar. Qué preguntarle para obtener tensión en vez de producción, y por qué eso vuelve el criterio humano más importante, no menos.
Tu equipo reconstruye el mismo modelo de producto en cada pregunta, cada bug, cada licitación. Así se escribe una sola vez: varias decenas de objetos, unos cientos de reglas, menos de seis horas. Y sobre todo cómo saber que has terminado: los tres criterios de parada que parecen demostrar que no falta nada y no demuestran nada, más el único que se sostiene.
¿Contratas a un PO para llevar el backlog y hacer de interfaz con los desarrolladores? Estás optimizando un circuito ya obsoleto. Este texto desmonta la separación entre quienes piensan el producto y quienes lo ejecutan: por qué degrada la calidad, por qué el backlog no puede sostener una profesión, y por qué la IA quita la última excusa para seguir conviviendo con ella.
La IA aumenta la capacidad de producir, no la de decidir. Los desarrolladores suben hacia el producto, los PM bajan hacia la construcción. Ese desplazamiento difumina los roles sin disolver las responsabilidades. Un recorrido por lo que la IA vuelve corriente en el product management, por lo que sigue siendo difícil, y un catálogo de los roles emergentes con sus riesgos reales.
Cuatro días construyendo un producto de verdad con Claude Code — 180 commits, partiendo de cero. Lo que eso deja ver: la velocidad que embriaga, las trampas que la IA se crea sola, lo que cambian los tests cuando no escribes tú el código, y hasta dónde puede llegar un PM sin salirse de su perímetro. Un relato de campo, no una doctrina.
Producir código más rápido no sirve de nada si nadie entiende lo que se ha construido. La IA automatiza justo las tareas que formaban a los desarrolladores juniors, y el error que llega tarde ya no enseña nada cuando el sistema se ha vuelto demasiado complejo. Algunas referencias concretas para no perder el control: contratos claros entre API, pruebas ligadas a la necesidad funcional, la reconstruibilidad como criterio de calidad por encima de la velocidad de entrega.
Tus documentos no lo dicen todo: la comprensión afinada del terreno se queda en la cabeza del PM. Las fuentes de sesión abren una vía para volcar ese conocimiento informal en un Contexto IA — una frase de pasillo, un matiz de cliente, una tensión que empieza — y convertir la acumulación de microseñales en notas, supuestos y decisiones mejor formuladas.
Tus herramientas ordenan bien la información, pero no capitalizan lo que esa información te enseña. Este texto explica por qué el futuro del sistema de información no es un formulario mejor asistido por IA, sino un vuelco hacia los contextos: unidades de memoria portables, gobernadas, capaces de relacionar fuentes, decisiones y razonamientos en lugar de limitarse a almacenarlos.
¿Pierdes media hora probando en un entorno de test para responder a una pregunta de producto en Slack? Ese coste oculto desaparece cuando la IA interroga el código fuente, que es la verdad del comportamiento. Respuestas ancladas en pruebas — una función, un test, un commit — y no en documentación caducada. A condición de que el código hable el lenguaje del negocio.
¿Pierdes el hilo en cuanto reabres una conversación con una IA sobre un tema que dura semanas? Este artículo levanta el capó de un sistema de memoria estructurado: la diferencia entre el objetivo y la atención, las directrices, la cola offline, las tres memorias (diario, síntesis, checkpoints) y el ciclo de una sesión. Lo justo para entender cómo una IA puede recordar de verdad una misión.