En medio de cambios mundiales, ¿cómo deberían los trabajadores culturales aprovechar mejor la IA?

《Guía de uso de IA para humanistas》

Autor: Han Yang MASTERPA

Fuente:

Reproducción: Mars Finance

Los humanistas no crean cambios en el mundo, pero sí soportan los cambios del mundo.

A veces siento que esas cuentas que venden tutoriales de inteligencia artificial siempre tratan a la IA como si fuera magia: te dan un prompt mágico y puedes hacer cualquier cosa. Pero la realidad no es así. En el último tiempo, debido a la creación de FUNES, hemos tenido que producir mucho a diario con IA. Además, con contenidos como 《蜉蝣天地》 y mis propios escritos, ya no basta solo con mano de obra. Por eso, hemos probado muchas formas de usar IA para apoyar nuestro mercado de contenidos y la investigación en humanidades.

Luego, un nuevo colega se incorporó a la empresa, y preparé una sencilla presentación en Keynote. Cuando el profesor Jia Xingjia se enteró, me invitó a compartirla. Mi socio Keda y yo titulamos esta charla 《Guía de uso de IA para humanistas》. Al principio fue solo una charla privada, centrada en principios generales. Luego la hemos repetido varias veces y la hemos ampliado.

En más de un año, he compartido esta experiencia sobre cómo usar IA con muchos amigos que hacen contenidos, investigación o productos de conocimiento. Su objetivo no es enseñarte a memorizar unos prompts mágicos, ni tratar a la IA como una panacea; sino más bien ofrecerte un método de trabajo: integrar los grandes modelos en tus procesos de escritura, investigación, edición, selección de temas, organización de datos y producción, sin necesidad de programar, y asegurando trazabilidad, supervisión y verificabilidad, para que al final puedas firmar tus obras con tu nombre.

Este método proviene de los errores que hemos cometido en proyectos reales: cuando la producción de contenido escala, solo con mano de obra se colapsa; pero si dejas que la IA escriba directamente, puede tener alucinaciones, ser perezosa o escribir como IA. Por eso, transformamos la creación en una línea de producción, y esta línea en un sistema iterativo.

Hoy, en lugar de darte prompts específicos, quiero ofrecerte ideas clave y principios fundamentales.

Antes de los principios: las tres líneas rojas de esta guía

Antes de los métodos concretos, aclaremos tres límites que definen cómo y por qué usarás IA.

1. El proceso debe ser trazable, supervisable y verificable. No basta con obtener un resultado; en humanidades, la caja negra es peligrosa: las alucinaciones, las citas erróneas y las confusiones ocurren silenciosamente en la caja negra.

2. Debes poder controlarla. Debes decidir cómo, con qué criterios, en qué partes ser más estricto o más flexible. No estás “tirando a azar”, estás produciendo.

3. Finalmente, tú debes querer firmar con tu nombre. La aprobación final es tuya. Si no quieres firmar, no es solo una cuestión ética, sino que indica que en el proceso no has puesto tu voluntad, y la calidad no es controlable.

Principio 0: No hagas deseos a la IA, úsala como un banco de trabajo

Muchos usan IA como si hicieran un deseo: “Dame un buen párrafo”, “Ayúdame a escribir un buen artículo”, “Explica este paper”.

El problema es que —“explicar” en sí tiene muchas interpretaciones: para un público general, para un universitario, para un investigador, para un colega. No es una tarea única. La IA no puede saber automáticamente tu contexto, objetivo, gustos o estándares. Si no lo aclaras, solo te dará la respuesta más “promedio” y fácil, en modo de “promedio humano”.

Usar un gran modelo como banco de trabajo significa: no pedirle solo resultados, sino usar su herramienta para completar un proceso. Tu tarea es definir claramente la tarea, los estándares y los pasos.

Por ejemplo, explicar un paper

Puedes transformar una petición como:

· Objetivo: explicar este paper a un estudiante de posgrado curioso, no experto

· Método: heurístico, progresivo, riguroso

· Estructura: primero el significado, luego el contexto, después el proceso de investigación, luego los puntos clave, y finalmente las implicaciones

· Tono: respetuoso, sin condescendencia, sin suponer que ya tiene conocimientos profundos

Verás que cuanto más parezca una “tarea”, más la IA se asemejará a un asistente que realmente trabaja.

Principio 1: Para que la IA funcione bien, primero reflexiona tú — tú eres el responsable

Si contratas un asistente, no le dices solo: “Mejorar ese artículo de Han Yang sobre el cinturón de óxido en EE. UU.”

Seguramente le dirás:

Por qué escribí ese artículo, para quién, en qué punto estás atascado, qué problema quieres que resuelva, qué partes no se deben modificar, qué estilo quieres, qué indicadores te importan.

Lo mismo con la IA. Debes tratarla como un colega muy diligente, muy educado, pero que no entiende tus premisas implícitas. La “ingeniería de prompts” no es solo técnica, sino responsabilidad: cualquier tarea sigue siendo tuya, la IA solo ayuda a hacerla.

Cuando no estés satisfecho con la salida, la primera reacción efectiva no es “la IA no funciona”, sino:

· ¿He definido claramente el “objeto/público/objetivo”?

· ¿He proporcionado suficiente contexto y restricciones?

· ¿He desglosado el “deseo abstracto” en acciones concretas?

· ¿He dado criterios claros para juzgar correcto o incorrecto?

Principio 2: Pregunta al menos a 3 modelos diferentes — cada IA tiene “personalidad” y fortalezas distintas

En nuestra empresa, cuando un colega usa un gran modelo por primera vez, le recomiendo que en las primeras preguntas consulte al menos a 3 IA distintas. Los modelos, como las personas, tienen diferencias: algunos son mejores en redacción, otros en razonamiento, otros en código o llamadas a herramientas. Además, los modelos de la misma familia o versión se ajustan continuamente en estilo y límites.

Por eso, una práctica simple y efectiva es: para una misma pregunta, consultar a al menos 3 IA diferentes y comparar:

· ¿Cuál escribe mejor? ¿Cuál razona mejor? ¿Cuál busca mejor? ¿Cuál es más perezosa?

· ¿Para qué tareas es mejor un modelo que otro: primer borrador, revisión, estructura, párrafos, frases?

· ¿Cuál es más adecuado para generar ideas, estructura, párrafos o frases?

El valor no está en elegir el “mejor” modelo, sino en gestionar los modelos como un equipo, no en confiar ciegamente en uno solo.

Principio 3: La IA no es omnisciente — trata su nivel de conocimiento como el de un “estudiante de pregrado de buena universidad”

Una expectativa práctica es: la IA tiene conocimientos básicos similares a un estudiante de una universidad de élite (como una 985).

Si algo que quieres que haga tú piensas que “ni un buen estudiante lo sabría”, entonces asume que la IA tampoco lo sabe, o al menos que “finge saber” cuando no sabe.

Esto lleva a dos acciones directas:

1. Para contenidos que superan el sentido común, debes enseñarle: si quieres que escriba chistes, textos con gusto particular, argumentos especializados, no basta con decir “hazlo mejor”. Debes dar ejemplos, estándares, límites, datos. Como tú, explicar qué textos consideras buenos requiere tiempo; ¿cómo esperar que la IA sepa automáticamente?

2. Trátala como un becario colaborador, no como un dios. La IA puede hacer muchas tareas de “interpolación micro”, completar tu estructura, transformar tus materiales en texto legible. Pero la estructura y la dirección siguen siendo tuyas.

Principio 4: Paso a paso, la IA se acerca a la meta — dividir en pasos transparentes, más confiable que una sola pasada

La ventaja de la IA no es dar la respuesta correcta de inmediato, sino completar de forma estable muchos pequeños pasos en tu proceso. Cuanto más exijas que “todo en uno”, más fácil será que se vuelva una caja negra que parece completo pero en realidad es perezoso.

Un ejemplo claro es en TTS (texto a voz) o lectura en voz alta. En lugar de decir “cuidado con las homónimas y no leer mal”, mejor dividir en pasos:

· Marcar pausas, énfasis, cambios de velocidad

· Identificar palabras potencialmente homónimas

· Verificar con diccionario o pronunciaciones oficiales (consultar antes si es necesario)

· Marcar palabras que suelen ser malentendidas

· Reemplazar con sinónimos sin ambigüedad para eliminar errores

Estas “buenas prácticas” las hace uno por intuición, pero la IA no. Si no las integras en el proceso, cometerá errores en la ruta más fácil.

Principio 5: Industrializa primero, luego automatiza — no saltes directamente de agricultura a IA

Si tu proceso de escritura o investigación es aleatorio, basado en inspiración y sin gestión de datos, será difícil que la IA te ayude. Solo puede gestionar lo que sea “descriptible y reproducible”.

Un camino más realista es:

1. Convertir el trabajo en una línea de producción: dividible, reutilizable, verificable

2. Delegar en IA los pasos específicos: que sea una estación de trabajo, no un dios omnipotente

Hemos hecho un trabajo clave y simple: desglosar cómo escribo un artículo de no ficción, incluyendo:

· Por qué empiezo con esa historia

· Por qué elijo esa frase

· Cómo calificar ejemplos

· Cómo estructurar, cómo conectar ideas, cómo cerrar

· Cómo enlazar pequeñas historias con un panorama más amplio

Al final, lo dividimos en decenas de pasos, y diferentes IA solo hacen uno. El resultado no es que la IA sea más fuerte, sino que el proceso encadena su capacidad de hacer pequeñas tareas.

Cuando puedas describir claramente cómo haces tu trabajo, verás que la calidad no depende del modelo, sino de cómo explicas tu método.

Te recomiendo mucho escuchar el podcast donde lo explico con más detalle.

Principio 6: Anticipa que la IA será perezosa — elimina obstáculos en su formato

La IA tiende a ser perezosa, sistemáticamente: no abrirá enlaces si puede no hacerlo, no leerá PDFs si puede evitarlo, saltará pasos si puede. No es que sea mala, sino que bajo limitaciones de recursos y tiempo, busca el camino más fácil.

Por eso, debes enfocar su potencia en “comprender textos”, no en “procesar formatos”. Algunas formas efectivas:

· Convertir materiales a texto plano o Markdown antes de alimentarlos

· Copiar contenido web en texto limpio (eliminar navegación, anuncios, notas)

· Extraer hechos y estructura de textos largos antes de que escriba

· Convertir PDFs, EPUBs o páginas en archivos TXT indexables, para tareas posteriores

Verás que muchos rechazan esta “tarea mecánica”, pensando que “la máquina debe hacer el trabajo sucio”. Pero en colaboración humano-máquina, justo al revés: si tú haces un poco de trabajo mecánico, la parte inteligente de la IA será más aguda y confiable.

Principio 7: Recuerda que el contexto es limitado — comprime las tareas, no esperes que expanda

La IA tiene una ventana de contexto y un límite de memoria. Si le das 20,000 palabras, no necesariamente recordará mucho; si le das 200,000, quizás solo vea los títulos. Es como meter a alguien en una habitación pequeña con un libro de 200,000 palabras y pedirle que lo memorice: lo que pueda recordar será lo que esté en esa “ventana”.

Por eso, una experiencia contraintuitiva pero crucial:

1. Comprimir es más fácil que expandir

Reducir 1 millón de palabras a 10,000 suele ser más confiable que ampliar 10,000 a 1,000,000.

Esto cambia cómo pides a la IA:

· No le pidas un artículo con un prompt de 100 palabras

· En su lugar, alimenta con la mayor cantidad de material posible (por lotes, búsquedas, RAG), y que resuma, estructure y genere el texto a partir de ello.

Como tú, en tu escritura y tesis, ya haces “leer mucho, extraer, organizar, escribir”. No cambies a la IA a exigirle que “crezca de la nada”.

Principio 8: Controla la tendencia a querer “arreglarlo todo con un toque” — mejora la línea de producción, no solo el resultado

Muchos buenos escritores caen en la trampa: si la IA entrega un borrador de 59, piensan que con unos cambios llega a 80, y empiezan a editar; luego reescriben; al final dicen “mejor lo hago yo”, y dejan de usar IA.

La solución no es esforzarse más en “revisar”, sino enfocar en etapas anteriores:

· No busques que la IA produzca un 100

· Tu objetivo es que la línea produzca consistentemente 75-80

· Lo que importa es mejorar la media, no perfeccionar cada pieza

Principio 9: La línea de producción es un producto en sí — la confiabilidad es valor

Cuando tienes un sistema que te da un 70 de inicio de forma estable, su valor no es “si se parece a ti”, sino:

· Puedes obtener un borrador usable casi sin costo

· Puedes concentrarte en decisiones más altas: temas, estructura, evidencia, estilo y selección

No buscas un dios omnipotente, sino una fábrica confiable: no perfecta, pero estable.

Principio 10: La cantidad es prioridad — produce mucho, filtra después

Solo pedirle a la IA un solo versión suele dar la más promedio, conservadora y “segura”. Para vencer la mediocridad, usa “cantidad”:

· Resumen: 5 versiones por vez

· Inicio: 5 formas de empezar, prueba A/B

· Temas: 50 ideas, luego selecciona y agrupa

· Estructura: 3 esquemas, combina

· Frases: 10 formulaciones distintas, escoge las mejores

Al aumentar la cantidad y la media, aparecerán sorpresas: versiones con 85 o 90 puntos. Muchas veces, lo que marca la diferencia no es una inspiración divina, sino trabajar estadísticamente.

Principio 11: No sustituyas totalmente — como un chef, dirige, prueba y vuelve a ajustar

Si fueras chef, no cocinarías tú mismo el plato. Harías:

· Lo probarías

· Evaluarías si está bien

· Darías feedback claro (qué no funciona, cómo mejorar)

· Y harías que el cocinero vuelva a hacerlo

Con IA, igual. Respetar su proceso “por su cuenta” y enseñarle cómo alcanzar tu estándar, en lugar de corregir cada resultado en el acto, evita que te desgastes en correcciones interminables.

El último principio fundamental: vuelve al mundo real — materiales × gusto, la calidad máxima

En la era de la IA, la calidad de una obra se parece cada vez más a: materiales × gusto.

El modelo puede cambiar, los métodos pueden iterar, pero estas dos cosas permanecen:

1. Los materiales provienen del mundo real

Si tienes que elegir entre:

· Usar el modelo más avanzado, solo con datos en línea

· Usar un modelo antiguo, con archivos completos, entrevistas, trabajo de campo

Probablemente obtendrás mejores resultados con el segundo.

2. El gusto proviene de entrenamiento prolongado

Cuando “generar” se vuelve barato, lo que realmente escasea es:

· Saber qué vale la pena escribir

· Conocer qué evidencias son más sólidas

· Saber qué narrativas tienen más fuerza

· Estar dispuesto a trabajar físicamente con los materiales: rebuscar, revisar, traducir, explorar

Lo que la IA cambia es la eficiencia y la forma en que interactúas con los materiales; pero el sujeto de la obra sigues siendo tú, y el objeto, los materiales. La IA solo es parte del “verbo”.

Epílogo: Convierte la ansiedad en confianza

Muchas personas no usan bien la IA no por falta de inteligencia, sino por estar atrapadas en un ciclo de “pedir, decepcionarse, abandonar”. Lo que realmente ayuda a avanzar es tratarla como un banco de trabajo, estructurar tareas, hacer procesos transparentes, y en la fricción, desarrollar la sensibilidad.

Cuando logres esto, no caerás en la conclusión apresurada de “la IA no funciona”; sino que te convertirás en un gestor de nuevas herramientas, que no la menosprecia ni la idolatra, sino que la integra en tus procesos, en la realidad, en tus obras firmadas.