En este tiempo realmente he estado bastante frustrado con la IA. Hace unos días quería crear un flujo de trabajo de “organización automática de datos + generación automática de contenido”. Ahora en internet todos los días se habla de Agentes de IA, automatización, futuro de bajo código, y al principio pensé que esto debería ser fácil de montar y hacer funcionar.

Pero cuando realmente empecé a trabajar en ello, entré directamente en un modo de depuración infinita.
Este prompt no funciona, prueba con otra forma de escribirlo. Claude sale demasiado genérico, cambio a GPT. Cuando la lógica de GPT está bien, el formato no funciona. Luego sigo cambiando herramientas, añadiendo reglas, modificando el flujo de trabajo. A veces ya no puedo distinguir si realmente estoy “haciendo contenido” o “entrenando a la IA”.
Y además, estas cosas afectan mucho la mentalidad.
Con la misma herramienta, hay quien en diez minutos lo tiene listo, y yo a veces paso dos horas ajustando un solo resultado. Esos Skills con muchas estrellas en línea parecen increíbles, pero al ponerlos en mi escenario, muchos no funcionan bien.
Copias exactamente, pero al final aún tienes que modificarlo poco a poco.
Incluso pensé en buscar a alguien que me ayudara específicamente a montar el flujo de trabajo. Pero, pensándolo bien, un equipo pequeño está en una situación incómoda. Contratar a alguien que entienda de IA no es barato; explicar necesidades, lógica, hacer idas y vueltas, a veces es más agotador que hacerlo uno mismo.
Luego descubrí que, en realidad, el mayor problema de la IA ya no es que “no sea lo suficientemente inteligente”.
Es que las personas comunes, para usar bien la IA, tienen que aprender muchas cosas adicionales.
Tienes que estudiar prompts, entender las diferencias entre modelos, investigar skills, diseñar flujos de trabajo, saber qué herramienta sirve para qué tarea. La mayor parte del trabajo no es en sí, sino en “hacer que la IA funcione correctamente”.
Por eso, últimamente, cuando pruebo @dappOS_com的 @xbubble_xyz, siento que su enfoque es bastante diferente.
Muchos productos de IA ahora enseñan a los usuarios: cómo escribir prompts, cómo montar flujos de trabajo, cómo ajustar agentes.
Pero xBubble parece estar haciendo otra cosa:
“la IA aprende de la IA, la IA usa a la IA”
Mi mayor impresión tras probarlo es que ya no tienes que preocuparte tanto por “qué modelo usar en cada paso”.
Solo tienes que decirle qué quieres.
Bubble Pilot identificará automáticamente el tipo de tarea y la distribuirá a los SOP y rutas de ejecución adecuados. Si no hay un SOP predefinido, también retrocede automáticamente a un Agente general.
Lo más importante es que su motor Bubble Engine en el backend sigue aprendiendo.
Qué modelos son adecuados para qué tareas, qué combinaciones de herramientas son más estables, qué flujos de trabajo tienen mayor tasa de éxito, esas cosas que antes eran muy laboriosas, ahora las deja la IA gestionar por sí misma.
La experiencia en realidad es bastante satisfactoria.
Porque antes, muchas veces, no era que la IA no pudiera hacer el trabajo, sino que los usuarios, para que la IA funcione, tenían que aprender casi como programadores.
Especialmente con modelos como Bubble Computer, que me impresionan mucho.
Antes, para completar una tarea, tenía que abrir varias ventanas: buscar datos, organizar, escribir contenido, corregir, y luego exportar.
Ahora, la IA se encarga de toda esa cadena automáticamente.
Incluyendo el modo local como Bubble Personal, que puede acceder directamente a archivos del sistema, navegador, etc., pero sin que el usuario tenga que configurar todo el entorno.
Cada vez creo más que, en el futuro, una IA realmente buena no debería hacer que las personas comunes se cansen más.
Sino que la IA aprenda a usar la IA por sí misma.
El usuario solo necesita decirle su objetivo, y el resto lo deja en manos del sistema.