Cómo la IA está revolucionando el desarrollo de aplicaciones modernas
Tres meses después de Pereira, estaba de vuelta en un escenario — esta vez en Manizales. La misma historia central, pero todo había evolucionado. Entre mayo y agosto de 2023, el panorama de la IA cambió tan rápido que me vi reescribiendo slides la noche anterior. No porque los fundamentos hubieran cambiado, sino porque habíamos cruzado nuevos hitos. Más desarrolladores estaban enviando productos con GPT-4. Más equipos estaban experimentando. Más productos reales se construían sobre IA que no existían un año atrás.
Esto no era una repetición. Era un checkpoint — ver cuánto había madurado la conversación en solo unos meses.
Por qué Manizales se sintió diferente
La audiencia de Pereira en mayo había sido curiosa — algunos escépticos, algunos emocionados, todos explorando. Para agosto en Manizales, las preguntas cambiaron. La gente no preguntaba si debían preocuparse por la IA — preguntaban qué construir con ella y cómo empezar realmente. Ese cambio me dijo que algo había hecho clic en el ecosistema. Ya no era hype. Era interés práctico de ingenieros que querían entregar productos.
Manizales también trajo una energía diferente — un ambiente más pequeño, más íntimo. Las conversaciones después de la charla fueron más profundas. Tuve más tiempo para hablar de casos de uso, resolver bloqueos y compartir lo que habíamos aprendido en DailyBot en los meses desde el lanzamiento de GPT-4.
Qué cambió en 3 meses
Entre mayo y agosto, las herramientas maduraron. GPT-4 había pasado de un lanzamiento brillante a algo sobre lo que la gente estaba construyendo funcionalidades de producción. Lo vi en nuestro propio trabajo en DailyBot — lo que empezó como experimentos en abril ya eran integraciones en vivo que nuestros usuarios usaban.
LangChain y las bases de datos vectoriales se habían vuelto parte de la conversación. En mayo, mencioné la generación aumentada por recuperación (RAG) como concepto. Para agosto, estaba mostrando ejemplos prácticos — cómo conectar un modelo de lenguaje a tus propios datos, cómo construir sistemas de búsqueda y Q&A que realmente funcionaran. Las abstracciones mejoraban, y la barrera de entrada bajaba rápido.
También noté más claridad sobre dónde la IA debía y no debía usarse. En mayo, la gente le tiraba IA a todo para ver qué funcionaba. Para agosto, los patrones eran más claros: la IA sobresale en resumen, transformación, ideación e interfaces conversacionales. Lucha con precisión, consistencia y cualquier cosa que requiera exactitud determinística. Ese matiz importaba.
De GPT-4 a aplicaciones reales
En Pereira había mostrado lo que GPT-4 podía hacer — multimodal, contexto largo, mejor razonamiento. En Manizales cambié el foco a qué estaba construyendo la gente con él:
- Automatizaciones de soporte al cliente que podían entender contexto y responder naturalmente sin scripts rígidos
- Búsqueda en documentación impulsada por embeddings y RAG — no más cazar en wikis
- Flujos de generación de contenido donde la IA manejaba el primer borrador y los humanos refinaban
- Herramientas de desarrollo como autocompletado más inteligente, explicaciones de código y asistentes de debugging
Esto no era charla del futuro. Eran herramientas que había usado, productos que mis pares estaban enviando, y flujos que refinábamos en tiempo real. Eso aterrizó la conversación de una forma que se sintió más honesta.
La metáfora del director toma forma
En mayo había introducido la idea: ya no solo codificas, orquestas. Para agosto había vivido ese cambio lo suficiente como para explicarlo mejor. Te vuelves un director — defines el objetivo, el agente genera opciones, tú eliges la dirección. Tú manejas el juicio, la creatividad y el gusto. El agente maneja la ejecución, la iteración y la escala.
En Manizales pasé más tiempo en esta mentalidad porque la había visto funcionar. Los desarrolladores que se adaptaban más rápido no eran los que escribían los mejores prompts (aunque eso ayudaba). Eran los que entendían pensamiento de sistemas, conocían su producto profundamente y podían evaluar críticamente el output de la IA. Esas habilidades importaban más que nunca.
Aprendizajes prácticos para la audiencia
Terminé con lo que había aprendido en la práctica desde mayo:
- Empieza pequeño, itera rápido — No intentes reconstruir todo tu producto con IA. Elige un flujo, automatízalo, ve qué se rompe.
- Entiende los límites — La IA es una herramienta, no magia. Sabe cuándo usarla y cuándo quedarte con enfoques tradicionales.
- Construye loops de retroalimentación — Las mejores funcionalidades impulsadas por IA mejoran con el tiempo. Diseña sistemas que aprendan del input del usuario.
- Mantén al humano en el loop — Especialmente para cualquier cosa de cara al cliente o de alto riesgo. La IA asiste, los humanos deciden.
Memorias del evento
Grabación
Sigamos construyendo.