En el episodio anterior de PM Labs conté por qué había decidido construir mi propio CRM con inteligencia artificial. Ese proyecto sigue en el mapa, pero mientras avanzaba con Compass PMO me encontré con una necesidad que tenía que resolver primero: renovar la página web.
En un principio pensé solamente en actualizar el sitio que ya tenía. Sin embargo, inspirado por todo lo que estaba viendo que la IA podía hacer, terminé planteándome algo bastante diferente: construir la nueva página yo mismo en HTML, con ayuda de ChatGPT.
No soy programador, pero sí sabía qué era lo que quería.
Conocía la información que necesitaba presentar, tenía una idea bastante clara de cómo quería que se viera Compass PMO y, además, estaba en una etapa en la que quería retarme a utilizar estas nuevas herramientas para resolver problemas reales.
Así comenzó el proyecto.
El camino no resultó ser tan directo como pensé al inicio. Hubo cambios de ruta, documentación que no siempre reflejaba lo que encontraba en la práctica, decisiones sobre herramientas, problemas que tuve que mostrarle a la IA para que pudiera entenderlos mejor y, finalmente, más de 70 prototipos para llegar al resultado que buscaba.
En el proceso tuve seis aprendizajes que quiero compartir.
1. Antes de seguir una ruta completa, haz un MVP para comprobar que realmente funciona
Cuando inicié el proyecto, le pedí a ChatGPT que me ayudara a plantear cómo podía construir y publicar el nuevo sitio.
La ruta que me propuso me pareció muy atractiva: podía construir la página con ChatGPT y después publicarla utilizando ChatGPT Sites. Me emocionó porque parecía que el camino estaba bastante claro y que podía completar prácticamente todo el proceso dentro del mismo ecosistema.
Así que comencé a trabajar siguiendo ese plan.
Logré construir el sitio y publicarlo en Sites, pero cuando llegó el momento de compartirlo públicamente descubrí que mi cuenta no tenía habilitada la opción para que cualquier persona en Internet pudiera acceder.
En otras palabras, el plan que me había propuesto la IA incluía un supuesto que, en mi caso, no era correcto.
Esto me hizo recordar una advertencia que el mismo ChatGPT muestra a sus usuarios: “ChatGPT can make mistakes. Check important info.” —ChatGPT puede cometer errores; verifica la información importante—.
La herramienta puede ayudarnos a construir un plan que parezca completamente lógico y, aun así, ese plan puede contener un supuesto equivocado.
Lección aprendida: antes de invertir demasiado tiempo siguiendo una ruta propuesta por la IA, vale la pena hacer un MVP —un producto mínimo viable— del proceso completo. No solamente validar que puedo construir algo, sino comprobar que puedo recorrer el camino hasta el resultado final que necesito.
Y una actualización importante para mantener esta historia en contexto: al cierre de esta nota, la opción “Anyone on the internet” ya se encuentra habilitada en mi cuenta de ChatGPT Sites.
Eso no cambia lo que ocurrió durante el proyecto. Más bien refuerza lo rápido que pueden cambiar estas herramientas y sus funcionalidades.
2. La IA es fuertemente impulsada por la documentación disponible
Como no podía completar la publicación desde Sites de la manera que necesitaba, tuve que ir por el plan B.
Ese plan era utilizar GoDaddy para alojar el sitio y publicarlo mediante cPanel.
Y ahí apareció otro aprendizaje.
Mientras evaluaba las opciones de hosting —alojamiento web—, ChatGPT y yo revisamos la información disponible sobre los diferentes planes.
En ese momento, un banner superior indicaba que el SSL estaba disponible gratuitamente para todos los planes. Tanto yo como ChatGPT interpretamos ese mensaje como que cualquiera de ellos resolvería esa necesidad.
Cuando avancé en la implementación descubrí que, para lo que yo necesitaba, esa interpretación no era suficiente.
Terminé adquiriendo el nivel Deluxe porque, pensando en mantener el sitio hacia el futuro, los niveles inferiores no me parecían convenientes si quería que la seguridad y la gestión del SSL quedaran resueltas de una forma más práctica.
Más que concluir que la documentación estaba equivocada, lo que me quedó fue otro aprendizaje: la IA también interpreta mensajes, documentación y contexto, y puede llegar a una conclusión razonable que después no coincida completamente con la realidad de implementación.
Ahí entendí mejor algo que ahora considero muy importante: la IA es fuertemente impulsada por la información disponible.
Por eso ahora entiendo mucho mejor por qué mantener documentación clara y actualizada es tan importante.
Lección aprendida: la IA puede ser tan buena como la información que tiene disponible para trabajar. La documentación importa, el contexto importa y, cuando la decisión tiene consecuencias prácticas, hay que contrastar la respuesta con la realidad.
3. La claridad del objetivo cambia sustancialmente el resultado
La primera versión del sitio web logró producir prácticamente toda la información que yo quería presentar.
El problema era otro.
Se veía genérica.
Tenía el contenido, las secciones y la información, pero visualmente podía parecerse a muchos otros sitios web.
Al inicio exploré otras opciones, como Replit, que me parecieron muy buenas. Al mismo tiempo, representaban un gasto adicional, así que opté por mantener la cabeza fría con el presupuesto e intentar lograr el resultado que buscaba sin contratar servicios adicionales.
Entonces decidí enriquecer la parte visual dándole a la IA referencias de primer nivel. Busqué los mejores ejemplos que pude encontrar de sitios que representaban elementos del resultado que quería conseguir y los utilicé como referencia.
No se trataba de copiar esas páginas. Se trataba de darle a la IA una referencia mucho más clara del nivel de resultado que estaba buscando para que, dentro de las posibilidades de la tecnología y del lenguaje que estábamos utilizando, pudiera producir algo más cercano a lo que necesitaba.
El cambio fue sustancial.
Y aquí creo que hay una diferencia importante: el problema no era que yo no supiera qué quería. Precisamente porque sabía qué quería pude identificar que aquella primera versión, aunque funcional, todavía no era suficiente.
Lo que necesitaba era darle a la IA un objetivo más específico y mejores referencias para trabajar.
Lección aprendida: la claridad del objetivo de lo que le estás pidiendo a la IA es fundamental. Y el resultado puede mejorar sustancialmente cuando, además de explicar lo que quieres, puedes compartir una referencia de primer nivel del producto final que estás buscando.
4. No solo le digas a la IA lo que estás viendo: muéstraselo
Durante el desarrollo y la publicación de la página también me encontré varias veces con bloqueos.
Al principio simplemente le describía a ChatGPT lo que estaba ocurriendo: qué resultado obtenía, qué esperaba ver o en qué parte del proceso me había quedado detenido.
Pero me resultó mucho más efectivo hacer algo adicional.
Compartirle una imagen.
Cuando encontraba un problema en Sites, en cPanel o en alguna parte de la página, empecé a acompañar mi explicación con una captura de pantalla de lo que realmente estaba viendo.
Eso mejoró mucho la capacidad de la IA para ofrecerme una alternativa viable.
Fue particularmente útil cuando lo que yo veía parecía entrar en conflicto con la documentación que ChatGPT estaba utilizando como referencia. En lugar de continuar discutiendo sobre lo que supuestamente debía aparecer, podía mostrarle directamente lo que tenía frente a mí.
También me ayudó cuando la IA parecía “alucinar” o quedarse atrapada en un loop —un ciclo repetitivo— proponiendo una y otra vez alternativas que no resolvían el problema.
La imagen le daba contexto adicional y, en varias ocasiones, permitía encontrar una salida diferente.
Lección aprendida: no solamente le digas a la IA lo que estás viendo. Cuando puedas, compártele una captura de pantalla, una imagen o el resultado real. Mostrarle el problema puede mejorar considerablemente su comprensión del contexto y las alternativas que propone.
5. Chat me funcionó mejor para explorar y prototipar; Work, para construir
A medida que avanzaba, también fui descubriendo una forma de trabajo que me resultó más eficiente.
Al inicio no tenía ni idea de en qué momento era mejor usar Chat y en qué momento Work o Codex. Este último, finalmente, no fue necesario para este ejercicio.
La parte creativa y exploratoria del sitio la hice principalmente utilizando Chat.
Ahí podía revisar referencias de otras páginas, probar diferentes ideas, construir prototipos en HTML y preparar los prompts que después utilizaría en Work.
En ese momento utilicé Sol Pro hasta agotar el límite disponible y después continué buena parte del trabajo con Sol High, que en mi caso me permitió seguir iterando durante mucho más tiempo.
Eso fue importante porque necesitaba probar muchas alternativas.
Work lo fui reservando más para la construcción del sitio. En mi experiencia durante este proyecto, el consumo respecto a los límites disponibles era mucho más rápido ahí, por lo que me resultó más eficiente hacer la mayor parte de la exploración, el trabajo creativo y el prototipado en Chat antes de pasar a Work.
No diseñé esta forma de trabajo desde el comienzo.
La fui descubriendo en el camino.
Y probablemente cambiará nuevamente conforme cambien las herramientas, los modelos y sus capacidades.
Pero para este proyecto funcionó.
Lección aprendida: en mi caso fue más eficiente utilizar Chat para la parte creativa y el prototipado, y Work para la construcción del sitio. No necesariamente tenemos que utilizar la misma herramienta o el mismo modo de trabajo para todas las etapas.
6. Después de más de 70 prototipos, aprendí a trabajar de lo general a lo específico
Durante el proyecto llegué a construir más de 70 prototipos.
No porque hiciera 70 páginas completamente diferentes, sino porque constantemente estaba probando, afinando y puliendo detalles.
Y esto también me dejó otro aprendizaje.
Me parece que los modelos actuales entienden mucho mejor contextos largos y, en mi experiencia, fueron capaces de trabajar sobre una parte específica del sitio dejando el resto de la construcción tal como estaba.
Eso me permitió concentrarme progresivamente en partes más pequeñas.
Primero podía tener un mockup —una maqueta o prototipo— general que definiera el marco, la estructura y el contenido amplio.
Después podía comenzar a trabajar página por página.
Luego sección por sección.
Y finalmente entrar en los detalles.
Este proceso también hizo que, mientras construía, empezara a identificar nuevas posibilidades para el sitio. Por ejemplo, ampliar las opciones de la página para incorporar mejor los blogs, PM Labs, eventos y futuras landing pages —páginas de aterrizaje—.
Es decir, el resultado también fue evolucionando mientras aprendía qué podía hacer con la herramienta.
Lección aprendida: comenzar por un mockup o prototipo general que establezca el marco, los límites y el contenido amplio, y después trabajar progresivamente las páginas, secciones y detalles.
Saber qué quieres sigue siendo más importante que la herramienta
Para concluir, me parece que tecnologías como la IA hacen más importante que nunca que, como individuos, sepamos qué queremos o qué necesitamos.
Porque solamente así podemos poner la herramienta a trabajar a nuestro favor.
También me parece exagerada la promesa de que este tipo de soluciones son simplemente “instantáneas”.
Sí, la velocidad con la que podemos construir hoy es impresionante.
Pero en mi caso hubo más de 70 prototipos, pruebas, cambios de ruta, documentación que revisar, capturas de pantalla, errores y decisiones que tomar.
Y precisamente por eso creo que el pensamiento crítico y la atención al detalle son ahora más importantes, no menos.
Tenemos que examinar e inspeccionar progresivamente los resultados que produce la IA, entender el contexto y ser capaces de mostrarle otras salidas cuando alucina, interpreta mal una situación o queda atrapada en un loop.
No soy programador.
Pero sabía qué quería construir.
Y eso me permitió evaluar continuamente si lo que estaba obteniendo me acercaba o no al resultado que necesitaba.
Aprender haciendo
Por último, me quedo con algo que para mí ha sido constante durante este proceso: aprender haciendo.
No encuentro una manera más práctica de entender una tecnología que utilizarla para resolver un problema real hasta lograr un resultado.
Antes de ser project manager, siempre me ha interesado entender cómo funcionan las cosas, cómo optimizar procesos y cómo utilizar tecnología para conseguir eficiencias, particularmente en organizaciones intensivas en servicios.
Ahora estoy en una etapa en la que quiero retarme a aplicar la IA precisamente de esa manera: no solamente utilizarla para conversar, redactar o analizar información, sino para construir e implementar soluciones que respondan a necesidades reales.
El CRM con el que comenzó esta temporada de PM Labs sigue pendiente.
Simplemente apareció primero otro problema que necesitaba resolver.
Y quizá eso también forma parte de lo interesante de documentar proyectos reales: el camino que imaginamos al comienzo no siempre es exactamente el que terminamos recorriendo.
En este caso, el desvío fue construir la nueva página web de Compass PMO.
Y el viaje valió la pena por todo lo que aprendí en el proceso.
Si has llegado hasta aquí y todavía no has utilizado la IA para construir e implementar algo útil que resuelva un problema real, quizá hoy sea un buen momento para intentarlo.
No tiene que ser una página web.
Escoge un problema que conozcas.
Define qué necesitas.
Y atrévete a construir algo con la IA de tu elección.