El dominio de la IA de Yoichi Ochiai: Aumentando la "velocidad de rotación" del esfuerzo

No delegar el esfuerzo a la IA, sino aumentar la "velocidad de rotación" del esfuerzo

La IA generativa te permite obtener resultados sin esfuerzo.

La IA escribe textos.

La IA crea imágenes.

La IA resume documentos.

La IA implementa código.

La IA maneja la recopilación de información.

Visto así, la IA parece una máquina para reducir el esfuerzo.

Sin embargo, analizar el uso que Yoichi Ochiai hace de la IA revela una imagen completamente diferente.

Él no usa la IA para reducir la cantidad de pensamiento.

Está aumentando las hipótesis que puede probar, el alcance que puede investigar, los prototipos que puede construir y la velocidad con la que pasa del fracaso al siguiente intento en el mismo período de tiempo.

No se trata de completar una sola tarea fácilmente con IA.

Se trata de hacer posible rehacer una tarea diez o cien veces cuando antes se acababa después de un solo intento.

En otras palabras, lo que amplifica con la IA no es el talento en sí mismo, sino la velocidad de rotación del esfuerzo.

En su declaración oficial como artista de 2023, Ochiai señaló que mantuvo diálogos con modelos de lenguaje grandes desde la mañana hasta la noche durante aproximadamente dos meses. En 2025, introdujo un flujo de trabajo en el que lanzaba simultáneamente múltiples IAs como ChatGPT, Gemini, Grok y Claude, asignándoles tareas como investigación, generación de imágenes e implementación por proceso. Además, en 2026, no solo usó servicios de IA existentes; lanzó agentes de codificación como "vibe-local", que funciona sin conexión, y "co-vibe", que cruza múltiples proveedores de IA.

Este no es el comportamiento de alguien que "ahorra tiempo con la IA" como se imagina generalmente.

Hablar con la IA durante horas.

Comparar múltiples modelos.

Rehacer los resultados muchas veces.

Diseñar el propio entorno de uso.

Construir herramientas él mismo si hay partes opacas.

Verificar las herramientas construidas con la IA.

Conectar con la investigación, las obras, el espacio y el cuerpo.

Lejos de eliminar el esfuerzo con la IA, se está imponiendo más pruebas a sí mismo que antes al usar la IA.

El término "Genio del Esfuerzo" utilizado en este artículo no es un título que él reclame para sí mismo. Es un término utilizado aquí para describir la estructura de trabajo que se observa en las declaraciones públicas, escritos, obras y software publicado de Yoichi Ochiai. Su perfil oficial lo describe como artista multimedia, profesor en la Universidad de Tsukuba, profesor asociado en la Universidad de Tokio y productor del proyecto temático para la Expo 2025 Osaka/Kansai.

Además, no todos los registros de conversaciones de IA de Ochiai o sus registros de trabajo diario son públicos. Lo siguiente es un análisis del diseño del esfuerzo detrás de sus acciones, basado en ejemplos disponibles públicamente.

1. Para Yoichi Ochiai, el esfuerzo no es "sufrir durante mucho tiempo"

Cuando la gente escucha la palabra esfuerzo, muchos imaginan resistencia.

Sentarse en un escritorio a pesar de tener sueño.

Continuar aunque sea doloroso.

Leer cantidades masivas de texto.

Practicar lo mismo una y otra vez.

Trabajar más horas que los demás.

Por supuesto, hay trabajos que requieren persistencia y paciencia. Sin embargo, explicar el trabajo de Ochiai solo por la duración del tiempo trabajado pierde la esencia. Su fortaleza no radica solo en aumentar el volumen de esfuerzo, sino en aumentar la cantidad de información obtenida de un solo esfuerzo.

En lugar de preguntar a una sola IA sobre el mismo tema, se lo lanza a múltiples IAs simultáneamente. En lugar de solo pensar en texto, lo convierte en imágenes. En lugar de solo mirar imágenes, las convierte en prototipos en movimiento. En lugar de solo terminar un prototipo, lo mueve en el espacio físico. Si surge un problema, no solo lo arregla a mano; cambia las herramientas o los sistemas para que no vuelva a suceder.

Esta forma de trabajar se puede capturar con la siguiente fórmula:

Calidad de los Resultados = Calidad de la Investigación × Número de Pruebas × Poder de Verificación × Velocidad de Implementación × Retroalimentación de la Realidad

La IA generativa aumenta significativamente el número de pruebas y la velocidad de implementación. Sin embargo, no aumenta automáticamente la calidad de la investigación, el poder de verificación o la retroalimentación de la realidad. De hecho, a medida que aumenta la producción, también aumenta la cantidad de juicio requerido: qué creer, qué descartar y dónde corregir. El esfuerzo después de la IA se desplaza de la tarea de ingresar carácter por carácter a la tarea de elegir direcciones continuamente.

El uso de la IA al estilo Ochiai no se trata de reducir el esfuerzo a cero. Se trata de desplazar el lugar del esfuerzo de la repetición de bajo valor al juicio de alto valor.

2. No abras la IA solo después de crear una pregunta perfecta

Las personas que tienen dificultades con la IA a menudo intentan hacer que el primer prompt sea perfecto. Sienten que deben escribir el propósito, organizar las condiciones, especificar los roles y decidir los formatos de salida. Mientras piensan, se convierte en una tarea pesada y terminan sin usar la IA.

El método de Ochiai es el opuesto. En un extracto del libro de 2025 "Generative AI Even a Cat Can Understand", se presenta que si no sabes cómo usar la IA, debes preguntarle a la propia IA cómo usarla, hablar con ella por voz para tener una idea, y si devuelve una respuesta diferente a la que esperabas, hacer que la IA entreviste al usuario. La clave aquí es no completar la "preparación de la pregunta" solo por humanos.

Por ejemplo, supongamos que estás pensando en un nuevo proyecto pero no puedes verbalizar el propósito por ti mismo. Normalmente, intentarías organizarlo tú mismo antes de consultar a la IA. Sin embargo, podrías empezar así:

Estoy pensando en un nuevo proyecto, pero todavía no he podido verbalizar el propósito por mí mismo. Por favor, hazme una pregunta a la vez para aclarar el público objetivo, el problema a resolver, los recursos disponibles y las cosas a evitar. Si hay contradicciones en mis respuestas, por favor, señálalas en el momento.

Entonces, el diálogo con la propia IA se convierte en la definición de requisitos. ¿A quién quieres llegar? ¿Por qué lo haces? ¿Cuáles son las alternativas actuales? ¿Cuál es el presupuesto? ¿Qué constituye un fracaso? ¿Qué partes son innegociables? No le das una instrucción completa a la IA; completas la instrucción a través de la conversación con la IA.

Esta diferencia es enorme. Si intentas hacer un prompt perfecto primero, solo puedes escribir dentro del alcance de lo que ya entiendes. Al hacer que la IA haga preguntas, puedes notar condiciones en las que aún no habías pensado. La IA se convierte en un dispositivo de interrogación para descubrir la ambigüedad humana, además de una máquina de respuestas. Un genio del esfuerzo no es alguien que tiene la pregunta correcta desde el principio, sino alguien que puede comenzar en un estado ambiguo y aumentar la resolución de la pregunta mientras interactúa.

3. Captura lo que te viene a la mente primero por voz

El pensamiento humano no ocurre necesariamente en forma de oraciones. Puede que pienses que algo parece interesante, o que una conversación de ayer se conecta con una imagen que viste hoy. Puedes tener un sentimiento inexplicable de incomodidad o una imagen sin nombre. Intentar escribir oraciones en este estado detiene el pensamiento. Terminas editando: corrigiendo la primera oración, verificando significados de palabras, agregando contexto o reordenando la lógica. Se suponía que estabas registrando ideas, pero se convirtió en edición a mitad de camino.

En 2023, Ochiai escribió sobre un método de complementarse digitalmente combinando la herramienta de reconocimiento de voz Whisper con GPT-4. Afirmó que el contexto de las ideas se puede complementar más tarde, lo que permite redirigir el tiempo dedicado a la explicación para pensar más adelante. Esta es una técnica de toma de notas muy poderosa para la era de la IA. En las notas normales, grabar y editar ocurren simultáneamente. En el estilo Ochiai, estos dos están separados.

Primero, habla sin detener el pensamiento. "Siento que esto y aquello son similares". "No sé por qué, pero tengo curiosidad". "¿Qué pasaría si hiciera una imagen como esta?" "Quizás la premisa es incorrecta". "Esto contradice lo que pensé antes, pero..." No necesitas corregir la gramática ni preocuparte por el orden. Después, haz que la IA categorice la transcripción en:

• Hechos observados
• Interpretaciones personales
• Hipótesis no verificadas
• Ideas para producción o investigación
• Elementos a investigar a continuación
• Partes donde falta explicación
• Declaraciones contradictorias

Luego, el humano añade contexto a los resultados organizados por la IA. En este orden, la etapa creativa no se ve obstaculizada por la habilidad de escritura. Puedes mantener la velocidad del pensamiento y devolverlo a una forma explicable más tarde. La IA se puede utilizar como un amortiguador para evitar perder pensamientos que aún no se han convertido en palabras. Sin embargo, al grabar voz, es necesario verificar que no incluya conversaciones de otros, información confidencial o datos personales. No envías todo a la IA; a medida que aumenta la velocidad de grabación, gestionar los límites de qué información se puede ingresar se vuelve más importante.

4. No confíes en una sola IA; ejecuta múltiples IAs simultáneamente

Un símbolo del uso de la IA por parte de Ochiai es la operación paralela de múltiples modelos. En un artículo de PIVOT de finales de 2025, se presentó que al comenzar un nuevo proyecto o investigación, lanza ChatGPT, Gemini, Grok y Claude simultáneamente y utiliza funciones de investigación profunda para investigar la información de fondo de una sola vez. El valor de esto no es solo que la cantidad de información se cuadruplica. Cada modelo tiene diferentes fortalezas en organización, información referenciada, precaución y estilo de escritura.

Incluso con la misma pregunta, uno puede enfatizar el lado institucional, otro el lado técnico, otro moverse hacia predicciones futuras y otro proporcionar muchas opiniones contrarias. Lo importante no es promediar las cuatro respuestas, sino mirar dónde entran en conflicto las respuestas. Las partes consistentes podrían ser información relativamente estable. Un punto planteado por solo una IA podría ser un nuevo descubrimiento. Si los números difieren, podría haber diferencias en el período objetivo o la definición. Si las citas difieren, debes volver a las fuentes primarias.

Usar una sola IA como un jefe la convierte en una elección binaria de adoptar o rechazar la respuesta. Usar múltiples IAs como un equipo de investigación te permite enfrentar las respuestas entre sí. Por ejemplo, puedes dividir roles: que el primero cree una explicación estándar, el segundo busque contraejemplos donde la explicación estándar no se cumpla, el tercero recoja solo fuentes primarias, el cuarto estime los obstáculos y costos de implementación, y el quinto lo traduzca a un lenguaje que los usuarios generales puedan entender.

A partir de julio de 2026, algunas funciones de investigación profunda pueden incluir no solo búsquedas web, sino también archivos permitidos por el usuario, documentos en la nube y correos electrónicos como objetivos de investigación. Los agentes de codificación han avanzado hasta leer bases de código, editar múltiples archivos y ejecutar comandos. En esta situación, decidir de una vez "cuál IA es la más inteligente" no tiene mucho sentido. Los modelos se actualizan, los precios cambian y las áreas de especialización se desplazan. Lo que importa no es la lealtad a una marca específica, sino deconstruir el trabajo y colocar la habilidad que se ajuste a ese trabajo.

5. No dejes que un solo chat maneje todo desde la planificación hasta la finalización

Pedirle a una IA que "planifique un nuevo producto, lo investigue, lo diseñe, escriba el texto promocional y lo implemente" parece eficiente. Sin embargo, si avanzas con todos los pasos en la misma conversación, es probable que la hipótesis que la IA creó primero se trate como un hecho en los pasos posteriores. La IA crea un plan basado en una hipótesis de mercado que ella misma hizo, luego escribe un texto asumiendo que ese plan es correcto y finalmente evalúa el plan mismo. Es consistente internamente, pero esa consistencia podría ser el resultado de arrastrar la suposición inicial a través de todos los pasos.

En el flujo de trabajo público de Ochiai, utiliza diferentes herramientas para cada paso: múltiples modelos de lenguaje para la recopilación de información, Midjourney o Stable Diffusion para la visualización de conceptos y Cursor para la implementación. Este método tiene dos ventajas. Una es poder usar la IA más adecuada para cada paso. La otra es poder insertar el juicio humano entre los pasos. Lees los resultados de la investigación y un humano elige una hipótesis. Creas una imagen basada en la hipótesis elegida. Miras la imagen y corriges la dirección. Traduces la dirección corregida en una especificación. Le das la especificación a una IA de generación de código. Un humano prueba el producto en funcionamiento y encuentra problemas. En otras palabras, no conectas el trabajo de la IA directamente con la IA; colocas puertas de selección en el medio. En estas puertas, un humano decide qué conservar y qué descartar. Abstraer el flujo de trabajo al estilo Ochiai se ve así:

Investigación → Selección de hipótesis por humano → Visualización → Corrección de dirección por humano → Implementación → Prueba en un entorno real → Evaluación por humano → Reinvestigación

Las personas con un uso superficial de la IA intentan recibir un producto terminado de la IA. Las personas con un uso profundo de la IA cortan el proceso en pasos finos y reconfiguran la asignación de IA y humano en cada paso.

6. La investigación profunda no es una función para crear "respuestas"

La investigación profunda encuentra cantidades masivas de material en poco tiempo, los compara y los resume en informes extensos con citas. En febrero de 2025, Ochiai presentó en su nota que, como resultado de una prueba de investigación profunda, se generó una salida de aproximadamente 25,000 caracteres que cruzaba Naturaleza Digital, Ontología Orientada a Objetos, Posthumanismo y pabellones de la Expo. Mirando solo esto, uno podría pensar "la investigación termina si dejas que la IA escriba 25,000 caracteres". Sin embargo, un texto largo generado y un contenido correcto son cosas diferentes.

La IA puede crear citas inexistentes. Puede confundir investigadores o artículos con el mismo nombre. Puede conectar hechos y conjeturas con frases fluidas. Puede explicar números antiguos como si fueran actuales. Los materiales que resumen los talleres de Ochiai-juku también indican que, si bien la IA puede acelerar la búsqueda de literatura, el análisis y la construcción de hipótesis, la precisión del resultado y la validez de las citas deben ser verificadas por humanos. Por lo tanto, lo que se debe solicitar a la investigación profunda no es "dime la verdad", sino tareas como:

• ¿Qué puntos están incluidos en este tema?
• ¿Cuáles son las fuentes primarias importantes?
• ¿Dónde difieren las opiniones entre los investigadores?
• ¿Cuántos tipos de definiciones existen para los números?
• ¿Qué afirmaciones no están verificadas?
• ¿Qué materiales se deben revisar adicionalmente?

En resumen, el papel principal de la investigación profunda es crear un mapa de investigación. Es un humano quien realmente verifica los caminos dibujados en el mapa. Para aumentar la precisión de la investigación, es bueno exigir a la IA los siguientes resultados:

• Separar hechos, conjeturas y predicciones.
• Adjuntar fuentes para cada afirmación.
• Separar la fecha de publicación de la fuente y el período objetivo de los datos manejados.
• Distinguir entre fuentes primarias y secundarias.
• Indicar claramente los elementos que no se pudieron confirmar.
• Proporcionar contraevidencia en una columna separada.
• Si los números difieren entre múltiples materiales, estimar la razón de la diferencia.

El tiempo ahorrado por la investigación profunda no debe usarse directamente para otro trabajo. Reinvierte parte del tiempo ahorrado en la verificación. Esta es la responsabilidad de los humanos que manejan cantidades masivas de información con IA.

7. Los prompts largos no son una competencia para escribir textos largos

En un taller para estudiantes de secundaria y preparatoria en 2024, se presentó que Ochiai aconsejaba hacer los prompts largos y específicos, y que a la IA no le importa que le pidan rehacer las cosas muchas veces. Los participantes crearon "historias ambientadas en el año 2300" con ChatGPT y las expandieron a guiones gráficos usando IA generativa. Sin embargo, las palabras "cuanto más largo, mejor" no deben tomarse al pie de la letra. Escribir cantidades masivas de información irrelevante hace que las instrucciones sean ambiguas. El valor no está en la longitud en sí misma, sino en poner premisas que solo estaban en la cabeza del humano en una forma que la IA pueda manejar.

En 2024, Ochiai escribió sobre la posibilidad de incorporar conceptos abstractos y estructuras orientadas a objetos en los prompts a medida que aumenta la cantidad de información que se puede ingresar. También actualiza sus instrucciones personalizadas según el soporte de búsqueda de ChatGPT. Lo que se ve aquí no es una actitud de buscar un "prompt divino" de una sola vez, sino una actitud de actualizar el sistema de instrucciones según el trabajo. Un prompt profundo tiene al menos los siguientes elementos:

• Propósito: ¿Qué quieres decidir en última instancia esta vez?
• Contexto: ¿Por qué es necesario este trabajo?
• Lo que se sabe actualmente: Hechos confirmados, historia pasada, recursos disponibles.
• Lo que no se sabe: Elementos no confirmados, definiciones ambiguas, información contradictoria.
• Restricciones: Presupuesto, fecha límite, derechos, prohibiciones, público objetivo.
• Criterios de evaluación: ¿Qué criterios determinan un buen resultado?
• Proceso de trabajo: Cómo dividir investigación, ideación, comparación, implementación y verificación.
• Permisos de herramientas: Qué permitir, como búsqueda, visualización de archivos o ejecución de código.
• Condiciones de parada: En qué punto detener la ejecución automática y verificar con un humano.
• Formato de salida: Mostrar hechos, hipótesis, propuestas y elementos no confirmados por separado.

Esto es más una especificación para un pequeño trabajo que un prompt. En la era de la IA, la capacidad de escribir texto y la capacidad de diseñar sistemas convergen. No se trata de escribir una "solicitud inteligente", sino de describir el propósito, el estado, las restricciones y los criterios de juicio en una forma que la IA pueda procesar. Los prompts largos al estilo Ochiai no se tratan de aumentar las palabras, sino de transmitir pensamiento estructurado.

8. La primera respuesta no es un "producto terminado", sino material para la exploración

Las personas que comienzan a usar la IA juzgan basándose en la primera respuesta. Si es buena, la adoptan; si es mala, piensan "la IA es inútil". Sin embargo, lo que se observa en los ejemplos públicos de Ochiai es una actitud de no tratar el primer resultado como un producto terminado. Superponer diálogos. Extraer detalles. Cambiar formatos. Lanzarlo a otra IA. Convertirlo en una imagen. Convertirlo en código. Realmente moverlo. Si surgen problemas, cambiar las instrucciones de nuevo. En 2023, Ochiai escribió que al proceder con el diálogo en etapas, surgen detalles, lo que facilita la expansión del lenguaje natural al código, las imágenes y la voz.

La mayor característica de la IA no es poder dar la respuesta correcta desde el principio, sino que el costo social de rehacer es bajo. Si le pides a un diseñador humano cien revisiones sin fundamento, la relación se rompe. Si haces que un empleado rehaga el mismo documento muchas veces por capricho, le quitas tiempo y motivación. La IA no se cansa por más que cambies la misma solicitud. Por eso, al usar IA, en lugar de forzar revisiones sin sentido a los humanos, puedes aumentar la cantidad de exploración en la etapa de la IA. Sin embargo, repetir "mejóralo" solo alcanzará un límite. Lo que se necesita es registrar la razón de la revisión:

• Este plan se aplica a cualquiera.
• Esta imagen tiene una composición débil, no el color.
• Este código funciona pero es difícil de mantener.
• Este texto es correcto pero carece de mi experiencia.
• Este proyecto es interesante pero no tiene ejecutor.

Devolver la razón del rechazo a la IA se convierte en la condición de la siguiente generación. Entonces, el sistema de instrucciones se vuelve más inteligente con cada iteración. El esfuerzo no es repetir la misma tarea muchas veces, sino convertir cada fracaso en la siguiente condición.

9. Usa el lenguaje natural como lenguaje de implementación

Ochiai señaló temprano que la IA generativa reduce la distancia entre el lenguaje natural y los lenguajes de programación. En un artículo de 2023, argumentó que la llegada del reconocimiento de voz y ChatGPT facilita la conversión del lenguaje natural a código, permitiendo crear diversos resultados como video, música y texto a través de palabras. Esta no es una historia simple de "poder hacer cualquier cosa sin saber programación". Más bien, la importancia de la capacidad de verbalizar los requisitos aumenta:

• ¿Qué ingresar?
• ¿Qué datos usar?
• ¿Cuál es el orden del procesamiento?
• ¿Cómo actuar en caso de error?
• ¿Qué mostrar al usuario?
• ¿Qué se puede guardar?
• ¿Qué condiciones deben cumplirse para la finalización?

Anteriormente, tales diseños se escribían como código. Ahora, parte de eso se puede transmitir a la IA en lenguaje natural. Sin embargo, si pasas un lenguaje natural ambiguo, obtienes un programa ambiguo. Por lo tanto, a medida que avanza la codificación con IA, el poder para descubrir contradicciones en las especificaciones se vuelve más importante que la velocidad de escritura del código. En 2026, PIVOT presentó el uso de la IA por parte de Ochiai en un cortometraje titulado "La productividad es 32 veces". Sin embargo, las condiciones de cálculo como las tareas objetivo, el período de comparación y la evaluación de calidad no se pueden confirmar solo desde la página pública. Es apropiado tomar este número como una expresión simbólica de que la codificación con IA cambió significativamente la velocidad de implementación, más que un índice estricto de productividad empresarial.

De hecho, incluso si el número de líneas de código se vuelve 32 veces, el valor no necesariamente se vuelve 32 veces. Los errores también podrían volverse 32 veces. El código para verificar también aumenta. El alcance del impacto durante los cambios de especificaciones también se amplía. Existe la posibilidad de crear cantidades masivas de funciones no utilizadas. El verdadero resultado de la codificación con IA debe medirse por el tiempo desde la hipótesis hasta el prototipo, el tiempo para obtener una reacción de los usuarios, el tiempo para encontrar, corregir y volver a publicar problemas, y la cantidad de ideas realmente probadas que antes no se podían probar debido al costo.

10. No solo uses la IA conveniente; construye las herramientas para usar la IA

Particularmente simbólicos del uso más reciente de la IA por parte de Ochiai son "vibe-local" y "co-vibe". Vibe-local se publica como un agente de codificación de código abierto que utiliza Python y un entorno de ejecución de LLM local, lo que permite ejecutarlo sin conexión de red ni servicios en la nube de pago. Está diseñado en torno a un solo archivo Python y está destinado a su uso en educación, investigación y talleres fuera de línea. Co-vibe tiene un mecanismo para cruzar múltiples proveedores como Anthropic, OpenAI, Groq y modelos locales, distribuyendo tareas según la complejidad. Está diseñado para manejar investigación web, operaciones de archivos, codificación, ejecución paralela de múltiples agentes y continuación de sesiones en un solo entorno de terminal.

Lo que se ve de estos dos es una actitud de no aceptar los servicios existentes tal como son. Hay entornos que no pueden conectarse a la nube. Los estudiantes no pueden suscribirse a servicios de pago. No quiere depender de un solo proveedor de IA. Quiere verificar qué sucedió internamente. Quiere conectarse con equipos de investigación. Quiere continuar tareas de investigación largas. Para tales insatisfacciones, en lugar de seguir buscando otros productos, construye el entorno necesario. El esfuerzo nativo de la IA no se trata solo de idear prompts. Se trata de eliminar inconvenientes recurrentes mejorando las herramientas. Hay una tarea que toma cinco minutos al día. Si se continúa manualmente todos los días, se convierte en una gran cantidad de tiempo en un año. Una vez que se hace un script, no toma casi nada de tiempo a partir del día siguiente. Además, si ese script se incorpora a un agente de IA para que pueda juzgar automáticamente el mismo tipo de tarea, se puede usar para otros trabajos. Un genio del esfuerzo no es alguien que solo maneja la tarea que tiene delante rápidamente, sino alguien que encuentra partes que no requieren esfuerzo la próxima vez y pasa a un nuevo esfuerzo por esa cantidad.

11. No lo uses convenientemente mientras sea una caja negra

Las herramientas de IA se vuelven más difíciles de ver por dentro a medida que se vuelven más convenientes. Pones instrucciones, esperas un rato y el producto terminado sale. El usuario no sabe qué modelo se usó en el medio, cuántas veces falló, qué buscó o qué archivos cambió. Para trabajos simples, eso podría estar bien. Sin embargo, en trabajos donde el impacto del fracaso es grande, como investigación, sistemas empresariales, información personal o control de equipos, debes poder verificar "por qué se volvió así" más tarde.

El documento de posición de Co-vibe evalúa positivamente el soporte de codificación con IA comercial, pero señala que la opacidad se convierte en un problema para fines de investigación y que es necesaria una estructura que pueda rastrear llamadas API, selección de modelos y ejecución de herramientas. También establece como requisito de diseño la capacidad de cambiar entre modelos locales y en la nube sin estar fijado a un único proveedor de IA. Esta es una característica importante del uso de IA al estilo Ochiai. No uses la IA como magia; úsala como un dispositivo observable. ¿Qué instrucción falló? ¿Cuántas veces se rehizo? ¿Qué modelo manejó qué? ¿Cuánto costó? ¿Qué archivos se modificaron? ¿Cuántas pruebas pasó? ¿Dónde aprobó un humano? Si todo esto se puede registrar, el fracaso se vuelve reproducible. El fracaso reproducible se puede mejorar. Por el contrario, un estado de "de alguna manera funcionó esta vez" no se puede reproducir en el siguiente trabajo. No es necesario leer los pensamientos internos no públicos de la IA. Lo que se necesita es un historial de acciones confirmables como materiales buscados, operaciones ejecutadas, diferencias de cambios, resultados de pruebas, costos y tiempo de procesamiento. A medida que delegas más trabajo a la IA, no debes descuidar los registros. No solo mires el producto; guarda el proceso hasta que el producto esté hecho. Esta es la base para entrenar a la IA como una herramienta.

12. En la Creatividad, No Hagas que la IA Obedezca Demasiado las Palabras Humanas

Al usar IA para el trabajo, es importante que se mueva según la intención del usuario. Sin embargo, en la creación, las cosas son diferentes. Si solo salen cosas como el humano imaginó, el sentido de usar IA es escaso. Si la forma terminada ya está en la cabeza, el humano debería simplemente hacerla así. El valor de la IA radica en que a veces produce conexiones que el usuario no esperaba. Se presentó a Ochiai evaluando la naturaleza "literaria" de GPT-4.5 en ese momento, que no solo encajaba en formas lógicas sino que saltaba entre palabras y símbolos. Esta no es una evaluación universal de la superioridad del modelo, sino una actitud de intentar usar IA que produce conexiones impredecibles para la creación.

En otra pieza, Ochiai categorizó la creación con IA en casos donde los humanos controlan todo, casos donde se deja completamente a la generación automática, y casos donde los humanos solo realizan selección y ajuste fino basado en la generación de IA, y examinó las contradicciones intermedias. Si el humano lo arregla demasiado finamente, se pierden las desviaciones específicas de la IA; si es completamente automático, el deseo creativo humano es difícil de satisfacer. Lo que se deriva de esto no es un "prompt para que la IA cree un buen trabajo", sino una técnica de edición de cuánto de la imprevisibilidad de la IA dejar. Por ejemplo, supongamos que aparece una forma extraña en una imagen hecha por IA. Normalmente, la eliminarías como un defecto. Sin embargo, si hay una nueva impresión en esa extrañeza, también puedes hacer coincidir la composición general con esa forma. Si conceptos que normalmente no se conectan están alineados en un texto hecho por IA, podrías eliminarlos como sin sentido. Por otro lado, un humano puede pensar por qué esos dos estaban alineados y convertirlo en una nueva indagación. En el video "Liquid Universe" de Ochiai, donde la imagen del cristal líquido agrietado cambia fluidamente, fue producido por IA generativa. En la exposición de 2025, se adoptó una configuración donde el video de IA generativa cambia constantemente, y las imágenes de vida marina y estatuas de dragones nacen y desaparecen. La IA no está reemplazando completamente la mano del autor. El humano diseña el método de generación, materiales, dispositivos de visualización, espacio, tiempo, cambios a dejar y distancia de la audiencia. El esfuerzo humano en la creación pasa de dibujar todo a mano a dar límites a las cosas que continúan generándose.

13. Saca a la IA de la Pantalla de Chat y Conéctala al Espacio y al Cuerpo

Para muchas personas, la IA está dentro de un navegador. Ingresas una pregunta y el texto regresa. Pero el uso de IA de Ochiai no se queda en la pantalla. En su entorno de trabajo móvil, se introduce que usa Apple Vision Pro como "auriculares para la visión" para bloquear la información visual circundante y expandir una enorme pantalla virtual. Es una idea de reconstruir su propio entorno de concentración incluso en el Shinkansen. En el "null²" de la Expo de Osaka/Kansai, la IA no solo devolvió texto; se conectó al alter ego del usuario, la voz, el video y la producción espacial. En Mirrored Body, se adoptó un mecanismo para crear un avatar de IA haciendo que los usuarios registraran información y voces, conectándolo a la producción del pabellón. Además, parte de la tecnología de avatar 3D real utilizada allí se lanzó como código abierto después de la Expo.

Hay una gran sugerencia aquí para entender el uso de la IA. Usar IA no se trata solo de solicitar trabajo desde un chat. Cambia lo que los humanos ven. Cambia el espacio donde están los humanos. Usa los movimientos del cuerpo como entrada. Usa la voz como interfaz. Mueve dispositivos reales. Cambia la expresión según la reacción de la audiencia. Diseña la IA como parte del entorno. Por supuesto, no todos necesitan preparar auriculares costosos o equipos de exhibición a gran escala. Lo que se debe transferir es el principio, no el equipo. Bloquea las notificaciones que dificultan la concentración. Haz posible llamar siempre a la IA desde el mismo entorno de trabajo. Consolida voz, fotos, documentos y código en un solo proyecto. Plantilla las instrucciones de uso frecuente. Devuelve los resultados reales del trabajo a la IA. Crea primero el entorno donde ocurre la concentración para que los humanos no tengan que concentrarse por fuerza de voluntad cada vez. Las personas que pueden mantener el esfuerzo no son solo de voluntad fuerte; están creando un entorno a su alrededor donde el esfuerzo es fácil.

14. Cuanto más Era de la IA, más Valor tiene la Experiencia Manual a la Antigua

A menudo se piensa que para dominar la IA, solo necesitas conocer las herramientas más recientes. Sin embargo, Ochiai enfatiza el valor de la experiencia "analógica de la vieja escuela": haber escrito código a mano, entendido mecanismos y pasado por cambios tecnológicos. Incluso si la IA genera código o texto, si no entiendes la estructura interna, no puedes juzgar la causa cuando ocurre un problema. Si tienes experiencia moviendo tus propias manos, puedes notar rápidamente signos de defectos o ubicaciones de errores. Esta no es una historia simple de que las personas mayores son superiores a la generación más joven. Lo que importa no es la edad, sino si has experimentado los procesos básicos tú mismo. Alguien que ha reescrito textos muchas veces probablemente notará conexiones lógicas antinaturales en el texto de la IA. Alguien que ha experimentado con la fotografía puede notar contradicciones en las fuentes de luz o expresiones de lente en imágenes generadas. Alguien que ha depurado programas probablemente detectará código que es peligroso solo con ejecutarlo. Alguien que ha leído artículos puede sentir incomodidad en citas que parecen existir pero no. Alguien que ha manejado servicio al cliente puede imaginar por qué un flujo de trabajo ideal hecho por IA no se puede usar en el sitio.

La IA aumenta la velocidad de producción de los principiantes. Sin embargo, no convierte automáticamente a un principiante en un experto. Para evaluar si una salida es correcta, es necesario un sentido de ese campo. Por lo tanto, aprender en la era de la IA no se trata de omitir todos los conceptos básicos. Se trata de experimentar tareas básicas el número necesario de veces y acelerar las subsiguientes repeticiones masivas con IA. El hecho de que haya calculadoras no significa que no tengas que aprender el significado de los números. El hecho de que haya IA de traducción no significa que no tengas que conocer las diferencias culturales en el idioma. El hecho de que haya IA de codificación no significa que no tengas que entender datos, permisos, pruebas y seguridad. La alfabetización en IA por sí sola no puede sustituir la experiencia. El uso de IA al estilo Ochiai no se trata de desechar habilidades antiguas, sino de usar habilidades antiguas como dispositivos de inspección para la salida de IA.

15. No Llene el Tiempo; Deje Márgenes para que la Curiosidad se Mueva

Cuando ves a alguien hacer una cantidad increíble de trabajo, piensas que gestiona su agenda al minuto. Sin embargo, Ochiai muestra la idea de que la gestión excesiva del tiempo elimina la curiosidad. Por otro lado, no gestiona nada; diseña espacios de tiempo para concentrarse, como usar el tiempo de la mañana para el trabajo creativo. Esta es una paradoja importante con respecto a la eficiencia. Ahorraste una hora con IA. Pusiste una nueva reunión en esa hora. Ahorraste otra hora. Tomaste otra solicitud. Si llenas todo el tiempo ahorrado con planes, el volumen de procesamiento aumenta. Pero los descubrimientos accidentales disminuyen. Si usas la eficiencia de la IA solo para acumular trabajo, los humanos se convierten en dispositivos para digerir listas de tareas hechas por IA.

En entrevistas sobre el proceso de creación de Ochiai, se relata una actitud de apuntar a resultados que la humanidad aún no ha producido y tratar de elevar tanto la base técnica como la perfección artística. También se ve una idea de que, en lugar de fijar un tema desde el principio, el sujeto emerge mientras se mueven las manos y se prueban intereses circundantes. Las cosas nuevas no nacen llenando espacios en blanco de un plan. Investigar algo que te causa curiosidad. Escribir código que no sabes si es útil. Leer libros de otros campos. Tocar materiales. Tomar fotos. Lanzar combinaciones extrañas a la IA. Mirar los fracasos. Ese tiempo parece ineficiente a corto plazo. Pero los temas desconocidos llegan desde fuera de los productos planificados. Si la IA hace que el trabajo rutinario sea más rápido, los humanos no deberían llenar ese margen con más trabajo rutinario. Deberían devolverlo a la exploración sin un propósito fijo. Un genio del esfuerzo no es alguien que puede acumular planes todo el día, sino alguien que puede elegir en qué concentrarse, qué automatizar y dónde dejar tiempo sin propósito.

16. Después de Pasar la "Inteligencia" a la IA, ¿En Qué Ponen Esfuerzo los Humanos?

En una entrevista de 2026, Ochiai habló sobre la posibilidad de que, a medida que las máquinas asuman lo que los humanos han ganado a través del esfuerzo y la inteligencia, muchas personas enfrentarán ansiedad existencial sobre "qué deberían hacer". Esta es su perspectiva sobre el futuro, no un hecho de que todos los trabajos ya hayan sido reemplazados. Este problema se encuentra en el punto final de las técnicas de uso de IA. Hacer el trabajo más rápido. Hacer documentos más rápido. Escribir código más rápido. Terminar la investigación más rápido. Después de que eso se realiza, ¿qué hacen los humanos? ¿Hacen aún más documentos? ¿Escriben aún más código? ¿Asumen aún más trabajo? Si es así, el propósito del uso de IA apuntará para siempre a aumentar el volumen de procesamiento. Ochiai envisions un estilo de vida "Matagi": tener relaciones con comunidades específicas mientras se encuentran cosas nuevas accidentalmente en sus bordes. Es una forma de vida que usa la tecnología sin perder el contacto con el entorno, la fisicalidad, los rituales y la comunidad.

Si pasas el "trabajo para procesar inteligentemente" a la IA, los siguientes trabajos permanecen para los humanos:

• ¿Qué te sorprende?
• ¿Qué sientes que es hermoso?
• ¿Qué problema consideras imposible de ignorar?
• ¿Con quién estar?
• ¿En qué gastar tiempo?
• ¿Qué fracaso asumir?
• ¿Dónde tomar responsabilidad?
• ¿Qué tipo de experiencia obtener con el cuerpo real?

Estos no son mero procesamiento de información. La IA puede hacer candidatos. También puede predecir. Pero qué candidato elegir como propia vida es algo que solo un humano puede asumir. El esfuerzo en la era de la IA está pasando de recordar más respuestas correctas a actualizar continuamente lo que uno valora.

17. Lo que No Debes Imitar son los Hábitos de Vida Extremos

Cuando se presentan técnicas de trabajo de productores famosos, el tiempo de vigilia, el tiempo de sueño y el número de comidas tienden a atraer la atención. Para Ochiai también, se introduce cómo usa el tiempo de la mañana y sus hábitos alimenticios únicos. Sin embargo, tales hábitos de vida no deben imitarse como el centro de las técnicas de uso de IA. La dieta, el sueño, el ejercicio y la medicación tienen condiciones apropiadas dependiendo de la constitución, la edad, las enfermedades crónicas y el contenido del trabajo. Lo que la persona está haciendo y lo que se puede recomendar generalmente son diferentes. Lo que se debe extraer en este artículo no es el número de comidas. Es:

• Comparar múltiples IAs.
• Dejar materiales por voz.
• Deconstruir procesos de trabajo.
• No considerar el primer borrador como producto terminado.
• Verificar fuentes.
• Dejar el historial de ejecución de IA.
• Hacer tus propias herramientas si es necesario.
• Volver al cuerpo real y al entorno.

Reducir el sueño para aumentar la producción con IA no es un diseño de esfuerzo a largo plazo. En lugar de tomar aún más del sueño el tiempo acortado por la IA, asígnalo a la recuperación, el aprendizaje, la observación y el tiempo con la familia u otros. Lo que se debe aprender de un genio del esfuerzo no es cómo soportar el sufrimiento. Es cómo crear un sistema para no tener que repetir el mismo sufrimiento y pasar a trabajos desconocidos en esa medida.

"Sistema Operativo de Esfuerzo con IA al Estilo Ochiai" Abstrado de Ejemplos Públicos

Organiza el contenido hasta ahora en una forma que pueda transferirse al trabajo general. Este no es el procedimiento de trabajo diario exacto publicado por el propio Ochiai. Es un modelo práctico abstraído por este artículo de ejemplos públicos de uso de IA.

Etapa 1: Comienza en un Estado Desorganizado

No escribas una propuesta desde el principio. Primero, durante cinco a diez minutos, saca lo que tienes en la cabeza tal como está, por voz o texto. Puedes mezclar propósito, antecedentes, emociones, malestar, ideas e inquietudes. Luego, pregúntale a la IA lo siguiente:

Categoriza mis declaraciones en hechos confirmados, interpretaciones, hipótesis, esperanzas, limitaciones y elementos no confirmados. No saques una conclusión todavía y haz preguntas una a la vez para aclarar el propósito.

Aquí, no dejes que la IA dé una respuesta. Haz que descubra la ambigüedad del lado humano.

Etapa 2: Pasa la Misma Tarea a Tres o Más IAs

No dependas de una sola IA. Pasa los mismos materiales de antecedentes y preguntas a múltiples IAs. Sin embargo, no solo recopiles tres respuestas idénticas; cambia los roles. Haz que una investigue de manera estándar, que otra busque contraejemplos y que otra piense en métodos de implementación y costos. Si es posible, haz que otra maneje la perspectiva de los usuarios o los oponentes. Después de la salida, haz que cree una tabla de comparación:

• Puntos en los que todas las IAs estuvieron de acuerdo
• Puntos que solo algunas afirmaron
• Puntos donde los números o hechos entraron en conflicto
• Puntos para verificar con fuentes primarias
• Puntos que nadie consideró El humano lee las diferencias entre las respuestas, no las respuestas en sí.

Etapa 3: No Termines con Texto; Conviértelo a Otro Formato

No te conformes con leer los resultados de la investigación. Si es un plan, haz un solo diagrama. Si es un producto, haz un prototipo de pantalla. Si es un trabajo, haz una imagen o un video corto. Si es un sistema, haz un diagrama de procedimiento por el que los usuarios pasen. Si es una investigación, divídela en hipótesis y métodos de verificación. Las ideas pueden ocultar contradicciones en el texto. Cuando intentas implementarlas, aparecen condiciones faltantes. ¿Quién lo usa? ¿Qué botón presionan? ¿De dónde vienen los datos? ¿Cómo regresan en caso de falla? La implementación es un dispositivo de inspección para las ideas.

Etapa 4: Haz que Otra IA Rompa lo que una IA Hizo

No dejes que la IA generadora realice solo una autoevaluación. Pasa el producto a otra conversación, otro modelo u otro rol. Haz que busque problemas desde las siguientes perspectivas:

• Errores factuales
• Inexistencia de citas
• Problemas de seguridad
• Problemas de derechos
• Identificación incorrecta del público objetivo
• Subestimación de los costos de ejecución
• Partes que no se pueden mantener
• Partes que se escapan a generalidades
• Partes que requieren aprobación humana
• Partes que no se pueden recuperar en caso de falla Un humano verifica los problemas de alta prioridad en fuentes primarias o entornos reales. La inspección por IA no es una garantía final. Úsala para reducir los lugares que un humano debe inspeccionar.

Etapa 5: Convierte las Razones de Rechazo en el Próximo Activo de Prompt

No solo elimines las malas salidas y termines. Deja en una línea por qué no fue bueno.

• "El público objetivo es demasiado amplio."
• "Técnicamente posible, pero no hay caso de uso."
• "El texto está organizado, pero carece de experiencia."
• "La imagen es hermosa, pero no relacionada con el propósito."
• "Los resultados de la investigación carecen de fuentes primarias."
• "El código funciona, pero carece de gestión de permisos." Agrega estas a las prohibiciones del proyecto o a los criterios de evaluación. La próxima vez, la IA tendrá menos probabilidades de cometer el mismo error. La experiencia humana se convierte en instrucciones personalizadas, especificaciones, pruebas y listas de verificación. Este es el trabajo de convertir el esfuerzo en una forma acumulable.

Etapa 6: Automatiza o Convierte en Herramienta las Inconveniencias Recurrentes

Si escribes la misma instrucción cada vez, haz una plantilla. Si conviertes al mismo formato cada vez, haz un script. Si buscas los mismos materiales cada vez, guarda el proceso de investigación. Si realizas la misma verificación cada vez, conviértelo en una prueba. Si eliges un modelo cada vez, crea reglas por tarea. Si pasas archivos manualmente cada vez, considera un método de conexión segura. Lo que importa no es solo acortar una tarea en tres minutos. Es no dejar que esos tres minutos ocurran cientos de veces en el futuro.

Etapa 7: Finalmente, Llévalo a la Realidad

No evalúes solo con conversaciones entre IAs. Muéstralo a las personas. Muévelo en el sitio. Imprímelo. Proyéctalo. Haz que los clientes lo usen. Piensa mientras caminas afuera. Toca materiales. Experiméntalo con tu propio cuerpo. La IA puede crear personas usuarias plausibles. Pero dónde se pierden los usuarios reales no se puede saber a menos que lo lleves a la realidad. La realidad rompe la lógica hermosa hecha por IA. Esa destrucción determina la dirección del próximo esfuerzo.

Prompt Práctico de Rotación de Esfuerzo

Lo siguiente no es una reproducción del prompt propio de Ochiai. Es un protocolo de diálogo único de la estructura analizada en este artículo: investigación paralela, implementación por etapas, contraevidencia y registro.

1No eres una IA que actúa en mi nombre para hacer un producto terminado de una sola vez, sino un "Orquestador de Investigación y Desarrollo" que aumenta la velocidad de rotación de la investigación, la creación de prototipos, la contraevidencia y la mejora.
2
3【Tema】
4{{Tema en el que trabajar esta vez}}
5
6【Lo que finalmente quiero decidir】
7{{Completa tanto como sepas. Puede estar sin decidir}}
8
9【Materiales que tengo actualmente】
10{{Notas, transcripciones de voz, documentos, datos, código, etc.}}
11
12【Principios Básicos】
131. No crees un plan final mientras mi propósito sea ambiguo.
142. Haz una pregunta a la vez para aclarar el propósito, el objetivo, las limitaciones y las condiciones de éxito.
153. Separa claramente hechos, interpretaciones, hipótesis y propuestas.
164. Adjunta fuentes a los hechos y prioriza las fuentes primarias.
175. Para cosas que no se pueden confirmar, no las llenes con conjeturas; márcalas como "no confirmado".
186. No trates el primer plan como el plan final.
197. Trata la investigación, la ideación, la implementación y la evaluación como procesos separados.
208. La misma IA no debe servir como creador y único evaluador.
219. Indica claramente las partes que requieren aprobación humana.
2210. Registra todas las razones de rechazo como condiciones para la próxima generación.
23
24【Fase 1: Descubrimiento del Propósito】
25Clasifica mi entrada en lo siguiente:
26- Hechos confirmados
27- Mis interpretaciones
28- Hipótesis no verificadas
29- Emociones o malestar
30- Recursos disponibles
31- Limitaciones
32- Palabras aún no definidas
33Haz una pregunta a la vez para la información faltante.
34
35【Fase 2: Diseño de Investigación Paralela】
36Divide el tema en los siguientes roles:
37A. Investigador que recopila explicaciones estándar y materiales principales
38B. Contraargumentador que busca contraejemplos, evidencia en contra y ejemplos de fallas
39C. Profesional que piensa en métodos de implementación, costos y plazos
40D. Analista de partes interesadas que piensa en usuarios, no usuarios y personas en desventaja
41E. Explorador que busca conexiones inesperadas con otros campos
42Crea preguntas para que cada rol investigue, asegurando que no haya superposición en los puntos.
43
44【Fase 3: Libro Mayor de Evidencia】
45Formatea los resultados de la investigación de la siguiente manera:
46- Afirmación / Base / Fuente / Fecha de publicación / Período de datos / Primaria o secundaria / Contraevidencia / Nivel de confianza / Puntos para verificación humana
47
48【Fase 4: Creación de Prototipos】
49Crea 3 planes de prototipo mínimos a partir de los resultados de la investigación. Para cada plan, muestra:
50- Hipótesis a verificar / Qué hacer / Qué no hacer / Tiempo requerido / Costo requerido / Proceso manejado por IA / Proceso manejado por humano / Condiciones para el fracaso
51No procedas a la implementación completa hasta que elija un plan.
52
53【Fase 5: Contraauditoría】
54Contra el prototipo o el primer borrador, busca problemas desde las perspectivas de:
55- Hecho / Lógica / Tecnología / Seguridad / Derechos / Costo / Objetivo / Mantenibilidad / Originalidad
56Muestra la gravedad en 4 niveles: Detener / Requiere arreglo / Observación / Permitir.
57
58【Fase 6: Registro de Mejoras】
59Registra lo siguiente cada vez que se realice una corrección:
60- Antes del cambio / Problema / Contenido del cambio / Razón del cambio / Problema recién surgido / Condiciones para agregar al prompt o prueba a partir de la próxima vez
61
62【Fase Final】
63No actúes sobre la decisión final. Organiza opciones, evidencia, opiniones opuestas y elementos no confirmados, y haz que yo mismo escriba el plan adoptado y la razón.
64
65En la primera respuesta, no hagas una propuesta; haz una pregunta sobre el malestar o propósito más específico que estoy sintiendo con respecto a este tema.

Conclusión — Yoichi Ochiai No Ha "Dejado el Esfuerzo" con la IA

Si entiendes el uso de la IA de Yoichi Ochiai como una colección de prompts convenientes, te pierdes su esencia.

Ejecutar múltiples IAs simultáneamente. Recuperar pensamientos desorganizados por voz. Estructurar instrucciones largas. Rehacer la primera respuesta muchas veces. Dividir la investigación, las imágenes y la implementación en diferentes herramientas. Hacer que una IA critique la salida de otra. Detectar anomalías con la experiencia de mover sus propias manos. Construir herramientas observables si las cajas negras son un problema. Conectar la IA no solo al texto, sino al video, al espacio, al cuerpo y al equipo de investigación. Y devolver el tiempo ahorrado por la IA a la curiosidad y la experiencia real.

Lo común en esta serie de acciones no es la idea de intentar ser perezoso. Es la idea de intentar probar más dentro del mismo tiempo. Antes de la IA, un día terminaba solo con investigar e implementar una hipótesis. Después de la IA, puedes investigar múltiples hipótesis, hacer tres prototipos, comparar razones de fracaso y devolver esos resultados a la siguiente instrucción. Puedes usar el margen resultante para descansar. Puedes usarlo para otro trabajo. Puedes usarlo para nuevas expresiones o investigaciones. Es un humano quien decide para qué usarlo.

Si llamamos a Yoichi Ochiai un "Genio del Esfuerzo", la razón no es simplemente que trabaje más que otros. Es porque no convierte el esfuerzo en un asunto de espiritualismo. Convertir el pensamiento en una forma registrable. Convertir el fracaso en la siguiente condición. Automatizar la repetición. Actualizar herramientas. Crear entornos. Aún dejando lugares donde los humanos deben juzgar. Lo que está aumentando con la IA no es solo el número de productos terminados. Es el número de veces que puede seguir girando sin rendirse hasta llegar a algo desconocido. Lo que se cuestiona en la era de la IA no es "¿qué IA estás usando?" ¿Qué está observando el humano mientras la IA está generando? ¿Qué está arreglando el humano después de que la IA lo ha hecho? ¿A dónde está tratando de ir el humano como resultado de que la IA se haya vuelto más rápida? La mejor técnica de uso de IA no es una forma de evitar el esfuerzo. Es para que el esfuerzo no desaparezca como algo único, sino que se convierta en un sistema que acelere el próximo esfuerzo.