Curso completo · 10 módulos
Un curso guiado paso a paso, sin jerga, para quienes nunca han abierto una terminal: saldrás usando Claude Code en tu trabajo real, sin necesitar a nadie más para configurar nada.
Módulos
Entiende qué es realmente Claude Code y el cambio de mentalidad que transforma tu forma de trabajar con IA en el día a día.
Instálalo, ábrelo y ejecuta los primeros comandos sin bloquearte, aunque nunca hayas usado nada parecido a una terminal.
Organiza archivos y carpetas de la forma que Claude Code entiende, para trabajar con él en cualquiera de tus proyectos reales.
Configura las reglas y rutinas que convierten Claude Code en un asistente que ya sabe cómo trabajas.
Enséñale a Claude Code a recordar tu contexto entre conversaciones, en vez de empezar de cero cada vez.
Divide tareas grandes entre varios asistentes de IA especializados que trabajan en paralelo para ti.
Pasa de una idea suelta a un proyecto terminado, publicado y funcionando, de principio a fin.
Profundiza tu sistema de memoria y contexto para tomar decisiones más consistentes y repetir menos esfuerzos.
Pon a trabajar juntos a varios agentes de IA en automatizaciones que funcionan solas, sin que tengas que estar presente.
Ajusta y revisa lo que construiste, con un plan claro para continuar por tu cuenta después del curso.
Claude Code para Personas Normales · Módulo 1
Al final de este módulo podrás explicar con tus propias palabras qué hace Claude Code de manera diferente a un chat común, dar contexto real a una IA en vez de solo pedirle algo listo y reconocer, en una tarea tuya, si necesita IA o solo pasos fijos, sin necesitar nada más de lo que ya tienes hoy.
Ya usaste algún chat de IA, pero al momento de aplicarlo en tu trabajo de verdad te bloqueas: no sabes si puede con una tarea seria, temes perder tiempo para recibir una respuesta genérica y sientes que estas herramientas se diseñaron pensando en programadores, no en quien solo quiere resolver el trabajo del martes.
↓ rol para estudiar
Anthropic (la empresa que crea Claude) vende tres productos de la misma familia. El Claude Chat es un chatbot sencillo, de sitio web o celular: preguntas, responde y ahí queda. El Claude Cowork es una capa intermedia, una interfaz sencilla para automatizaciones ya listas. Y el Claude Code es el más poderoso de los tres: a pesar del nombre, no necesitas saber programar para usarlo. La diferencia principal es que tiene harness: acceso a herramientas reales, no solo al chat.
Piensa en tu contadora independiente organizando facturas dispersas en carpetas de la computadora, o en la coordinadora de RR. HH. comparando currículums con una hoja de cálculo de vacantes: en ambos casos, un chat común no puede ver esos archivos. Claude Code sí puede verlos, abrirlos, leerlos y, cuando lo autorizas, editarlos.
Antes
Abres un chat de IA, copias y pegas un fragmento y solo responde con lo que aparece en pantalla: no ve tu archivo, tu hoja de cálculo ni tu correo electrónico.
Después
Con Claude Code, la misma IA abre los archivos de tu computadora y, cuando la autorizas, interactúa con servicios que ya usas: no solo responde a lo que pegaste.
Saldo: menos copiar y pegar manualmente, más tareas resueltas de principio a fin, sin que tengas que hacer de intermediario entre el archivo y la IA.
Hay una forma sencilla de entender cualquier herramienta de IA: piensa en tres capas, una dentro de la otra. En el centro está el modelo, el motor que hace el razonamiento. A su alrededor está Claude Code, el auto que usa ese motor para funcionar. Y al volante estás tú: tu criterio, tus datos, el contexto de tu negocio.
El motor por sí solo no llega a ninguna parte: necesita el auto para ponerse en movimiento y a alguien al volante para ir a un lugar que tenga sentido. Los modelos y el harness cambian con el tiempo: hoy es uno, dentro de un año puede ser otro, más rápido o más barato. La parte que no cambia, y que es la más importante de las tres, eres tú.
Para quien tiene una tienda pequeña, el motor se puede cambiar mañana sin que tenga que aprender nada de esto en ese momento; para una consultora independiente, lo que nunca cambia es el contexto que aporta: sin eso, hasta el motor más caro del mundo se equivoca de objetivo.
Durante mucho tiempo, el consejo número uno sobre IA era "escribe mejor tu solicitud": asignarle un rol a la IA, dar instrucciones claras y un ejemplo de lo que quieres. Eso sigue ayudando, pero cada vez es menos decisivo, porque los propios modelos mejoran por sí solos en ese aspecto. Lo que se volvió decisivo es otra cosa: ingeniería de contexto, lo que la IA sabe sobre ti incluso antes de que preguntes.
El prompt es cómo preguntas. El contexto es lo que la IA ya sabe sobre ti.
Un pasante nuevo no produce nada bueno el primer día si nadie le explicó qué hace la empresa, quién es quién y qué está en marcha, aunque sea aplicado e inteligente. Una IA sin contexto es exactamente eso: un pasante inteligente que está adivinando. Y el contexto son datos que solo tú tienes: si todos usan el mismo modelo con la misma solicitud genérica, todos reciben la misma respuesta genérica.
Un profesor que solo escribe «haz un plan de clase sobre fracciones» recibe algo genérico; si cuenta que enseña a sexto grado, que sus estudiantes tienen dificultades con la multiplicación y pega el plan de la semana pasada, la respuesta ya queda lista para usar: la misma diferencia se aplica a una contadora independiente que solicita un cobro amable para un cliente específico.
Piensa en enseñar a un niño a andar en bicicleta: no lo sueltas y te vas. Sostienes el asiento, corriges el equilibrio, lo sueltas un poco y vuelves a sostenerlo. Trabajar con IA es parecido — iteración es la regla, no la excepción. Después de "enseñarle" al decimoquinto asistente o automatización, el proceso de ajustar ya casi se volvió una ciencia, pero todos empiezan dando tumbos.
Esto explica un patrón común: en teoría, aprender algo nuevo parece una línea recta de progreso. En la práctica, es una curva que cae antes de despegar: durante un tiempo avanzas más despacio y después vas mucho más rápido. Es justo en ese valle donde la mayoría se rinde, justo antes de que el cambio empiece a dar frutos.
Una coordinadora de RR. HH. que prueba un nuevo proceso de selección de currículums con IA no acierta con el filtro ideal al primer intento: lo ajusta, revisa los errores y vuelve a ajustarlo. Lo mismo ocurre con el dueño de un pequeño negocio que prueba una respuesta automática para clientes: la segunda versión ya queda mucho mejor que la primera, y la quinta, mejor aún.
La diferencia entre un chatbot común y un agente de IA es esta: el chatbot solo actúa cuando se lo pides; el agente se activa por sí solo cuando ocurre algo: eso es lo que este curso llama construir tu propio "Jarvis". Pero antes de automatizarlo todo, conviene hacerse una pregunta sencilla: ¿esta tarea es una máquina expendedora o una máquina tragamonedas? La máquina expendedora es determinista: misma moneda, mismo producto, siempre. La tragamonedas no: cada vez que tiras de la palanca, el resultado varía. Cada vez que hablas con una IA generativa, en cierto modo estás apostando en una tragamonedas: el resultado varía.
La regla práctica: usa IA cuando la tarea realmente requiere razonamiento y varía según el caso; usa un procedimiento fijo cuando el proceso siempre es igual: es más barato, más rápido y casi nunca falla. Antes de automatizar, hazte dos preguntas: ¿tengo que activarlo yo o el sistema puede activarlo solo? ¿Este paso realmente necesita IA o hay una forma sencilla y fija de resolverlo a menor costo?
Una consultora freelance que siempre envía el mismo modelo de propuesta y solo cambia el nombre y el monto no necesita IA generativa cada vez: una plantilla fija lo resuelve más rápido. En cambio, cuando un profesor necesita adaptar una explicación difícil a la forma de aprender de un alumno específico, ahí sí entra en juego la IA, porque cada caso requiere un criterio distinto.
Ponte a prueba
Envías el mismo aviso de cobro a los clientes atrasados todos los meses; solo cambias el nombre y el monto. Esta es una tarea para...
Cuanto mejor funciona la IA, más fácil es confiar ciegamente en la primera respuesta: esa es la trampa. Hay un chiste que lo resume bien: un lado usa IA para convertir una viñeta en un correo formal; el otro lado usa IA para convertir ese mismo correo de nuevo en una viñeta. Nadie lee lo que queda en medio. Una señal de alerta común es un texto lleno de rayas largas innecesarias: quien nunca escribe así se da cuenta enseguida cuando nadie revisó un texto.
El criterio se entrena: estudia los mejores ejemplos de tu área, guarda lo que funciona, pregúntale a la propia IA «¿por qué quedó bien esto?» y, cada vez que corrijas algo, incorpora esa corrección a tus instrucciones. La frase que lo resume: tener criterio es decidir qué merece llevar tu nombre. Lo que publicas con ayuda de la IA lleva tu firma, para bien o para mal.
Ese mismo repertorio se convierte en protección profesional cuando empaquetas tu experiencia de más de una manera: no en temas diferentes, que se dispersan y fallan, sino en la misma especialidad, con distintos formatos: curso, boletín por correo, consultoría puntual. La experiencia de una contadora independiente puede convertirse en un curso breve sobre organización fiscal, un boletín mensual y un servicio de consultoría puntual, sin cambiar de tema; quien tiene un pequeño negocio y ya domina el control de inventario puede hacer lo mismo y presentar lo que ya sabe de distintas maneras.
Una precaución: si tienes un contrato laboral o una cláusula de exclusividad, revísalo antes y sé transparente con quien te emplea. Y compartir lo que estás aprendiendo, aunque sea poco a poco, es lo que hace que otras personas puedan encontrarte, incluso cuando alguien busca información sobre el tema con su propia IA.
Practica ahora 0/2 completados
Meta: escribir un bloque de contexto real tuyo y comparar la respuesta con él y sin él. ~10 min.
Nada de esto se publica ni se envía a nadie: es solo una prueba dentro del chat de IA que ya usas. ¿No te gustó el resultado? Borra la conversación y empieza de nuevo.
A continuación tienes un modelo listo, como una receta con espacios en blanco. Solo tienes que completar lo que está marcado entre < >, el resto ya está listo para copiar y pegar.
Contexto sobre mim: - Profissão: <sua profissão, ex.: contadora autônoma> - O que eu preciso resolver: <a tarefa real desta semana> - O que já tentei ou o que costuma funcionar: <um exemplo real seu, se tiver> Pedido: <a tarefa em si, ex.: "escreva uma resposta educada mas firme pra um cliente atrasado">
Acabas de poner en práctica la diferencia entre pedir y dar contexto: el mismo cambio que sostiene el resto del curso.
Resumen
Claude Code para Personas Normales · Módulo 2
Al final de este módulo podrás elegir cómo instalar Claude Code, preparar un pedido usando las cuatro palancas que hacen que la IA responda mejor —no solo "escribir mejor la pregunta"— y decidir entre los tres modelos disponibles sabiendo cuánto cuesta cada uno, sin necesitar nada más de lo que ya tienes hoy.
Viste la demostración, te entusiasmó y ahora te bloqueas en la primera pantalla: qué camino seguir para instalarlo, qué plan contratar y si vale la pena pagar por algo que quizá te dé una respuesta genérica como cualquier chat gratuito. La sensación de «esto se hizo para programadores, no para mí» también está presente aquí, y este módulo muestra precisamente lo contrario.
↓ rol para estudiar
Hay tres formas de abrir Claude Code, y ninguna cambia lo que hay dentro. La primera es escribir comandos en una pantalla de comandos (lo que los técnicos llaman terminal); es el camino más rápido para quienes ya tienen familiaridad con la computadora, pero no es obligatorio. El segundo, y el más recomendado para quienes están empezando, es la aplicación de escritorio de Claude: una ventana con botones y chat, parecida a cualquier programa que ya usas. El tercero es una extensión dentro de VS Code, un editor que usan quienes ya programan; solo tiene sentido si ya usas ese programa por otro motivo.
La instalación en sí requiere una suscripción de pago: el plan gratuito de Claude no da acceso a Claude Code; solo los planes Pro y Max. Los planes Max (US$100 o US$200 al mes) ofrecen límites de uso mucho más amplios que Pro. Puedes pensarlo como contratar a un empleado: un buen ingeniero de software costaría mucho más de US$100 mil al año, así que US$200 al mes por un «empleado de IA» completo es otra cuenta. No importa cuál de las tres opciones elijas: los archivos, las conversaciones y los proyectos siguen siendo los mismos si después cambias de opción.
Una consultora freelance que no está acostumbrada a las pantallas negras puede empezar directamente con la aplicación; un profesor que ya usa VS Code para organizar exámenes quizá prefiera la extensión: ambos llegan al mismo resultado.
Error común
Suscribirte al plan gratuito creyendo que ya te da acceso a Claude Code. El plan Free solo habilita el chat común; sin Pro o Max, la instalación ni siquiera comienza. Revisa el plan antes de seguir cualquier tutorial de instalación.
La diferencia se nota desde la primera solicitud fuera de lo común. Un usuario le pidió a Claude Code que encontrara un archivo de logo llamado «AIS Live Black» en algún lugar de la carpeta de Descargas, sin saber la ruta exacta. Un chat común no podría hacerlo: solo ve lo que pegas en la pantalla. Claude Code entró en la carpeta, revisó los nombres e incluso las imágenes de los archivos para confirmar visualmente cuál era el correcto, encontró el logo, devolvió la ruta completa y hasta preguntó si debía organizar o copiar el archivo en otro lugar.
Esto aplica al día a día de cualquier profesión que trabaje con archivos dispersos. Una contadora independiente con facturas en distintas carpetas para cada cliente, o una coordinadora de RR. HH. que cruza los currículums recibidos por correo con una hoja de cálculo de vacantes abiertas: en ambos casos, Claude Code ve los archivos reales en la computadora, no una descripción de ellos.
Hay cuatro cosas que convierten una solicitud genérica en una respuesta que te da exactamente lo que necesitas, y ninguna es «redactar mejor la pregunta».
Las cuatro palancas
Un profesor que solo escribe «haz un plan de clase sobre fracciones» recibe algo genérico. Si cuenta que enseña a sexto grado, que sus estudiantes tienen dificultades recurrentes con la multiplicación y pega el plan de la semana pasada, la respuesta ya queda lista para usar: las mismas cuatro palancas sirven para una consultora freelance que solicita una propuesta comercial para un cliente específico.
En una demostración real, las cuatro palancas dieron como resultado un informe completo de analytics de YouTube. El pedido fue así: "quiero una evaluación del segundo trimestre del canal, que extraiga datos reales de YouTube y haga un análisis profundo como si fueras mi estratega de contenido, no solo que me muestre números". Fíjate en que este pedido no enumera paso a paso lo que hay que hacer: describe el resultado final y deja que la IA decida cómo llegar a él. A esto se le llama solicitud con objetivo: en vez de pedir una tarea aislada, describes la condición para que esté «listo» y dejas que la IA trabaje hasta alcanzarla.
El resultado: Claude Code fue a YouTube, tomó capturas de pantalla para comprobar que los números coincidieran y generó una hoja de cálculo completa en Excel —panel ejecutivo, calificación por video, tendencia mes a mes, temas de contenido, formato y duración, audiencia y origen del tráfico— en unos diez minutos. Un trabajo que, hecho a mano, llevaría horas, se resolvió con una sola solicitud en lenguaje común, sin que quien la hizo tuviera que escribir ninguna fórmula.
El mismo tipo de solicitud sirve para el dueño de un pequeño negocio que quiere entender el trimestre de su tienda o para una coordinadora de RR. HH. que quiere un panorama de las contrataciones del semestre: la estructura de la solicitud es la misma, solo cambia lo que se evalúa.
Cuanto mejor funciona la IA, más fácil es confiar a ciegas en la primera respuesta, y ahí está el riesgo. Una pregunta sencilla lo resuelve: «Si una persona me entregara este trabajo, ¿qué haría para aprobarlo? ¿Lo abriría y lo probaría? ¿Lo revisaría tres veces? ¿Intentaría romperlo a propósito?». Lo que harías manualmente para aprobar el trabajo de una persona, también puedes pedirle a la IA que lo haga por su cuenta antes de entregártelo.
Un ejemplo real: pedirle a la IA que pruebe cien envíos de un formulario de un sitio web para encontrar por sí sola los errores de validación del correo electrónico, en vez de descubrir el problema semanas después, cuando un cliente se queje. Esto cambia el punto de partida del resultado.
Antes
Sin pedir una verificación, el primer resultado alcanza alrededor del 60 % de lo que necesitas. Ese porcentaje aumenta poco a poco, ronda de comentarios tras ronda de comentarios, hasta llegar al 100 %.
Después
Si le pides a la IA que pruebe y corrija su propio trabajo antes de entregártelo, el primer resultado ya queda cerca del 80 % —la distancia hasta el 100 % se acorta mucho.
Saldo: menos rondas de corrección manual, porque parte de la revisión ya está hecha.
Esto aplica a cualquier profesión: una dueña de un pequeño negocio puede pedirle a la IA que revise por su cuenta si todos los precios de una lista coinciden con la tabla original antes de publicarla; un consultor independiente puede pedirle que relea su propuesta y busque cifras que no cuadran antes de enviarla al cliente.
Cada solicitud y cada respuesta se miden en tokens — un token equivale a cerca de tres cuartos de una palabra. Hay tres modelos disponibles, cada uno con un equilibrio distinto entre velocidad, costo y capacidad: Haiku es el más rápido y barato; Sonnet 5 es el equilibrio para el día a día; Opus 4.8 es el más capaz, reservado para tareas que realmente necesitan profundidad, y cuesta más que los otros dos. Generar una respuesta siempre cuesta más que leer una solicitud, porque escribir es el trabajo activo del modelo.
Una cifra real ayuda a dimensionarlo: la hoja de cálculo de analytics del Q2 del paso anterior consumió cerca de 25 mil tokens de salida al ejecutarse en Opus, alrededor de US$0,63 de costo real, dentro de una sesión que usó 428 mil tokens de un límite de 1 millón. Quien se suscribe al plan (en vez de pagar por uso individual) no paga cada token por separado: tiene una ventana de uso que se renueva cada cinco horas, además de un límite semanal general y un límite semanal específico para los modelos más costosos. Agotar todo ese cupo en un plan de US$200 al mes equivaldría a unos US$8.000 de uso si se pagara por token: un descuento considerable frente al precio por uso individual.
En la práctica: una coordinadora de RR. HH. que revisa currículos en lote todos los días ahorra más usando Haiku para las tareas repetitivas y reservando Opus para las decisiones que realmente importan; un profesor que corrige un ensayo complejo se beneficia más de Opus que de ahorrar con el modelo más barato en una tarea que exige un criterio preciso.
Practica ahora 0/2 completados
Meta: tomar una solicitud que ya le hiciste (o le harías) a una IA y reescribirla con rol+contexto, contexto de la tarea y prompt negativo. ~10 min.
Nada de esto se publica ni se envía a nadie: es solo una prueba dentro del chat de IA que ya usas. ¿No te gustó el resultado? Borra la conversación y empieza de nuevo.
A continuación tienes un modelo listo, como una receta con espacios en blanco. Solo tienes que completar lo que está marcado entre < >.
Papel + contexto: você é <o papel que a IA deve assumir, ex.: "minha assistente financeira">. Meu contexto: <o que você faz, seu negócio ou situação>. Contexto da tarefa: <a situação real, não só o pedido — o que já aconteceu, o que está em jogo>. O que NÃO fazer: <pelo menos uma coisa que a IA deve evitar, ex.: "não use linguagem informal demais">. Pedido: <a tarefa em si>
Acabas de aplicar, en la práctica, la diferencia entre una solicitud genérica y una solicitud bien ajustada: la base de cualquier buen resultado con IA.
Resumen
Claude Code para Personas Normales · Módulo 3
Al final de este módulo podrás crear un CLAUDE.md básico con el contexto de tu propio trabajo, saber cuándo usar la versión global y cuándo la versión exclusiva del proyecto, y reconocer si un agente de IA tiene acceso a demasiadas herramientas para lo que le pediste, sin necesitar nada más de lo que ya tienes hoy.
Ya entendiste que el contexto lo cambia todo, pero aún repites el mismo párrafo de presentación cada vez que abres una conversación nueva. Y cuando alguien habla de «archivo de configuración» o «clave de API», una parte de ti se bloquea, como si eso fuera cosa de gente de TI. No lo es.
↓ rol para estudiar
Todo agente de IA lee un archivo específico antes de procesar cualquiera de tus mensajes, siempre, en cada conversación nueva. Piensa en una recepcionista que, antes de atenderte, siempre echa un vistazo rápido a una nota pegada en la entrada con los avisos del día: quién es quién, qué está en marcha, qué hay que evitar. El CLAUDE.md cumple ese papel. Tú escribes solo "hola", y detrás, la IA ya leyó esta nota completa antes de responder; por eso la respuesta puede venir contextualizada, del tipo "listo cuando tú estés; solo un recordatorio: el evento X es este viernes, el proyecto Y empieza el día tal".
Un CLAUDE.md bien hecho suele tener un formato parecido, sin importar la profesión de quien lo escribió: primero, el papel del agente («eres mi asistente, tu trabajo es...»); después, un mapa que indica dónde buscar cada tema —«si es sobre X, la ruta es Y»— para cada área importante de tu trabajo. El «.md» del nombre es solo la extensión del archivo, un código breve que indica el tipo: texto simple con formato (llamado markdown), del mismo modo que «.py» indica un programa de computadora o «.txt», texto sin ningún formato.
Hay una forma de mejorar esta nota con el tiempo: cuando una respuesta sale mal, usa tu criterio para señalar qué faltó y pídele a la propia IA que actualice el CLAUDE.md con esa instrucción. Un profesor que nota que las respuestas siempre citan pocas fuentes puede pedirlo; una contadora independiente a quien le molestan los textos llenos de rayas largas innecesarias puede hacer lo mismo. La próxima vez, la IA responderá mejor, sin que tengas que volver a explicarlo.
Hay dos niveles donde puede estar esta nota, y la diferencia importa. El nivel global está en la carpeta personal de tu computadora y sirve para cualquier proyecto que abras: es el lugar indicado para preferencias que no cambian, como una forma de escribir que nunca quieres ver en la respuesta (una lista de frases que suenan robóticas), o cosas que la IA fue aprendiendo sobre tu forma de trabajar con el tiempo. El nivel de proyecto está dentro de la carpeta de un proyecto específico y solo sirve allí.
En la práctica: cuando abres una carpeta nueva por primera vez, la IA pregunta si puede confiar en ese lugar; podrá leer, escribir e incluso ejecutar cosas allí, así que autoriza solo carpetas que realmente reconozcas. Y si la carpeta es nueva, no tienes que configurar nada por tu cuenta: basta con pedirle a la propia IA "inicializa este proyecto con un CLAUDE.md" para que cree la estructura básica.
Un consultor freelance que atiende a tres clientes distintos puede tener un CLAUDE.md global con su propia forma de escribir correos electrónicos y un CLAUDE.md de proyecto separado para cada cliente, con el contexto que solo corresponde a ese contrato; una dueña de un pequeño negocio con una sola tienda quizá ni eche de menos el nivel de proyecto y use casi exclusivamente el global.
Hay un control que determina cuánto se detiene la IA para preguntarte «¿puedo hacer esto?» antes de actuar. En el modo automático (la opción predeterminada, adecuada para la mayoría de los casos), pregunta antes de realizar acciones más delicadas. Puedes mover el control hacia el lado más cauteloso y exigir permiso para cada paso, o soltarlo por completo: un modo en el que nunca se detiene a preguntar, que debes activar deliberadamente en la configuración porque es arriesgado por defecto.
Hay una historia real que muestra dónde está el verdadero riesgo: un agente de un equipo envió un correo con un cupón de descuento a 150 mil personas sin que nadie se lo hubiera pedido. El problema no fue el modo de permisos elegido: fue que el agente TENÍA ACCESO a la herramienta para enviar correos, cuando solo debía tener acceso a la herramienta para redactarlos. El permiso real no consiste solo en lo que le escribes a la IA para que no haga; también importa qué herramientas puede usar literalmente.
Error común
Confiar solo en la instrucción escrita ("no envíes nada sin que yo lo revise") para controlar a un agente. Las instrucciones escritas ayudan, pero lo que realmente impide una acción indebida es no darle acceso a la herramienta que puede causar el daño. Si el agente puede enviar, algún día enviará.
Una coordinadora de RR. HH. que crea un agente para filtrar currículums debe darle acceso solo para leer y organizar, nunca para responder a los candidatos por su cuenta sin revisión; un profesor que usa IA para corregir exámenes debe mantener el registro de calificaciones fuera del alcance automático y revisar antes de publicarlas.
Además de la nota principal, todo proyecto puede tener una carpeta de apoyo (llamada .claude) que guarda tres cosas importantes. La primera es el archivo de configuración, donde están los permisos: lo que el agente PUEDE y lo que NO PUEDE hacer, escritos en lenguaje sencillo («puedes usar la terminal, buscar en internet, pero nunca borrar esta carpeta específica»). No necesitas saber escribir en este formato técnico: describe en portugués lo que quieres permitir o prohibir y la propia IA edita el archivo por ti.
La segunda es una carpeta de agentes auxiliares: asistentes secundarios, cada uno con una tarea específica; su tema se profundiza en un módulo más adelante. La tercera es una carpeta de recetas listas (skills): instrucciones empaquetadas que la IA carga automáticamente cuando el pedido coincide con esa receta; también se profundiza más adelante.
Piensa en esta carpeta como la sala de apoyo detrás de la recepción: la nota (CLAUDE.md) está en la entrada y siempre se lee; la sala de apoyo solo se abre cuando el tema lo requiere. Un consultor freelance que atiende a distintos clientes puede tener ahí guardada una receta propia para cada cliente; una dueña de un pequeño negocio puede tener un agente auxiliar solo para organizar los pedidos recibidos por WhatsApp.
Dos herramientas se comunican entre sí por un canal llamado API — piensa en esto como un teléfono directo entre dos programas. Sin credenciales, este teléfono solo accede a información pública: Claude Code puede ver datos públicos de cualquier canal de YouTube, por ejemplo, pero no las métricas privadas del tuyo. A clave de API es lo que permite ese acceso privado: funciona como una contraseña y debes tratarla con el mismo cuidado que una.
Es importante dónde se guarda esta clave: existe un tipo de archivo específico para eso, llamado .env — piensa en él como una caja fuerte dentro del propio proyecto, separada del resto, que nunca debe compartirse ni publicarse en ningún lugar. Cuando le pides a la IA que cree este archivo, también crea una protección (llamada .gitignore) que garantiza que esa caja fuerte nunca termine por accidente en un lugar público.
Una consultora freelance que usa una herramienta de búsqueda paga para investigar el mercado, o un profesor que conecta un servicio para generar diapositivas: ambos necesitan lo mismo: obtener su propia clave en el sitio del servicio y dejar que la IA la guarde en el lugar seguro adecuado.
En una demostración real, alguien conectó la clave de una herramienta de búsqueda (Tavily, que ofrece gratis los primeros mil usos) siguiendo una secuencia sencilla.
Paso a paso
La misma prueba se repitió a propósito con una clave inválida, y la IA, sin ninguna instrucción adicional, simplemente volvió a usar su propia búsqueda nativa en vez de avisar que la clave había fallado. La lección: sé explícito ("no uses la búsqueda nativa, usa solo Tavily"), porque sin esa instrucción un agente puede elegir silenciosamente una alternativa peor sin decírtelo. Después de corregir la clave, conviene pedirle a la IA que guarde la dirección del servicio y el método de autenticación en el propio CLAUDE.md; así, la próxima vez no pierde tiempo "redescubriendo" el mismo camino.
Un contador independiente que conecta una herramienta para consultar datos públicos de empresas, o una coordinadora de RR. HH. que conecta una plataforma de empleo: el procedimiento siempre es el mismo: obtener la clave, guardarla en la bóveda, probarla y dejar que la IA anote la ruta para no tener que volver a descubrirla después.
Al crear una clave nueva para cualquier servicio, normalmente puedes restringirla de dos formas: con un límite de gasto (deja de funcionar al alcanzar un monto definido) y con un límite de capacidad (solo puede hacer una cosa específica, no todo lo que ofrece el servicio). Una clave para generar efectos de sonido tampoco necesita acceso a doblaje ni a otras funciones del mismo servicio.
¿Le darías una tarjeta de crédito sin límite a un empleado nuevo? Trata cualquier clave de API de la misma manera. La regla práctica para guiar esta elección: si tu agente PUEDE tocar un dato, asume que LO HARÁ, aunque no se lo pidas. Por eso, dale solo el acceso mínimo que exige la tarea, nunca el máximo disponible.
Esto se relaciona directamente con la privacidad: en los planes de suscripción personal, entrenar la IA con tus datos pasó a ser una opción que eliges activamente, y puedes activarla o desactivarla en la configuración. Pero incluso si la desactivas, la empresa detrás de la IA sigue teniendo acceso a tus datos; simplemente no los usa para entrenar. Antes de pegar un contrato, datos de clientes o cualquier información sensible, conviene revisar la política de tu empresa. Una coordinadora de RR. HH. nunca debería pegar datos personales de un candidato en un chat sin conocer esa política; para una contadora independiente, la misma precaución aplica a los datos bancarios de sus clientes.
Practica ahora 0/2 completados
Meta: leer un minicase real y decidir qué herramientas deberían revocarse antes de confiarle una tarea real al agente. ~8 min.
Este es un ejercicio de lectura y criterio: aquí no se crea ni se modifica ningún agente real. No se registra ninguna respuesta; la solución solo sirve para que compares tu razonamiento.
Lee el minicaso de abajo y anota qué revocarías antes de abrir la solución.
Minicaso: configuras un agente para organizar tu bandeja de entrada de correo electrónico. Tiene acceso a: leer correos, redactar respuestas, enviar correos, eliminar correos antiguos y acceder a tu agenda. Tu solicitud fue solo: "organiza mi bandeja de entrada y señala lo que es urgente".
Mantendría: leer correos, redactar respuestas y acceder al calendario (lo necesita para saber qué es urgente cuando se acerca un compromiso). Revocaría: enviar correos y borrar correos antiguos; ninguna de esas acciones se pidió y ambas pueden causar un daño real si el agente se equivoca por su cuenta. La solicitud fue «organizar y señalar», no «responder y limpiar»: la regla es dar solo el acceso que requiere la tarea solicitada, nunca el paquete completo por comodidad.
Acabas de practicar, en un caso sin riesgos, la misma pregunta que evita el tipo de error que envía un correo electrónico a 150 mil personas sin que nadie lo pida.
Resumen
Claude Code para Personas Normales · Módulo 4
Al final de este módulo podrás identificar qué herramientas de tu trabajo valdría la pena conectar primero, entender por qué es preferible una clave de API a un botón de conexión listo y reconocer cuándo terminar una conversación larga y retomarla con un resumen, en vez de dejar que la IA pierda calidad, sin necesitar nada más de lo que ya tienes hoy.
Ya haces mejores solicitudes y sabes proteger el acceso de la IA, pero aún sientes que cada conversación nueva empieza desde cero, repitiendo el mismo contexto, y no sabes reconocer cuándo una sesión larga empieza a estorbar en vez de ayudar.
↓ rol para estudiar
Cuando un proyecto central de IA está conectado con todas las herramientas de tu negocio y tiene todo el contexto sobre lo que haces, empieza a funcionar como una especie de sistema operativo de IA — memoria perfecta, búsqueda instantánea y contexto que ningún ser humano puede retener por completo al mismo tiempo. Incluso hay un caso real curioso: en un equipo, cuando alguien no encuentra al líder, le escribe directamente al sistema de IA de esa persona, que responde mejor y más rápido de lo que respondería el propio líder.
Este sistema se organiza en cuatro partes, llamadas aquí las cuatro C: contexto (lo que la IA sabe sobre ti y tu negocio) y conexiones (a qué herramientas puede acceder) forman lo que los próximos módulos llaman «segundo cerebro»; capacidades e cadencia (las recetas listas y las rutinas automáticas) vienen después, cuando el segundo cerebro ya está en marcha.
Esto cambia para ti si...
No puedes conectar todo de una vez, y tampoco vale la pena. Empieza por lo que los negocios en general más necesitan: ingresos, clientes, agenda, comunicación, tareas, reuniones y conocimiento acumulado. Hay una forma sencilla de descubrir cuáles de estas herramientas son las tuyas: mira las pestañas abiertas ahora en tu navegador, los favoritos guardados, el historial reciente; eso es lo que más visitas y lo que más vale la pena conectar primero.
El camino para conectar cualquiera de ellas sigue siempre el mismo proceso: buscar "documentación de la API de [nombre de la herramienta]", pedirle a la IA que lea esa documentación y configure la conexión, obtener la clave de acceso en el sitio de la herramienta y pegarla en la bóveda (.env) del proyecto — el mismo proceso del módulo anterior, repetido herramienta por herramienta.
Un profesor que se mueve entre el correo electrónico, el calendario de clases y una carpeta de materiales tiene ahí sus tres candidatos más obvios; una dueña de un pequeño negocio que vive entre una hoja de cálculo de ventas y WhatsApp Business tiene los suyos. Una medida sencilla del progreso vale más que cualquier meta abstracta: ¿qué parte de tu día puedes resolver solo desde esta ventana de conversación con la IA, sin cambiar de programa?
Hay una herramienta gratuita y de código abierto del propio Google que permite acceder, desde un único canal, a Drive, Gmail, Calendar, Documentos, Hojas de cálculo y Presentaciones, con más de cien tareas listas. Por ejemplo, generar un documento a partir de una plantilla, leer datos de una hoja de cálculo y armar un informe, o encontrar un horario disponible y programar una reunión automáticamente. La ventaja frente a conectar cada herramienta por separado: una sola interfaz, respuestas en un formato que la IA entiende bien y actualización automática cada vez que Google agrega algo nuevo. Una vez configurada, requiere muy poco mantenimiento.
Paso a paso (una sola vez)
Una vez que todo esté listo, las solicitudes se vuelven sencillas: encontrar un documento de Google que recuerdas vagamente; leer los correos no leídos y asignarles una prioridad según lo que importa para tu negocio, marcando automáticamente como leídos los de baja prioridad; o crear una presentación completa, con la propia IA tomando una captura del resultado, comparándolo con la identidad visual esperada y corrigiendo el espaciado por sí sola hasta que coincida. Una consultora freelance que pierde documentos entre proyectos se beneficia de la búsqueda de documentos; un contador independiente que recibe decenas de correos de clientes al día se beneficia de la clasificación por prioridad.
Muchas aplicaciones de IA ya incluyen un botón para "conectar", con un inicio de sesión sencillo para servicios comunes; es mucho más fácil que configurar una clave y una bóveda a mano. El problema es dónde queda vinculada esa conexión: solo sirve para esa aplicación específica. Si cambias de aplicación, de interfaz o incluso de empresa de IA —algo que ya ha pasado más de una vez en los últimos años—, pierdes todas las conexiones hechas y tienes que rehacerlas una por una.
En cambio, la clave de API guardada en la bóveda (.env) no pertenece a ninguna aplicación: es solo una carpeta y un archivo de texto. Cualquier IA, de cualquier empresa y desde cualquier interfaz, puede leer la misma bóveda. Ser independiente de las herramientas es lo más importante de todo esto — porque los modelos y las interfaces cambian cada semana, pero tus datos y conexiones no deberían tener que cambiar con ellos.
Un dueño de un pequeño negocio que prueba dos o tres interfaces de IA distintas a lo largo del año ahorra bastante tiempo si las conexiones ya están en la bóveda, listas para que cualquiera de ellas las use; un consultor freelance que cambia de suscripción de vez en cuando obtiene exactamente el mismo beneficio.
Una skill (receta, en lenguaje directo) es una instrucción escrita que le enseña a la IA a repetir un proceso a tu manera. Piensa en una receta de pastel: la primera vez la sigues al pie de la letra; después de hacerla varias veces, ya te la sabes de memoria y ajustas las cantidades a ojo. Una skill funciona así, solo que quien «se aprende» la receta es la IA, no tú.
El truco para evitar desperdicios: la IA no lee completas todas las recetas guardadas cada vez; solo les echa un vistazo rápido al título y la descripción, decide cuál coincide con lo que pediste y entonces sí lee esa receta completa antes de actuar. Esto es lo que mantiene el sistema rápido incluso con decenas de recetas guardadas.
Hay dos formas de crear una: pedir que la arme desde cero, explicando paso a paso lo que quieres, o hacer el proceso manualmente una vez y luego pedirle: «convierte lo que acabamos de hacer en una receta». Una coordinadora de RR. HH. que clasificó manualmente su bandeja de entrada durante semanas puede pedir después que eso se convierta en una receta fija. Y lo mejor: si un correo se clasificó mal, explica el motivo y la IA ajusta la receta por su cuenta, sin necesidad de reescribir nada a mano.
Un conductor de camión solo puede conducir un número limitado de horas antes de descansar; no porque haya perdido la habilidad, sino porque su criterio empeora con el cansancio, incluso sin que se dé cuenta. Con la IA pasa algo parecido: cuanto más llena se vuelve la ventana de contexto de esa conversación, peor es la calidad de la respuesta, aunque el modelo siga "sabiendo" todo técnicamente.
La ventana de contexto es como la jornada laboral de un camionero: después de un tiempo, el criterio empeora, no por falta de capacidad, sino por el cansancio acumulado.
La práctica recomendada es terminar la conversación mucho antes de llegar al límite: cuando hayas usado cerca de una cuarta parte del espacio total, ya es momento de empezar de nuevo. Pero empezar desde cero significa perder todo el contexto acumulado, y ahí es donde entra un paso sencillo: antes de cerrar, pídele a la IA que genere un resumen estructurado de la sesión: dónde empezó, qué se decidió, qué se entregó y qué sigue pendiente. Copias ese resumen, empiezas una conversación nueva, lo pegas y la conversación continúa exactamente donde quedó, pero con mucho más espacio libre.
Una consultora freelance en una sesión larga de planificación de proyectos, o un profesor que organiza el material de todo un semestre en una sola conversación: ambos se benefician del mismo hábito: resumir y empezar de nuevo antes de que baje la calidad, en vez de esperar a que la IA "olvide" por sí sola.
Practica ahora 0/2 completados
Meta: enumerar las herramientas que más usas y decidir el orden de conexión. Estará listo cuando tengas 3 herramientas con nombre, en orden de prioridad. ~10 min.
Nada de esto conecta nada de verdad: es solo un mapa en papel o en una aplicación de notas. ¿No te gustó el orden que elegiste? Cámbialo como quieras, sin ningún costo.
A continuación tienes un modelo listo, como una receta con espacios en blanco. Solo tienes que completar lo que está marcado entre < >.
Minhas abas mais abertas essa semana: <liste 3 a 5> As 3 ferramentas que eu conectaria primeiro, em ordem: 1. <ferramenta> — porque <o motivo, ex.: "é onde toda tarefa nova chega"> 2. <ferramenta> — porque <motivo> 3. <ferramenta> — porque <motivo>
Acabas de diseñar el comienzo de tu propio sistema operativo de IA: el siguiente paso concreto es simplemente repetir, herramienta por herramienta, el proceso del paso 2 de este módulo.
Resumen
Claude Code para Personas Normales · Módulo 5
Al final de este módulo podrás explicar la diferencia entre la memoria automática de Claude Code y tu CLAUDE.md, decidir qué proceso de tu trabajo conviene automatizar primero usando la lógica del cuello de botella y definir una sola métrica que demuestre si funcionó, sin necesitar nada más de lo que ya tienes hoy.
Ya corriges lo mismo en cada conversación con la IA y, cuando piensas en automatizar algo de tu trabajo, no sabes por dónde empezar ni cómo sabrás después si realmente valió la pena el esfuerzo.
↓ rol para estudiar
Después de un tiempo de uso, Claude Code empieza a escribir por su cuenta los datos que aprendió sobre ti y tu trabajo, sin que se lo pidas. Esta memoria automática guarda cada dato aprendido en un archivo propio y breve, dentro de una carpeta exclusiva: en el caso de quien grabó este curso, ya son 72 archivos individuales, cada uno con un nombre que explica de qué trata, como «cómo le gusta a Noel que organice los recordatorios» o «cómo funciona la estructura de la empresa». Al inicio de cada archivo hay una etiqueta breve que indica si se trata de una preferencia, una corrección o una referencia, y un archivo índice las reúne todas.
Para comprobar si está activada —viene activada de forma predeterminada— hay un comando específico que muestra el estado, pero solo aparece en la versión de Claude Code que funciona con comandos de texto escritos en una pantalla, no en la aplicación más sencilla, con ventanas y botones. Una contadora independiente que corrige tres veces a Claude Code sobre cómo prefiere que se separen las facturas por cliente no tendrá que corregirlo una cuarta vez: después de algunas sesiones, eso ya quedó como un dato recordado. Lo mismo ocurre con un profesor que siempre repite el mismo criterio de evaluación: la memoria automática aprende ese patrón por sí sola.
Antes
Repites el mismo contexto —tus preferencias, tu forma de organizarte, la corrección que haces siempre— en prácticamente cada conversación nueva.
Después
Lo que corregiste se convierte por sí solo en un dato recordado: la próxima vez, Claude Code ya lo sabe, sin que tengas que repetirlo.
Saldo: menos tiempo repitiendo lo obvio, más sesiones que ya empiezan donde terminó la anterior.
Es fácil confundir tres cosas que parecen la misma "memoria", pero cumplen funciones diferentes. El CLAUDE.md son las reglas que escribes: lo que la IA siempre debe hacer, a tu manera, sin excepciones. El archivo de memoria automática contiene los hechos aprendidos — preferencias corregidas, decisiones tomadas, referencias guardadas, escritas por la propia IA con el tiempo. Y hay una tercera capa, más grande: un segundo cerebro — un mapa de todo el negocio, no solo de tus preferencias personales (este curso profundiza en esta idea en el módulo 8). CLAUDE.md funciona como un enrutador: cuando la IA no sabe algo de inmediato, indica dónde buscar más: en la memoria, en el mapa general, en los proyectos.
La idea del segundo cerebro viene de una publicación que se volvió viral: en vez de usar bases de datos tecnológicas complicadas, basta con organizar documentos en texto simple. El propio modelo puede mantener índices y resúmenes, y navegar entre ellos sin perderse, incluso entre cien artículos o medio millón de palabras. Un caso real citado: alguien organizó 383 archivos sueltos y más de cien transcripciones de reuniones en una wiki compacta, y el gasto de «munición de lectura» de la IA en cada consulta (del que dependen el costo y la velocidad) bajó un 95%.
Un coordinador de RR. HH. que tiene las políticas internas dispersas en quince archivos sueltos gana mucho más al organizarlo todo en un único lugar fácil de recorrer que corrigiendo a la IA sesión tras sesión; una consultora freelance que atiende a doce clientes distintos solo evita confundir el contexto de un cliente con el de otro si cuenta con este mapa más amplio, y no solo con la memoria automática de preferencias generales.
Piensa en tu negocio como una tubería de agua: los pedidos y los clientes entran por un lado, atraviesan el proceso y, por el otro, sale el resultado —el trabajo entregado, la ganancia. En algún punto de esta tubería siempre hay un cuello de botella, un cuello de botella, que limita cuánto puede pasar, sin importar qué tan bien funcione el resto. Automatizar una parte del conducto que ya fluye bien no cambia lo que sale del otro lado: solo cambiar el cuello de botella, cuando se destraba, modifica el resultado final.
La pregunta que revela dónde está: «Si mañana tuviera cinco veces más clientes, ¿qué se rompería primero?». Esta pregunta te obliga a trazar el proceso real, en vez de adivinar. Y después de destrabar un cuello de botella, pasa más agua por el conducto y aparece el siguiente atasco en otro lugar. Es un ciclo sin fin, pero cada vuelta te da una ruta clara para saber por dónde seguir.
La restricción es el único lugar donde el trabajo realmente se acumula; automatizar el resto es solo mantenerse ocupado.
La dueña de una tienda pequeña descubre, al hacer esta pregunta, que el cuello de botella no es vender más, sino poder responder a tiempo los pedidos que ya llegan por WhatsApp para no perder la venta. Un contador independiente descubre que el cuello de botella no es cerrar las cuentas más rápido, sino el tiempo que pierde esperando a que los clientes reúnan los documentos correctos.
Todo proyecto o automatización necesita una métrica principal — definida antes de construir cualquier cosa, no después. Volviendo al ejemplo de la tubería: si el cuello de botella identificado es "entran pocos pedidos" (digamos, cinco por semana), la métrica clave pasa a ser "quince por semana". Sin acordar ese número de antemano, nadie sabe, meses después, si la automatización valió el esfuerzo; medir el retorno de una automatización no es tan directo como "gasté X en anuncios, entró Y de ingresos".
Una profesora que decide automatizar parte de la corrección de exámenes solo sabrá si valió la pena si, antes de empezar, define el número: por ejemplo, pasar de tres horas a una hora por grupo. Una consultora freelance que automatiza el seguimiento de propuestas enviadas necesita la misma claridad previa: la métrica puede ser la tasa de respuesta de los clientes, no "parece que está funcionando mejor".
Si tu trabajo todavía no tiene la escala necesaria para pensar en cuellos de botella formales, hay un ejercicio más sencillo: escribir, literalmente en un papel, qué procesos y herramientas usas cada semana, qué se repite y cuáles son tus disparadores — qué sucede para que actúes. Esto suele revelar de cinco a diez procesos candidatos; elige el que ocurre con más frecuencia, a menos que sea demasiado arriesgado intervenir en él ahora.
No importa qué tan bueno sea el modelo de IA que hay detrás: sin un conocimiento profundo del proceso y la experiencia que solo tú tienes sobre tu propio trabajo, la IA no hace nada significativo con los datos de tu negocio. Es la misma lógica detrás de la frase atribuida a Abraham Lincoln: "si tuviera seis horas para derribar un árbol, pasaría las primeras cuatro afilando el hacha". El tiempo que dedicas a mapear y planificar antes de automatizar vale mucho más que saltar directamente a la ejecución.
Ponte a prueba
Antes de automatizar cualquier proceso de tu trabajo, ¿cuál de estos pasos va primero?
Una profesora que traza en papel las etapas de la corrección — leer, comparar con la clave de respuestas, poner la calificación, escribir el comentario — descubre con claridad qué etapa vale la pena delegar a la IA. Un coordinador de RR. HH. que traza las etapas de selección de currículums antes de automatizar cualquier parte evita automatizar justo la etapa equivocada.
Practica ahora 0/2 completados
Meta: enumerar tus procesos de la semana, marcar el cuello de botella más urgente y escribir la única métrica que demostrará si resolverlo valió la pena. ~10 min.
Nada de esto cambia nada en tu trabajo real: es solo una lista en papel o en una aplicación de notas. ¿No te gustó el resultado? Táchalo y empieza de nuevo.
A continuación tienes un modelo listo, como una ficha con espacios en blanco. Solo tienes que completar lo que está marcado entre < >.
Meu cano esta semana: - Processos e ferramentas que uso toda semana: <liste de 3 a 5> - O que mais se repete ou trava: <o que acontece com mais frequência> - Se amanhã eu tivesse 5x mais clientes/alunos/pedidos, o que quebraria primeiro: <seu gargalo> Minha métrica norte pra esse gargalo: <o número que prova que deu certo, ex.: "de 5 pra 15 por semana">
Acabas de hacer, en la práctica, lo que distingue a quien automatiza por casualidad de quien automatiza lo que realmente importa: encontraste el cuello de botella correcto y decidiste cómo sabrás si funcionó.
Resumen
Claude Code para Personas Normales · Módulo 6
Al final de este módulo podrás explicar cuándo conviene delegar una tarea a un subagente en vez de hacerlo todo en la conversación principal, crear un subagente sencillo con ayuda del propio Claude Code y reconocer cuándo NO usar uno, sin necesitar nada más de lo que ya tienes hoy.
Tu conversación principal ya se llenó de cosas que no deberían estar ahí —una investigación larga, una pila de archivos revisados uno por uno— y no sabías que hay una forma de quitar ese peso sin perder el control del resultado final.
↓ rol para estudiar
Hasta ahora, siempre conversaste con la misma sesión: la misma "persona" que escucha todo de principio a fin. Hay otra forma de trabajar: la sesión principal se convierte en una especie de jefa, que sigue siendo la única que habla contigo, pero puede delegar tareas a un subagente — que trabaja con su propia memoria, separada, y solo informa a quien lo llamó, nunca directamente a ti.
Un ejemplo real: pedir cinco subagentes, cada uno con una persona diferente —un lector totalmente principiante, una ingeniera de software, un dueño de negocio, una editora—, para que revisen en paralelo los capítulos de un libro, cada uno desde una perspectiva distinta. Los cinco trabajan al mismo tiempo, cada uno en su propia sesión aislada, y entregan cinco opiniones distintas para que la misma jefa las reúna.
Un contador independiente puede pedirle a la sesión principal que delegue la revisión de cuarenta facturas en paralelo a subagentes, mientras sigue conversando sobre otro tema en la conversación principal; una dueña de un pequeño negocio puede delegar la comparación de precios de tres proveedores distintos al mismo tiempo, en vez de hacer una consulta a la vez.
Hay dos tipos: los de uso general, listos para usar y sin configuración; solo tienes que pedirlo y la sesión principal activa uno automáticamente cuando tiene sentido. Y los personalizados, que creas tú y guardas como un archivo propio dentro de una carpeta especial del proyecto. Ese archivo tiene una estructura fija: arriba, un bloque de configuración —como una ficha de identificación con el nombre, su función, el modelo que usa y las herramientas que puede o no puede usar— y debajo, instrucciones en texto común sobre cómo debe comportarse.
La parte más importante de esta ficha es la descripción: es la que funciona como disparador automático. Cuanto más precisa sea esta descripción, menos «activaciones incorrectas» habrá: ni se activará cuando no debería ni dejará de activarse cuando debería.
Paso a paso
Una consultora freelance puede crear un subagente permanente solo para revisar propuestas antes de enviarlas, que se active cada vez que diga algo como "revisa esta propuesta"; el dueño de un pequeño negocio puede tener un subagente que verifique los precios antes de publicar cualquier anuncio.
Hay tres razones prácticas para usar subagentes. La primera es mantener limpia la conversación principal: una investigación extensa o la lectura de decenas de archivos puede «ensuciar» el ventana de contexto principal; la delegada ocurre en una ventana nueva y aparte, y solo el resumen final vuelve a ti. La segunda es el costo: la conversación principal puede ejecutarse en un modelo más caro y capaz, mientras que las tareas simples y repetitivas se asignan a subagentes en un modelo más barato: un jefe inteligente con un equipo de trabajadores baratos. La tercera es el paralelismo: varios subagentes trabajando al mismo tiempo, cada uno en su propia ventana.
Un coordinador de RR. HH. que tiene que revisar cincuenta currículums evita saturar la conversación principal sobre la vacante al delegar esa lectura a un subagente; una profesora que tiene un montón de redacciones por corregir mantiene limpio el planeamiento de la próxima clase en la conversación principal y delega la corrección en otra ventana.
Un ejemplo real de construcción: el «Plan Roaster», un subagente abogado del diablo, creado para hacer críticas duras a un plan o una idea antes de que sigas adelante. Su ficha: descripción clara («crítica adversarial de un plan, se activa con frases como “evalúa mi plan”»), herramientas limitadas solo a la lectura —no edita nada—, un modelo sencillo y barato, ya que la tarea no exige un razonamiento costoso, y un color propio para identificar visualmente cuándo está activo.
Error común
Olvidar cerrar una comilla dentro del bloque de configuración del subagente. Suele pasar porque esta ficha se edita a mano, en un archivo de texto simple, y un carácter olvidado rompe la lectura del archivo entero: el subagente simplemente no se activa. Para evitarlo: después de crear o editar la ficha, pídele al propio Claude Code que revise el archivo antes de guardarlo, o pregúntale por qué no se activó cuando lo esperabas; la mayoría de las veces, él mismo encuentra el error.
Una profesora también puede crear, del mismo modo, un subagente "revisor de planes de clase" que solo lee y comenta, nunca edita el plan original; un contador independiente puede crear un "verificador de cálculos" que revisa los números antes de cerrar un informe para el cliente.
Por dentro, las skills y los subagentes son casi idénticos en su estructura: ambos son un archivo de texto con la misma ficha de configuración al inicio. La diferencia real está en cómo se ejecutan: un subagente funciona en una ventana de memoria aislada y nueva, permite el paralelismo real y puede usar un modelo distinto al de la conversación principal; una skill normalmente se activa dentro de la propia conversación principal, sin esa separación. Además, se pueden combinar: una skill puede llamar a un subagente y un subagente puede usar una skill.
La misma lógica de CLAUDE.md se aplica aquí: un subagente guardado dentro de la carpeta de un proyecto solo existe en ese proyecto; si lo guardas en tu carpeta personal, funciona en cualquier proyecto de tu máquina. Hay colecciones de subagentes listas para descargar de internet, pero, como con cualquier archivo de origen desconocido, conviene revisarlas antes de instalarlas: un archivo malicioso puede esconder una inyección de instrucciones disfrazada de ficha común.
Un coordinador de RR. HH. guarda el subagente de selección inicial solo dentro del proyecto del equipo de contratación, para que no se filtre a otros equipos; una consultora freelance guarda el subagente de revisión de propuestas en su carpeta personal, porque lo usa con cualquier cliente nuevo.
Señales de que conviene crear un subagente: vas a leer muchos archivos o a generar una respuesta larga que nunca volverás a leer de verdad; la tarea se repite cada semana; el trabajo es independiente y puede hacerse en paralelo; o quieres una opinión sin sesgos, de alguien que «despierta» sin ningún contexto previo.
Señales de que no conviene: una edición rápida y puntual; pasos que dependen unos de otros y deben seguir una secuencia —eso es orquestar varios agentes, no usar un subagente aislado, porque los subagentes no conversan entre sí, solo informan a quien los llamó—; o cuando la tarea requiere todo el historial de la conversación o hacerte una pregunta durante el proceso, porque los subagentes no interactúan directamente contigo.
También hay un recurso más avanzado, para tareas realmente grandes: iniciar varios subagentes automáticamente, por fases, y escalar de unos pocos a decenas o incluso cientos en una sola tarea. Esto consume tu límite de uso muy rápido —una prueba real llegó a 210 subagentes en una sola ejecución—, así que conviene usarlo con cuidado y vigilar el límite antes de dejarlo funcionando solo.
Un consultor freelance usa estas señales para decidir si revisa por su cuenta, en el momento, un contrato puntual, o si delega en un subagente un montón de contratos parecidos; un coordinador de RR. HH. usa el mismo razonamiento para saber cuándo conviene revisar un currículum en la conversación principal y cuándo delegar la selección inicial de toda una tanda.
Ponte a prueba
Necesitas revisar en paralelo los informes financieros de 8 clientes diferentes; cada revisión es independiente de las demás. Esto requiere...
Practica ahora 0/2 completados
Meta: tener listo para usar en una tarea real tuya un subagente simple y de solo lectura, creado con ayuda del propio Claude Code. ~10 min.
Un subagente de solo lectura no edita ni elimina nada: solo lee y responde. ¿No te gustó el resultado? Pídele a Claude Code que lo elimine y lo cree de nuevo.
A continuación tienes un pedido listo, como una ficha con espacios en blanco. Solo tienes que completar lo que está marcado entre < > y la pegas en tu conversación.
Quero criar um sub-agente novo. - O que ele faz: <ex.: revisar minhas propostas antes de eu enviar> - Quando ele deve entrar em ação sozinho: <ex.: quando eu disser "revisa esta proposta"> - Ele só pode ler, nunca editar ou enviar nada: sim - Modelo: o mais simples e barato disponível Me ajude a criar esse sub-agente e explique cada parte da ficha antes de salvar.
Acabas de delegar tu primera tarea de verdad y viste, en la práctica, la diferencia entre pedir algo en el momento y tener un trabajador permanente listo para llamar.
Resumen
Claude Code para Personas Normales · Módulo 7
Al final de este módulo podrás construir una página sencilla con ayuda de Claude Code, publicarla de verdad en una dirección a la que cualquiera pueda acceder y decidir cuándo un proceso de tu trabajo necesita pasos fijos y cuándo requiere un agente de IA de verdad, sin necesitar nada más de lo que ya tienes hoy.
Ya viste a Claude Code responder bien dentro de la conversación, pero nunca viste ese trabajo salir de tu computadora y convertirse en algo a lo que otra persona pueda acceder, y no sabes distinguir cuándo confiar ciegamente en una automatización y cuándo es peligroso hacerlo.
↓ rol para estudiar
Para crear algo que salga de la conversación y se convierta en una página de verdad, lo más sencillo es descargar un editor de código gratuito: un programa parecido a un procesador de texto, pero diseñado para organizar los archivos de un proyecto, no para que escribas código a mano. Después, una extensión conecta Claude Code directamente dentro del editor, inicias sesión con tu suscripción y abres una carpeta vacía en la computadora. A partir de ahí, esa carpeta es tu proyecto: todo lo que cree Claude Code vivirá ahí dentro.
Un dueño de un pequeño negocio que nunca ha abierto algo parecido puede crear, desde una carpeta vacía, el menú digital de su tienda; una profesora puede crear, del mismo modo, un sitio web sencillo con el portafolio de trabajos de su clase.
Antes de pedir cualquier página, conviene escribir una sola regla en el CLAUDE.md del proyecto: "siempre usa refuerzo de diseño visual antes de escribir cualquier código de página, sin excepción." Sin esta regla, el resultado tiende a quedar «hecho solo con talento» — visualmente poco atractivo, aunque funcione bien.
La diferencia es grande: hay complementos de diseño instalables con un comando sencillo que elevan muchísimo la calidad visual y las animaciones, incluso con una solicitud mínima. Un caso real: una solicitud de una sola frase, «haz una app para reproducir música», produjo animaciones y elementos dinámicos muy por encima de lo habitual, solo gracias a esa regla junto con ese complemento.
Antes
Una solicitud directa, sin ninguna regla en el CLAUDE.md, suele dar una respuesta genérica: funciona, pero no tiene ningún esmero.
Después
La misma solicitud, con la regla de diseño escrita de antemano, vuelve con una jerarquía visual y un nivel de cuidado muy por encima de lo habitual.
Saldo: una frase con una regla, escrita una vez, cambia el estándar de calidad de todo el proyecto de ahí en adelante.
Una consultora freelance crea su propia página de presentación con esta regla escrita desde el principio; el dueño de un pequeño negocio hace lo mismo con el menú digital de la tienda, sin necesidad de saber nada de diseño para que quede bien.
Una forma práctica de partir de algo atractivo en vez de una hoja en blanco: encontrar un sitio web de inspiración, tomar una captura de pantalla de toda la página, copiar su estilo visual y darle ambas cosas a Claude Code con la solicitud «clona este sitio web». Después, solo tienes que pedirle que cambie el color, el logo y el texto por los de tu propia marca, y el resultado ya parte de una base visual probada.
También existe un truco de autocorrección: Claude Code toma capturas de la página mientras la construye, las compara con el resultado esperado y hace ajustes por su cuenta. Esto suele llevar el trabajo de un 60 % terminado a más del 90 %, sin tantas correcciones manuales repetidas. Una salvedad importante: con elementos animados, una captura estática puede confundir el proceso. En ese caso, avísale explícitamente que es una animación para que no intente comparar una imagen estática con un movimiento.
Una profesora puede clonar el diseño de un sitio web de cursos ya listo para usarlo como base del material de su grupo; un coordinador de RR. HH. puede clonar un formulario de inscripción a un evento atractivo que encontró en internet y adaptarlo al proceso de selección de su propio equipo.
Mientras trabajas, Claude Code lo ejecuta todo localmente: solo en tu computadora, solo tú tienes acceso. Para publicar de verdad hacen falta dos pasos más: sincronizar el proyecto con un repositorio (una carpeta especial que guarda el historial de todos los cambios) y conectar ese repositorio a un servicio que lo vigila. Cada vez que llega un cambio nuevo, el servicio lo busca automáticamente y actualiza el sitio en vivo, sin que tengas que hacer nada más.
Paso a paso
Una buena práctica sirve para cualquier profesión: siempre prueba el cambio en tu computadora antes de pedir que se sincronice; incluso puedes convertirlo en una regla fija, escrita en el propio CLAUDE.md ("siempre probar aquí hasta que yo confirme; solo entonces sincronizar"). El dueño de un pequeño negocio que publica el menú digital por primera vez sigue exactamente estos pasos; lo mismo hace una profesora que publica el portafolio de su grupo.
Hay una escala útil para entender cualquier sistema de IA, de abajo hacia arriba: en la base, un chatbot; tú lo ejecutas manualmente cada vez. Más arriba, un proceso fijo, sin IA, que siempre sigue los mismos pasos y se activa por un evento o por una hora. Encima, el mismo proceso fijo, pero con IA en uno de los pasos: el orden siempre es predecible, solo varía el contenido de ese paso. En la cima, un agente: sin ninguna orden fija, decidiendo por sí solo qué hacer. Cuanto más alto en la escala, más autonomía, más imprevisibilidad, más costo y más riesgo.
La regla de oro: construye la solución más simple posible para el problema. Si no necesitas IA, no uses IA. Es la misma lógica de la máquina expendedora frente a la máquina tragamonedas, que vimos en el módulo 1: la misma entrada siempre produce la misma salida y requiere un proceso fijo; si la entrada varía según el caso, necesitas IA de verdad.
Un ejemplo real que compara las dos opciones para el mismo problema: la selección inicial de correos electrónicos. Un diseño como agente, con un enorme conjunto de reglas y varias herramientas, que decidía todo por su cuenta, resultó menos confiable, más costoso y más difícil de revisar cuando se equivocaba; un diseño como proceso fijo, con reglas objetivas para reenviar mensajes y la IA interviniendo solo para resumir la información, tuvo muy pocos errores, fue más barato y rápido, y permitía rastrear exactamente dónde había ocurrido un problema. Un consultor freelance que decide entre un agente para seleccionar correos y un proceso fijo, y un coordinador de RR. HH. que decide entre una IA que lo decida todo por su cuenta o reglas fijas para seleccionar currículums, se enfrentan a la misma elección.
Escribir "nunca envíes un correo, solo deja el borrador listo" en la solicitud es apenas una sugerencia: puede fallar la vez número ciento uno, aunque haya funcionado las cien anteriores. La protección real es otra: si la herramienta para "enviar correos" ni siquiera existe entre las que ese sistema puede usar, físicamente no podrá enviarlo, sin importar lo que "decida" hacer. La misma lógica se aplica a borrar registros o modificar una base de datos: no le des acceso a una acción que nunca debería ocurrir.
Error común
Confiar en que una instrucción en el pedido ("solo publica aquí") es protección suficiente. Un caso real: una automatización funcionó sola durante dos meses, olvidada, configurada para publicar una actualización semanal solo en una conversación privada; pero, después de algunas semanas, empezó a publicar por error en canales públicos porque tenía acceso a todos los canales, aunque la solicitud decía «solo aquí». La instrucción de la solicitud no es una capa de permisos: lo que realmente restringe el acceso es lo que concedes o deniegas.
Se aplica la misma lección de la bicicleta del módulo 1: no dejes una automatización sola y sin supervisión desde el principio; ve retirando la supervisión poco a poco, a medida que compruebas que es confiable, nunca de golpe. Una consultora freelance configura con cuidado a qué puede acceder una automatización y a qué no antes de activarla; el dueño de un pequeño negocio limita el acceso de una automatización de respuestas automáticas solo al canal adecuado, en vez de darle acceso a todo por comodidad.
Antes de dejar cualquier automatización funcionando sola en producción, conviene preparar un conjunto de pruebas: decenas o cientos de ejemplos de entrada con la respuesta correcta al lado, ejecutar el sistema con esos ejemplos, medir la tasa de aciertos y solo después ponerlo en producción o cambiar de modelo. No tiene que ser complicado: en lenguaje natural, puedes pedirle al propio Claude Code: «ayúdame a pensar en todos los casos extremos que podrían salir mal aquí antes de publicar». Te ayuda a diseñar las pruebas y las medidas de seguridad junto contigo.
Una profesora que prueba una automatización para generar ejercicios con casos antiguos conocidos, antes de usarla con todo el grupo, evita que les llegue a los alumnos un ejercicio incorrecto; un coordinador de RR. HH. que prueba un filtro de currículums con decisiones anteriores ya confirmadas, antes de confiarle decisiones reales, evita descartar por error a un buen candidato.
Practica ahora 0/2 completados
Meta: escribir la regla del hack número cero en tu CLAUDE.md y publicar, con ayuda de Claude Code, una página simple en una dirección a la que cualquiera pueda acceder. ~12 min.
Publicar una página de prueba no expone nada sensible tuyo: es solo una página nueva, sin ningún dato real. ¿No te gustó el resultado? Pídele a Claude Code que borre el proyecto y empiece de nuevo.
A continuación tienes un pedido listo, en dos partes, como una ficha con espacios en blanco. Solo tienes que completar lo que está marcado entre < >.
No CLAUDE.md deste projeto, escreva: "Sempre use reforço de design visual antes de escrever qualquer código de página, sem exceção." Depois, peça: Crie uma página simples de apresentação sobre <seu trabalho ou negócio, em 1 frase>. Quando estiver pronta, me ajude a publicar ela de verdade, passo a passo, e me avise quando eu puder acessar o endereço de qualquer lugar.
Acabas de sacar un proyecto tuyo de la computadora y ponerlo en el mundo: el mismo puente que usa cualquier sitio profesional para mantenerse en línea.
Resumen
Claude Code para Personas Normales · Módulo 8
Al final de este módulo podrás reconocer en cuál de los 5 niveles de segundo cerebro está hoy tu problema de organización, decidir qué conviene guardar como memoria permanente y qué debe quedar fuera, y crear tu primera carpeta de segundo cerebro con ayuda de la IA, sin necesitar nada más de lo que ya tienes hoy.
Ya perdiste media hora buscando un documento que sabías que habías escrito, o volviste a tomar desde cero una decisión que ya habías tomado meses atrás porque no recordabas dónde la guardaste. Tu cabeza no debería ser el único lugar donde guardas esas cosas, y la IA solo puede ayudar de verdad cuando hay un lugar organizado donde buscar.
↓ rol para estudiar
Hay una forma sencilla de darle a la IA acceso a lo que ya sabes, sin necesitar herramientas costosas ni complicadas. La idea se hizo famosa después de que Andrej Karpathy, uno de los nombres más respetados del área, describiera el método que él mismo usa: guardar todo en archivo de texto simple organizado en dos carpetas. Una carpeta llamada raw guarda las fuentes originales: los artículos, las transcripciones y las anotaciones tal como llegaron. Otra carpeta llamada wiki guarda lo que la propia IA organizó a partir de esas fuentes: resúmenes, conexiones entre temas y lo que es importante. Un archivo index.md funciona como resumen de todo, y un log.md guarda el historial de lo que se hizo, para que tú o la IA puedan entender después qué se procesó.
Una herramienta llamada Obsidian puede mostrar esas mismas carpetas como un mapa visual, con puntos conectados, pero es solo un adorno opcional sobre el mismo sistema de archivos de texto. Lo importante no es que el mapa se vea bonito, sino que la IA pueda encontrar y usar lo que está guardado.
Antes
Lees un artículo importante, subrayas un fragmento y se pierde entre las pestañas del navegador y las capturas de pantalla del celular; dentro de tres meses, ni siquiera recuerdas haberlo leído.
Después
Pegas el texto en la carpeta raw y le pides a la IA que lo organice; en minutos crea un resumen en la wiki, conectado con otros temas parecidos que ya habías guardado.
Saldo: lo que lees una vez ya no se pierde: se convierte en parte de un sistema que crece, en vez de desaparecer cuando cierras la siguiente pestaña.
Una contadora independiente que recibe un cambio en la ley cada mes puede pegar el texto oficial en la carpeta raw y pedir un resumen práctico en la wiki; un profesor que reúne materiales de varios cursos que ya hizo puede usar el mismo sistema para no volver a buscar la misma nota en tres lugares distintos. En la práctica, procesar un artículo denso toma de 10 a 15 minutos la primera vez, y organizar 36 transcripciones de una vez, por lotes, toma cerca de 14 minutos.
Hay cinco formas de construir un segundo cerebro, cada una responde a una pregunta diferente, y no existe un nivel «mejor» que los demás: existe el nivel adecuado para el problema que tienes ahora. La regla práctica es empezar siempre por la opción más sencilla que resuelva tu problema y subir de nivel solo cuando el nivel actual realmente te limite.
O Nivel 1 es una búsqueda por palabra exacta: un archivo raíz que funciona como guía, más carpetas simples —una para el contexto general, otra para proyectos en curso y otra para decisiones ya tomadas—. La pregunta que responde es: "¿puedo encontrar este archivo buscando su nombre o una palabra exacta?". El riesgo es que crezca demasiado sin estructura y se convierta en un desorden que la propia IA termina ignorando.
O Nivel 2 es la wiki con relaciones: el sistema raw/wiki del paso anterior, con enlaces entre los textos guardados (un documento apunta a otro relacionado), más un archivo de memoria automática con lo que ya se había acordado. La pregunta que responde es: "¿puedo reunir todo lo que ya sé sobre un tema, aunque esté en textos diferentes?". Para la mayoría de los pequeños negocios, este es el nivel en el que conviene quedarse durante bastante tiempo.
Un dueño de un pequeño negocio que solo necesita encontrar el contrato del proveedor por su nombre ya resuelve el problema con el Nivel 1; una consultora freelance que atiende a varios clientes y quiere que la IA reúna todo lo que ya habló con un cliente específico, repartido en distintas reuniones, necesita el Nivel 2.
O Nivel 3 entra cuando buscas con palabras distintas de las que escribiste y aun así quieres encontrar lo que necesitas; se llama búsqueda semántica. Para que esto funcione, cada documento se divide en fragmentos más pequeños y cada fragmento se convierte en un punto en una especie de mapa de significados, donde los puntos cercanos representan ideas parecidas.
El problema es que este mapa no es mágico. Si preguntas "resume la reunión del 5 de marzo" y esa reunión se dividió en 20 partes dispersas, la búsqueda puede traer solo las 5 partes más parecidas a la palabra "resumen" y pasar por alto la parte con el dato más importante. Ya pasó que una búsqueda así trajera la "semana 6" cuando la mayor venta del período había ocurrido en la "semana 19", solo porque la parte de la semana 19 no usaba las mismas palabras de la pregunta.
No existe un segundo cerebro perfecto: existe el nivel adecuado para el problema que tienes hoy.
Para los datos que hay que leer completos para que tengan sentido —como una reunión completa o un contrato—, un archivo de texto organizado (Nivel 1 o 2) sigue siendo más confiable que la búsqueda semántica. Una coordinadora de RR. HH. que guarda entrevistas completas gana más al confiar en la wiki organizada que al cortar cada entrevista en fragmentos sueltos; en cambio, un profesor con una biblioteca de cientos de textos breves, donde cada uno ya tiene sentido por sí solo, puede beneficiarse de la búsqueda por significado.
O Nivel 4 entra cuando no solo necesitas encontrar una información, sino seguir una cadena de relaciones entre ellas: un grafo de conocimiento. Por ejemplo: «Fulano trabaja en la empresa X; la empresa X es recomendada por la empresa Y; la empresa Y es competidora de la empresa Z». Solo vale la pena el esfuerzo de configurarlo cuando tienes muchos datos de clientes o negocios relacionados entre sí; no es el caso de la mayoría de los profesionales independientes.
O Nivel 5 es el "cerebro siempre encendido": un sistema que se actualiza solo, sin que tengas que agregarle nada manualmente. Vale la pena hacer una salvedad: suele ser más conveniente controlar lo que entra en tu segundo cerebro que automatizarlo por completo; sin curaduría, con el tiempo el sistema se convierte en ruido en lugar de volverse más útil.
Una coordinadora de RR. HH. con cientos de candidatos, empresas asociadas y recomendaciones cruzadas quizá algún día justifique un grafo de conocimiento; el dueño de un pequeño negocio que solo quiere recordar qué acordó con cada proveedor no necesita nada tan avanzado, y se beneficia más de desconfiar de cualquier sistema que promete actualizarse solo sin que sepa siquiera qué se incorporó.
Hay una distinción práctica para decidir qué merece convertirse en memoria permanente. Contexto es lo que no cambia de una semana a otra: decisiones ya tomadas, la forma en que funciona tu negocio e información que seguiría siendo útil dentro de un año; eso vale la pena guardarlo en el segundo cerebro. Conexiones son datos que cambian todo el tiempo: una conversación de ayer, un correo de hoy, un número de cliente que cambia cada semana; no vale la pena guardarlos de forma permanente porque se convierten en basura desactualizada demasiado rápido.
Ponte a prueba
Tu hoja de cálculo de ventas del mes cambia todos los días. ¿Debería convertirse en un archivo permanente en tu segundo cerebro?
Si ya tienes acceso a una herramienta de trabajo —una hoja de cálculo, un sistema de gestión—, lo más adecuado suele ser darle a la IA acceso a esa herramienta activa, en lugar de copiar los datos al segundo cerebro. Un profesor que actualiza las calificaciones de sus alumnos cada semana gana más si deja que la IA consulte la hoja de calificaciones actual que si pega una copia desactualizada; una consultora freelance con un acuerdo fijo con cada cliente, que rara vez cambia, sí puede guardar ese acuerdo como contexto permanente.
Antes de crear cualquier sistema nuevo con la IA, hay un paso que casi todo el mundo se salta: sacar el conocimiento de tu propia cabeza. Un resumen rápido de 5 minutos casi nunca es suficiente: sabes mucho más sobre tu propio trabajo de lo que puedes recordar y escribir de una sola vez. Hay una instrucción breve y lista para resolverlo, apodada «entrevístame»: le pides a la IA que te entreviste sin parar sobre cada parte de un plan o proceso, recorriendo una decisión a la vez, siempre dando una recomendación y preguntando solo una cosa a la vez, hasta llegar a una comprensión completa y compartida.
Un dueño de un pequeño negocio, en vez de intentar explicar de una sola vez cómo atiende a un cliente difícil, deja que la IA le haga preguntas paso a paso hasta que el proceso quede claro incluso para quien nunca ha visto la tienda; una coordinadora de RR. HH. puede usar «interrógame» para registrar cómo decide entre dos candidatos parecidos, un criterio que solo estaba en su cabeza y nunca había escrito en ningún lugar. Con cada respuesta, conviene ir guardando el progreso en un archivo propio —un resumen, las decisiones tomadas, el historial de preguntas y respuestas— para no perder nada, incluso en una conversación larga. El beneficio es real: un proceso nuevo creado sin esta entrevista suele acertar cerca del 70% de lo que querías y mejora poco a poco con cada corrección; creado después de una buena entrevista, ya acierta cerca del 90% en la primera versión. Como dice la frase atribuida a Lincoln: si tuviera seis horas para cortar un árbol, dedicaría las primeras cuatro a afilar el hacha.
Practica ahora 0/2 completados
Meta: crear dos carpetas simples en tu computadora y pedirle a la IA que organice el primer documento en ellas. ~10 min.
Nada de esto borra ni reemplaza ninguno de tus archivos: solo estás creando carpetas nuevas y copiando un documento en ellas. ¿No te gustó el resultado? Borra las carpetas y empieza de nuevo.
A continuación tienes un modelo de instrucción listo, como una receta con espacios en blanco. Solo tienes que completar lo que está marcado entre < >.
Eu criei duas pastas: "raw" e "wiki". Vou colar um documento meu logo abaixo. Leia, e crie dentro da pasta wiki um resumo organizado desse documento, com um título claro e as informações mais importantes em tópicos. Documento: <cole aqui um texto real seu — um e-mail, uma decisão, um resumo de reunião, qualquer coisa que você queira guardar>
Acabas de crear, en la práctica, el primer nivel de tu segundo cerebro: la base que sostiene todos los demás niveles de este módulo.
Resumen
Claude Code para Personas Normales · Módulo 9
Al final de este módulo podrás diferenciar los subagentes de un equipo de agentes de verdad y elegir entre ellos para una decisión tuya, además de reconocer si una automatización debería ejecutarse según un horario (a una hora fija) o por evento (solo cuando ocurre algo), sin necesitar nada más de lo que ya tienes hoy.
Ya delegaste una tarea a alguien y recibiste un trabajo que no encajaba con el resto del equipo: cada persona resolvió su parte, sin que nadie integrara el conjunto. Con la IA pasa lo mismo, y saber la diferencia entre «delegar» y «formar un equipo de verdad» evita perder tiempo intentando que una cosa se comporte como la otra.
↓ rol para estudiar
Un subagente funciona como un «1 para muchos»: la sesión principal delega una tarea, el subagente la resuelve por su cuenta en una ventana nueva y solo informa a la sesión principal; los subagentes no conversan entre sí. En cambio, un agent team es otra cosa: la sesión principal crea el equipo, hay una lista de tareas compartida y los miembros pueden comunicarse entre sí y asignarse tareas de esa lista: es colaboración de verdad, no delegación aislada.
La compensación es real: un agent team consume muchos más tokens y límite de sesión que los subagentes comunes, porque cada miembro mantiene su propio contexto y además intercambia mensajes con los demás. Conviene usarlo con moderación, solo cuando el valor de contar con varias perspectivas debatiendo entre sí compense el costo.
Antes
Le pides a la IA que «resuelva esto en equipo» y recibes 3 respuestas separadas, cada una buena por sí sola, pero que nunca se conectan: nadie debatió nada.
Después
Formas un agent team de verdad: sus integrantes comparten una lista de tareas y conversan entre sí antes de llegar a una respuesta.
Saldo: decisiones con más de una perspectiva real, a cambio de gastar más tokens; por eso solo vale la pena cuando el debate compensa el costo.
Una consultora freelance que necesita dar formato a tres propuestas parecidas al mismo tiempo puede resolverlo bien con subagentes sencillos, cada uno a cargo de una propuesta; en cambio, una coordinadora de RR. HH. que debe decidir entre dos formatos de proceso de selección, algo que realmente importa, obtiene más beneficio de un equipo de agentes que debate los pros y los contras.
El uso más común de agent team es formar una especie de "consejo" o "sala de guerra": un equipo con distintos perfiles —por ejemplo, dueño de un pequeño negocio, dueño de un negocio grande y un empleado júnior— que discuten el mismo informe o decisión, con varias rondas de debate hasta llegar a un veredicto colectivo. La base científica detrás de esto proviene de una investigación de la Universidad de Stanford: una investigación realizada con varios perfiles que abordan el mismo tema desde distintos ángulos produce un resultado más completo y riguroso que una sola perspectiva.
Un dueño de un pequeño negocio que está decidiendo si sube el precio de un producto puede armar este consejo y ver cómo se debate el mismo dato desde distintas perspectivas antes de decidir; un profesor puede organizar un debate entre personas que representan distintos enfoques pedagógicos para elegir cuál explica mejor un tema difícil a su clase.
Error común
Pedir "crea un equipo de agentes" y recibir subagentes comunes, sin ningún debate entre ellos. De forma predeterminada, la IA puede confundir la solicitud con los subagentes paralelos de siempre. Evítalo siendo explícito: pide una función de equipo de verdad y comprueba si hay una lista de tareas compartida entre ellos, y no solo respuestas paralelas.
Después de un debate o una investigación larga, puedes pedir "empaqueta esto en una página para compartir": la IA genera una página bien formateada, alojada en un enlace real (no solo en tu computadora), que se actualiza sola si luego pides cambios, sin tener que enviar un archivo nuevo a quien recibió el enlace.
Una contadora independiente que pide "arma un equipo para revisar mi propuesta de honorarios" debe fijarse en si el resultado realmente provino de un debate o si solo son respuestas paralelas disfrazadas de equipo; una consultora freelance puede pedir la misma página compartible para enviar el resultado de una investigación a un cliente mediante un enlace directo, sin tener que volver a enviarlo después de hacer ajustes.
Una rutina es diferente de un recordatorio programado en tu computadora: funciona en internet, en una estructura mantenida por quienes hacen la IA; no necesitas dejar nada encendido. Para configurar una, defines: un nombre; un prompt único (la instrucción debe estar completa, porque no habrá nadie para responder preguntas durante la ejecución); qué modelo de IA usar; el repositorio del que la rutina obtendrá información; las claves de acceso que usará (pegadas manualmente, ya que por seguridad estas claves normalmente no se transfieren junto con el resto del proyecto); la frecuencia (como mínimo, una vez por hora); y el nivel de acceso a internet: solo sitios confiables y verificados, cualquier sitio o una lista específica que tú elijas.
Cada ejecución se realiza en una máquina temporal que se borra después, excepto por dos cosas que se guardan: cualquier cambio de código se convierte en una propuesta de revisión para que la apruebes después, y el historial de ejecuciones queda guardado. Regla práctica: si algo solo existe en tu computadora (una sesión guardada en el navegador, por ejemplo) o no está accesible desde fuera, la rutina simplemente no puede usarlo.
Un dueño de un pequeño negocio puede configurar una rutina que envíe cada mañana un recordatorio de los compromisos del día; una coordinadora de RR. HH. puede configurar una que revise a los nuevos candidatos cada semana, sin tener que acordarse de hacerlo manualmente.
Una automatización bien diseñada sigue la regla de usar siempre la herramienta más sencilla que resuelve el problema: un informe diario, programado para las 6h, puede diseñarse como un proceso de pasos fijos — investigar un tema, escribir un resumen con IA y enviar el mensaje listo — en vez de dejar que una IA decida todo por su cuenta en cada ejecución. La medida de seguridad más importante: fijar en el propio código el destino del mensaje en un único lugar privado específico, nunca un canal público, y probarlo de verdad antes de activar la automatización, para no repetir el error de que un mensaje termine en el lugar equivocado.
Paso a paso
Así, un profesor puede recibir un resumen diario de novedades de su propia área sin tener que buscarlas; una consultora freelance puede recibir un informe diario con posibles nuevos clientes, listo cuando empieza su jornada laboral.
Hay una segunda forma de automatización que se activa por un evento en vez de por un horario. La diferencia es la misma que hay entre un timbre y revisar la puerta cada 10 minutos: un aviso automático entre sistemas se activa solo cuando algo sucede de verdad; por ejemplo, cuando alguien completa un formulario, en lugar de estar verificando en bucle. Un ejemplo real: un formulario de contacto sencillo activa, en el momento en que se envía, una notificación ya preparada para ti. Un punto importante: esta automatización específica no usa IA a propósito; es solo una plantilla que completa espacios en blanco, porque agregar IA ahí solo añadiría costo y riesgo (como "corregir" un error tipográfico de la persona) sin aportar ningún beneficio real.
Como extra, hay un comando que expone una sesión activa a la aplicación móvil de la misma cuenta. Es útil para seguir el trabajo o incluso enviar nuevas instrucciones a distancia cuando tienes que salir de casa, pero quieres que el trabajo siga avanzando.
El dueño de un pequeño negocio con un formulario de contacto en su sitio web se beneficia del aviso automático (sin IA, más barato y confiable); una contadora independiente que sale a visitar clientes puede usar el acceso desde el celular para supervisar una automatización sin tener que volver a la computadora.
Practica ahora 0/2 completados
Meta: tomar una tarea repetitiva tuya y decidir, por escrito, estas dos cosas. ~10 min.
Nada de esto activa una automatización real: es solo un ejercicio de decisión en papel, sin tocar ninguna herramienta real. ¿No te gustó la respuesta? Táchala y vuelve a escribirla.
A continuación tienes un modelo listo, como una receta con espacios en blanco. Solo tienes que completar lo que está marcado entre < >.
Tarefa que se repete no meu trabalho: <descreva> Pergunta 1 — time ou delegação? Essa tarefa precisa de várias perspectivas debatendo antes de decidir, ou só precisa que pedaços dela sejam feitos em paralelo, sem conversa entre si? Resposta: <time / delegação> Pergunta 2 — agenda ou evento? Essa tarefa deveria rodar sempre no mesmo horário (ex.: toda manhã), ou só quando algo específico acontece (ex.: alguém preenche um formulário)? Resposta: <agenda / evento>
Acabas de aplicar, en una tarea real tuya, la misma pregunta que evita perder tiempo y tokens intentando que la herramienta equivocada se comporte como la adecuada.
Resumen
Claude Code para Personas Normales · Módulo 10
Al final de este módulo podrás explicar por qué una conversación larga con IA se vuelve cara sin que te des cuenta, descubrir en la práctica adónde van tus tokens y adoptar el primer hábito para reducir ese gasto, además de terminar este curso con un plan concreto para lo que sigue, sin necesitar nada más de lo que ya tienes hoy.
Ya notaste que la sesión de IA se vuelve más lenta, más cara o da respuestas peores después de mucha conversación, y no sabías muy bien por qué. No es una impresión tuya: cada mensaje nuevo vuelve a cargar toda la conversación desde el principio, y eso tiene un costo real, tanto en dinero como en la calidad de la respuesta.
↓ rol para estudiar
Cada vez que envías un mensaje, la IA vuelve a leer toda la conversación desde el principio: el costo no se suma, se multiplica. Un primer mensaje puede costar una pequeña cantidad de tokens (la unidad que mide cuánto «lee» y «escribe» una IA); el mensaje número treinta de la misma conversación puede costar treinta veces más, porque vuelve a leer todo lo anterior. Un desarrollador midió una sesión de más de 100 mensajes y descubrió que el 98,5% de todo el costo correspondía solo a releer el historial antiguo, no a procesar información nueva.
También hay un costo invisible: con cada mensaje, los archivos de instrucciones, las herramientas conectadas y las reglas del sistema se vuelven a cargar en segundo plano, incluso con un simple «hola». Además del dinero, las sesiones muy largas empeoran la calidad de las respuestas: la IA tiende a prestar más atención al principio y al final de la conversación, y a «olvidar» un poco lo que quedó en medio.
Antes
Envías 30 mensajes sueltos en una sesión, sin limpiarla nunca: cada mensaje nuevo vuelve a leer todo desde el primero y, alrededor del trigésimo, ya cuesta decenas de veces más que el primero.
Después
Limpias la conversación cada vez que cambias de tema, juntas las solicitudes en un solo mensaje y revisas de vez en cuando adónde van los tokens.
Saldo: la misma cantidad de trabajo, por una fracción del costo y con respuestas más precisas, porque la sesión nunca se vuelve demasiado pesada.
Una consultora freelance que nota respuestas más genéricas después de una hora de conversación no se lo está imaginando: es el efecto de una sesión pesada. Un profesor que se sorprendió por una cuenta más alta un mes descubrió después que había dejado una sola conversación abierta durante semanas, sin limpiarla nunca.
Un puñado de hábitos sencillos ya resuelve buena parte del desperdicio. Limpiar la conversación cada vez que cambia el tema, en vez de cargar un tema nuevo sobre el anterior. Desactivar las herramientas conectadas que no estás usando: cada una carga sus propias instrucciones en cada mensaje, y algunas consumen por sí solas miles de tokens por mensaje. Reunir las solicitudes en un solo mensaje en vez de enviar tres por separado (y, si algo salió mal, editar el mensaje original cuesta menos que enviar una corrección nueva encima). Usar el modo de planificación antes de cualquier tarea real, para que la IA trace el enfoque y haga preguntas antes de gastar tokens en una dirección equivocada. Y hay dos comandos que muestran exactamente lo que normalmente queda oculto: uno muestra adónde van los tokens (historial, herramientas conectadas, archivos cargados); el otro muestra el gasto estimado de la sesión.
Un dueño de un pequeño negocio que envía tres solicitudes separadas en una mañana ajetreada paga el costo de tres lecturas completas: reunirlas en un solo mensaje ya supone un ahorro real; una coordinadora de RR. HH. que desactiva una herramienta conectada que ya no usa esa semana nota la diferencia directamente en el costo de esa sesión.
Hay un archivo especial, llamado CLAUDE.md, que guarda las reglas fijas de tu proyecto y se vuelve a leer en cada mensaje, incluso en un simple «hola». Por eso conviene mantenerlo conciso y tratarlo como un índice que apunta a dónde está la demás información, no como una enciclopedia que intenta guardarlo todo. Otro hábito útil es señalar con precisión un documento específico, en vez de pedirle a la IA que «busque en todo». También conviene limpiar o resumir la conversación cuando la ventana llegue a cerca del 60 % de uso, sin esperar al límite máximo. Y ten cuidado con las pausas largas, porque el descuento por reutilización (explicado en el siguiente paso) vence después de un tiempo sin actividad.
Paso a paso
Un profesor que mantiene un «cuaderno de instrucciones» conciso para la IA, en vez de pegar todo el material del curso cada vez, nota la diferencia en la velocidad y el costo de las respuestas; una contadora independiente que procura no dejar nunca una sesión pausada durante mucho tiempo evita volver a procesarlo todo desde cero en el siguiente mensaje.
No todas las tareas necesitan el modelo de IA más caro y potente. Un modelo más rápido y barato resuelve bien las tareas simples y repetitivas; el modelo estándar se encarga del trabajo diario; y el modelo más caro, lento y profundo vale la pena reservarlo solo para la planificación importante, de preferencia menos de una quinta parte de tu uso total. Los subagentes cuestan muchos más tokens que una sesión normal, porque cada uno empieza desde cero con el contexto completo; aun así, valen la pena para tareas puntuales y paralelas, sobre todo con un modelo más barato.
También conviene entender que el consumo aumenta más rápido en las horas pico: dejar las refactorizaciones grandes o las tareas con varios agentes para fuera de ese horario rinde más. Y el CLAUDE.md funciona bien como la "constitución" de tu forma de trabajar: guarda allí las decisiones estables y evita volver a explicar lo mismo dos veces.
Una consultora freelance que solo necesita dar formato a un documento sencillo ahorra tiempo usando el modelo más rápido y reservando el más costoso para decisiones que requieren un razonamiento profundo; el dueño de un pequeño negocio que evita enviar una tarea grande justo en la hora de mayor demanda nota que la sesión rinde más.
Hay un mecanismo llamado caché de prompt detrás de buena parte del ahorro: los tokens reutilizados de esta manera cuestan solo el 10% del precio normal. En la suscripción común, esta ventana de reutilización dura 1 hora: si pasas más de una hora sin enviar un mensaje, la siguiente vez se vuelve a procesar toda la conversación desde cero, al precio completo. Lo que interrumpe este descuento a mitad de camino: cambiar de modelo durante la misma sesión reinicia la reutilización, aunque sea solo para ahorrar en otro aspecto; es una compensación consciente. Editar CLAUDE.md no interrumpe el descuento de inmediato, sino solo cuando la sesión realmente se reinicia.
Tres hábitos cubren la mayoría de los casos: no dejar una sesión pausada durante más de una hora si no hace falta; limpiar o resumir cada vez que cambies de tema; y, para los documentos grandes que usas cada semana, guardarlos en un único lugar de referencia en vez de volver a pegarlos en cada conversación aislada.
Una coordinadora de RR. HH. que sale a almorzar por más de una hora y vuelve a la misma conversación nota que la siguiente respuesta tarda más y cuesta más: es el descuento que está venciendo. Un profesor que siempre usa el mismo plan de clase como referencia ahorra tiempo guardándolo en un único lugar de consulta, en vez de volver a pegarlo en cada conversación nueva.
Hay una forma más justa de pensar en llegar al límite de uso: si ya practicas los hábitos de este módulo y aun así llegas al límite, eso no es necesariamente malo; es señal de que estás usando la herramienta en serio y aprovechando su valor real, no desperdiciándola. El problema casi nunca es «necesito un plan más grande»; por lo general, es higiene del contexto: dejar de reenviar la misma conversación completa decenas de veces cuando podrías enviar mucho menos, de forma más concisa.
No se trata de saber más. Se trata de adónde va tu mano por reflejo cuando aparece la tarea.
Este curso cubrió los fundamentos, la estructura de proyectos, el segundo cerebro, los equipos de agentes, las automatizaciones y ahora la gestión de tokens: diez módulos que forman la base para que te conviertas en alguien que ya piensa con IA por defecto. La invitación final es sencilla: sigue practicando, trata este recorrido como algo que nunca "termina" y ve construyendo tu propia forma de trabajar en torno a cuatro piezas: lo que guardas (contexto), lo que conectas en vivo (conexiones), lo que la IA puede hacer por ti (capacidades) y la frecuencia con la que repites este ciclo (frecuencia).
Una profesora que aplique solo un hábito de este módulo por semana ya sentirá la diferencia en un mes; el dueño de un pequeño negocio que considera este aprendizaje como algo continuo, y no como algo "terminado" con un certificado, es quien realmente aprovecha todo lo que ofrece este curso.
Practica ahora 0/2 completados
Meta: ejecutar dos comandos de diagnóstico en tu sesión y aplicar 1 hábito de este módulo esta semana. ~10 min.
Nada de esto borra ni modifica nada: los comandos de abajo solo muestran información, no cambian tu sesión. ¿No te gustó el resultado? Solo vuelve a ejecutarlos cuando quieras.
Escribe los dos comandos de abajo, uno a la vez, en la misma conversación que ya tienes abierta con Claude Code.
/context /cost
Acabas de hacer visible algo que estaba oculto: el primer paso para mantener cualquier sesión de IA ligera, económica y con mejores respuestas.
Resumen