Hay una forma muy específica de perder el tiempo que se siente como productividad.

Es esa sensación de estar “al día”: probar el último modelo que salió, leer el thread sobre por qué Gemini 2.5 supera a Claude en ciertos benchmarks, configurar otra cuenta en otra plataforma, ver el video de 40 minutos sobre las 10 herramientas de IA que “van a cambiar todo en 2026”.

Al final del día tenés la vaga satisfacción de haber hecho algo relacionado con tecnología. Pero si alguien te preguntara qué construiste, qué problema resolviste, qué aprendiste realmente… la respuesta probablemente sea incómoda.

El coleccionista de posibilidades

Llevo meses observando este patrón —en otros y, siendo honesto, a veces en mí mismo.

La explosión de herramientas de IA creó un nuevo tipo de consumidor: el coleccionista de posibilidades. Alguien que acumula acceso a capacidades extraordinarias sin jamás usarlas para algo concreto. Que sabe que puede hacer cosas increíbles, pero que en la práctica solo surfea la superficie.

En ajedrez existe un perfil parecido: el jugador que devora teoría de aperturas, memoriza variantes, conoce las últimas novedades de los torneos de élite… pero cuyo rating no se mueve hace años. Confunde estudiar el juego con jugarlo.

Conocer herramientas vs. saber hacer cosas

El problema de fondo es una confusión entre conocer herramientas y saber hacer cosas. Son habilidades completamente distintas.

Conocer herramientas es fácil y tiene rendimientos decrecientes brutales. Después del tercer modelo de lenguaje que probás, cada uno nuevo te enseña menos. Las diferencias son marginales para el 90% de los casos de uso. Pero el ciclo de novedad es adictivo: cada lanzamiento promete ser el que finalmente justifica tu atención.

Saber hacer cosas es difícil y tiene rendimientos compuestos. Cada proyecto que terminás te enseña algo que el anterior no. Cada problema que resolvés te da intuición para el siguiente. Pero requiere algo que el consumo pasivo no: compromiso con un resultado específico.

Los que están construyendo

Lo que estoy viendo en la gente que realmente está extrayendo valor de estas herramientas es casi lo opuesto al comportamiento del coleccionista.

Usan una o dos herramientas, no quince. Las conocen en profundidad: sus limitaciones, sus modos de fallo, cómo estructurar pedidos para obtener resultados útiles. Y —esto es lo importante— las usan para terminar cosas. No para explorar qué podrían hacer “en algún momento”.

Hay un programador que conozco que usa Claude para todo su flujo de trabajo. No le importa si Gemini es “mejor” en algún benchmark. Tiene un sistema que funciona, proyectos que entrega, problemas que resuelve. Mientras los coleccionistas debaten cuál modelo es superior, él está construyendo.

La diferencia de output entre ambos en un año va a ser abismal.

Entretenimiento disfrazado de aprendizaje

Parte del problema es que consumir información sobre IA se siente como hacer algo con IA. Pero no lo es.

Aprender de verdad es incómodo. Implica intentar algo, fallar, iterar, terminar con un resultado imperfecto y entender por qué. Implica comprometerse con un proyecto el tiempo suficiente como para encontrar las limitaciones reales de la herramienta, no las teóricas.

El que probó cinco modelos durante una hora cada uno sabe menos que el que usó uno solo durante cien horas para construir algo específico. Es la diferencia entre conocer los primeros quince movimientos de la Siciliana y entender qué hacer cuando la partida inevitablemente se desvía de la teoría.

La pregunta incómoda

Si tuviera que resumir el error en una frase: estamos optimizando para opcionalidad en lugar de optimizar para resultados.

Tener acceso a muchas herramientas se siente como poder. Pero el poder que no se ejerce es indistinguible de la impotencia. Al final del día, lo único que cuenta es lo que hiciste, no lo que podrías haber hecho.

La pregunta que vale la pena hacerse cada tanto es simple: ¿qué terminé este mes gracias a estas herramientas?

No qué exploré. No qué probé. No qué “podría hacer cuando tenga tiempo”. Qué terminé.

Si la respuesta es poco o nada, quizás sea momento de dejar de buscar el martillo perfecto y empezar a clavar algunos clavos.

Los que van a ganar esta transición tecnológica no son los que más saben sobre IA. Son los que más hacen con ella.

---

La partida no se gana en la apertura. Se gana con lo que hacés después.