Hay un aprendizaje que me parece clave, tanto que lo separo de todo lo demás que vengo probando con la IA: si querés delegarle contenido, no inventes las reglas de calidad. Minalas de tu propio historial.
Es contraintuitivo, porque lo natural es sentarte a pensar reglas razonables. Un buen carrusel tiene que arrancar así, tiene que tener tal extensión, tiene que sonar de tal forma. Uno puede armar muchas hipótesis bien intencionadas y hasta lógicas.
Pero la clave está en construir con lo que ya pasó, no con lo que uno supone que va a pasar.
Por qué vale la pena implementar, aunque cueste
Por eso vale tanto implementar, aunque cueste y a veces se sienta como perder tiempo en vez de ganarlo. No solo porque aprendés mientras lo hacés, que también.
Lo que cambia el juego es que, una vez implementado, la IA tiene acceso a todos los logs de lo que realmente pasó: qué aprobaste, qué descartaste, y por qué.
Lo que se puede construir con ese registro
Ese registro sirve para construir un skill de verdad, con reglas que nacen de casos concretos y no de intuición. Sirve para aprender tus propios patrones, los que ni vos habías puesto en palabras todavía.
Y sirve incluso para detectar algo que se te pasó por alto en su momento, pero que ahora tiene evidencia clara detrás.
El registro no es solo un historial. Es la materia prima de la que salen las reglas reales.
¿Las reglas que usás hoy para juzgar tu propio trabajo, de dónde salieron: de lo que realmente pasó, o de una hipótesis que nunca probaste del todo?
Para probar en tu IA
Así es como le pido a mi IA que mine las reglas en vez de inventarlas:
Revisá el historial de piezas que aprobé y las que rechacé o edité mucho. Decime qué tienen en común las aprobadas, qué tienen en común las rechazadas, y a partir de esos patrones proponeme entre 3 y 5 reglas de calidad concretas para el próximo lote. No inventes ninguna regla que no se vea reflejada en los casos reales.