La forma en que casi todo el mundo usa la IA hoy, y por qué te convierte en el cuello de botella

Te voy a describir un ciclo que estoy seguro que vas a reconocer. Abres ChatGPT o Claude, mandas un prompt, esperas, recibes una respuesta. Luego la lees, la evalúas, te das cuenta de que no salió como querías, piensas en qué hay que mejorar y mandas otro prompt. Y repites. Y repites. Hasta que queda como esperabas.

¿Te das cuenta de lo que está pasando aquí? Tú eres una etapa del proceso. La IA solo trabaja cuando aprietas un botón. Es como si hubieras contratado a un empleado brillante que solo actúa cuando se lo pides, y que se queda parado esperando tu aprobación para continuar.

Es decir: te convertiste en niñera de la IA. Y eso genera dos problemas.

Problema 1: tú eres el cuello de botella. La IA trabaja unos 30 segundos y tú gastas el resto del tiempo leyendo, revisando y escribiendo la siguiente instrucción. Si te alejas de la computadora, el trabajo se detiene. Nadie trabaja sin que tú estés ahí.

Problema 2, el peor: quien revisa el trabajo eres tú. Y quien usa IA lo sabe: le encanta decir que hizo lo que le pediste. Dice que el texto quedó genial, que el sitio está perfecto, que corrigió los errores, y cuando vas a revisar, no hizo ni la mitad. Así que, además de niñera, te convertiste también en el inspector de calidad.

Mientras tanto, los mejores usuarios del mundo están haciendo algo bien distinto: configuran el loop una vez, ponen a la IA a trabajar y se van a hacer otra cosa. Esa es la diferencia entre quien manda prompts y quien construye loops.

¿Qué es exactamente un loop?

El propio equipo de Claude Code armó una definición simple.

"Un loop es la IA repitiendo ciclos de trabajo hasta alcanzar un criterio de éxito específico."

Equipo de Claude Code

Déjame partir esto en dos partes, porque aquí está todo.

"Parte 1: repitiendo ciclos de trabajo". ¿Recuerdas que en el modelo del prompt eras tú quien evaluaba el resultado? En el loop, es la propia IA la que lo hace. Ejecuta, revisa si el trabajo cumple los criterios que definiste y, si faltó algo, usa ese feedback para automejorarse, repitiendo el ciclo hasta que juzga que la calidad es aceptable. Todo sola, sin que aprietes ni un botón.

"Parte 2: hasta alcanzar un criterio de éxito". El criterio de éxito es la respuesta a la pregunta: ¿cómo sabemos que la IA terminó?

Una analogía tonta, pero perfecta: la lavadora común. ¿Cuándo se detiene? No es cuando tu ropa está limpia, es cuando termina el ciclo de una hora. Se detiene según el esfuerzo, no según el resultado. Si la mancha salió o no, es problema tuyo: tú eres quien la abre, mira y la vuelve a poner.

Ahora imagina una lavadora inteligente. Le dices: "lava hasta que salgan todas las manchas". Lava, revisa la ropa, todavía hay mancha, lava de nuevo, y de nuevo, hasta que la considera limpia como pediste. Eso es un loop: orientas a la IA por el resultado, no por el esfuerzo.

Y aquí viene el cambio de chip: el trabajo de quien hace loop engineering está mucho más en definir el criterio de éxito que en ejecutar. Dejas de ser parte del flujo y pasas a ser quien diseña el flujo. Dejas de dar órdenes y pasas a definir objetivos verificables, del tipo "solo para cuando todos los tests estén pasando", "solo para cuando la página cargue sin ningún error" o "solo para cuando el texto tenga máximo 500 palabras y cubra estos 5 puntos".

Los 3 tipos de loop que puedes montar

1. Loop de Turno

Este probablemente ya lo usas sin saberlo. Cada vez que le mandas un prompt a Claude, por debajo corre un mini-ciclo: junta contexto, ejecuta, se autorrevisa y te lo devuelve. Eso es el loop de turno.

El problema es que esa autorrevisión es bastante floja. Y se puede mejorar muchísimo enseñándole a la IA a revisar su propio trabajo, pero a tu manera. La herramienta perfecta para esto son las skills, ese "manual de instrucciones" que le enseña a la IA a trabajar como trabajas tú.

Piensa en ese checklist mental que haces para evaluar si un resultado quedó bien. Documentas ese proceso dentro de una skill, y la propia IA empieza a revisar con tu método. Un ejemplo real mío: antes de entregarme un guion de YouTube, la skill revisa que tenga máximo 3.000 palabras, que cite las fuentes que usé y que no haya ni una palabra que haga que el texto suene escrito por IA. Solo me lo entrega cuando cumple esos criterios.

Y no, no necesitas saber programar para esto. Solo tienes que pedir: "ayúdame a crear una skill de..." y la IA te guía en todo el proceso.

2. Loop de Objetivo

Claude Code tiene un comando llamado /goal. En vez de dar una instrucción, das un objetivo más un criterio de éxito, y se queda en ciclo intentando, revisando y corrigiendo hasta alcanzar el objetivo, o hasta llegar a un límite de intentos que tú definas.

La gran diferencia con el loop de turno es quién verifica. Aquí no eres tú ni la propia IA: entra un segundo modelo evaluador. Ese evaluador toma tu criterio, mira lo que hizo la primera IA y señala qué falta mejorar. El loop solo termina cuando el evaluador aprueba. Es una IA exigiéndole a la otra que lo haga bien.

3. Loop de Tiempo

Este es perfecto para tareas recurrentes, esas que haces todos los días o todas las semanas. En Claude usas dos comandos: /loop y /schedule. La diferencia más importante: /loop corre en tu computadora, así que necesita estar encendida, y /schedule corre en la nube, así que sigue funcionando aunque cierres el portátil.

Algunos ejemplos prácticos: cada mañana a las 8, leer Slack y preparar un resumen de lo que te perdiste; cada 30 minutos, revisar si un proyecto en producción sigue funcionando y avisar si algo se rompió; cada lunes, buscar ideas de video y traer una lista de temas. Justo ese tipo de loop fue el que usé para armar el video de esta semana.

Un consejo importante: no te confíes con los tokens. Cuando dices "trabaja hasta que no puedas más", la IA va a hacer exactamente eso, y puede gastar todos tus tokens en el proceso. Sobre todo en /goal, pon siempre un límite de intentos, algo como "intenta máximo 5 veces". Eso pone un techo y evita que el loop corra infinitamente.

En resumen

El mensaje central es este: la mayoría usa IA para ser un poco más productiva, pero sigue siendo el cuello de botella de la operación. Quien construye loops sale de la operación, y ahí es donde la productividad se destraba a un nivel que ninguna otra forma de usar IA alcanza.

Mi recomendación para que empieces: elige una tarea recurrente que ya hagas hoy y empieza simple. Crea una skill que defina un criterio de calidad, o programa un loop con /loop o /schedule. Empieza por uno solo. Después de probarlo, no vas a querer volver atrás.