La parte técnica va a ser commodity. El valor será el criterio. La barrera técnica se está diluyendo. En un par de años, el 80% de lo que hago hoy lo estará haciendo una IA…
Todas son frases que ya me has leído o escuchado, que he repetido hasta el aburrimiento en los últimos meses y que todavía podían sonar vacías o intangibles. De hecho las suelo decir como «mi hipótesis, pienso que, apuesto a…».
Hoy te lo digo sin el «creo»: me quedé corto. Ya puedo afirmar que, esta semana, un modelo de IA ha resuelto mucho mejor que yo una incidencia con Make.
Y encima ni ha sido en mi IA de cabecera (Claude), donde tengo todo el contexto, skills personalizadas, etc. Me dio por tirárselo a ChatGPT porque a Claude le tenía con otras cosas y resolvió una incidencia que me traía de cabeza desde hace semanas.
Te cuento:
La automatización
El escenario de Make es este que ves por aquí. Se lo monté hace meses a un cliente, te cuento brevemente lo que hace:
- Recibe un aviso automático desde Airtable cuando se registra un nuevo acta de reunión.
- Vuelca ciertos datos en un documento de Google Docs usando su API (no sabes el dolor de cabeza que supone añadir párrafos a un documento existente 😂).
- Notifica por Slack del cambio.
En medio, un puñado de nodos que se encargan de que todo funcione: hay que procesar información, transformarla a JSON, gestionar errores, bla bla bla…
Ahí vamos, errores.
El fallo
Llevaba meses funcionando sin fallo pero, de un tiempo a esta parte, de cuando en cuando llegaba un error de la API de Google Docs. Bastante críptico:
En algunos lo resolvíamos rápido: copiando-pegando alguien había metido un carácter extraño que a la API no le gustaba o cosas así. Pero empezó a tocarme las narices:
Primero porque había errores que no tenía forma de encontrar el fallo. Y segundo porque me tocaba aún más las narices tener que estar revisando esto a mano.
Así que en la última, cuando le tiré a ChatGPT el JSON y le planteé el fallo, para que lo revisara y lo limpiara, me dijo: el error tiene pinta de ir por aquí y podrías solucionarlo directamente en Make.
(Aquí me tocó un poco el ego, no te voy a engañar).
Y sí, funcionó. Eran 4 campos y 3 funciones nativas de Make. Realmente 3 chorradas las que me estaban dinamitando «aleatoriamente» la automatización y no conseguía dar con ellas.
¿Y entonces para qué aprendo yo Make?
Es la pregunta que cae sola después de esto. La respuesta está en la propia historia, si la repasas despacio:
- Lo primero fue hartarse de revisar errores a mano y decidir que había que arreglarlo de raíz.
- Le pasé el JSON que fallaba y el error. Si no sabes qué es un JSON ni de qué módulo sale, no tienes nada que pasarle.
- Me dijo «podrías solucionarlo directamente en Make». Para saber si eso tiene sentido hay que conocer lo que Make sabe hacer.
- Eran 4 campos y 3 funciones, en el escenario de un cliente que está funcionando. Tocarlo sin romper nada fue cosa mía.
La IA me ahorró horas de probar y experimentar (casi) a ciegas. Saber qué preguntarle, entender lo que me contestaba y decidir si me fiaba lo puse yo, y eso lo aprendí montando escenarios a martillazos durante años.
Lo que cambia es qué merece la pena aprender. Y memorizar funciones de Make es cada vez menos relevante. Pero entender cómo encajan las pelotitas y oler cuándo una respuesta no cuadra, cada vez más.
Eso es criterio. Y es la parte que la IA todavía nos deja de margen. Al menos, de momento.
Santy.
PD: El ego, recuperado. Más o menos 😂
PD2: ¿Tú ya usas la IA así para montar o arreglar tus automatizaciones? Respóndeme y cuéntame cómo (o lo que te interesa), porque me estoy planteando si tiene sentido organizar algo para contar cómo ha cambiado mi forma de trabajar con esto… 🤔