En resumen: probé varios frameworks de IA antes de darme cuenta de que estaba buscando el setup de otro. Aquí va el bucle, por qué caemos en él, y cuándo merece la pena salir.
En estos días, los que llevamos mucho tiempo en este sector, estamos viendo que se vuelven a repetir patrones del pasado. Cada día en Twitter podemos ver cómo sale un nuevo framework que promete mejorar nuestro flujo de trabajo con la IA y ser el más eficiente. Esto hace que nos vuelva a la cabeza esos años locos cuando salía un nuevo framework de javascript cada día y explotaba un lunes y el viernes ya nadie lo usaba excepto unos cuantos que se habían vuelto adeptos.
Después de ver el post en cualquier blog o red social llega la segunda parte, esa en la que tú te descargas el “framework” y decides que vas a probarlo un par de días a ver si te convence y a ver si realmente aporta lo que promete. Y aquí llegan las desilusiones, las pruebas que tú haces no son tan satisfactorias como pensabas. Te empiezas a hacer preguntas, ¿por qué no funciona como debería? ¿he hecho algo mal en el proceso? Voy a probar de nuevo.
Es la primera pregunta que te viene a la cabeza cuando ves que el resultado no es el que esperabas y empiezas a dudar de qué ha pasado en el proceso para que lo que ha salido no sea lo que pensabas que iba a salir o lo que te habían dicho en Twitter que iba a dar como respuesta.
Aquí es donde el síndrome del impostor entra en tu cabeza y empiezas a dudar de ti mismo, buscando un bug en tu proceso que hace que empieces a entrar en el primer bucle de las pruebas constantes con distintas formas de implementación del framework.
La siguiente duda que te asalta es si lo que te habían prometido es lo que debería ocurrir. Dudas de si lo viste en condiciones reales o si era una demo de tres minutos preparada para el tweet. Y empiezas a sospechar que lo que te han enseñado funciona en un caso concreto, pero no es extensible.
¿Es real el resultado que has visto en Twitter? Yo, por ejemplo, he pasado semanas cayendo en uno nuevo cada vez.
Repos de miles de estrellas que terminaban frustrándome por lo acoplados que estaban a un harness concreto. Otros que prometían un flujo limpio y terminaban llenando mi carpeta de hooks y mcps hasta hacerla inservible. Y, por supuesto, skills de mil líneas que hacen que el modelo pierda el foco y acabe haciendo cosas que no tocan.
Todas las veces venía precedido de un aluvión de tweets alabando lo bien que les funcionaba.
Y a partir de tu experiencia con las pruebas que has hecho empiezas a buscar otros resultados, dedicas tiempo a buscar opiniones de otras personas, a ver si realmente lo que pone en la documentación en Github es lo que tú obtienes.
Cuando después de varias pruebas con ese framework que no son correctas empiezas de nuevo con la rueda de buscar un nuevo framework que realmente funcione y entras en el segundo bucle de volver a buscar en Twitter, Reddit y blogs qué es lo que está usando la gente para ciertas cosas.
En esta fase has finalizado los bucles, has dedicado muchísimo tiempo a ir saltando de framework en framework, de sets de skills + agentes, de scripts en scripts, para al final preguntarte ¿realmente necesito un framework?
Puede que la respuesta sea sencilla: no, no lo necesitas. O al menos no necesitas el flujo de otra persona, que puede no encajar con el tuyo.
Llevamos todo el rato buscando la fórmula perfecta que otros han hecho, para acabar dándonos cuenta de que su forma de trabajar con la IA no coincide con la nuestra. No nos llena su manera de hacer las cosas, o vemos aspectos que querríamos cambiar. Y aquí es donde aparece la ventaja de la IA: en lugar de tragarnos el framework entero, lo adaptamos hacia lo que realmente necesitamos. El problema es que para llegar a esa conclusión hemos invertido semanas en probar decenas de ellos.
Yo pasé por las tres antes de darme cuenta de cuál era cuál:
- TE adaptas al framework: empiezas con uno ajeno y cambias tu forma de trabajar para encajar. Lo bueno es que avanzas rápido; lo malo, que dejas de hacer cosas a tu manera.
- LO adaptas a ti: partes de uno ajeno, lo desmontas, cambias lo que no encaja y rezas para que las actualizaciones no rompan tu parche.
- Empiezas de cero: construyes el tuyo. Tardas más al principio pero dejas de depender.
La mayoría acabamos en la segunda opción aunque juramos que íbamos a por la tercera.
Después del tiempo que has dedicado a probar frameworks de otras personas te puede quedar la sensación de que has estado perdiendo el tiempo y que desde el principio deberías haber optado por crearte tu propio flujo de trabajo o framework en lugar de haber estado probando uno y otro, luchando porque funcionen.
Pero aquí está la paradoja, necesitas haber dedicado ese tiempo a probar el resto para poder ver qué te funciona y qué no, esto es parte de tu aprendizaje dentro del mundo de la inteligencia artificial.
En este punto te planteas la posibilidad de crearte tu propio framework, lo planificas y creas el framework perfecto, y aquí llega la paradoja completa: pasas de ser receptor de lo último que sale en cualquier red social a ser tú quien publica en Twitter ‘he creado el framework definitivo, llevo un mes usándolo y me ha cambiado la vida’. Mismo hype, distinto autor.
Si acabas de llegar a este mundillo: prueba dos o tres frameworks durante una semana cada uno. No busques el mejor, busca el que menos te molesta.
Si llevas meses saltando: para. Elige el que menos te disgusta, adáptalo dos semanas, y evalúa solo entonces.
Si ya te has hecho el tuyo: escribe sobre ello. Aunque parezca el enésimo post, el tuyo es el que más te va a servir explicar, y probablemente el que más le sirva a alguien con tu mismo flujo.
Todo lo anterior vale para flujo personal. En equipo la lógica cambia: no eliges solo tú, y la adaptación deja de ser opcional. Eso no elimina que puedas tocar piezas, pero conviene hacerlo con un plan de homogeneización para que cada equipo no haga la guerra por su cuenta.
Este contenido se generó con asistencia de IA.