La mayoría de la gente le pide a la IA que le explique cosas. Menos gente le pide que se las explique a ellos en concreto.
Las máquinas de estados me confundían hasta que me di cuenta de que llevaba años construyéndolas a mano, solo que sin el nombre. Event sourcing me hizo clic en el momento en que alguien lo describió como un registro de git para tus datos. Estas conexiones no ocurrieron por casualidad. Alguien sabía lo que yo ya entendía y encontró el puente.
La IA puede hacer esto de forma fiable, pero solo si le dices por dónde empezar.
«Explica WebSockets» devuelve una definición. «Explica WebSockets a alguien que entiende la petición y respuesta de HTTP, en concreto qué falla cuando necesitas que el servidor envíe datos sin que el cliente los pida primero» devuelve algo que de verdad puedes usar. La segunda pregunta funciona porque le da a la IA un lugar donde apoyarse. Sabe dónde estás. No tiene que adivinar.
Así ha funcionado siempre el aprendizaje. La información nueva se queda cuando se engancha a algo que ya está en tu cabeza. La IA es inusualmente buena encontrando ese punto de enganche entre ámbitos que de otro modo nunca verías juntos. Puede conectar tu conocimiento de SQL con la agregación de MongoDB, tu formación en programación orientada a objetos con la programación funcional, tu intuición de REST con la fricción concreta que GraphQL se diseñó para resolver. Pero necesita tu punto de referencia para saber qué conexión trazar.
Cuando aprendes algo nuevo, hay un tirón hacia el modo principiante. Intentas recibir la información en limpio, como si tu conocimiento previo pudiera contaminarla. Los desarrolladores de backend que aprenden React a veces tratan la gestión del estado como un concepto nuevo, en lugar de reconocer que llevan años pensando en el estado en otro contexto.
Tus modelos existentes no están contaminados. Son la razón por la que las explicaciones nuevas se quedan. Un desarrollador de backend que dice: «Entiendo el flujo de datos y la separación de responsabilidades; muéstrame cómo maneja React ambos» avanzará más que alguien que empieza desde cero y repasa lo básico sin ese ancla.
Antes de pedirle a la IA que te explique algo, vale la pena dedicar diez segundos a esto: ¿qué sé ya a lo que esto se parece? ¿Qué problema resuelve esto que yo haya encontrado antes de otra forma? La respuesta a cualquiera de las dos preguntas da forma a una pregunta mucho mejor.
Una vez que estableces un punto de referencia, cada pregunta posterior se construye sobre él. No acumulas datos sueltos. Amplías un mapa que ya existe.
Las personas que parecen aprender tecnologías nuevas rápido no procesan la información más deprisa. Anclan mejor. Cada concepto nuevo se engancha al anterior, que se engancha a otro anterior. El punto de referencia al comienzo de una sesión de aprendizaje determina cuánto del resto llega a asentarse.
La IA acelera esto al recorrer ámbitos en una sola conversación. Puedes ir de «entiendo X» a un modelo mental funcional de algo que está a tres pasos conceptuales, sin tener que leer antes tres libros de texto. El inconveniente es que la conversación tiene que empezar en algo concreto. Lo mejor es tener un repositorio de conocimiento del que el LLM pueda tomar y usar como punto de referencia.