Serie · Parte 1 de 6: Cómo montamos el departamento de IA en Twim
Esta serie de 6 artículos cuenta el proceso completo, desde el primer contacto con las herramientas de IA hasta la infraestructura que usamos hoy. Te recomendamos leerlos en orden para seguir bien el hilo.
Empezamos como todo el mundo. Probando.
Año 2023. En el equipo empiezan a aparecer las primeras herramientas de inteligencia artificial con capacidad real de hacer trabajo útil. Nos referimos a herramientas como ChatGPT (desarrollada por OpenAI, la que popularizó el concepto de “hablar con una IA”), Gemini (la IA de Google), Grok (la de X, la red social antes conocida como Twitter), DeepSeek (una alternativa de origen chino que sorprendió por su rendimiento) y Claude (la que desarrolla Anthropic, la que usamos principalmente hoy en Twim).
Todas hacen cosas parecidas: puedes escribirles en lenguaje natural —como si le enviaras un mensaje a una persona— y te responden, te ayudan a redactar, te resumen documentos, te explican conceptos, te generan código si eres técnico. La diferencia entre unas y otras está en el estilo, la precisión, el coste y cómo manejan ciertos tipos de tareas.
En esa época, cada miembro del equipo usaba la que más le gustaba, para lo que tenía más a mano: redactar un correo difícil, resumir un informe largo, preparar el guión de una presentación, buscar ideas para una propuesta.
Funcionaba. Ahorraba tiempo. Nos parecía útil.
El problema es que “útil para cosas puntuales” y “útil para una organización” son dos cosas completamente distintas.
Cada persona con su IA
Durante meses, la dinámica fue la misma: cada miembro del equipo usaba lo que prefería, como prefería, sin ningún marco común.
Nadie compartía sus prompts — así se llama a las instrucciones que le das a la IA para que haga algo; equivalen al encargo que le harías a un colaborador — . Nadie documentaba qué funcionaba y qué no. El contexto de cada conversación se perdía en cuanto se cerraba la pestaña del navegador. Cuando alguien resolvía algo bien con ayuda de la IA, ese aprendizaje no llegaba al resto del equipo.
Era lo mismo que si cada persona de la empresa tuviera su propio sistema de archivos privado y nadie tuviera acceso a lo que hacían los demás.
El primer síntoma real
El momento en que empiezas a notar el problema es cuando intentas usar la IA para algo que afecta a más de una persona.
Quieres que la IA entienda cómo trabaja tu empresa. Quieres que conozca el tono de voz de tu marca, los proyectos activos, los procesos internos, las decisiones que ya están tomadas. Y aunque algunas herramientas acumulan historial dentro de un mismo chat o proyecto, ese contexto vive dentro de la plataforma del proveedor — no en tu empresa, no compartido entre departamentos, no accesible para otra herramienta.
Cada equipo construye su propio contexto en su propio rincón. Sin coherencia entre ellos. Sin que la empresa sea dueña de ese conocimiento.
Eso no es un defecto de la IA. Es un problema de cómo la estábamos usando.
Lo que decidimos cambiar
La IA no puede dar lo que no recibe. Si le das un encargo vago, te da una respuesta vaga. Si le das el contexto real de tu empresa — cómo trabajas, qué decides, qué no haces nunca — cambia completamente la calidad de lo que produce.
La pregunta dejó de ser qué herramienta usar. La pregunta pasó a ser cómo estructurar el contexto que le íbamos a dar a esas herramientas.
A partir de ahí empezó un proceso que nos llevó a cambiar completamente cómo usamos la IA en Twim. Esta serie de artículos cuenta ese proceso, incluyendo los errores que cometimos por el camino.
Siguiente en la serie: El problema que nadie te cuenta →