Guía de iniciación en inteligencia artificial

1. Los grandes laboratorios y sus modelos

Existen cuatro laboratorios principales que conviene conocer:

OpenAI (ChatGPT)

• Desarrolla los modelos GPT (4o, o1, o3, entre otros)
• Es el más conocido, pero no necesariamente el mejor para todas las tareas
• Inconveniente: obliga a elegir modelo manualmente; si no se conocen las diferencias, se puede estar usando uno inferior al necesario
• En entornos corporativos restringidos, suele estar limitado ("capado"), lo que reduce mucho su utilidad

Google DeepMind (Gemini)

• Modelos Gemini (Flash, Pro, Deep Research)
• Ventaja principal: ventana de contexto amplia (hasta 1 millón de tokens), lo que permite procesar grandes cantidades de documentos en una sola conversación
• NotebookLM es una herramienta de Google especialmente útil para analizar documentos extensos

Anthropic (Claude)

• Modelos: Opus (el más potente), Sonnet (equilibrio calidad-coste), Haiku (rápido y económico)
• Recomendación principal por calidad de razonamiento, verificación y capacidades agénticas
• Claude Code y Cowork son las herramientas que mayor valor aportan para trabajo profesional
• Anthropic es el laboratorio más responsable en ética y seguridad de los cuatro grandes

Perplexity

• No es un laboratorio de modelos propios, sino una herramienta de búsqueda potenciada por IA
• Conecta modelos de IA con Internet en tiempo real
• Ideal para investigaciones donde se necesitan datos actualizados
• Cita fuentes automáticamente

### Otros laboratorios relevantes (pero no necesariamente recomendados para uso corporativo)

• xAI (Grok): Fundado por Elon Musk. Técnicamente competente, pero con problemas éticos serios en la generación de imágenes sin restricciones. No recomendado para entorno profesional.
• Meta (LLaMA): Modelos de código abierto, más relevantes para desarrolladores que para usuarios finales.
• Modelos chinos (DeepSeek, Qwen, etc.): Potentes técnicamente, pero con implicaciones de política de datos y privacidad que, en un contexto corporativo y especialmente en sectores como defensa, es mejor evitar.

2. El modelo mental: input - procesamiento - output

Cualquier tarea con IA se reduce a este flujo:

INPUT                     PROCESAMIENTO              OUTPUT
(instrucciones +     -->  (lo hace el modelo;   -->  (el resultado:
 contexto)                se elige la                informe, análisis,
                          herramienta adecuada)      presentación...)

Input = Prompt + Contexto

• Prompt: Las instrucciones (qué quiero, cómo lo quiero, para quién va dirigido)
• Contexto: La información complementaria que se le proporciona al modelo (documentos, datos, ejemplos, restricciones)

Regla de oro: Cuanto mejor sea el contexto, mejor será el resultado. Un prompt mediocre con buen contexto produce mejores resultados que un prompt brillante sin contexto.

Ejemplo práctico:

Si se necesita un market research de defensa en Francia:

• Prompt básico: "Hazme un análisis del sector defensa en Francia" --> Resultado genérico
• Prompt con contexto: "Actúa como analista de desarrollo de negocio en el sector industrial-defensa. Necesito identificar los 3 principales contratistas de defensa en Francia, su volumen de contratos públicos en 2024-2025, áreas de especialización y programas clave. El objetivo es evaluar oportunidades de colaboración para una multinacional industrial. Formato: informe estructurado con datos verificables y fuentes." --> Resultado mucho más útil

3. Conceptos clave

### Tokens

• La unidad de medida de la IA. Aproximadamente 1 token equivale a 1 sílaba en español.
• Todo lo que se envía (prompt + contexto) y todo lo que el modelo genera consume tokens.
• Los modelos más potentes consumen más tokens (y cuestan más o agotan los límites más rápido).

### Ventana de contexto

Es la "memoria de trabajo" del modelo: cuánta información puede manejar en una conversación sin perder el hilo.

• Gemini: hasta 1 millón de tokens
• Claude (Opus y Sonnet): hasta 1 millón de tokens
• ChatGPT (GPT-4o): 128.000 tokens

Para hacerse una idea: 1 millón de tokens equivale aproximadamente a 2 veces la extensión de El Quijote.

### Modelos de razonamiento vs. modelos rápidos

• Rápidos (Haiku, Gemini Flash, GPT-4o mini): para preguntas sencillas, clasificación, tareas rutinarias. Económicos y veloces.
• De razonamiento (Opus, Sonnet, GPT o1/o3, Gemini Pro): para análisis complejo, redacción de alto nivel, verificación. Más lentos y caros, pero mucho más capaces.

Analogía del artesano: Hay que pensar como artesanos de la IA. Un artesano elige la herramienta adecuada para cada tarea. No usa un martillo para atornillar. Conocer las herramientas es la mitad del trabajo.

### IA generativa vs. IA agéntica

• Generativa (2023-2024): El modelo genera texto, imágenes, código. Se le pide algo y produce un resultado.
• Agéntica (2025-2026): El modelo además puede hacer cosas: navegar por Internet, leer documentos, conectarse a herramientas, ejecutar código, controlar aplicaciones. Es un salto cualitativo enorme. Ya no solo genera: actúa.

4. Qué herramienta usar para cada tarea

Esta es la matriz de decisión que ahorra tiempo y frustración:

### Para búsqueda e investigación con datos actualizados

Perplexity (primera opción)

• Busca en Internet en tiempo real
• Cita fuentes automáticamente
• Ideal para: "¿Qué concursos de defensa hay abiertos en la OTAN?", "Últimas regulaciones de dispositivos médicos en la UE"

### Para procesar documentos largos (informes, PDFs, contratos)

NotebookLM (Google)

• Permite subir hasta 50 fuentes por notebook (PDFs, Google Docs, páginas web, texto)
• Responde SOLO con lo que está en los documentos subidos (no inventa)
• Ideal para: analizar informes trimestrales, regulaciones extensas, pliegos de condiciones
• Genera incluso podcasts de audio que resumen el contenido
• Tiene un nivel gratuito funcional

Gemini (Google)

• Ventana de contexto de 1 millón de tokens para procesar muchos documentos a la vez
• Plan gratuito disponible; plan avanzado de pago

### Para análisis profundo, redacción y razonamiento

Claude (Anthropic) — recomendación principal

• Opus: el mejor para análisis complejo, verificación, position papers
• Sonnet: excelente relación calidad-coste para el día a día
• Cowork: entorno agéntico con herramientas conectadas

### Para presentaciones con branding

Gamma (gamma.app)

• Crea presentaciones, documentos y páginas web de alta calidad visual
• Permite configurar branding corporativo (colores, fuentes, logotipo)
• Exporta a PowerPoint, PDF o enlace interactivo

### Tabla resumen de decisión

5. Claude: la herramienta principal recomendada

### Por qué Claude y no ChatGPT

Claude supera a ChatGPT en varios aspectos clave para el trabajo profesional:

1. Calidad de razonamiento: Opus y Sonnet superan consistentemente a GPT en tareas de análisis complejo y redacción estructurada.
2. Seguimiento de instrucciones: Claude es más fiel a lo que se le pide, especialmente en formatos y restricciones.
3. Ética y seguridad: Anthropic es el laboratorio más prudente en materia de seguridad, relevante si se trabaja con información sensible.
4. Herramientas agénticas: Cowork y Claude Code ofrecen capacidades de automatización sin equivalente real en OpenAI.

### Los tres modelos de Claude

Regla práctica: Empezar siempre con Sonnet. Si el resultado no es suficientemente bueno, subir a Opus. Reservar Opus para lo importante porque agota los límites de uso más rápido.

### Planes de suscripción de Claude (precios en USD, abril de 2026)

Nota: Los precios pueden variar. Consultar siempre claude.ai/pricing para los precios actualizados.

Recomendación inicial: Empezar con el plan Pro (20 $/mes). Cuando Opus se agote rápido en proyectos importantes, subir a Max.

### Límites de uso

Claude funciona por bloques de 5 horas:

• Cada bloque tiene un límite de tokens y tareas.
• Si se usa mucho Opus, el límite se agota antes.
• Con Sonnet se rinde más dentro del mismo bloque.
• Existen también límites semanales.

6. Guía rápida de Claude Cowork

Cowork es la herramienta agéntica de Claude. Es lo que va a dar el mayor retorno por el esfuerzo invertido. Hay que pensarlo como un asistente inteligente que, además de conversar, puede usar herramientas.

### Qué es Cowork y por qué es diferente del chat

• Chat de Claude: Se le habla, responde. Ida y vuelta. Sin herramientas externas.
• Cowork: Tiene acceso a herramientas (Internet, archivos, conectores externos), puede leer documentos de una carpeta local y ejecutar tareas complejas de forma autónoma.

### Primeros pasos con Cowork

Paso 1: Acceder

• Entrar en claude.ai con la cuenta personal
• Buscar la opción "Cowork" (o "Projects" según la versión de la interfaz)
• Es la sección que permite crear proyectos vinculados a carpetas locales

Paso 2: Crear un proyecto

1. Darle un nombre descriptivo (ej.: "Market Research Defensa Francia")
2. Asignarle una carpeta local en el equipo personal (NO el corporativo)
3. Incluir en esa carpeta todo el contexto: documentos de referencia, informes previos, datos relevantes

Paso 3: Primera tarea

Probar con algo concreto. Ejemplo para market research en defensa:

Necesito que actúes como analista de desarrollo de negocio
especializado en el sector de defensa europeo.

OBJETIVO: Identificar los 5 principales contratistas de defensa
en Francia por volumen de contratos públicos en 2024-2025.

PARA CADA UNO incluye:
- Nombre y sede
- Volumen de contratos públicos (último dato disponible)
- Áreas de especialización
- Programas clave en curso
- Oportunidades de colaboración para una empresa industrial diversificada

FORMATO: Informe estructurado con fuentes verificables.

IMPORTANTE:
- Solo datos verificables con fuente citada
- Si no encuentras un dato, indícalo como "no disponible"
- No inventes ni aproximes cifras

Paso 4: Iterar

• El modelo presentará un resultado inicial.
• Revisarlo con criterio de experto en el sector.
• Pedir ajustes: "Profundiza en el punto 3", "Falta información sobre programas OTAN", "Compara con Alemania".

### Conectores útiles en Cowork

Cowork permite agregar conectores (herramientas externas):

Para agregar conectores: Administrar > Agregar conectores > Seleccionar de la lista.

7. Perplexity: búsquedas con Internet

### Cuándo usar Perplexity

• Se necesitan datos actualizados (últimas semanas o meses)
• Se busca información pública específica (concursos, regulaciones, noticias)
• Se quieren fuentes citadas automáticamente

### Ejemplo práctico

Busca todos los concursos de contratación pública de la OTAN
publicados en los últimos 6 meses relacionados con:
- Equipamiento industrial
- Sistemas de protección
- Materiales avanzados

Para cada concurso incluye:
- Referencia del concurso
- Fecha de publicación y fecha límite
- Presupuesto estimado
- Requisitos principales
- Enlace al portal oficial

### Consejo clave: el problema de las búsquedas incompletas

En la conversación surgió un caso en el que ChatGPT omitió un concurso de la OTAN en una búsqueda. Esto ocurre porque:

1. Los modelos generalistas no tienen acceso a todos los portales de contratación.
2. Dependen de su entrenamiento, que tiene una fecha de corte.
3. No buscan activamente en Internet salvo que se les pida explícitamente.

Solución: Usar Perplexity para la búsqueda inicial (tiene acceso a Internet) y después pasar los resultados a Claude para el análisis profundo. Esa combinación es muy potente.

8. Gemini y NotebookLM: procesar grandes volúmenes

### Gemini

Mejor para: Procesar muchos documentos simultáneamente gracias a su ventana de contexto de 1 millón de tokens.

Ejemplo: Si se tienen 15 informes trimestrales de competidores, se suben a Gemini y se pide:

Analiza estos 15 informes trimestrales e identifica:
1. Tendencias comunes en inversión en I+D
2. Mercados geográficos prioritarios para cada empresa
3. Movimientos en fusiones y adquisiciones
4. Cambios en estrategia de sostenibilidad
Presenta los resultados en formato tabla comparativa con fuentes.

### NotebookLM (recomendado para documentos largos)

Qué es: Una herramienta de Google que crea un "cuaderno inteligente" con los documentos del usuario. Dispone de un nivel gratuito funcional y un plan Plus de pago.

Ventaja crítica: Solo responde con información que está en los documentos subidos. No inventa. Cita la fuente exacta dentro del documento.

Cómo usarlo:

1. Entrar en notebooklm.google.com
2. Crear un nuevo notebook
3. Subir documentos (PDF, Google Docs, páginas web, texto) — hasta 50 fuentes por notebook
4. Hacer preguntas sobre el contenido

Ejemplo práctico:

Subir un position paper junto con datos de fuentes oficiales e informes de referencia. Preguntar: "¿Qué datos cuantitativos del informe no tienen fuente citada?" o "Resume las principales magnitudes con sus fuentes."

Función extra: Puede generar un audio tipo podcast que resume el contenido de los documentos. Útil para asimilar información mientras se conduce o se hace ejercicio.

9. Gamma: presentaciones con branding corporativo

Gamma resuelve un problema habitual: las herramientas genéricas (como Copilot) generan presentaciones rápidas pero no aplican la plantilla ni el branding corporativo.

### Configurar branding corporativo

1. Crear una cuenta en gamma.app (dispone de plan gratuito limitado y plan Pro de pago)
2. Ir a Settings > Brand Kit
3. Subir el logotipo corporativo
4. Configurar los colores corporativos
5. Seleccionar las tipografías corporativas

A partir de ahí, toda presentación generada llevará el branding correcto.

Nota: Consultar gamma.app/pricing para los precios actualizados del plan Pro.

### Flujo de trabajo recomendado

1. Investigación con Claude y Perplexity --> se obtienen datos y análisis
2. Redacción con Claude --> se obtiene el contenido del informe en texto
3. Presentación con Gamma --> se convierte ese contenido en diapositivas profesionales

Ejemplo de prompt en Gamma:

Genera una presentación de 8-10 diapositivas dirigida a directivos
sobre el mercado de defensa europeo. Incluye:
- Diapositiva 1: Título y contexto
- Diapositiva 2: Cifras clave del mercado
- Diapositivas 3-5: Principales actores por país
- Diapositivas 6-7: Oportunidades identificadas
- Diapositiva 8: Próximos pasos recomendados
- Diapositiva 9: Fuentes

Tono: profesional e institucional.
Usa gráficos para las magnitudes numéricas.

### Exportar

• PowerPoint: Para editar después con la plantilla corporativa
• PDF: Para distribución final
• Enlace: Para compartir la versión interactiva en línea

10. Cómo trabajar con restricciones de IT corporativa

Este punto es crítico en entornos donde las políticas corporativas restringen el uso de herramientas de IA (ChatGPT bloqueado, avisos de seguridad, bloqueo de descargas).

### Recomendación principal: equipo personal separado

1. Usar un portátil personal para todo el trabajo con IA.
2. Solo datos públicos: Nunca introducir información confidencial corporativa. Todo debe ser información pública (informes publicados, datos de mercado, regulaciones, noticias).
3. Sin mención corporativa directa: En vez de "Soy de [empresa], ¿qué debo hacer?", formular como "Para una empresa industrial diversificada en el segmento de materiales avanzados, ¿qué oportunidades hay en...?"

### Configurar el entorno seguro

### Qué se puede y qué no se puede hacer

Se puede (datos públicos):

• Análisis de mercado basado en informes publicados
• Investigación de concursos públicos (por definición son información pública)
• Análisis regulatorio (BOE, EUR-Lex, DOUE son públicos)
• Benchmarking de competidores con datos publicados
• Generación de presentaciones con datos de mercado

No se debe (datos corporativos):

• Subir documentos internos de la empresa
• Compartir estrategias, precios o datos financieros no publicados
• Usar correos internos como contexto
• Nombrar proyectos internos por su nombre real

### Negociar con IT/Compliance (medio plazo)

Para incorporar estas herramientas en el entorno corporativo:

1. Solicitar sandbox: Un entorno aislado (máquina virtual) donde poder usar herramientas aprobadas.
2. Lista blanca: Pedir que aprueben herramientas específicas (Claude, Perplexity, Gamma).
3. Política de datos: Documentar por escrito que solo se usarán datos públicos.
4. Piloto formal: Proponer un proyecto piloto de 2-4 semanas con métricas de resultado.

11. El arte del prompting: instrucciones que funcionan

### Estructura de un buen prompt

Un prompt efectivo tiene estos elementos:

1. ROL: Quién debe ser el modelo
   "Actúa como analista sénior de desarrollo de negocio
    en el sector de defensa europeo"

2. CONTEXTO: Información de fondo
   "Estoy evaluando oportunidades de colaboración para
    una empresa industrial diversificada con presencia
    en materiales avanzados y soluciones de protección"

3. TAREA: Qué tiene que hacer exactamente
   "Identifica los 5 principales programas de modernización
    de defensa en la UE con presupuesto superior a 500 M EUR"

4. FORMATO: Cómo se quiere el resultado
   "Formato tabla con columnas: Programa, País,
    Presupuesto, Plazo, Área tecnológica, Fuente"

5. RESTRICCIONES: Qué debe y qué no debe hacer
   "Solo datos verificables. Cita fuente para cada dato.
    Si no tienes certeza, indica 'no verificado'"

### Prompts que funcionan para market research

Investigación de mercado:

Necesito un análisis del mercado de [sector] en [geografía].

Incluye:
1. Tamaño del mercado (último dato disponible con fuente)
2. Tasa de crecimiento (CAGR últimos 5 años)
3. Principales actores (top 5-10 por cuota de mercado)
4. Tendencias clave
5. Regulación relevante
6. Barreras de entrada
7. Oportunidades identificadas

Formato: informe estructurado. Cada dato con fuente y año.
Idioma: español.

Análisis de competidores:

Analiza [empresa] como competidor en el mercado de [sector]:

1. Datos generales (sede, empleados, facturación)
2. Líneas de negocio principales
3. Presencia geográfica
4. Contratos públicos recientes (si disponibles)
5. Estrategia de I+D (basada en información pública)
6. Fortalezas y debilidades frente a [perfil propio]

Solo información pública verificable.

Búsqueda de concursos:

Busca concursos de contratación pública abiertos o anunciados
en los últimos 3 meses en [país/organización] relacionados con:
- [área 1]
- [área 2]
- [área 3]

Para cada concurso:
- Referencia oficial
- Entidad contratante
- Objeto del contrato
- Presupuesto estimado
- Fecha límite de presentación
- Enlace al portal

Busca en: [portal 1], [portal 2], [portal 3]

### El truco del plan previo

Antes de lanzar una tarea grande, pedir siempre un plan:

Antes de ejecutar, preséntame un plan de investigación:
- Qué fuentes vas a consultar
- Qué datos esperas encontrar
- Qué limitaciones anticipas
- Cuánto tiempo/recursos necesitas

Quiero revisar el plan antes de que empieces.

Esto permite:

• Detectar si se le olvida algo (como el caso de omitir concursos de la OTAN)
• Añadir fuentes que se conocen por experiencia profesional
• Ajustar el enfoque antes de gastar tokens

12. Verificación: que ningún dato sea inventado

Esto es crítico. Los modelos de IA pueden "alucinar" (inventar datos que suenan convincentes pero son falsos). Para documentos que se van a compartir con directivos o usar en decisiones de negocio, la verificación es obligatoria.

### Reglas básicas de verificación

1. Todo dato cuantitativo necesita fuente: Si el modelo dice "el mercado de defensa en Francia vale 60.000 M EUR", exigir la fuente exacta.
2. Desconfiar de datos muy redondos: Los datos reales raramente son cifras perfectas.
3. Cruzar con Perplexity: Usar una segunda herramienta para verificar datos críticos.
4. NotebookLM como verificador: Subir las fuentes originales y preguntar si el dato aparece realmente en ellas.

### Prompt de verificación

Después de que el modelo genere un informe:

Revisa el informe que acabas de generar y para cada dato
cuantitativo confirma:
1. La fuente exacta (nombre del informe/página/base de datos)
2. La fecha del dato
3. Si el dato es exacto o una estimación
4. Tu nivel de confianza (alto/medio/bajo)

Si algún dato no tiene fuente verificable, indícalo claramente.

### Flujo de verificación cruzada

1. Generar informe con Claude (Sonnet o Opus)
2. Verificar datos clave con Perplexity (búsqueda en Internet)
3. Contrastar con NotebookLM (contra documentos fuente)
4. Revisión humana final (criterio profesional propio)

13. Ruta de aprendizaje (12 semanas)

### Semanas 1-2: Fundamentos

Objetivo: Familiarizarse con las herramientas básicas.

• Crear cuenta en Claude (plan Pro, 20 $/mes) en claude.ai
• Crear cuenta en Perplexity (plan Pro, 20 $/mes) en perplexity.ai
• Probar NotebookLM (nivel gratuito) en notebooklm.google.com
• Hacer 3-5 consultas simples en cada herramienta
• Comparar resultados de la misma pregunta en Claude vs. Perplexity vs. Gemini
• Subir un informe público a NotebookLM y hacerle preguntas

Ejercicio práctico: Pedir a Claude Sonnet un análisis del mercado de defensa en Francia. Después pedir lo mismo a Perplexity. Comparar: qué datos coinciden, cuáles difieren, cuál cita mejor las fuentes.

### Semanas 3-4: Primeros proyectos reales

Objetivo: Usar las herramientas para una tarea real del trabajo diario.

• Crear el primer proyecto en Claude Cowork con una carpeta local
• Definir un caso de uso concreto (ej.: research de un mercado específico)
• Practicar el flujo: prompt con contexto > plan > ejecución > revisión
• Crear cuenta en Gamma y configurar branding corporativo
• Generar la primera presentación con datos reales

Ejercicio práctico: Elegir un mercado o sector de interés. Investigar con Perplexity + Claude. Generar informe con Claude. Convertir a presentación con Gamma. Revisar con criterio profesional propio.

### Semanas 5-8: Optimización

Objetivo: Mejorar la calidad de los resultados y la eficiencia.

• Refinar los prompts en función de lo que funciona y lo que no
• Aprender a usar el plan previo ("preséntame tu plan antes de investigar")
• Implementar verificación cruzada (Claude + Perplexity + NotebookLM)
• Experimentar con diferentes modelos (Opus vs. Sonnet) para ver la diferencia
• Crear una biblioteca de prompts reutilizables para las tareas habituales
• Explorar conectores de Cowork (Gamma, Google Drive si aplica)

### Semanas 9-12: Nivel avanzado

Objetivo: Flujos de trabajo completos y autonomía.

• Desarrollar un flujo completo de market research reproducible
• Crear un position paper de principio a fin con herramientas de IA
• Experimentar con tareas más complejas (análisis comparativo multipais)
• Evaluar si conviene subir de plan de suscripción
• Documentar las mejores prácticas y casos de uso validados
• Explorar capacidades agénticas más avanzadas (Claude Code, si hay interés)

14. Costes y suscripciones recomendadas

### Paquete inicial recomendado (precios en USD, abril de 2026)

Nota: Los precios pueden cambiar. Consultar las páginas oficiales de cada herramienta para los precios actualizados.

### Evolución recomendada

• Mes 1-2: Claude Pro + Perplexity Pro + NotebookLM gratuito = ~40 $/mes
• Mes 3 en adelante: Si Opus se agota rápido, subir a Claude Max (100 $/mes)
• Cuando se necesiten presentaciones: Añadir Gamma Pro (~20 $/mes)

### Control de costes

• Usar Sonnet por defecto (consume menos límites).
• Reservar Opus para tareas críticas (position papers, verificación final).
• Monitorizar el consumo en los bloques de 5 horas.
• Si se agotan los límites con frecuencia, subir de plan en vez de esperar.

15. Recursos para seguir aprendiendo

### Canales de YouTube recomendados

La mejor forma de mantenerse al día es dedicar 15-20 minutos diarios a ver vídeos sobre novedades y casos de uso:

• Dot CSV (en español): Canal de divulgación de IA con explicaciones técnicas accesibles
• AI Explained: Explicaciones claras de nuevos modelos y herramientas
• Matt Wolfe / Future Tools: Resumen semanal de novedades en IA

### Documentación oficial

• Claude: docs.anthropic.com (documentación y tutoriales)
• Perplexity: perplexity.ai (incluye guías de uso)
• Gamma: gamma.app (guías y plantillas)
• NotebookLM: notebooklm.google.com (tutoriales integrados)

### Práctica diaria

El mejor consejo: reservar 30 minutos al día para experimentar. Probar cosas nuevas, variar los prompts y, sobre todo, usar las herramientas para tareas reales del trabajo. En aproximadamente 3 meses se alcanza un nivel funcional sólido.

Resumen ejecutivo: por dónde empezar

1. Crear cuenta en Claude (claude.ai, plan Pro, 20 $/mes)
2. Crear cuenta en Perplexity (perplexity.ai, plan Pro, 20 $/mes)
3. Abrir NotebookLM (notebooklm.google.com, gratuito)
4. Usar equipo personal, solo con datos públicos
5. Primera tarea real: Un market research de un sector conocido, para poder evaluar la calidad del resultado con criterio propio
6. Iterar: Pedir plan antes de ejecutar, revisar con criterio profesional, corregir y volver a pedir
7. Verificar siempre los datos cuantitativos antes de compartir un documento

La clave es empezar. No hace falta entenderlo todo desde el primer día. Cada semana de práctica mejora notablemente el nivel. Y lo más importante: el conocimiento del sector propio es insustituible. La IA es la herramienta que amplifica esa experiencia. Sin criterio profesional, el mejor modelo del mundo produce resultados mediocres.

Quedo a disposición para cualquier duda, sesión práctica o revisión de los primeros resultados.