Carlos Miñana

Recién salido del horno: 👉 Guía de cómo sincronizar ManyChat con ActiveCampaign sin usar conectores externos. publicidadenlanube.es/sincro…

Os dejo por aquí un vídeo para obtener Skills y optimizar al máximo Claude. youtu.be/iB_K4vIjxV4 #iA #Claude #ClaudeAI

De vuelta a la tirarme de cabeza a la piscina, vuelvo con los vídeos. Aquí os dejo el primero de muchos, o eso espero, sobre la IA y especialmente Claude. Espero que os guste. #IA #inteligenciaartificial #Negocios youtu.be/bh7nGEWXVsY

Pues esto me parece interesante: Claude ha lanzado como open source Knowledge Work Plugins: una colección de plugins de Claude basados en roles, hechos para Claude Cowork y Claude Code. Para que nos aclaremos, todo enfocado a Marketing y Agencias. github.com/anthropics/knowle…

Más cositas de la IA. Vídeo de la Tierra Media en 3D. Hecho con Three e indicaciones a Opus 5.5. reddit.com/r/claude/comments…

Ayer vi esto en Reddit. Me pareció una auténtica locura. ¿Qué opináis vosotros? #ia #inteligenciaartificial #video

Anthropic lanzó “mods” el pasado 1 de octubre: puedes cambiar cómo se ve, cómo se comporta o qué funciones tiene. Y lo mejor: no tienes que programarlos. Le dices a Claude qué mod quieres y él lo construye. La herramienta se adapta a ti. 👇 bit.ly/4zhtn4O

Creo que ahí está la tendencia. La próxima mejora de tu agente quizá no llegue de un modelo nuevo. Puede llegar simplemente de enseñarle a trabajar mejor.

El cambio podría resumirse así: Antes: Prompt → modelo → resultado Ahora: Prompt → agente + contexto + Skills → resultado El modelo importa. Pero cada vez importa más todo el sistema que construimos alrededor de él.

Y ya hay Skills para casi todo: → Desarrollo
→ Seguridad
→ Diagramas
→ Escritura
→ Diseño
→ Ingeniería
→ Gestión del contexto No estamos creando simplemente mejores prompts. Estamos empezando a crear capacidades para agentes.

Hasta ahora intentábamos mejorar la IA escribiendo prompts cada vez mejores. Los Skills cambian ligeramente la lógica: En lugar de explicarle constantemente cómo trabajar, conviertes ese conocimiento en una capacidad reutilizable. Y el agente puede utilizarla cuando la necesita.

Los Skills de Claude están explotando en GitHub. Solo en septiembre: → Ponytail: +30.432 ⭐
→ Matt Pocock Skills: +29.787
→ I Have ADHD: +26.258
→ Security Audit Skill: +20.148 Pero lo interesante no son las estrellas. Es lo que está ocurriendo detrás.

Ahí es donde veo el verdadero cambio. No necesitamos únicamente una IA que responda mejor. Necesitamos una IA a la que podamos delegar trabajo real. Y el DevDay ha dejado bastante claro hacia dónde va OpenAI. #IA #inteligenciaartificial #chatgpt

Hasta ahora: Pregunta → respuesta Cada vez más: Objetivo → delegación → ejecución → resultado Parece un cambio pequeño. No lo es. Porque el valor deja de estar únicamente en lo bien que responde el modelo y pasa también a estar en lo que puede hacer por ti.

Y en medio de todo esto llega GPT-6.1 Sol. OpenAI lo posiciona cerca de Astra para trabajo complejo: → 1,05M de contexto → $2 / 1M tokens de entrada → $10 / 1M de salida Más capacidad para hacer viable esa capa de agentes.

Dots, Space, Codex en la nube, Agents API... Las piezas empiezan a encajar: → Agentes trabajando continuamente → Personas + agentes en un mismo entorno → Ejecución en la nube → Uso de herramientas y ordenador Ya no es solo generar una respuesta.

Después del DevDay de OpenAI, creo que nos estamos fijando demasiado en los nuevos modelos. Para mí, la noticia importante es otra: Estamos pasando de preguntarle cosas a la IA a delegarle trabajo. Y casi todo lo presentado apunta hacia ahí. 👇

La carrera de la IA ya no es solo crear el modelo más potente. También es conseguir más inteligencia por menos coste. Y para agentes y automatizaciones, eso lo cambia todo.

¿Dónde encaja entonces Sonnet 5.5? En prácticamente todo el trabajo diario con IA: → Código → Agentes → Análisis → Documentos → Presentaciones → Hojas de cálculo → Diseño Y especialmente donde velocidad + coste + rendimiento importan tanto como la capacidad bruta.

Y hay otro dato interesante. En GDPval-AA: → Sonnet 5.5: 1844 → Opus 5.5: 1846 Prácticamente empatados en esa evaluación. Anthropic sigue reservando Opus para los problemas más complejos y abiertos, pero la distancia se está reduciendo.