La Vida Media de la Frescura
Aquí tienes una lente sobre la que está construido AILmanac, y la idea más útil que podemos entregarte sobre trabajar con IA:
No todos los hechos sobre IA se pudren a la misma velocidad. Así que no deberías tratarlos de la misma manera.
El precio de un modelo, el nombre del "mejor" modelo, cómo funcionan los transformers: todos son "hechos", pero uno cambia cada semana, otro cada mes y otro no ha cambiado realmente en años. Si guardas los tres en tu cabeza con la misma confianza, en menos de un mes estarás confiadamente equivocado sobre dos de ellos.
Un modelo que nos resulta útil: asígnale a cada hecho una vida media de frescura — una idea aproximada de cuánto tardará en tener un 50 % de probabilidades de estar caducado — y luego decide cómo manejarlo según esa vida media, no según lo importante que parezca.
El movimiento central: ajustar el manejo a la vida media
Solo hay tres cosas que puedes hacer con cualquier hecho:
- Guardarlo en caché — mantenerlo en tu cabeza y actuar sobre él sin volver a comprobarlo.
- Volver a comprobarlo — asumir que puede haber cambiado; verificarlo contra una fuente antes de fiarte de él.
- Enlazar, no memorizar — no almacenar nunca el valor; almacenar un puntero a dónde vive el valor en directo.
El error que casi todo el mundo comete es guardar en caché cosas que deberían enlazarse. Memorizan un precio, lo repiten en una reunión seis meses después y se equivocan. La vida media de la frescura te dice qué movimiento hacer.
Los niveles
Un modelo que nos resulta útil es ordenar los hechos sobre IA en cuatro niveles de degradación. Los límites son difusos a propósito: lo que importa es el gradiente, no los cortes exactos.
| Nivel | Vida media | Ejemplos | Qué hacer |
|---|---|---|---|
| Volátil | Horas–días | Precios exactos, límites de uso, estado de cola/capacidad, etiquetas y nombres de botones en directo de la interfaz, "¿está la API operativa ahora mismo?" | Enlaza, no memorices. Nunca cites de memoria. Saca siempre el valor en directo de la fuente oficial en el momento en que lo necesites. |
| Rápido | Semanas | Qué modelo es el "mejor" o "predeterminado" para una tarea, ajustes recomendados, qué características están en vista previa | Vuelve a comprobar antes de fiarte. Está bien mantener una suposición de trabajo; verifícala antes de apostar nada a ella. |
| Lento | Meses | Qué características existen siquiera, nombres de herramientas y productos, niveles amplios de capacidad ("¿puede ver imágenes?") | Guarda en caché, pero ponle fecha. Mantenlo en tu cabeza, pero asóciale un mental "más o menos desde cuándo" y vuelve a verificarlo cuando lo que esté en juego sea importante. |
| Duradero | Años | Cómo predicen tokens los transformers, por qué importan las ventanas de contexto, principios de prompting, la Escalera de la Confianza, este mismísimo marco | Guarda en caché sin reparos. Estos son los cimientos que merece la pena aprender de verdad. Invertir aquí compone. |
Cómo leer los niveles
La trampa es la confusión de niveles — tratar un hecho volátil como si fuera duradero. "Claude cuesta X $ por millón de tokens" parece un hecho sólido, así que la gente lo guarda en caché. Pero su vida media es de días, no de años. La solución no es memorizar con más fuerza; es bajarlo un nivel en cómo lo manejas: enlaza a la fuente en vez de citar un número.
El error contrario es más raro pero real: volver a buscar en Google cosas duraderas ("¿cómo funciona un LLM?") cada vez en lugar de simplemente aprenderlas una sola vez. Si la vida media de un hecho se mide en años, deja de volver a comprobarlo e interiorízalo.
Una prueba rápida cuando te pilles afirmando un hecho sobre IA: "¿Cuál es la vida media de lo que acabo de decir?" Si la respuesta honesta es "días", deberías estar señalando una fuente, no tu memoria.
Por qué esto importa más en IA que en casi cualquier otra cosa
La mayoría de los campos tienen una mezcla cómoda de hechos duraderos y volátiles. La IA es inusual: una gran parte de los "hechos" que la gente repite están en los niveles Volátil y Rápido — nombres de modelos, precios, límites, qué cosa es la mejor esta semana. La proporción de volátil frente a duradero es alta. Por eso tanto consejo sobre IA envejece mal, y por eso un hábito de poner la frescura primero rinde más aquí que en campos que se mueven más despacio.
También explica una regla contraintuitiva: cuanto más confiado suene un consejo sobre un número concreto, más sospechoso deberías estar de él. La especificidad y la frescura suelen estar en tensión. "Usa el modelo capaz más barato" es un consejo duradero. "Usa el modelo X a Y $" es una captura de un instante.
Cómo el propio AILmanac funciona con esta idea
Esto no es solo teoría que te entregamos: es el sistema operativo de todo el sitio.
- Los hechos volátiles nunca se incrustan en la prosa. Los precios, los límites y los nombres actuales de los modelos viven en un único sitio —
data/models.json, nuestra única fuente de verdad — y en la página de Modelos y Precios, que mantenemos verificada. En todos los demás sitios, enlazamos a esos en lugar de repetir un número que se pudriría. - Cada página volátil lleva un sello
<VerifyNote>que registra cuándo un humano la comprobó por última vez contra la fuente oficial, así:
- El Panel de Frescura puntúa cada página contra su fecha de última verificación y tu reloj actual, de modo que el sitio no puede caducar silenciosamente sin mostrarlo. Ese panel es la Vida Media de la Frescura hecha literal: saca a la luz qué páginas probablemente se han degradado más allá de su vida media y necesitan que un humano las vuelva a verificar.
- Ante la duda, señalamos la documentación oficial en vez de copiar un valor. Un enlace a una fuente mantenida tiene una vida media mucho más larga que un número pegado en un párrafo.
Si construyes tus propias notas, prompts o documentos internos sobre Claude, copia esto directamente: mantén tus hechos volátiles en un único sitio sellado y enlazable, y escribe todo lo demás para que perdure más allá de ellos.