Pinned Tweet
Soy Octavio. En KAOS diseño narrativas y estudio como se comporta la gente en grupo
Hoy trabajo con 20 agentes de IA. Uno me contesta el WhatsApp, otra produce los videos y otro nomas le revisa los numeros a los demas: en 199 revisiones les regreso la tarea 73 veces 💀
Aqui cuento que les pido, que sale, que truena y cuanto cuesta. Con numeros:
- 13 años de WhatsApp, 2.8 millones de mensajes, buscables por mis agentes
- un agente que llamo por telefono a las tiendas buscando una Switch 2
- 257 comandos con contraseñas que Claude Code me guardo en texto plano
Si usas agentes para trabajo de verdad, aqui ando
A Bill D'Alessandro su contador le armo la declaracion y le salia que debia $117,360 dolares de impuestos, encima de lo que ya habia pagado. Antes de pagar se la paso a ChatGPT y resulto que le tenian que devolver $191,173
Lo conto el 7 de octubre (tiene negocio en EE.UU.). La IA estuvo 90 minutos cruzando cada numero contra sus correos y su Drive y le entrego un reporte de 15 paginas. Lo revisaron linea por linea con el contador y el contador le dio la razon. Diferencia: $308,533
Lo que encontro, segun cuenta el:
- ingresos de otra empresa que se colaron como si fueran suyos
- un fideicomiso clasificado mal
- estimaciones de abril que nunca se cambiaron por las cifras reales
- datos de la declaracion del año anterior copiados en la nueva
- gastos de la casa que vendio que bajaban su ganancia y no estaban contados
Puros errores de papeles y de captura, de los que se cuelan en cualquier declaracion. El mismo dice que la IA no la habria podido hacer desde cero: el contador sigue
El prompt que uso, traducido:
"Este es el borrador de mi declaracion de impuestos. Antes de presentarla, quiero que actues como segundo revisor y experto fiscal y la revises.
Usa tu acceso a mi Drive y a mi correo para cruzarla con cualquier otro documento que necesites.
Encuentra errores o cosas que necesiten mas revision y que me puedan ahorrar impuestos. Busca tambien formas de reducir el impuesto y los saldos que debo.
Hazme las preguntas que necesites. Ponle mucho esfuerzo y asegurate de que quede bien, hay mucho dinero en juego"
Sirve con la declaracion anual de cualquier pais. Lo que te encuentre, llevaselo a tu contador antes de firmar
Si mañana vas a pagar algo con la promo de tu banco, que tu IA lea primero las letras chiquitas. El "10%" que yo use esta semana me salio en 7.4%
Copia esto y mandaselo con el link de las condiciones:
"Lee las condiciones de esta promo y antes de que pague dime:
1. Si tengo que inscribirme o activarla antes de comprar, y donde
2. Con que tarjeta exacta y si cuenta de contado, a meses o solo de una forma
3. La compra minima: por ticket o acumulada
4. El tope del descuento y de la bonificacion, y cuanto me toca de verdad en este producto
5. Si se suma con el cupon o la rebaja que ya trae
6. En que fecha me llega la bonificacion y hasta cuando puedo reclamar si no llega
Al final dime cuanto pago hoy y cuanto me cuesta ya con todo"
Lo arme con la compra de un gabinete en Amazon:
- El cupon del banco decia 10% con tope de $1,000. En $13,471 eso es 7.4%
- La bonificacion de 10% iba aparte y solo contaba con credito, de contado, inscrito antes y escogiendo bonificacion en vez de puntos
- Llega a mas tardar el 26 de enero. Si no, se reclama despues del 27 de enero y hasta el 26 de febrero, con la captura del pedido
Si ya compraste, todavia te sirve el punto 6. Esas dos fechas nadie las anota 🤷♂️
Si tu agente te trae novedades de IA cada mañana, mide cuantas usa de verdad. Yo medi dos semanas: de 70 mejoras que mis agentes agregaron solos a sus skills y notas, 5 terminaron en algo entregado
Ayer un revisor cruzo cada una contra lo que de verdad se hizo:
5 sirvieron
10 llevan 14 dias o mas sin que nadie las use
55 siguen esperando
El que mas trajo fue el agente de anuncios: 15. Ninguna usada todavia 💀
La regla que quedo para juzgarlas, literal:
"Que la línea exista en el catálogo no es uso."
Cuenta como usada solo si hay una pieza entregada, una sesion o un problema que dejo de repetirse, con fecha. Y si un agente junta 3 semanas sin una sola que sirva, me llega la propuesta de bajarle el radar a semanal o apagarlo
Si vas a comprar algo que tiene que caber en un hueco de tu casa, pegale esto a tu IA antes de que te recomiende nada. Hoy me hubiera ahorrado varias vueltas: mi agente entendio 160 cm de fondo y eran 60
"Quiero comprar [que] para un espacio de mi casa. Antes de buscar:
1. Repiteme las medidas como las entendiste (ancho, fondo, alto libre) y espera a que te diga que estan bien.
2. Te mando una foto de como lo quiero. Dime que hace que se vea asi (cerrado o abierto, color, acabado) y busca solo eso.
3. Dame lo mas grande que quepa en ese espacio.
4. De cada opcion: medida de afuera contra mi hueco, cuantos cm sobran y si estorba el zoclo o el contacto.
5. Precio puesto en mi casa, con envio y lo que tenga que comprar aparte.
6. Si es usado o de otro pais, dime el envio antes que el precio."
Lo arme con lo que salio mal hoy buscando un gabinete para mis Macs:
- Le mande la foto de uno cerrado y me recomendo un rack abierto de $2,518. "No se ve pro", le conteste
- Tenia altura libre y me propuso uno de 114 cm. Le tuve que decir "estas desaprovechando mi espacio"
- Un usado de eBay que si cabia: US$289 el gabinete y US$1,200 de envio 💀
- El finalista mide 59.7 cm de fondo. El hueco, 60
Si vas a comparar dos modelos con tareas que tu agente ya hizo, escondele las respuestas
Yo no lo hice. Le pedi a GPT repetir una auditoria vieja y me encontro el doble de errores que Claude. Los 6 venian marcados como ya registrados 💀
Se habia leido la lista de errores que mi agente auditor anoto despues
La rehice bien: 30 auditorias, los mismos archivos para los dos y esa lista bloqueada
- En 25 dieron el mismo veredicto
- En las 20 donde sus listas no cuadraban, un tercer modelo reviso a ciegas cifra por cifra: GPT atino 18 errores reales con 13 falsas alarmas. Claude, 17 con 7
- GPT vio errores reales que Claude no en 4 reportes; Claude, en 3. Ninguno sobra
Asi empezaba cada corrida, literal:
«PRUEBA DE REPETICIÓN (solo lectura). Repetimos una auditoría vieja para comparar modelos. Lee SOLO el reporte y las fuentes crudas listadas abajo. No abras nada dentro de [carpeta del auditor] (ni errores.md ni auditorías previas), no escribas, muevas ni borres archivos, no guardes memoria y no mandes mensajes.»
Y aun asi 3 corridas dejaron archivos en la carpeta del auditor. Al terminar revisa que no te hayan escrito nada
Antes de pagar algo del Buen Fin, pegale esto a tu IA con el link del producto:
"Revisa esta oferta antes de que la compre:
1. El precio tachado existio de verdad? Saca el historial de 12 meses (para Amazon Mexico sirve Keepa) y dime el precio normal y el minimo del año
2. Quien lo vende? Solo cuenta si es la tienda o la marca oficial y tiene 4 estrellas o mas
3. Busca el mismo modelo exacto en otras 2 tiendas, con envio incluido
4. Si hay cupon, lee las condiciones y dime si aplica a este producto y si se suma al descuento
5. Dame el precio final y dime si conviene hoy o mejor espero"
Si tu IA no puede abrir Keepa, abrelo tu y pasale captura de la grafica
Cada punto sale de algo que me paso esta semana preguntandole a mi agente:
- Una cafetera decia -26% de $20,999. Solo estuvo arriba de $20 mil unos dias a fines de septiembre y de octubre; lo normal fue $15,700 a $16,800
- La misma Samsung de 55: $7,599 en Amazon y en Costco, $7,713 en Palacio
- El cupon de 15% solo aplicaba a 1 de 3 cafeteras
- La regla 2 existe porque me recomendo una tele de un vendedor con 1 estrella 💀
Anthropic dice que un agente always-on arranque callado. Lo aprendi con 6 avisos de que una persiana no respondia, uno a las 4:21 am. Todos falsos 💀
Si tu agente vigila algo, copia mi regla:
"alerta solo tras 2 corridas seguidas en FAIL y 'volvió' solo si se avisó la caída"
Le pregunte a mi agente si dos cafeteras de Amazon de verdad estaban en oferta por el Buen Fin. Una decia -31% de $17,499
En todo el año nunca costo $17,499. Lo mas cara que estuvo fue como $14,900 💀
Saco el historial de un año en Keepa y en menos de 5 minutos me dijo:
- La de -31%: la rebaja real es de unos $250, como 2%. Aun asi es su precio mas bajo desde febrero
- La otra decia -25% de $21,999: la subieron a ~$22,000 entre agosto y septiembre. Hoy cuesta lo mismo que en junio, y en el Buen Fin pasado estaba como $1,200 mas barata
Y las teles de anoche: de los 7 precios que guardo en Amazon a las 6:25 pm, pasada la medianoche y ya con el Buen Fin encima, ninguno habia bajado un peso
Lo que le escribi, tal cual, con los 2 links:
"hay forma de consultar el historico de amazon? como se si estas 2 cafeteras realmente estan en oferta por el buen fin?"
Hoy se cayo Claude. Dos de mis agentes esperaron y volvieron solos; el tercero se paso solo a GPT y termino su chamba
No fue suerte: el lunes probe sus respaldos y 19 de 22 no tenian llave
Si trabajas con IA, ten otro modelo y pruebalo con una peticion real, no en la config
Le pedi a mi agente la mejor tele de 55 y la mas barata en Amazon, un dia antes del Buen Fin. Me recomendo una Mini-LED de $6,299
Tenia 1 estrella 💀
La vendia un tercero. Sus 2 reseñas: una dice que le llegaron dos pantallas con el display roto y la otra que venia incompleta y se reiniciaba sola. Se lo dije y en un minuto acepto que no reviso al vendedor antes de recomendarla
Lo que si hizo bien: tomo 17 precios de teles de 55 en Amazon y Palacio a las 6:25 pm. Yo le dije "en 5h volvemos a revisar cuanto cambio" y me lo movio a las 12:20 am, porque el Buen Fin arranca a medianoche y a las 11:27 iba a comparar los mismos precios. Asi mañana se ve cuanto bajo de verdad cada una contra el precio de hoy
La regla que le quedo, por si la quieren para su agente de compras:
"Solo cuenta lo que vende Amazon México o la tienda oficial de la marca, con 4★ o más"
El tip de las tools en paralelo que rola hoy ya viene en el prompt de mi agente, literal:
"When you need several pieces of information that don't depend on each other, request them together in a single response"
En 24 h pidio varias juntas en 55 de 519 turnos 🤷♂️ Mide el tuyo
Salio MiniMax H3-Image con pesos abiertos y mi agente de video lo puso a competir en mi Mac contra el modelo de imagen que pago
Mismo cuadro, mismas 2 referencias (un fondo y una hoja de personajes):
En mi Mac: 5 min 45 s, $0
Pagado: 55 s, 0.113 dolares (la tarifa en 4K subio de 0.076 en 10 dias)
Gano el local por poco: respeto el tamaño de los personajes y hacia donde miran. Pero se volo la bascula y los frascos del mostrador
Y eso que el prompt decia "keep its architecture, layout, lighting and camera exactly". La regla que le quedo a mi agente:
"Nombra en el prompt lo que tenga que quedarse."
Lo que no aguanto: una cara real con una sola foto borrosa de referencia. Le cambio ojos, cejas y quijada
Y se come la Mac: pico de 49 GB de 64, cero swap, pero no puede correr junto con mis otros modelos locales 💀
Se queda para borradores. El pagado, para la final cuando importa el fondo
Vas a adelgazar las skills de tu agente con el prompt de 14 pasos que rola hoy? No te saltes el 13: probar que si abre lo que moviste
En sesion nueva:
"Pregunta rápida, solo responde: [dato que solo vive en ese archivo]. No ejecutes nada más."
Si no lo abre, perdiste la regla
Hoy le pase a Fable 5.2 doce dias del chat donde mi agente me ayuda con esta cuenta. Tardo 18 minutos y gasto 1% de mi limite semanal
Lo mas feo que encontro: dos veces mi agente me trajo, con link y cita, contestaciones para respuestas que nadie habia escrito. Yo les di ok 💀 Las freno un 404 de X al publicar
Tambien me dijo que mis 5 posts de anecdota sin nada que copiar suman 0 guardados en 30 mil vistas
Luego se equivoco el. Le pedi revisar mi Threads y conto 1 respuesta en 18 posts. Leimos el panel de estadisticas post por post: eran 12, de 11 personas reales, y no le habiamos contestado a ninguna. Fable solo podia contar lo que mi agente tenia anotado
El encargo que le paso empieza asi:
"Revisión independiente (eres un revisor externo, no el agente que hizo el trabajo). Trabaja SOLO dentro del directorio actual. Puedes LEER todo en ./insumos y correr python para contar; solo ESCRIBE ./REVISION.md."
Y las reglas:
"Reglas: solo hallazgos con evidencia en los insumos (fecha, archivo, cita o cifra). Si algo no se puede saber con estos datos, dilo."
Lo que aprendi: antes de moverle a algo por lo que dijo el revisor, ese numero se vuelve a leer en la fuente
Hermes metio hoy a main un comando que prueba de verdad los respaldos de modelo de tus agentes. Lo corri y el segundo respaldo no servia en 19 de mis 22 perfiles 💀 La config se veia bien, faltaba la llave
Correlo antes de que truene el principal:
"hermes fallback check --live"
Hoy salio Claude Fable 5.2 y le pregunte a mi agente "es mas barato y mejor no?"
Me contesto "Es mejor, pero no es más barato" y me propuso ponerlo a competir contra Opus 5.5 en algo real. Le dije va y 11 minutos despues ya tenia el resultado 💀
La tarea: un plugin de mi setup con bugs de verdad. Encontrarlos, reproducirlos y proponer el arreglo. Mismas instrucciones y mismo esfuerzo para los dos
- Bugs: empate, los dos encontraron los mismos 6
- Tiempo: Fable 6.6 min, Opus 2.9
- A precio de API: Fable ~$2.78, Opus ~$0.76. 3.7 veces mas
- El arreglo: a cada uno le corrimos las pruebas del otro. El de Opus paso todas, el de Fable fallo una
- Donde si gano Fable: reviso mas archivos y encontro un error extra en el dashboard
Opus se queda de base en mis agentes y Fable entra cuando Opus ya se atoro en algo dificil. Es una sola prueba, ojo. Hasta Anthropic en su anuncio recomienda empezar con Opus 5.5 para casi todo
Si lo quieren repetir, lo que le pedimos a los dos fue literal esto: "Bugs CONFIRMADOS (no especulación): línea, qué falla, entrada concreta que lo dispara, y la reproducción que corriste"
Ustedes ya lo pusieron a trabajar en algo real o nomas en el demo?
Le pedi a mi agente que leyera lo que se esta diciendo en español del CEO de Nvidia desde ayer. De los 20 posts con mas likes, 14 son chistes y se llevan el 84% de los likes 💀
La noticia que mas likes junto se quedo en 875. El chiste numero uno va en 13,869
Y no es poca cosa lo que paso: la accion cayo como 6% al abrir, el consejo abrio una investigacion y en 8 dias presenta resultados
Lo que si me gusto fue su memo. Arranca asi: «Le fui infiel a mi esposa. Lo que hice la lastimo a ella y a nuestros hijos. No hay excusa para lo que hice. Lo siento mucho». Lo de seguridad nacional se lo deja al consejo
Ese memo le habla a quien decide si se queda: empleados, consejo e inversionistas. A los que nos estamos riendo ni nos voltea a ver 🤷♂️
A las 6:21 mi agente me dijo que ya habia quedado. A las 6:22 le mande una captura y me contesto: "Tienes razón. Te dije que eso quedaba corregido y no era cierto" 💀
Mis 20 agentes tienen una oficina 3D donde cada uno es un personaje con escritorio, silla y hasta gorrito de Navidad. Hoy le pedi a mi agente principal que se sentaran de verdad, sin atravesar la silla
Se tardo 68 minutos y me reporto: "Probé la fiesta con los 20 llegando a la pista: ninguno se atravesó con otro"
Su prueba revisaba que no chocaran entre ellos ni con las paredes. Si se metian en la silla, eso nunca lo midio. Y en mi captura el muñeco tenia la silla adentro
Ahora la prueba tambien mide el choque contra la silla, desde que llega hasta que se va. La regla que me llevo: cuando un agente te diga "ya quedo", preguntale que midio 🤷♂️












