Paul Jialiang Wu agentic-portfolio 中文 Español 한국어 日本語✉️ Lista gratis
← Volver al portafolio

SERIE AI-NATIVO · DESTINO, NO CAJA DE HERRAMIENTAS, EPISODIO 1 DE 3 · PRINCIPIO 1

El software agéntico te da opciones, no herramientas: Lo que reconstruir nuestra oficina me enseñó sobre max-vocación, min-costo

Por Paul Jialiang Wu · futuremake.io · 2026-10-26 · 20 minutos de lectura

Cover: Agentic software hands you options, not tools. Three cards: who it is for (builders and founders designing products where AI does the work), what you leave with (the brief to options to choice loop, and a live playground to break), the one finding (of 40 overdue to-dos, counted one by one, 11 were decisions or write-ups the loop can move and 29 needed hands, not options).
Destino, no caja de herramientas, episodio 1 de 3: principio 1.

Resumen en 1 minuto

De qué trata esto. Un ensayo y un Playground para desarrolladores, sobre la diferencia entre software que te da herramientas y software que te da opciones. Está basado en una reconstrucción real: la oficina de un equipo fundador reconstruida alrededor de un solo bucle. Una persona escribe el destino, la máquina descarta cualquier opción que rompa un límite, ordena el resto, muestra tres diferentes, y la persona elige.

Por qué importa. Elegir requiere mucho menos esfuerzo que redactar, y el criterio es el único trabajo que no se puede delegar. En el tablero de tareas de un equipo fundador, 40 tareas estaban vencidas; contadas una por una, 11 eran decisiones o redacciones que este diseño puede destrabar, y 29 requerían intervención directa en el mundo. Este es el diseño para ese cuarto del trabajo, el alcance real de la propuesta, y el primer principio detrás: maximizar la vocación minimizando el costo de todo lo demás.

Qué puedes hacer después de leer. Escribe un brief para una decisión real esta semana (objetivo, dos límites duros, un ejemplo de bueno y uno de malo), juega en el Destination Playground hasta que la primera opción de la máquina y la tuya no coincidan, y revisa los pesos sugeridos que te devuelve.

Destination, Not Toolbox — la espina de la serie

▶ Véalo en marcha: abra la demo en vivo pública · sin registro

  1. El software agéntico te da opciones este episodio
  2. Ciclos OEC en cada escala episodio 2
  3. Verdad, amor y belleza: un solo sistema episodio 3

La gran pregunta: ¿qué hace que un software sea agéntico en vez de una caja de herramientas, y cuánto cuesta construirlo así?

Este texto NO explica cómo el sistema sigue mejorando después de lanzarse; eso es parte 2, bucles OEC a toda escala. Por qué las tres virtudes que sostuvieron el trabajo son una sola cosa es parte 3.

De qué trata este ensayo: software agéntico y el costo de construirlo

Este es un ensayo sobre software agéntico: software que recibe un destino de tu parte y hace el recorrido. Está escrito para desarrolladores y fundadores que diseñan productos donde la IA hace la mayor parte del trabajo, y para cualquiera que haya comprado una herramienta poderosa y luego la haya visto quedarse sin usar. Solo necesitas un navegador y unos cuarenta minutos.

El ensayo parte de un caso real. En octubre de 2026 reconstruí la oficina de mi equipo fundador: un drive autohospedado, documentos en vivo, chat, tablas y compañeros de IA, todo corriendo como código desde un solo archivo. Durante seis semanas fue una excelente caja de herramientas. Luego conté el tablero de tareas del equipo la mañana de la reconstrucción. De 51 tareas, 4 estaban hechas y 40 vencidas. El titular se impuso solo: el cuello de botella está en las decisiones, no en las herramientas. Luego hice lo que esta serie pide y conté mi propio titular. Leyendo el título de cada tarea pendiente y su definición de terminado, 4 eran decisiones (fijar precios, elegir canal, decidir qué lanzar primero, poner un límite de gasto) y 7 eran redacciones (un plan, una comparación, una lista, un guion). Las otras 29 requerían acciones en el mundo real: llamadas, visitas, fotos, revisiones. Mi clasificación es subjetiva, y un lector más estricto podría mover dos o tres ítems. De cualquier modo, el titular se redujo de “el cuello de botella” a cerca de una cuarta parte. De eso trata este ensayo: trabajo que espera porque nadie tuvo una tarde para convertirlo en una lista corta que alguien pudiera responder en diez segundos.

Así que la reconstrucción movió el centro del producto. Antes eran las herramientas. Ahora es un solo bucle: una persona escribe el destino, la máquina trae algunas opciones que respetan todos los límites, y la persona elige. Todo lo que antes era una función (archivos, chat, tablas, transcripciones, la consola administrativa) se volvió un complemento que el bucle puede usar.

Debajo está el primer principio de esta serie, que llamo max-calling, min-cost: maximizar la vocación (eso que solo tú puedes hacer, el impacto para el que existes) reduciendo al mínimo el costo de todo lo demás, ya sea tiempo, atención, energía, espacio o inteligencia de máquina. La vocación de un equipo fundador es el criterio. Escribir, ordenar y buscar son costos, y el bucle los traslada a la máquina.

Esta es la parte 1 de tres. La parte 2, OEC loops at every scale, trata sobre cómo el sistema sigue mejorando después de lanzarse. La parte 3, Truth, love and beauty are one control system, explora qué mantiene unido el trabajo y cómo los tres principios se leen en un solo sistema.

Una imagen resume toda la serie: la escalera de la cocina. Puedes cocinar para ti, para tu familia, para un restaurante, para una cadena de comida rápida o para una cadena nacional de suministro de alimentos. Las mismas habilidades de cocina aplican en cada nivel, pero quién decide es lo que cambia a medida que subes.

Nivel de cocinaQuién decide el platilloEl software al que corresponde
Para ti mismotú decides y tú también cocinasuna herramienta que tú mismo operas
Para tu familiaintuyes lo que quierenun producto SaaS: funciones que esperas que la gente use
Para un restauranteel comensal pide; la cocina ejecutasoftware agéntico: el usuario indica el destino
Para una cadenala receta está escrita y puesta a pruebael brief y la compuerta como código
Para una cadena de suministromillones de pedidos moldean el menúel ledger que aprende el criterio de un equipo

Un comensal en un buen restaurante nunca pasa a la cocina. Dice: "algo con pescado, menos de treinta dólares, sin cacahuates, como el plato que pedí la vez pasada pero no el que estaba tan salado". Esa frase es un brief. El resto de este ensayo es cómo construir la cocina que hace posible esa experiencia.

Antes de seguir leyendo.Vas a terminar enseñando el brief a una persona que toma decisiones contigo, usando una de sus propias decisiones atascadas. Lee como alguien que tendrá que explicarlo en dos minutos. En un meta-análisis de 39 estudios, enseñar después de estudiar con esa expectativa mostró un valor g = 0.48 (resultado de un subgrupo), mientras que enseñar sin esa expectativa no mostró ningún beneficio medible (g = −0.02) (Kobayashi (2024), Educational Psychology Review (ERIC EJ1414484)).

Actividad 1 · Pide la cena para un amigo sin pasar a la cocina

Ponte de pie, busca a alguien cerca y juega a ser camarero. Esa persona es el comensal; tú eres la cocina. No pueden decirte una receta. Solo pueden decirte a dónde quieren llegar.

Antes de seguir leyendo, anota lo que el comensal tiene que decir para que la cocina pueda regresar con tres platos entre los que elegiría felizmente. ¿Cuál es una regla estricta, cuál es una preferencia y cuál es un ejemplo?

La mayoría de las personas identifica las mismas cuatro partes. Hay un objetivo ("cena, algo con pescado"). Hay límites duros que nunca se pueden romper ("sin cacahuates", "menos de treinta dólares"). Hay preferencias que se pueden intercambiar entre sí ("lo barato importa más que lo rápido"). Y hay ejemplos, uno de bueno ("como la vez pasada") y uno de malo ("no el que estaba tan salado"). Esas cuatro partes son el brief. Fíjate en lo que falta: el comensal nunca dice cómo cocinar. Esa es la línea entre una herramienta y un agente.

El brief: di a dónde, nunca cómo

En una frase: el software agéntico toma un destino de una persona y devuelve unas cuantas opciones viables para que la persona elija.

En la oficina reconstruida, un brief es un archivo pequeño que una persona puede escribir en dos minutos. Tiene un objetivo en una frase, un objetivo (qué subir o bajar, con pesos), límites duros que nunca se pueden romper, ejemplos de cómo se ve lo bueno, ejemplos de cómo no debe verse, y cuántas opciones mostrar. Aquí tienes la estructura de uno real, para elegir un proveedor de respaldo:

goal: Pick a second supplier we can switch to within one season.
objective:   [minimize unit_cost ×2, maximize rating, minimize lead_days]
hard limits: [moq ≤ 500, lead_days ≤ 45, ships_to_us = yes]
options: 3

La idea no es nueva, y vale la pena decir de dónde viene. Ingenieros que diseñan soportes de avión y piezas de autos han trabajado así durante años bajo el nombre de generative design. Autodesk lo describe como un proceso en el que "Generative design automates the exploration of design options by defining objectives, constraints, and a design space, then employing algorithms to generate a multitude of solutions within those parameters." (Traducción: El diseño generativo automatiza la exploración de opciones de diseño definiendo objetivos, restricciones y un espacio de diseño, y luego empleando algoritmos para generar multitud de soluciones dentro de esos parámetros.)" (Autodesk (2025), What is Generative Design, autodesk.com (Wayback snapshot 2025-12-20; la página en vivo devuelve 403 a solicitudes automatizadas)). Sus propias páginas de ayuda llaman a las entradas design criteria: "Design criteria are objectives and manufacturing constraints that are required to define the design goals for the solver." (Traducción: Los criterios de diseño son objetivos y restricciones de fabricación necesarios para definir las metas de diseño para el solucionador.)" (Autodesk, Fusion Generative Design help: Design criteria). El ingeniero no dibuja la pieza. Indica el objetivo, las cargas y las regiones que hay que conservar o evitar; el solucionador devuelve muchas formas y el ingeniero elige. La reconstrucción trasladó esa anatomía a una oficina, y añadió lo que el CAD no tiene: un registro de lo que eligió la persona y por qué.

Las cuatro partes de un brief no pesan igual. Los límites duros filtran; las preferencias ordenan; los ejemplos orientan. Confundirlas es la forma más común de acabar con malas opciones. Si pones "barato" en los límites, solo te queda el proveedor más barato. Si pones "envía a EE. UU." en las preferencias, te sale un proveedor encantador que no puede entregar.

A table with five jobs: a document (toolbox gives a blank page; agentic gives N gated drafts; the human picks one), a sourcing call (a grid to sort versus the feasible top three), a meeting (a recorder versus minutes with every section), a team thread (read everything versus three options posted, reply 2), the admin (click settings versus one YAML file applied, edit the file).
Los mismos cinco trabajos, hechos por una caja de herramientas y por un sistema agéntico. Lo que hace la persona se reduce a lo único que solo un humano puede decidir.

La compuerta, la lista corta y por qué tres opciones

Después del brief, la máquina hace cuatro cosas. Genera candidatos: un modelo pide borradores que sigan estrategias distintas, las filas de una tabla de equipo, u opciones que alguien pegó. Mide cada una. Luego filtra: cualquier candidato que rompa un límite duro queda fuera, y se anota el motivo. Un valor que nadie midió cuenta como fallo, nunca como aprobado. Solo entonces ordena a los sobrevivientes.

El ordenamiento tiene dos pasos. Primero, cada objetivo se escala de 0 a 1 entre los sobrevivientes, y los pesos los combinan en una sola puntuación. Segundo, la máquina marca las opciones Pareto. Una opción es Pareto cuando ningún otro sobreviviente es al menos igual de bueno en todos los objetivos y mejor en uno. La definición de Britannica para la idea económica es la misma prueba en palabras: un estado es óptimo "if and only if there is no alternative state that would make some people better off without making anyone worse off" (Traducción: si y solo si no existe un estado alternativo que haga que algunas personas estén mejor sin empeorar la situación de nadie)" (Encyclopaedia Britannica, Pareto optimality). Una opción Pareto es un verdadero intercambio. Mostrar esas primero significa que toda opción mostrada es un verdadero trade-off; la regla de copias cercanas que viene abajo es lo que las mantiene distintas.

Pero hay que ser honesto sobre cuánto reduce Pareto las opciones. Con tres objetivos, la mayoría de los sobrevivientes son Pareto: en el Playground de abajo, 5 de los 6 proveedores viables lo son. Así que Pareto por sí solo no mantiene las opciones diferentes. Lo que sí lo hace es la regla de copias cercanas: una opción demasiado parecida a otra ya mostrada se salta. En la oficina se aplica a borradores; los proveedores del Playground ya son todos distintos, así que ahí no hace falta.

Luego viene la lista corta: un puñado de opciones, primero las Pareto, luego por puntuación, saltando las casi idénticas. ¿Por qué un puñado? El famoso estudio de las mermeladas encontró que los compradores tenían más probabilidades de comprar "when offered a limited array of 6 choices rather than a more extensive array of 24 or 30 choices" (Traducción: cuando se les ofrecía una selección limitada de 6 opciones en vez de una más extensa de 24 o 30)" (Iyengar & Lepper (2000), When choice is demotivating: Can one desire too much of a good thing?, JPSP 79(6), 995-1006). Pero un meta-análisis posterior (63 condiciones, N=5,036) informa: "we found a mean effect size of virtually zero but considerable variance between studies (Traducción: encontramos un tamaño de efecto promedio prácticamente nulo, pero una variabilidad considerable entre los estudios)" (Scheibehenne, Greifeneder & Todd (2010), Can There Ever Be Too Many Options? A Meta-Analytic Review of Choice Overload, J Consumer Research 37, 409-425). Así que la afirmación honesta no es que una lista larga siempre salga mal. Es más precisa: comparar muchas opciones consume atención, ese costo es real para algunas personas en ciertos contextos, y una lista corta de opciones distintas es fácil de leer. La palabra de Herbert Simon para elegir algo suficientemente bueno es satisficing (Simon (1956), Rational choice and the structure of the environment, Psychological Review 63, 129-138); un resumen de su idea es que "people tend to make decisions by satisficing (a combination of sufficing and satisfying) rather than optimizing (Simon, 1956) (Traducción: la gente suele tomar decisiones buscando algo suficientemente bueno (una mezcla de suficiente y satisfactorio) en vez de optimizar (Simon, 1956))" (Simon (1956), Psychological Review 63, as summarised by BehavioralEconomics.com, Satisficing). La lista corta está hecha para quien decide con criterio.

A cycle of six boxes joined by arrows, clockwise from the top: 1 brief (goal, limits, good, bad; the human, orange), 2 generate (different strategies), 3 gate (no evidence counts as fail), 4 rank (three, not thirty), 5 choose (reply 2 because; the human, orange), 6 ledger (suggests, never edits), back to 1. The centre says: you own 1 and 5; the machine owns the rest, and never draws arrow 5.
Los seis pasos como un solo ciclo: la persona escribe el brief y toma la decisión; la máquina hace todo lo demás, y su ledger alimenta el siguiente brief.

Actividad 2 · Dibuja el pase de tu cocina

En una hoja, dibuja dos cajas: el comedor (la persona) y la cocina (la máquina). Dibuja el brief entrando y tres platos saliendo. Entre ellos, dibuja el pase: la barra donde el chef revisa cada plato antes de que salga.

Escribe en el pase qué hace que un plato sea devuelto. Luego, encierra en un círculo la única flecha que solo el comensal puede trazar: la elección.

El pase es la compuerta. En la oficina son unas pocas líneas de código que revisan cada límite duro antes de clasificar nada. La flecha encerrada es la elección, y la reconstrucción tiene una regla sobre eso: ningún botón, herramienta ni agente puede tomarla por ti. El compañero de IA puede proponer opciones desde su propia cuenta. Deliberadamente no existe ninguna herramienta que le permita elegir.

Lo que cambió la reconstrucción, y lo que se negó a cambiar

La oficina se construyó como una caja de herramientas: un paquete para cada tipo de cosa (cuentas, archivos, chat, tablas, voz) y un archivo de comandos de 652 líneas que conocía todas. La reconstrucción lo redujo a un núcleo liviano y ocho add-ons. El núcleo solo contiene el bucle: el brief, los candidatos, la compuerta, la clasificación, la elección y el ledger. No usa nada fuera de la biblioteca estándar, no hace entrada ni salida, y se mantiene bajo un límite fijo de líneas. Una prueba falla la compilación si algo de eso deja de cumplirse. Todo lo que un producto SaaS llamaría una función es un add-on con un manifiesto que nombra la función SaaS que reemplaza: drive y documentos, mensajería, una base tipo hoja de cálculo, actas de reuniones, la consola administrativa y tres nuevos para generar, medir y entregar opciones.

Ahora la elección llega donde el equipo ya está. Las opciones se publican como un mensaje numerado en el chat del equipo, y elegir es responder "2 porque el plazo de entrega importa más esta temporada". La máquina lee la primera respuesta humana que nombra una opción, ignora sus propios mensajes y también ignora comentarios como "5 minutos tarde". Esa última regla vino de un revisor externo, que detectó que la primera versión leía "5 minutos tarde" como un voto por la opción 5.

La reconstrucción también se negó a una cosa, y esa negativa es una lección en min-cost. Me pidieron renombrar todo del nombre antiguo al nuevo. Casi todo era código y documentación, y eso sí cambió. Pero parte del nombre antiguo no era un nombre: era la identidad de los datos vivos. Los volúmenes de almacenamiento, la carpeta del servidor y los respaldos de la oficina están indexados por el nombre antiguo. Renombrarlos habría dejado la oficina vacía para cuatro personas. El movimiento correcto más barato fue renombrar toda identidad que lee una persona y mantener toda identidad de la que dependen los datos, y dejar por escrito cuál es cuál. El comando y la configuración antiguos siguen funcionando como alias. Nadie tuvo que cambiar nada.

Actividad 3 · Escribe un brief real

Elige una decisión que lleve más de una semana atascada en tu escritorio. Escribe su brief en seis líneas: un objetivo, dos criterios objetivos con sus pesos, dos límites duros con la razón de cada uno, un ejemplo de bueno, un ejemplo de malo y el número de opciones.

Léelo en voz alta. Si alguna línea le indica a la máquina cómo debe hacer el trabajo, elimínala.

La razón de cada límite duro importa más de lo que parece. "Plazo de entrega máximo 45 días, porque la temporada empieza en noviembre" permite que un compañero cuestione el límite después sin tener que discutir toda la decisión. El analizador de briefs de la oficina reporta todos los problemas de un brief de una sola vez y lee el brief de vuelta en palabras sencillas antes de ejecutar nada, para que la persona pueda confirmar que la máquina entendió el destino.

Max-vocación, min-costo: el principio detrás del diseño

Aquí va el principio, dicho sin rodeos.Maximiza la vocación y deja que la vocación decida qué costos llevar a cero. La vocación es el trabajo que solo tú puedes hacer. Un costo es cualquier cosa que ese trabajo consume: tiempo, atención, energía, espacio, masa y ahora inteligencia de máquina (diseño, planeación, razonamiento, entrenamiento, inferencia).

Las dos mitades se necesitan mutuamente. Un equipo que solo recorta costos se vuelve barato y sin rumbo. En un ensayo anterior sobre agentes pregunté a quién sirven los objetivos de un sistema, y luego lo puse sin rodeos: "Capability without that is not agency — it is a very efficient way to arrive somewhere nobody wanted. (Traducción: La capacidad sin eso no es agencia: es una forma muy eficiente de llegar a un lugar donde nadie quería estar.)" (The Sheep Does Not Need the Whole Map). Un equipo que solo persigue la vocación se quema con todo lo demás. El rediseño aplicó el principio en cuatro niveles.

Hay una trampa en la estrategia de min-cost, y mis ensayos anteriores no dejan de rodearla. Un agente, como escribí en un ensayo anterior, "it searches harder than any person for the cheapest way to hit the number" (Traducción: busca con más empeño que cualquier persona la forma más barata de alcanzar la cifra)" (Wu, P. J., Human Dynamics in Agentic AI, part 1). Minimizar el costo se convierte en un juego en el momento en que el costo que se minimiza es el de la verificación. Por eso, la regla necesita un resguardo: reduce el costo de llegar a la vocación, nunca el costo de decir la verdad sobre ella. La compuerta, la medición y la revisión externa no son costos a recortar. Son parte de la vocación.

Actividad 4 · Rompe el Playground a propósito

Abre el Destination Playground. Ejecuta la misma compuerta, puntuación y regla de Pareto que en la oficina, sobre doce proveedores ficticios.

Primero, sube el pedido mínimo hasta que no quede ningún proveedor y lee lo que dice. Segundo, elige una opción que no sea la número 1 y revisa los pesos que sugiere. Tercero, pon todos los pesos en cero excepto la calificación y predice cuál será la primera opción antes de mirar.

Cuando no sobrevive nadie, el Playground lo dice y enumera cada motivo, en vez de relajar un límite en silencio. Esa es también una regla en la oficina real: una lista corta vacía con todos los motivos es la respuesta honesta. Cuando pasas por encima de la primera opción, el ledger sugiere ajustar los pesos que demostraste que te importan (×1.1 arriba, ×0.9 abajo). Nunca los aplica por sí mismo. La dirección sigue siendo humana. Lo real en el Playground: el algoritmo y la regla de sugerencias. Lo ficticio: los proveedores.

Cómo sabes que la máquina está aprendiendo tu criterio

Cada vez que se muestran opciones y cada vez que una persona elige, la oficina escribe una línea en un ledger. Al leerlo, el ledger responde la pregunta más importante para un producto agéntico: top-1 agreement, la proporción de decisiones donde la persona eligió la primera opción de la máquina. Si sigue siendo baja después de diez decisiones, el objetivo del brief no es lo que el equipo realmente quiere, y las líneas de "por qué" indican qué cambiar. El ledger también mide cuánto tiempo esperan las opciones a que una persona decida. Un bucle donde las opciones esperan una semana es solo una caja de herramientas con pasos extra. (Si el primer lector de chat hubiera salido, el ledger ya habría aprendido que la opción favorita de este equipo es llegar cinco minutos tarde).

Antes de lanzar la reconstrucción, la probé en vivo contra la oficina real como el compañero de IA. La primera prueba falló: el drive se negó a guardar la página de opciones en una carpeta que aún no existía. Todas las pruebas offline habían pasado, porque el drive falso de las pruebas era más permisivo que el real. Ese bug es el tema de parte 2. La segunda prueba funcionó. Un modelo real escribió cinco borradores de una nota corta para el equipo, uno rompió un límite duro, volvieron tres opciones distintas y se registró una elección.

Misma historia, cinco salidas

Tú eres…La decisión que esto cambiaUna acción para esta semana
EstudianteSi "agente" significa un chatbot o un sistema que devuelve opcionesRedacta un brief para la próxima decisión de tu proyecto en grupo y compártelo con el equipo
IngenieroDónde colocar la compuerta en tu sistemaPon cada límite duro en el código antes de ordenar, y haz que "no medido" cuente como fallo
FundadorCuál es el centro de tu producto: ¿un botón o una elección?Haz una lista de tus cinco funciones y escribe el destino que cumple cada una
EjecutivoCómo evaluar una propuesta de "la IA hace el trabajo"Pregunta qué sigue decidiendo la persona, y con qué frecuencia coincide con la máquina
InversionistaSi un producto agéntico es defendiblePide el ledger: el acuerdo top-1 a lo largo del tiempo es criterio aprendido

Verdad, amor y belleza en este ensayo

Una perspectiva es la mía, y la marco como tal. El Salmo 1 retrata una vida fructífera como un árbol: "Será como un árbol plantado junto a corrientes de agua, que da su fruto a su tiempo, cuyo follaje no se marchita. Todo lo que hace prosperará." (Salmo 1:3, World English Bible). Un árbol no se esfuerza por dar fruto. Permanece plantado junto al agua y deja que la estación haga su trabajo. En mi fe, eso es max-calling, min-cost: estar enraizado en la vocación, sin prisas por lo demás. El diseño anterior se sostiene incluso sin esa creencia.

Errores que son mitad verdad

Principios que venía usando sin nombrarlos

Al releer mis ensayos anteriores para esta serie, encontré tres principios que había aplicado muchas veces y nunca había nombrado. Cada uno es un corolario de max-calling, min-cost.

Ahora enséñalo

Tu teach-back. Siéntate durante diez minutos con alguien que tome decisiones contigo. Pídele una decisión que lleve una semana atascada. Escriban juntos su brief en una hoja, usando la Actividad 3, y luego deja que juegue con el Destination Playground hasta que la primera opción de la máquina y la suya no coincidan.

Resultado: podrá decir, sin mirar apuntes, la diferencia entre un límite duro y una preferencia, y elegirá una opción para su decisión real en menos de un día. Publica lo que eligieron y el límite duro que más importó como comentario en este artículo.

Por qué importa: los cinco porqués

El problema: una mañana, 40 de las 51 tareas en el tablero de un equipo fundador estaban vencidas, en una oficina que ya tenía todas las herramientas necesarias. Once de esas cuarenta eran decisiones o redacciones.

  1. ¿Por qué estaban atrasadas esas once? Ninguna requería un viaje ni una llamada. Todas estaban esperando a que alguien escribiera algo: comparar opciones, redactar el plan, fijar el número.
  2. ¿Por qué nadie las escribió? Redactar una comparación cuesta una tarde, y una tarde es lo más escaso que tiene una persona fundadora.
  3. ¿Por qué la oficina no ayudó? Repartía herramientas, y una herramienta igual necesita a una persona para que haga el trabajo con ella. El generative design muestra la alternativa: declara los "Design criteria are objectives and manufacturing constraints that are required to define the design goals for the solver." (Traducción: Los criterios de diseño son los objetivos y restricciones de fabricación necesarios para definir las metas de diseño para el solucionador.)" y deja que el solucionador haga el borrador (Autodesk, Fusion Generative Design help: Design criteria).
  4. ¿Por qué nadie había construido eso? El centro del producto era la oficina (archivos, chat, tablas), y cada mejora hacía mejor la caja de herramientas en vez de acercar el trabajo a la decisión.
  5. Causa raíz: el diseño optimizaba el costo de almacenar el trabajo en vez del costo de alcanzar la vocación. La solución mueve el centro al brief y a la elección, y convierte cada herramienta en un complemento que el bucle puede usar.

Ponte en marcha: ejecútalo esta semana

  1. Lee la línea de enseñar-adelantado.
  2. Haz de camarero (Actividad 1, 5 minutos) y dibuja el pase de tu cocina (Actividad 2, 5 minutos).
  3. Escribe un brief real (Actividad 3, 10 minutos).
  4. Rompe el Destination Playground de tres formas distintas (Actividad 4, 10 minutos).
  5. Explícalo a una persona con la que tomes decisiones y publica el resultado.

Cómo saber que funcionó

Lo que esto no puede medir: si la opción elegida fue buena en la realidad. Un ledger de elecciones mide el criterio, no los resultados. Combínalo con un número de resultado que la decisión debía mover, como los días que una decisión estuvo en la lista antes y después del brief.

Feedforward: alertas tempranas, decididas ahora

Autoevaluación 5S

SAfirmaciónEvidencia
SimpleEl texto se lee a un nivel equivalente al último año de secundaria o más fácil, y todo el diseño es un solo bucle.Nivel Flesch–Kincaid: 7.4 (banda ≤ 12), recalculado por node scripts/check-numbers-four-ages.mjs --series agentic-collab
SólidoToda cita proviene de una fuente verificada; la afirmación sobre la sobrecarga de opciones mantiene su corrección."we found a mean effect size of virtually zero but considerable variance between studies (Traducción: encontramos un tamaño de efecto promedio prácticamente nulo, pero una variabilidad considerable entre los estudios)" (Scheibehenne et al., 2010)
AgudoReduce el costo de alcanzar la vocación, nunca el de decir la verdad sobre ella.el principio · la compuerta
SMARTEsta semana: un brief, tres formas de romper el Playground, un socio enseñado.Operar
SorpresaConté mi propio titular y se redujo a una cuarta parte; y el primer lector de chat contó "5 minutes late" como un voto por la opción 5.el recuento · la reconstrucción
Verdad · Amor · BellezaNúmeros medidos y acotados; datos y elecciones de las personas protegidos; un solo bucle en una servilleta.Verdad, amor y belleza

Fuentes

  1. Autodesk. Generative design (archived 2025-12-20). web.archive.org
  2. Autodesk Fusion Help. Design criteria. help.autodesk.com
  3. Britannica. Pareto optimality. britannica.com
  4. Iyengar, S. S. & Lepper, M. R. (2000). When choice is demotivating. J. Pers. Soc. Psychol. 79. PubMed
  5. Scheibehenne, B., Greifeneder, R. & Todd, P. M. (2010). Can there ever be too many options? A meta-analytic review of choice overload. J. Consumer Research 37. OpenAlex
  6. Simon, H. A. (1956). Rational choice and the structure of the environment. Psychological Review 63. Crossref
  7. BehavioralEconomics.com. Satisficing (summary of Simon). behavioraleconomics.com
  8. Gall, J. (1975). Systemantics, as quoted on Wikipedia. wikipedia.org
  9. Kobayashi, K. (2024). Interactive learning effects of preparing to teach and teaching. Educational Psychology Review. ERIC EJ1414484
  10. Salmo 1:3, World English Bible. bible-api.com
  11. Wu, P. J. The Sheep Does Not Need the Whole Map. agentic-portfolio
  12. Wu, P. J. Context Engineering Is a Budget. agentic-portfolio
  13. Destination Playground (la demo en vivo de esta serie). agentic-portfolio

Relacionado

Escrito por Paul Jialiang Wu · agentic-portfolio · 2026-10-26. Los principios son de Paul Jialiang Wu; las experiencias provienen de reconstruir la oficina autogestionada del equipo fundador (una base de código privada, aquí descrita sin detalles de la empresa). Construido con playbook-math: una idea, cuatro edades, cada número verificado en su fuente. Las opiniones expresadas son personales.