un registro vivo.
Pensamientos, experimentos y pruebas desde adentro del laboratorio. Estas son las notas que llevamos mientras trabajamos: lo que hacemos, lo que se rompe y lo que nos sorprende, publicado sobre la marcha. No son anuncios; es el trabajo, con la puerta abierta.
prueba · 017 · lo más reciente
dejamos de diseñar pantallas y diseñamos cómo las dibuja claude
El contenido salía bien y la apariencia salía mal, y casi nadie la arreglaba. Hacer que se viera como la empresa era un segundo trabajo, y no era prioridad de nadie. Así que hicimos que la apariencia correcta fuera la de por defecto.
el artefacto es el punto de control: lo que encontramos adentro de un día caótico con ia
No planeamos un método. Teníamos una pila de variaciones de bloques, pedidos que llegaban a media tarea y un botón para esconder que nadie encontraba. A medio camino notamos que cada vez que algo se aclaraba, había una página guardando una decisión. El chat no.
los agentes también son usuarios: pruebas de estrés para productos de ia con usuarios sintéticos
Corrimos más de 130 conversaciones con guion contra nuestro propio producto antes de que el equipo del cliente entrara. Los primeros usuarios fueron sintéticos, y encontraron los bugs que habría encontrado un cliente.
un laboratorio de usabilidad sintética por menos de tres dólares
Nuestras pruebas anteriores le pedían una opinión a los modelos. Esta les dio una tarea y un navegador, y miramos dónde se trababan. 36 sesiones, menos de tres dólares, y los arreglos aguantaron.
dos días a la semana, ahora unas dos horas: un newsletter que se escribe desde el sitio web
El newsletter le llega a casi 90,000 personas, vende mucha BBQ y le tomaba a nuestro equipo de diseño hasta dos días a la semana. Construimos un skill que lo escribe desde el propio sitio del restaurante, cuida los detalles pequeños y deja un [corchete] donde el sitio no dice nada. La primera edición real tomó unas dos horas.
dejá que la ia se entreviste a sí misma: que un modelo cuestione su propio plan
Ya dejamos que la máquina nos entreviste. La otra mitad del método es que se entreviste a sí misma: preguntas difíciles sobre su propio plan, una a la vez, hasta que pueda decir qué ruta tomaría y por qué.
24 casos de estudio en una tarde (el prompt fue lo menos interesante)
Cuatro agentes, un día, 24 casos de estudio reconstruidos. El prompt fueron dos líneas. El producto real fue un archivo de reglas, una tabla de estado, y una tabla de 34 preguntas que los agentes se negaron a responder por su cuenta.
la mitad mecánica de la investigación se volvió barata
Todo proceso centrado en las personas empieza con investigación en la pizarra, y todo estudio pequeño sabe que la investigación es lo que se aprieta cuando el presupuesto es real. La mitad mecánica acaba de volverse barata. Lo que hacés con la otra mitad sigue siendo el trabajo.
dejá que la ia te entreviste: escribir un brief una pregunta a la vez
Hay un momento en todo proyecto donde la investigación ya está hecha y el brief todavía no existe. Antes salíamos de ahí escribiendo. Ahora salimos de ahí entrevistados — una pregunta a la vez, por la máquina.
leer una década de tu propio chat de grupo sin inventar una historia que nunca pasó
Pedile a una IA que resuma una década de chat de grupo y blanquea suposiciones convirtiéndolas en hechos, con la misma voz tranquila. El arreglo no es un mejor resumen — es rechazar el resumen por completo, y hacer que cada salida sea una afirmación con una etiqueta que diga cuánto confiar en ella.
la estructura como control le gana a la ruleta de prompts
La forma usual de sacarle una composición a un modelo de imagen es describirla y volver a tirar los dados hasta que caigan bien. Dale la geometría en su lugar — y dejá de pedirle a la máquina tragamonedas que sea tu camarógrafo.
construir por acumulación: un ciclo de hacer y mostrar para trabajo visual con ia
La versión honesta de trabajar con una IA en lo visual: soltás una sola cosa, mirás, ajustás — y por qué eso le gana a escribir una especificación enorme que todavía no podés imaginar.
no podés dejar que un agente califique su propia tarea
Construimos una máquina para evitar creernos que el código de nuestro propio agente funciona. La regla de fondo: un modelo nunca puede ser el juez de si el modelo tuvo éxito.
tres empresas, un solo cerebro, y un bot que se da créditos
Le dimos a los reportes nocturnos de tres empresas tres personalidades distintas — y resultó que el punto era la personalidad, no la automatización.
nudge: un sistema para que las cosas sigan avanzando
La mayoría de las herramientas de productividad trabajan en silencio en tu contra — más presión, más culpa. Construimos lo contrario, y aprendimos que la fricción es emocional antes que operativa.
una capa compartida de innovación: un laboratorio para negocios que no pueden pagar dieciocho ingenieros
La mayoría de negocios no puede pagar dieciocho ingenieros para averiguar qué debería hacer la IA por ellos, y tampoco puede darse el lujo de esperar. Este es el modelo con el que trabajamos, lo que ha dado hasta ahora y dónde se queda corto.
construir desde acá: por qué capslock trabaja desde el salvador
Una nota para quienes deciden en universidades, bancos, fondos y centros de pensamiento: qué dice la ley, qué pasa con el talento y qué riesgos conviene mirar de frente.