En la última edición hablamos de qué es un agente de AI: la diferencia entre pedirle algo a un chat y darle un encargo a un sistema que puede ejecutar un flujo completo por ti.

Pero dejé algo sin decir.

Un agente solo es tan bueno como el contexto que tiene.

Le puedes pedir que prepare una reunión, que escriba un correo de seguimiento o que arme un plan. Pero si no sabe qué se habló, con quién, qué se decidió y qué quedó pendiente, te va a entregar algo genérico.

El cuello de botella casi nunca es el agente.

Es de dónde saca su información (entre otros elementos que veremos en futuras ediciones).

Y en mi experiencia, una de las mejores herramientas para capturar el contexto real de tu día es Granola.

Seguramente estás pensando algo, y tienes razón:

herramientas que graban reuniones y sacan resúmenes existen desde hace rato.

Otra app de notas de juntas no tendría nada de nuevo.

Pero Granola cambia tres cosas importantes.

La mayoría de las herramientas manda un bot a tu llamada. Aparece como un participante más, todos ven que está grabando y al final te entrega una transcripción o un resumen automático.

Tú no haces nada durante la junta.

Solo recibes un bloque de texto cuando termina.

Granola funciona distinto.

No manda un bot a la reunión. Corre en tu computadora, usa el audio del sistema y tu micrófono, y transcribe cuando tú abres una nota. Eso significa que no depende tanto de integrarse con Zoom, Meet o Teams. Funciona desde tu propio dispositivo.

También está en iPhone, lo que abre la puerta para llamadas y reuniones fuera de la computadora.

No te deja afuera del proceso.

Tú puedes escribir lo poco o lo mucho que quieras durante la reunión: una palabra suelta, un nombre, una idea a medias. Después Granola usa eso, junto con la transcripción, para convertirlo en notas claras.

No es solo un transcript.

Es una nota que entiende qué estabas tratando de capturar tú.

Y aquí está la parte que más me gusta: le puedes preguntar cosas mientras la reunión sigue pasando.

“¿Qué decisiones se han tomado hasta ahora?”

“¿Qué pendientes mencionó el cliente?”

“Explícame este concepto mejor.”

No tienes que esperar al final para sacarle valor.

Granola te acompaña en vivo.

Y lo más importante para lo que venimos hablando: esas notas no se quedan muertas en una carpeta.

Se conectan con Claude, ChatGPT, Codex y otros agentes a través de MCP, un estándar que funciona como enchufe universal para que la AI pueda consultar herramientas externas, como tus notas de Granola, cuando las necesita.

Eso es lo nuevo.

No tener notas bonitas.

Tener contexto reutilizable.

Porque el problema de fondo no es nuevo, pero casi nadie lo nombra.

Pasamos el día en reuniones.

Llamadas, syncs, entrevistas, juntas con clientes, cursos, conversaciones de equipo.

Y de muchas salimos igual:

con la cabeza llena,

tres pendientes que creemos recordar,

y cero registro real de lo que se decidió.

Después intentas reconstruirlo.

Buscas en tu cuaderno.

Buscas en el chat.

Buscas en tu memoria.

A veces aparece.

A veces no.

Y lo que se pierde ahí no son notas.

Son decisiones.

Compromisos.

Contexto que vas a necesitar la próxima vez que hables con esa persona.

Lo mismo que un agente necesitaría para serte útil.

AI para llevar

Convierte tus reuniones en proyectos que un agente pueda usar.

Hoy no se trata solo de instalar Granola y dejarlo corriendo.

La idea es que esta semana lo uses como memoria de trabajo.

No como carpeta de notas.

Como contexto vivo para tus proyectos.

1. Crea carpetas por proyecto

En Granola, abre la barra lateral y crea una carpeta para algo real que tengas activo.

Por ejemplo:

Cliente: Acme

Hiring: diseñador freelance

Workshop AI Coders Club

Lanzamiento newsletter

Ventas Q3 Producto nuevo

La diferencia parece pequeña, pero cambia todo.

Si todas tus notas viven sueltas, después tienes que buscarlas.

Si las agrupas por proyecto, puedes preguntarle a Granola:

“¿Qué decisiones hemos tomado en este proyecto?”

“¿Qué prometí hacerle a este cliente?”

“¿Qué objeciones se repitieron en las últimas llamadas?”

“¿Qué sigue pendiente antes del lanzamiento?”

Cómo hacerlo:

Abre la barra lateral de Granola.

Dale al + junto a tu espacio de notas.

Crea una carpeta con el nombre del proyecto.

Agrega una descripción corta, por ejemplo:

“Todas las reuniones, decisiones y pendientes del cliente Acme.”

Después, cada vez que termines una reunión relacionada, agrégala a esa carpeta. Puedes hacerlo desde Add to folder o arrastrando la nota a la carpeta.

Si es una reunión recurrente, Granola puede agregar futuras notas automáticamente a esa misma carpeta.

Ese es el primer cambio:

dejas de tener notas sueltas.

Empiezas a tener memoria por proyecto.

2. Usa cada carpeta como contexto

Después de meter 3, 4 o 5 reuniones en una carpeta, abre el chat de Granola dentro de esa carpeta y pregúntale cosas útiles.

Ejemplos:

“Hazme un resumen ejecutivo de este proyecto.”

“Lista todas las decisiones tomadas hasta ahora.”

“Dime qué pendientes tiene cada persona.”

“¿Qué riesgos han aparecido más de una vez?”

“Prepara un brief para la próxima reunión.”

Esto es lo que hace que Granola deje de ser una app de notas.

Empieza a funcionar como una base de contexto.

3. Conéctalo con Claude

Aquí se pone más interesante.

Granola se puede conectar con Claude usando MCP, que es una forma de dejar que Claude consulte tus notas de reuniones sin que tengas que copiar y pegar transcripciones.

Cómo hacerlo en Claude:

Abre Claude.

Ve a Settings.

Entra a Connectors.

Busca Granola.

Conecta tu cuenta y autentica.

Asegúrate de que Granola esté activado cuando chatees.

Después puedes pedirle a Claude cosas como:

“Usa Granola para prepararme para mi próxima reunión con Acme.”

“Revisa mis reuniones de esta semana y dime qué pendientes prometí.”

“Con base en las notas del proyecto Acme, redacta un correo de seguimiento.”

“Encuentra las decisiones abiertas de este cliente y conviértelas en un plan.”

Si usas Claude Code, también puedes conectarlo desde la terminal con:

claude mcp add granola --transport http https://mcp.granola.ai/mcp

Luego abres Claude Code de nuevo, corres /mcp, seleccionas Granola y autenticas.

4. Conéctalo con ChatGPT / OpenAI

Con OpenAI, la idea es la misma: conectar tu herramienta de AI a Granola para que pueda consultar tus reuniones.

Granola usa esta URL pública de MCP:

https://mcp.granola.ai/mcp

Si tu cuenta de ChatGPT o tu herramienta de OpenAI tiene conectores externos o conexiones MCP personalizadas, el flujo general es este:

Abre la configuración.

Busca Connectors, Connections o Custom MCP.

Agrega una nueva conexión.

Pega la URL de Granola:

https://mcp.granola.ai/mcp

Autentica tu cuenta de Granola en el navegador.

Confirma que la conexión quedó activa.

Después puedes pedir cosas como:

“Usa Granola para resumir mis reuniones de esta semana.”

“Busca qué prometí enviarle a mis clientes.”

“Convierte las notas del proyecto Acme en una propuesta inicial.”

“Encuentra las decisiones pendientes y ordénalas por prioridad.”

“Prepárame para la próxima reunión con este cliente usando las notas anteriores.”

Un detalle importante: no es con API key.

Granola usa autenticación por navegador. Es decir, cada persona conecta su propia cuenta y autoriza el acceso.

La diferencia es enorme.

Antes el agente trabajaba con lo que tú recordabas.

Ahora trabaja con lo que realmente se habló.

5. Prueba este flujo durante una semana

No intentes organizar toda tu vida.

Elige un solo proyecto.

Crea una carpeta.

Mete ahí todas las reuniones relacionadas.

Al final de la semana, pregúntale:

“¿Qué pasó esta semana en este proyecto?”

“¿Qué decisiones tomamos?”

“¿Qué sigue pendiente?”

“¿Qué debería preparar para la próxima reunión?”

Si la respuesta te ahorra 30 minutos de reconstruir contexto, ya entendiste el punto.

Lo valioso no es tener mejores notas.

Es tener memoria para trabajar mejor con AI.

Por qué importa

La mayoría trata sus reuniones como algo que pasa y se evapora.

Hablas.

Asientes.

Cuelgas.

Y el contenido de esa conversación se va con el día.

Pero tus reuniones son una de las fuentes de información más ricas que tienes.

Ahí se toman decisiones.

Ahí aparecen objeciones.

Ahí se hacen promesas.

Ahí se define el rumbo.

El problema nunca fue la falta de información.

Fue que esa información no quedaba en ningún lugar donde tú, o un agente, la pudieran volver a usar.

Cuando dejas de perder eso, cambia algo.

Dejas de empezar cada conversación desde cero.

Y lo que venimos construyendo estas semanas empieza a tener más sentido:

un agente sirve cuando sabe con qué está trabajando.

Y tus reuniones son una de las mejores fuentes de contexto que existen.

Para guardar

La edición pasada sobre qué es un agente de AI, por si llegaste tarde. Hoy se conecta directo, porque un agente sin contexto no sirve de mucho.

👉 https://aicodersclub.substack.com/p/sabes-que-es-un-agente-de-ai

La página oficial de Granola. Si quieres verlo en movimiento, empieza ahí.

👉 https://www.granola.ai

La página de precios. Al momento de escribir esto, el plan gratis te deja empezar con historial limitado; Business cuesta $14 por usuario al mes e incluye historial completo, notas ilimitadas y MCP.

👉 https://www.granola.ai/pricing

La comparación de Granola entre un bloc de notas con AI y un bot que entra a la reunión. Explica bien la diferencia.

👉 https://www.granola.ai/ai-note-taker

El Help Center, para conectar calendario, entender transcripción, briefs, carpetas y MCP.

👉 https://docs.granola.ai/help-center

La documentación de MCP de Granola, si quieres conectarlo con Claude, Claude Code u otra herramienta compatible.

👉 https://docs.granola.ai/help-center/sharing/integrations/mcp

Una nota rápida: usa esto con criterio. Si tu empresa, cliente o país requiere avisar o pedir consentimiento para transcribir una conversación, hazlo.

Si esta semana sales de una reunión y las notas ya están escritas sin que tú las pasaras en limpio, este correo cumplió su trabajo.

Si te interesa ir más allá del newsletter, en aicodersclub.com están los próximos workshops y el día a día de lo que estamos construyendo en la comunidad.

Listo. Eso es todo por hoy.

Nos leemos pronto.

— Fran

yosoyfran.com · X · LinkedIn

La semana pasada hicimos una pausa para entender mejor Claude. Como una suite de herramientas para pensar, diseñar, conectar apps y empezar a construir.

Hoy quiero seguir con una palabra que vas a escuchar cada vez más: agente.

Si ya estás metido en el mundo AI, probablemente la ves todos los días. Agentes de ventas. Agentes de soporte. Agentes de investigación. Agentes que programan. Agentes que contestan correos. Agentes que manejan flujos completos.

Pero si no vienes del mundo técnico, es muy fácil sentir que todos empezaron a usar esa palabra como si fuera obvia.

No lo es.

Y por eso hoy quiero explicarla desde cero, desde una pregunta simple:

¿Qué cambia cuando dejas de usar AI como chat y empiezas a usarla como agente?

Porque ahí está la diferencia.

Cuando usas un chat, le pides algo y esperas una respuesta.

“Resume este texto.”

“Dame ideas para un post.”

“Explícame este concepto.”

“Hazme un correo.”

Eso ya es útil. Muchísimo. Para muchas personas, ese salto por sí solo cambia la forma de trabajar.

Pero un agente es otra cosa.

Un agente no solo responde. Un agente recibe una meta, sigue pasos, usa información, toma decisiones pequeñas en el camino, revisa lo que hizo y te entrega un resultado.

La diferencia parece sutil, pero cambia todo:

Chat: “Dame 5 ideas para posts.”

Agente: “Cada viernes revisa mis notas de la semana, encuentra las ideas más interesantes, conviértelas en 5 borradores en mi tono y déjalas listas para que yo apruebe cuáles publicar.”

En el primer caso estás pidiendo una respuesta.

En el segundo estás diseñando un trabajo.

Eso es lo importante de entender.

AI para llevar

Un agente es una AI con una meta, un proceso y un límite claro.

Esa es la definición más simple que me ha servido.

No es algo que necesariamente tienes que programar desde cero.

Es una AI a la que le das una tarea completa y no solo una pregunta suelta.

La forma más fácil de entenderlo es compararlo con una persona a la que le delegas algo.

Dicho un poco más técnico, un agente de AI suele juntar tres cosas:

1. Un modelo, que es el cerebro. Puede ser Claude, ChatGPT u otro modelo grande de lenguaje. Es la parte que razona, interpreta la meta, planea pasos y decide qué hacer después.

2. Datos, memoria o contexto, que es lo que le permite entender el mundo específico donde está trabajando. Tus documentos, tus ejemplos, tus notas, tus conversaciones anteriores, tus reglas, tu estilo. Sin eso, el modelo trabaja en abstracto.

3. Herramientas, que son las manos. APIs, buscadores, lectores de archivos, calendarios, bases de datos, calculadoras, editores de código o MCPs, que son una forma de conectar la AI con las herramientas donde ya vive tu trabajo. De eso vamos a hablar pronto. Por ahora quédate con esta idea: las herramientas le permiten hacer algo en el mundo, no solo escribir una respuesta.

Modelo, contexto y herramientas = cerebro, memoria y manos.

Cuando esas tres piezas trabajan juntas alrededor de una meta, empieza a aparecer algo que ya no se siente como un chat, sino como un agente.

Ahora sí, para diseñarlo sin complicarnos, abre una conversación nueva con Claude, ChatGPT o la AI que uses. Solo estás describiendo el trabajo con estas cinco piezas:

1. Una meta clara

No le digas “ayúdame con contenido”.

Eso es demasiado amplio.

Mejor dile:

“Quiero terminar cada semana con 5 borradores de posts listos para revisar.”

La meta le dice al agente hacia dónde va.

Sin meta, solo conversa.

2. Un proceso

El agente necesita saber qué pasos seguir.

Leer notas.

Encontrar patrones.

Elegir ideas.

Escribir borradores.

Revisar tono.

Dejar todo en una lista.

La AI puede improvisar, pero improvisa mejor cuando le das una ruta.

Si no le das proceso, va a inventar uno. Y muchas veces ese proceso no se parece al tuyo.

3. Contexto

Contexto es la información que necesita para hacer bien el trabajo.

Tus notas.

Tus ejemplos.

Tu calendario.

Tus documentos.

Tu estilo.

Tu lista de clientes.

Tu agente no puede trabajar con tu vida real si solo le das una frase. Necesita ver las piezas correctas.

No todas, pero las correctas.

Este punto importa mucho, porque mucha gente cree que el problema es la herramienta, cuando en realidad el problema es que la AI está trabajando a ciegas.

4. Herramientas

Una herramienta es algo que el agente puede hacer en el mundo.

Leer un archivo.

Buscar información.

Crear un documento.

Mandar un correo.

Actualizar una lista.

Publicar algo.

Al principio no necesitas que tu agente tenga muchas herramientas. De hecho, mientras menos, mejor.

Pero sí necesitas entender la idea: una cosa es pensar, otra cosa es actuar.

El modelo piensa y las herramientas le permiten actuar.

5. Un punto de aprobación humana

Esto es clave.

No todo debe ser automático.

Si el agente va a resumir notas, perfecto.

Si va a ordenar ideas, perfecto.

Si va a escribir borradores, perfecto.

Pero si va a publicar, mandar un correo, borrar algo, cobrarle a alguien o tomar una decisión difícil, tú tienes que estar en el medio.

Ese paso se llama human in the loop, pero no necesitas recordar el término.

Quédate con la idea:

La AI puede preparar. Tú apruebas lo irreversible.

Eso evita muchos problemas.

Tu primer agente en papel

No vamos a automatizar nada todavía.

Ese es un error común. La gente escucha “agente” y quiere empezar por conectar apps, programar flujos y usar herramientas raras.

No hace falta.

Antes de construir un agente, puedes diseñarlo en una conversación.

Piensa en una tarea repetida de tu semana.

Algo que haces más de una vez.

Algo que te da flojera empezar.

Algo que casi siempre haces parecido.

Por ejemplo:

Preparar contenido.

Ordenar pendientes.

Revisar notas de reuniones.

Planear la semana.

Responder preguntas frecuentes de clientes.

Sacar ideas de un documento largo.

Vamos a usar contenido como ejemplo, porque es fácil de visualizar.

Supongamos que cada semana tienes notas sueltas: ideas en WhatsApp, frases en Notion, apuntes de llamadas, cosas que viste en internet.

Entonces podrías diseñar este agente:

Meta:

Terminar cada viernes con 5 ideas de contenido claras y listas para revisar.

Contexto:

Mis notas de la semana, ejemplos de posts anteriores y una descripción de mi audiencia.

Proceso:

Leer todas las notas.

Encontrar temas repetidos.

Elegir las ideas más útiles para mi audiencia.

Convertir cada idea en un borrador corto.

Revisar que el tono suene como yo.

Dejar todo en una lista.

Límite:

No publicar nada. Solo preparar borradores.

Resultado:

Una lista con 5 borradores y una explicación corta de por qué cada uno puede funcionar.

Eso ya es un agente en papel.

Todavía no publica, pero ya tiene forma.

Y eso es suficiente para empezar.

Puedes probarlo esta semana con un prompt así:

Quiero diseñar un agente sencillo para revisar mis ideas de contenido cada semana.

La meta del agente es terminar con 5 borradores de posts listos para que yo los revise.

Te voy a dar mis notas de esta semana y algunos ejemplos de cómo escribo.

Tu trabajo es:

1. Leer mis notas.

2. Encontrar los temas más repetidos o interesantes.

3. Elegir 5 ideas con potencial para mi audiencia.

4. Convertir cada idea en un borrador corto.

5. Explicarme en una frase por qué elegiste cada una.

6. No publicar nada. Solo dejarme los borradores para aprobar.

Antes de hacerlo, explícame qué entendiste, qué información te falta y qué supuestos estás haciendo.

Ese último párrafo es importante.

Antes de pedirle que trabaje, pídele que te explique qué entendió. Así puedes corregir el proceso antes de que genere cualquier cosa.

Si te dice:

“Asumo que tu audiencia son emprendedores técnicos.”

Y eso está mal, lo corriges.

Si te dice:

“Asumo que quieres un tono formal.”

Y eso está mal, lo corriges.

Si te dice:

“Asumo que todos los posts deben vender algo.”

Y eso está mal, lo corriges.

Eso también es parte de diseñar agentes: no solo pedir resultados, sino revisar cómo entendió el trabajo.

Después le das tus notas y lo dejas correr.

Cuando te entregue los borradores, no lo evalúes solo por si el primer resultado es perfecto.

Evalúalo con estas preguntas:

¿Entendió la meta?

¿Siguió el proceso?

¿Usó bien el contexto?

¿Se inventó cosas?

¿Me dejó a mí la decisión final?

Si la respuesta es sí, ya tienes una primera versión útil.

Si la respuesta es no, no significa que fallaste.

Significa que encontraste qué parte del proceso estaba mal explicada.

La primera vez que diseñas un agente, casi siempre descubres que tú tampoco tenías tan claro el trabajo.

La AI te obliga a ver el trabajo por partes.

Y cuando puedes ver el trabajo por partes, puedes empezar a delegarlo mejor.

Por qué importa

Creo que mucha gente todavía está viendo la AI como un lugar donde pedir respuestas.

Pero el salto real viene cuando empiezas a verla como una forma de diseñar trabajo.

No necesitas construir un agente perfecto esta semana.

Ni conectar diez apps.

Ni aprender palabras raras.

Solo necesitas mirar una tarea repetida de tu vida y preguntarte:

¿Qué tendría que pasar para que una AI pudiera encargarse del primer 60%?

Si cada semana la AI te ayuda a preparar, ordenar, resumir, comparar, escribir o revisar algo que antes empezabas desde cero, ya cambió la relación.

Dejas de usar AI como una caja donde metes preguntas.

Empiezas a usarla como una capa de trabajo alrededor de tus procesos.

Ese es el primer paso para entender agentes.

Para guardar

La guía de Anthropic sobre cómo construir agentes efectivos. Es más técnica, pero la idea central es importante: no empieces por sistemas complejos. Empieza por flujos simples que funcionen.

https://www.anthropic.com/engineering/building-effective-agents

La explicación de Anthropic sobre cómo construyeron un sistema multi-agente para investigación. No necesitas implementarlo, pero sirve para entender por qué varios agentes pequeños pueden investigar mejor que uno solo cuando el trabajo se divide bien.

https://www.anthropic.com/engineering/built-multi-agent-research-system

La página oficial de Claude Code Routines. Es un buen ejemplo de hacia dónde va todo esto: tareas que configuras una vez y luego corren por horario, por API o por eventos.

https://claude.com/blog/introducing-routines-in-claude-code

La documentación de Routines en Claude Code, por si quieres ver cómo se ve una rutina por dentro. No necesariamente es para empezar hoy, pero sí para entender el futuro cercano de estos flujos.

https://code.claude.com/docs/en/routines

La introducción oficial a MCP, el estándar para conectar agentes con herramientas y datos externos. No necesitas usarlo hoy. Solo entiende la idea: los agentes se vuelven más útiles cuando pueden conectarse con las herramientas donde ya vive tu trabajo.

https://www.anthropic.com/news/model-context-protocol

Si esta semana terminas con tu primer agente escrito en papel, este correo ya cumplió su trabajo.

No tiene que correr solo.

No tiene que estar conectado a tus apps.

No tiene que ser elegante.

Solo tiene que describir una tarea repetida con suficiente claridad para que una AI pueda ayudarte a hacerla mejor.

Y aunque parezca poco, ese primer 60% ya cambia mucho.

El otro 40%: darle mejor contexto, conectarlo con herramientas, convertirlo en rutina, lo vamos a ir viendo en próximas ediciones.

Si te interesa entrar más profundo, en aicodersclub.com están los próximos workshops y recursos de AI Coders Club. La idea es la misma de siempre: no aprender AI para saber más, sino para construir cosas que antes se quedaban en tu cabeza.

Próximo Workshop es presencial en CDMX ($1,200 MXN)

Listo. Eso es todo por hoy.

Si diseñas tu primer agente en papel esta semana, mándamelo. Me encanta ver cómo cada persona traduce su propio trabajo a un sistema.

Nos leemos pronto.

Fran

yosoyfran.com · X · LinkedIn

Estoy escribiendo esto un domingo, y me parece buen momento para hacer una pausa antes de seguir construyendo.

Hoy quiero detenerme antes de avanzar, porque si esta semana vas a experimentar con Claude, quiero que lo abras con un poco más de claridad.

Quiero que lo abras como una suite de herramientas que puede ayudarte a pensar mejor, organizar información, conectar tus apps, diseñar piezas visuales y empezar a construir productos digitales sin ser técnico.

Hoy solo quiero presentártelo bien. Quiero que sepas qué existe, para qué sirve cada parte y cómo podrías empezar a explorarlo esta semana sin sentirte abrumado.

Antes del tour, una nota personal sobre por qué Claude.

Si me preguntas con cuál herramienta de AI me quedo hoy, te voy a decir Claude, porque, para alguien no técnico que quiere pasar de pensar ideas a construir cosas, me parece una de las suites más poderosas que existen en este momento.

Es la herramienta con la que construyo todos los días, también este newsletter.

Si tú ya estás cómodo usando otra herramienta y solo necesitas ayuda para escribir correos, resumir documentos o resolver tareas simples, perfecto. No tienes que cambiar por cambiar.

Pero si quieres pasar de pedirle cosas a una AI a construir sistemas, productos, procesos y activos, mi recomendación honesta es que entiendas Claude. Y este tour es el punto de partida.

AI para llevar

Claude no es una sola herramienta. Son varias.

Hoy quiero mostrarte el mapa simple, para que sepas qué existe. Estos son los cuatro espacios principales que vale la pena conocer.

Chat: para pensar y conversar

Este es el espacio más conocido. Es donde le pides que resuma un PDF, te ayude con un correo difícil, te explique un contrato, organice una idea o piense contigo un problema. Es la parte más familiar, la más simple, la más inmediata, la que casi todos prueban primero.

Pero incluso aquí, mucha gente se queda en la superficie. Chat no sirve solo para “preguntar cosas”. Bien usado, puede convertirse en una extensión de tu pensamiento.

Puedes contarle quién eres, qué haces, qué estás construyendo y qué necesitas resolver. Puedes usarlo para ordenar ideas, comparar caminos, entender un tema difícil, convertir documentos densos en claridad, preparar una conversación o pensar una decisión antes de tomarla.

No reemplaza tu criterio. Lo amplifica.

Vive en claude.ai, en la app de escritorio, en la app del celular y en la extensión de Chrome.

Cowork: para delegar trabajo

Aquí empieza a cambiar la relación con la herramienta.

En Chat tú estás presente todo el tiempo: pides, revisas, corriges, vuelves a pedir. En Cowork le das un encargo. La diferencia parece pequeña, pero es enorme. Una cosa es conversar con una herramienta, otra es delegarle trabajo.

Puedes pedirle que prepare resúmenes, revise información, organice archivos, lea correos, conecte contexto entre documentos o ejecute tareas recurrentes. Y cuando le conectas tus apps reales (más abajo te cuento cómo), Claude deja de trabajar con ejemplos genéricos y empieza a trabajar con tu vida real.

Ya no estás usando AI como una caja vacía a la que tienes que alimentar cada vez. Estás empezando a construir una capa inteligente sobre tu propio sistema de trabajo.

Cowork vive en la app de escritorio y en la app del celular.

Claude Design: para convertir ideas en piezas visuales

Este es uno de los espacios que más gente todavía no ha probado, y probablemente uno de los que más rápido cambia la percepción de lo que Claude puede hacer.

Claude Design no es para conversar, es para crear piezas visuales. Le describes lo que quieres y genera una primera versión: un flyer, una presentación, una pieza para redes, un deck, una página visual, un material para explicar una idea.

Luego iteras. “Hazlo más premium.” “Menos texto.” “Más sobrio.” “Más claro.” “Más parecido a esta referencia.” “Usa mi tono.”

Reduce la distancia entre tener una idea y verla materializada. Y para una persona no técnica, eso es enorme, porque muchas ideas mueren porque tardan demasiado en verse reales.

Claude Design vive en claude.ai/design.

Claude Code: para construir software

Este es el espacio que más suele intimidar, y también es el que más puede cambiar tu relación con la tecnología.

Claude Code sirve para construir apps, páginas, herramientas internas y productos digitales con ayuda de Claude.

Claude Code no elimina la complejidad de construir software, pero cambia quién puede empezar.

No se trata de decir “Claude, hazme una app” y esperar magia. Se trata de aprender a explicar lo que quieres, dividirlo en partes, revisar lo que construye, priorizar lo importante y mejorar el producto por iteraciones. Es menos “programar” y más “dirigir una construcción”.

Le puedes hablar en español, le puedes dar una idea, le puedes mostrar un screenshot, le puedes pedir cambios, le puedes decir qué no funciona, le puedes pedir que continúe donde se quedó. Y poco a poco, algo que antes dependía de saber código empieza a depender de saber pensar con claridad.

Vive en la app de escritorio, en la terminal de tu computadora y también puede recibir encargos desde el celular.

El anexo: cuatro extras que vale la pena conocer

Además de estos cuatro espacios principales, hay cuatro piezas más que vale la pena tener en el radar. No son cuartos enteros, son más bien herramientas de bolsillo que activas cuando las necesitas.

1. Los connectors son los puentes entre Claude y las apps donde ya vive tu trabajo: Gmail, Google Drive, Calendar, Notion, Slack y otras. Cuando los conectas, Claude empieza a trabajar con contexto real: revisar documentos, preparar reuniones con tu calendario, resumir correos, encontrar información dispersa. Dejas de usar AI como una caja vacía y empiezas a construir una capa inteligente sobre tu sistema de trabajo.

2. La extensión de Chrome es Claude dentro de tu navegador. Un clic y te ayuda con la página que estás viendo: resumir un artículo, traducir un texto, comparar páginas, extraer ideas.

3. Las tareas programadas son simples pero poderosas. Configuras algo una vez y se repite: un resumen cada lunes, una lista de pendientes cada mañana, una preparación antes de reuniones. El valor está en sacar ciertas cosas de tu cabeza: cuando una tarea es recurrente, no deberías tener que recordarla cada vez.

4. Las rutinas son flujos completos: tu cierre del día, tu revisión semanal, tu sistema para procesar correos. Te obligan a pensar distinto: qué trabajo se repite, qué decisiones tomas una y otra vez, qué parte de tu día podría estar mejor diseñada. Ahí es donde AI empieza a sentirse menos como un chatbot y más como un sistema.

Por qué importa este paseo

La mayoría de las personas no tiene un problema de herramientas, tiene un problema de mapa.

Abren una herramienta de AI, escriben algo, reciben una respuesta, se sorprenden un poco, y luego vuelven a trabajar como antes, porque nadie les mostró qué más podían hacer.

Cuando solo conoces una parte, todo parece igual. Pero cuando ves el mapa, cambia tu relación con la herramienta.

Cuando solo usas Chat, Claude depende casi por completo de lo que tú le das en ese momento. Pero cuando empiezas a usar connectors, tareas, rutinas y espacios de trabajo conectados, Claude empieza a trabajar con más contexto, porque le estás dando acceso ordenado a las piezas correctas: tus documentos, tus correos, tus reuniones, tus proyectos, tus notas, tus procesos.

Ese es el salto. Pasar de preguntarle cosas a una AI, a diseñar un sistema donde la AI puede trabajar con la información que realmente mueve tu vida o tu negocio.

Entonces empiezas a hacer mejores preguntas: ¿esto lo converso? ¿esto lo delego? ¿esto lo conecto a mis herramientas? ¿esto lo diseño? ¿esto lo construyo? ¿esto lo convierto en rutina? ¿esto lo puedo programar para que ocurra solo?

Ese cambio mental es más importante que cualquier prompt. Porque la ventaja no está en usar AI. La ventaja está en entender qué tipo de trabajo quieres mejorar, ordenar o construir.

Para guardar

La edición pasada sobre cómo definir tu MVP, por si llegaste tarde a la conversación. Vamos a usar esa página en las próximas ediciones, así que si la tienes a mano, mejor. 👉 https://aicodersclub.substack.com/p/antes-de-construir-con-ai-define

La página oficial de Claude con todos sus productos. Si quieres ver capturas, videos y detalles de cada parte, empieza ahí.

👉 https://www.claude.ai

Una guía más tipo tutorial práctico paso a paso, que describe cómo Claude lleva contexto entre conversaciones (preferencias, proyectos, tono, reglas de formato y flujos recurrentes).

👉 https://theaitrack.com/claude-memory-guide/

Una guía que compara Claude, Claude Code y Cowork para que sepas cuál necesitas de verdad. Conecta directo con el mapa de hoy.

👉 https://medium.com/@yunusemresalcan/claude-vs-claude-code-vs-cowork-which-one-do-you-actually-need-66d3952a2eb4

Si esta semana abres Claude y haces clic en una pestaña que nunca habías abierto, este correo ya cumplió su trabajo. Solo necesitas saber que existe.

Si te interesa ir más allá del newsletter, en aicodersclub.com están los próximos workshops y el día a día de lo que estamos construyendo en la comunidad.

Listo. Eso es todo por hoy.

Nos leemos pronto.

— Fran

yosoyfran.com · X · LinkedIn

La semana pasada hablamos de qué es esta comunidad y cómo va a funcionar este correo. Hoy entramos al primer tema real.

Vamos a hablar de MVP. Probablemente lo has escuchado en algún podcast, en alguna conversación, en algún post. Tres letras que suenan a jerga de startup y que muchas veces asustan más de lo que ayudan.

Empecemos por lo más básico. MVP son las siglas en inglés de Minimum Viable Product. En español, producto mínimo viable. Una manera complicada de decir algo súper simple: la versión más pequeña de tu idea que ya sirve para algo. Es lo que te permite aprender si vale la pena seguir construyendo, sin tener que hacer el producto completo primero.

Y aquí es donde yo me he perdido varias veces, porque lo he confundido con tres cosas distintas que un MVP no es y por eso me he quedado atascado.

1. Un MVP no es una versión más fea de tu producto final.

No es agarrar todo lo que querías construir y hacerlo a la mitad. Eso es un producto inacabado. Un MVP es otra cosa: es construir solo una parte, completa y que funcione bien, y dejar todo el resto fuera. Mejor una sola cosa terminada que diez a medias.

2. Un MVP no es una versión a medio terminar y llena de fallas que mandas a probar a otras personas.

Lo poco que construyes tiene que funcionar lo suficiente para que aprendas algo. El MVP es pequeño, no descuidado. Ojo, no me malentiendas: va a tener errores, eso es parte del proceso. Pero tiene que aguantar de pie lo suficiente para que aprendas algo.

3. Un MVP no es el primer paso de un plan de cinco años.

No te sientas a diseñar el producto completo y a sacar el primer pedazo como “fase uno”. Eso te lleva de vuelta al problema original: estás imaginándolo terminado y arrancando por la base de un edificio que no sabes si quieres construir. El MVP empieza por la pregunta, no por el plan.

La parte difícil entonces no es hacer el MVP. Es entender qué tan pequeño tiene que ser para seguir siendo útil. Mi primer instinto siempre es hacerlo más grande de lo que debería. Y cada vez que cedo a ese instinto, no llego.

Hoy te muestro cómo usar AI para llegar al tuyo este fin de semana.

AI para llevar

Define tu MVP en una conversación de 30 minutos.

Antes del paso a paso, una idea que te va a ahorrar tiempo. El MVP no es para que el mundo lo use. Es para que tú aprendas algo. Si lo entiendes así, todo se simplifica. La pregunta deja de ser “qué le pongo” y pasa a ser “qué necesito ver funcionar para saber si esto vale la pena”. Y eso casi siempre es mucho menos de lo que crees.

Una regla antes de empezar. Hazlo con una idea que de verdad te importa. Si lo haces con un ejemplo cualquiera, vas a obtener un MVP cualquiera.

Y otra cosa importante. El ejercicio de hoy es para llegar al MVP, no para construirlo. Sales con la versión mínima clara, escrita, en una página. Construir esa versión viene después.

El “qué” corto del MVP: menos cosas, una pregunta clara.

Cómo se hace:

1. Define la pregunta que tu MVP responde.

Abre una conversación nueva con tu AI favorita. Cuéntale tu idea en pocas frases, como si se la contaras a un amigo. Y termina con esto:

“Antes de pensar qué construir, ayúdame a definir una sola pregunta. Si yo construyo la versión más pequeña posible de esto, ¿qué necesito aprender para saber si vale la pena seguir? Dame esa pregunta en una frase, no en cinco.”

Esa pregunta es la brújula. Todo lo que viene después gira alrededor de ella.

2. Saca todo lo que no es esa pregunta.

Cuando tengas la pregunta, dile:

“Ahora dime qué es lo absolutamente mínimo que tengo que construir para responder esa pregunta. No me digas qué sería bueno tener. Dime solo lo que es estrictamente necesario. Si algo se puede fingir con una imagen o un texto en lugar de programar, fíngelo. Si algo se puede resolver mandándolo por correo o por WhatsApp, resuélvelo así. Apunta más bajo de lo que crees.”

Vas a ver salir una lista. Casi siempre es una lista pequeña.

3. Pásala por el filtro del fin de semana.

Léele la lista y pregúntale:

“¿Esto se construye en un fin de semana siendo no técnico y con AI ayudándome? Si no, dime qué hay que quitarle. Y si todavía no cabe, qué más le quito.”

Itera hasta que sí quepa. No negocies con la lista. Negocia con la idea.

4. Pídele que te lo deje en una página.

“Escríbeme en una sola página la definición de mi MVP. Qué pregunta responde, qué incluye, qué no incluye, y por qué cabe en un fin de semana. Que sea tan clara que cualquier persona que la lea entienda exactamente qué voy a construir.”

Esa página es tu MVP definido. Es lo que vas a abrir cuando estés listo o lista para construirlo. La parte difícil ya está hecha.

Un ejemplo:

Para que esto no quede en teoría, te cuento cómo se vio en mi caso con esto que estás leyendo.

La idea original de AI Coders Club era enorme. Comunidad privada, sesiones en vivo, biblioteca de recursos, workshops mensuales, mentorías, certificaciones, app, newsletter, programa de membresía, todo. Si me hubiera puesto a construir eso desde el día uno, todavía estaría diseñando la página de inicio.

Cuando lo bajé a una pregunta, la pregunta fue una sola. ¿Hay gente no técnica que quiere aprender a construir con AI y que va a aparecer si se lo ofrezco?

Para responder esa pregunta no necesito la comunidad completa. Necesito un workshop. Uno solo. Y si funciona, otro. Y si sigue funcionando, otro. Sin app, sin membresía, sin newsletter siquiera al inicio. Nada más que tres horas, una idea, un grupo.

Hago un workshop. Funciona. Hago otro. Después otro. En cada uno veo gente sin experiencia técnica saliendo con su primer prototipo en la mano, una versión funcional aunque sencilla de la idea que llegaron a construir. Ahí veo que la pregunta tiene respuesta. Después viene la comunidad, después este newsletter, y así, una cosa a la vez. El MVP es un workshop y un grupo de WhatsApp. Y de ahí lo demás va saliendo.

Y este correo que estás leyendo también es un MVP. Todavía estoy aprendiendo qué temas funcionan, qué largo aguantas, qué te sirve y qué no. Si esto que estás leyendo te resulta útil, ya respondió su pregunta esta semana.

Por qué funciona: la mayoría de las veces que una idea mía no se vuelve real, no es por falta de herramientas. Es porque la estaba construyendo demasiado grande para terminarla.

El truco no está en saber más, está en apuntar a menos. Una pregunta clara. Una sola cosa para responderla. Eso es lo que hace que un proyecto termine, en vez de quedarse en mi cabeza para siempre.

Y para reducir una idea así, una conversación con AI funciona mucho mejor que una hoja en blanco.

Para guardar

El origen del término MVP, contado por Eric Ries, el que lo acuñó. Una sola página, sin jerga. Si te quedaste con curiosidad de dónde viene la idea, este es el lugar.

Reid Hoffman dijo que si no te avergüenza tu primera versión, lanzaste demasiado tarde. La frase lo resume todo. Acá un post corto que la desarrolla.

Airbnb empezó como un colchón inflable en un departamento de San Francisco y una página web hecha en un fin de semana. La historia completa contada por Brian Chesky.

Dropbox no construyó el producto antes de validarlo. Hicieron un video de 3 minutos mostrando cómo iba a funcionar. Esa fue la primera versión que tuvo usuarios apuntándose.

Una explicación visual de los tres errores más comunes al hacer un MVP. Henrik Kniberg lo dibujó hace años pero sigue siendo la mejor referencia.

Una reflexión que escribí en Becoming School sobre claridad e intención en la era de la IA. Conecta con el tema de hoy desde otro ángulo, aquí está.

Si esta semana sacas tu idea del cajón y la dejas en una página con tu MVP definido, este correo te sirvió.

Si quieres dar el siguiente paso, el martes 19 de mayo doy la primera edición online del workshop De idea a realidad con AI. Dos horas en vivo, grupo de 20 personas máximo. Llegas con tu idea (o con esa página que escribiste esta semana) y sales con tu primer prototipo funcionando. No con capturas de lo que “podrías” construir. Con algo que ya existe.

Las dos ediciones anteriores las hicimos presenciales en CDMX, 12 personas, todas sin experiencia técnica, todas salieron con su prototipo. Esta es la primera vez que lo abrimos online, así que si no estás en CDMX, esta es tu oportunidad. Aquí están los detalles y el link para inscribirte.

Si te interesa entrar más profundo más allá del workshop, te invito a que visites aicodersclub.com o nos sigas en Instagram.

Listo. Eso es todo por hoy.

Si construiste algo esta semana relacionado con el tema, mándamelo. Me encanta ver lo que están haciendo.

Nos leemos pronto.

— Fran

yosoyfran.com · X · LinkedIn

Si estás leyendo esto, es porque nos cruzamos en algún workshop de Bloxie, en el podcast o Substack de Becoming, en algún evento de AI Coders Club, o por pura serendipia. Gracias por tomarte el tiempo de abrir este correo. Sé que ya tienes suficiente en el inbox.

Te llega este correo porque acabo de lanzar AI Coders Club, y formas parte de las primeras personas a las que se lo cuento.

Llevo cinco años como COO en Moonshot Partners, un product studio en Londres. Trabajo rodeado de ingenieros, lo que durante mucho tiempo me dejó clara una barrera gigante: tener una idea es fácil; tener cómo hacerla realidad era el privilegio de pocos.

Hace unos meses, esa barrera desapareció para mí.

Me senté con Claude a armar una herramienta interna que normalmente le habría pedido al equipo técnico. El resultado inicial tenía mil áreas de mejora, pero funcionaba. Ahí entendí algo clave: la inteligencia artificial no me iba a convertir en developer, pero me daba el superpoder de transformar ideas en realidad. Y eso puede marcar la diferencia.

A partir de ahí, me dediqué a construir:

Carlitos, una plataforma para reducir el gasto de software en la empresa.

Venegram, una comunidad global con web y app móvil en iOS y Android.

Becoming, una web app de crecimiento personal.

Y AI Coders Club, la casa de esta comunidad.

Hace un año no habría intentado hacer nada de esto por mi cuenta. Ninguno nació perfecto, pero el simple hecho de que existieran cambió las reglas del juego. Cuando tienes un producto real, dejas de tratar de convencer a otros de tu idea y empiezas a aprender viendo cómo lo usan.

Esa misma magia la vi en las primeras ediciones de nuestro workshop. Vi a 12 builders llegar con ideas sueltas y salir tres horas después con un prototipo en la mano.

No necesitaron meses de estudio ni sentirse “listos o listas”. Solo necesitaron empezar.

Por eso lancé AI Coders Club: para acompañarnos en ese salto de tener una idea a, simplemente, empezar a construirla con AI.

Una vez a la semana te va a llegar un correo con tres bloques.

Primero, una intro corta donde te cuento de qué va la edición. El tema. Puede ser cómo escribir mejores prompts, cómo sacarle más a Claude, qué es un agente o cómo armar una landing en 30 minutos.

Después, AI para llevar, donde desarrollo el tema y te enseño algo concreto que puedes usar esta semana.

Y al final, Para guardar, con 5 a 8 links sobre el mismo tema que valen un bookmark.

Todo gira alrededor del tema que abro al principio.

Hoy es la excepción. Esta primera edición es sobre el newsletter mismo. A partir de la próxima semana arranco con un tema y todo lo que sigue gira alrededor.

Si lo que buscas es la guía perfecta para usar AI, hay mil. Esto es otra cosa: alguien no técnico, como tú, compartiendo y traduciendo lo que le está sirviendo.

Si en algún momento deja de servirte, te desuscribes y ya.

Pero si te quedas, ojalá esto te empuje a abrir la laptop cada semana y convertir una idea en algo que puedas probar. Porque muchas veces el primer paso no es entenderlo todo. Es hacer una primera versión y dejar que esa versión te enseñe.

AI para llevar

Esta es la sección más importante del correo. Aquí desarrollo a fondo el tema que abrí en la intro de arriba.

A veces es un patrón que probé y me sirvió. Otras veces es algo que salió esta semana en el mundo AI, traducido a qué hace un builder no técnico con eso.

La regla es la misma siempre: tienes que poder usarlo esta semana. Si no, no entra.

Por ejemplo, en una edición sobre prompts, esta sección se vería así:

El patrón “explícame qué entendiste”.

Esta semana lo que más me sirvió fue dejar de pedirle a Claude que ejecute cosas directo. En lugar de eso, le pido primero que me explique qué entendió. Te suena obvio. No lo es.

Cómo se hace:

1. Antes de tu prompt normal, agrega esta línea: “Antes de empezar, explícame en tus palabras qué crees que te estoy pidiendo, qué supuestos estás haciendo, y qué te falta saber para hacerlo bien.”

2. Lee la respuesta con cuidado. Casi siempre vas a encontrar mínimo una cosa que entendió distinto a lo que tenías en la cabeza.

3. Aclara solo lo que entendió mal. No reescribas todo el prompt. Solo corrige.

4. Después le dices: “Perfecto, ahora hazlo.”

Por ejemplo, le pedí esta semana: “Hazme un email para invitar a alguien a un workshop.” Antes de ejecutar, me devolvió: “Entiendo que quieres un email de invitación. Asumo que es formal, en español, y que no conoces a la persona. ¿Confirmas?”

De esos tres supuestos, dos estaban mal. Era informal y sí conozco a la persona. Si no le hubiera pedido que me explicara, habría escrito un email genérico que tendría que rehacer dos veces.

Por qué funciona: los modelos siempre asumen algo. Si no los obligas a hacer explícitos esos supuestos, te enteras hasta el final, cuando ya gastaste tres iteraciones. Pruébalo esta semana en una tarea cualquiera. Va a cambiar tu forma de promptear para siempre.

Si solo tienes 5 minutos para abrir este correo, lee esta sección. Te tomará aproximadamente 5 minutos.

Para guardar

5 a 8 links que coleccioné esta semana sobre el mismo tema. Tools, hilos, lecturas, capturas, conversaciones. Cosas que valen un bookmark. Sin bullets, sin orden jerárquico. Como un cuaderno abierto.

Por ejemplo, en una edición sobre prompts, esta sección se vería así:

Hilo de Karina Nguyen sobre cómo escribe prompts para producto, [link]

El prompt que uso para landings cuando ya tengo el copy listo, [link]

Plantilla de prompts de Anthropic, sigue siendo la mejor referencia, [link]

Builder en CDMX que documentó su sistema de prompts en Notion, [link]

Mi recomendación: no guardes todo. Guarda pocos. Pero pregúntate por qué importan.

Si te interesa entrar más profundo y aprender a construir con AI más allá del newsletter, te invito a que visites aicodersclub.com o nos sigas en Instagram. Ahí están los workshops, los recursos, la comunidad y el día a día de lo que estamos construyendo.

El próximo workshop es online, el sábado 16 de mayo a las 9:00 am. Se llama De idea a realidad con AI y la promesa es simple: llegas con una idea, sales con tu primer prototipo en una mañana. Aquí están los detalles.

Y si quieres ir más allá, la membresía de AI Coders Club incluye comunidad privada, sesiones en vivo y descuentos en futuros eventos. Conoce más aquí.

Listo. Eso es todo por hoy.

Si construiste algo esta semana relacionado con el tema, mándamelo. Me encanta ver lo que están haciendo.

Nos leemos pronto.

— Fran

yosoyfran.com · X · LinkedIn