🟡 El Prompt con el que puedes superar el pensamiento humano

+5 prompts de autoresearch inteligente para tu negocio

“La IA resuelve problemas que ningún humano ha sido capaz en 60 años”

Un chico de 23 años sin formación matemática avanzada resolvió hace unas semanas un problema que llevaba 60 años abierto.

Liam Price cogió el problema #1196 de la lista de Erdős.

Una conjetura sobre conjuntos primitivos de números enteros que los mejores matemáticos del mundo llevaban décadas sin poder resolver.

Nuestro amigo Liam, pegó el problema en ChatGPT Pro con GPT-5.4 Pro.

Se fue a tomar un café y 80 minutos después, el modelo encontró una ruta que ningún especialista había publicado ni explorado seriamente en este problema.

Que ningún humano había sido capaz de pensar nunca.

Hoy vamos a ver cómo resolvió el problema, pero sobre todo:

Cómo puedes aplicar la misma táctica a tu negocio para encontrar soluciones tan efectivas como ocultas a la mente humana.

Pero antes…

---

Esta edición de La Mafia IA ha sido patrocinada por:

¿Todavía introduces facturas a mano? Holded las escanea por ti, sin límites

Holded acaba de hacer ilimitado su escáner de facturas y tickets en todos los planes.

Eso significa que ahora puedes digitalizar y contabilizar todos tus gastos sin teclear nada, sin límites de escaneo y sin costes extra. Solo tienes que subir la foto o el PDF y la IA de Holded hace el resto en segundos.

¿Por qué te interesa?

- Ahorra horas de introducción manual de datos
- Reduce errores en tu contabilidad
- Disponible ya con 14 días gratis de prueba

⮕ Prueba el escáner gratis

---

Lo que un chico de 23 años con ChatGPT te enseña sobre tus problemas de negocio enquistados

Terence Tao, probablemente el matemático vivo más importante del planeta (hablamos de él hace poco), revisó el resultado de Liam Price y lo dio por válido.

Scientific American lo publicó el 24 de abril.

La web oficial de los Problemas de Erdős marcó el #1196 como resuelto.

Y alguien acuñó el término “vibe-maths” para describir lo que había pasado.

Pero esto no es solo un problema de matemáticas.

Gracias a la IA ahora somos capaces de encontrar soluciones a problemas con los que el ser humano se había atascado durante años.

Y esta es la razón por la que hoy estamos tratando esto.

Porque los problemas son la fuente de todo negocio.

Mientras siga habiendo problemas, habrá gente que esté dispuesto a pagar por su solución y habrá emprendedores que estén dispuestos a vendértela.

Esa es la formula de todo negocio:

Resolver problemas.

Incluso diría que los negocios más exitosos solo escalan en la resolución de problemas más elevados.

Problema ⮕ solución ⮕ nuevo status quo ⮕ se generan nuevos problemas ⮕ nuevas soluciones (que según escalan son más valiosas) ⟲

Y por eso, hoy vamos a ver qué como podemos aplicar de la estrategia de Liam para nuestros proyectos o trabajos.

---

Pero antes que nada un saludo 👋 a los 269 nuevos miembros 👨‍🚀 desde la última publicación de La Mafia IA. Ya somos +16.000 y la newsletter #tech que más crece en español (según Substack) - Puedes suscribirte gratis aquí 👈

Soy Alex dc. y todas las semanas te cuento cómo aprovechar la IA para mejorar tu negocio. Sin ruido. Solo consejos prácticos que generan resultados.

✱ Recuerda que hay artículos que solo los recibirás si eres miembro ✱

Volvamos a nuestra historia de un chaval de 23 años sin mucha idea de matemáticas, resolviendo un problema que ningún matemático en el planeta había sido capaz de resolver. Gracias a la IA.

Siendo sinceros, hay un “pero”

El matiz clave: la salida bruta de ChatGPT no era una prueba limpia.

Jared Duker Lichtman dijo que el output era “bastante pobre” y que hizo falta interpretación experta para entender qué intentaba decir.

Tao y Lichtman después condensaron la idea en una prueba más clara

Hizo falta interpretación.

Hizo falta un amigo con formación matemática para descifrar lo que el modelo intentaba decir.

Hizo falta verificación humana, paso a paso, antes de poder formalizar nada.

La IA no resolvió el problema sola.

Hizo algo más útil.

Pensó de una forma que nadie había hecho y potenció la capacidad del experto que acabó formalizando la solución.

Los problemas enquistados no se atascan por falta de información, sino porque todos partimos del mismo marco mental.

Tao explicó el mecanismo con una precisión que vale la pena no olvidar:

Los matemáticos habían dado un “primer giro equivocado” al empezar. Un hábito del pensamiento. Una inercia intelectual que ningún experto cuestionó porque todos partían del mismo marco.

El modelo simplemente... no tenía ese sesgo.

Tomó otra dirección.

Usó una fórmula conocida en un área matemática cercana que nadie había conectado con este problema concreto. No porque supiera más. Sino porque no sabía qué caminos no merecía intentar.

¿Y sabes qué es lo realmente interesante?

Eso describe exactamente cómo se atascan la mayoría de tus problemas de negocio.

No por falta de información.

Por falta de caminos alternativos.

Tú, yo, cualquier emprendedor con meses de experiencia en un mercado: llevamos los mismos sesgos encima sin saberlo.

Los mismos primeros giros equivocados que damos automáticamente porque los hemos dado mil veces.

• “Necesito más leads” → cuando el problema real es la conversión

• “Necesito publicar más” → cuando el problema real es la distribución

• “Necesito contratar” → cuando el problema real es el sistema operativo interno

• “Necesito bajar el precio” → cuando el problema real es el valor percibido de la oferta.

No es que te falte información.

Es que llevas meses mirando el problema desde el ángulo equivocado.

No es un prompt. Es un nuevo marco para encontrar soluciones que hasta ahora eran imposibles.

Hay un prompt que circula por redes sociales atribuido a Price que se hizo bastante viral.

Como la mayoría de las cosas que se hacen virales, a nadie le importa si son verdad.

Pero aquí tenemos la mala costumbre de no publicar nada que no se pueda probar y verificar.

Y el prompt que circula definitivamente no está confirmado como el original.

Podría haberlo publicado sin más y ya está.

Pero vamos a hacer algo mejor, porque lo importante no es el prompt como solución mágica.

Lo importante es entender el mecanismo.

Poder aplicar el mismo marco para solucionar tus problemas reales.

Vamos con un poco de ingeniería inversa:

No existe transcript verificado. Lo que sí sabemos es que Price le pidió al modelo creatividad explícita y le prohibió buscar en internet.

Lo forzó a razonar desde sus propios pesos, sin atajos.

El prompt específico importa menos de lo que parece.

Lo que importa es la lógica detrás:

→ Define el problema con precisión real, no con la versión cómoda que llevas tiempo repitiendo.

→ Obliga a la IA a enumerar todos los enfoques posibles, incluyendo los raros y los contraintuitivos.

→ Haz que ataque cada uno, analice resultados, encuentre posibles mejoras y reporte fallós. Los fracasos importan tanto como los aciertos.

→ Cuando algo promete, conserva esa idea o añade esa mejora al proceso, formaliza paso a paso y repetir desde ahí el bucle para encontrar nuevas pequeñas mejoras sobre la anterior.

Si esto te suena a algo que ya conoces, es porque lo es.

Es el mismo bucle que Steve Kinney lleva tiempo documentando en lo que él llama el Ralph Method: ejecutar ciclos de razonamiento con contexto fresco en cada iteración, guardar el estado en archivos, evitar que una conversación larga se deteriore (context rot) por exceso de ruido acumulado.

El absurdo Loop que construye cualquier cosa mientras duermes: El Método Ralph Wiggum

Es también el mismo principio que Andrej Karpathy formalizó en AutoResearch: el agente propone un cambio, ejecuta, comprueba si mejora la métrica, conserva si mejora, descarta si no. Sin agarrarse a ideas que suenan bien pero no producen resultados medibles.

El equipo de Langfuse ha utilizado esta estrategia fuera del entrenamiento de modelos para optimizar agentes IA.

El patrón es el mismo en los tres:

Explorar → Documentar fracasos → Conservar solo lo que mejora la métrica → Repetir.

---

El prompt para encontrar soluciones imposibles

Lo que viene a continuación son los prompts para implementar esto en tu negocio. No son “inspiración” ni “punto de partida para adaptarlos”. Son sistemas completos con variables que sustituyes por tu contexto real.

Empieza siempre por el Prompt Madre. Las variantes son para cuando ya tienes claro qué tipo de problema quieres atacar.

Una advertencia antes: La IA no va a darte la respuesta perfecta en el primer intento. El objetivo del sistema no es eso. El objetivo es que te muestre los caminos que tú ya descartaste sin saber que lo estabas haciendo. Tú aportas el criterio. La IA aporta la amplitud.

---

🔍 El Prompt: SUPER LOOP MENTAL para encontrar soluciones ocultas

Para cualquier problema de negocio que lleve semanas o meses enquistado.

El primer prompt del sistema no intenta resolver tu problema.

Intenta descubrir si lo estás empezando desde el lugar equivocado.

Porque cuando un problema lleva semanas o meses enquistado, muchas veces no necesitas más información.

Necesitas cuestionar tus creencias y si no hay otro camino que estás descartando..

Se trata de pensar con una mente externa capaz de recorrer miles de rutas que tú nunca probarías, ya sea por sesgo, por capacidad o por tiempo.

<rol>
Actúa como colaborador de investigación estratégica.

No eres un oráculo.
No estás aquí para darme una respuesta rápida ni para validar mi primera intuición.

Tu trabajo es explorar caminos, detectar enfoques no obvios, cuestionar supuestos ocultos y ayudarme a diseñar pruebas verificables.

Debes actuar como una mente externa capaz de recorrer rutas que yo quizá no probaría por sesgo, costumbre, falta de tiempo o exceso de familiaridad con el problema.
</rol>

<modo_de_uso>
Este prompt puede usarse de dos formas:

1. MODO GENERAL:
Usa solo este Prompt Madre cuando el problema esté borroso, enquistado o no sepas desde dónde atacarlo.

2. MODO ESPECÍFICO:
Si al final de este prompt hay una variante añadida, úsala como lente principal para orientar el análisis.

La variante no sustituye al Prompt Madre.
La variante solo enfoca el tipo de solución que estamos buscando.
</modo_de_uso>

<contexto>
Problema principal: ${problema_principal}
Contexto del negocio: ${contexto_negocio}
Objetivo deseado: ${objetivo}
Restricciones: ${restricciones}
Recursos disponibles: ${recursos}
Horizonte temporal: ${horizonte_temporal}
</contexto>

<tarea>
Primero, no intentes resolver el problema.

Antes de resolverlo, reformúlalo como si fuera un problema de investigación serio, no como una pregunta genérica.

Después, reformúlalo desde 5 perspectivas distintas:

1. Como lo formularía un experto técnico.
2. Como lo formularía un estratega.
3. Como lo formularía alguien de otra disciplina.
4. Como lo formularía una persona afectada directamente por el problema.
5. Como lo formularía alguien que cree que mi diagnóstico inicial está equivocado.

Luego dime cuál de las 5 formulaciones parece más útil y por qué.
</tarea>

<mapa_de_enfoques>
Enumera todos los marcos, métodos o enfoques que podrían aplicarse.

Incluye:

- enfoques obvios
- enfoques contraintuitivos
- enfoques usados en otras disciplinas
- enfoques usados en otras industrias
- enfoques que probablemente fallen pero podrían revelar algo útil
- enfoques que un experto tradicional quizá descartaría demasiado pronto
- enfoques simples que podrían estar siendo ignorados
- enfoques incómodos que quizá estoy evitando
- enfoques de bajo coste y alta velocidad de aprendizaje

No filtres todavía.
No busques solo lo razonable.
Busca amplitud.
</mapa_de_enfoques>

<exploracion>
Para cada enfoque, haz un intento breve de solución.

Después de cada intento, reporta:

1. Qué intenta resolver realmente.
2. Qué funcionó.
3. Qué falló.
4. Qué supuesto estaba escondido.
5. Qué nuevo insight produjo el fallo.
6. Qué dato necesitaríamos para verificarlo.
7. Qué prueba, experimento o comprobación barata podríamos hacer en menos de 7 días.
8. Qué riesgo tendría aplicar esta idea.
9. Qué coste tendría ignorarla.
</exploracion>

<rutas_no_obvias>
Después de la exploración inicial, busca rutas que normalmente no aparecerían en una sesión de pensamiento convencional.

Responde:

1. ¿Qué solución parecería absurda al principio pero podría tener lógica?
2. ¿Qué haría alguien de una disciplina completamente distinta?
3. ¿Qué haría alguien con 10 veces más recursos?
4. ¿Qué haría alguien con 10 veces menos recursos?
5. ¿Qué haría alguien que solo pudiera resolver esto con automatización?
6. ¿Qué haría alguien que solo pudiera resolver esto cambiando el sistema?
7. ¿Qué haría alguien que no pudiera crear nada nuevo y tuviera que recombinar lo existente?
8. ¿Qué camino no estoy probando porque parece demasiado simple?
9. ¿Qué estoy asumiendo que quizá ya no es verdad?
10. ¿Cuál podría ser el “primer giro equivocado” de mi razonamiento?
</rutas_no_obvias>

<seleccion>
Después de explorar, selecciona las 3 direcciones más prometedoras.

Para cada una, entrega:

- hipótesis central
- por qué podría funcionar
- por qué podría fallar
- qué tendría que ser verdad para que funcione
- señal temprana de éxito
- señal temprana de fracaso
- prueba mínima
- métrica o criterio de decisión
- coste de ejecución
- coste de oportunidad
- siguiente acción concreta
</seleccion>

<formalizacion>
Convierte la mejor dirección en un plan paso a paso.

No ocultes incertidumbre.
No rellenes huecos inventando datos.
No presentes hipótesis como hechos.

Separa claramente:

- hechos conocidos
- supuestos razonables
- hipótesis sin validar
- datos que faltan
- riesgos principales
- partes que debo verificar manualmente antes de actuar
</formalizacion>

<bucle_de_mejora>
Diseña un bucle de mejora para seguir avanzando después de esta primera respuesta.

El bucle debe incluir:

1. Qué probar primero.
2. Cómo medirlo o comprobarlo.
3. Qué conservar si funciona.
4. Qué descartar si no funciona.
5. Qué aprendizaje extraer aunque falle.
6. Qué probar después según cada posible resultado.

El objetivo no es encontrar una respuesta perfecta en un solo intento.
El objetivo es crear un proceso que mejore con cada iteración.
</bucle_de_mejora>

<criterios_de_calidad>
Tu respuesta debe cumplir estas reglas:

- No des consejos genéricos.
- No me des una lista de ideas sin priorizar.
- No valides mi diagnóstico inicial sin cuestionarlo.
- No confundas actividad con progreso.
- No propongas acciones imposibles para mis restricciones.
- No ocultes los riesgos reales.
- No recomiendes más de 3 líneas de acción principales.
- Prioriza soluciones verificables sobre ideas elegantes.
- Prioriza aprendizaje rápido sobre planes perfectos.
- Prioriza bajo coste, alto aprendizaje y posible alto impacto.
</criterios_de_calidad>

<formato_salida>
Devuelve la respuesta exactamente con esta estructura:

## Reformulación del problema
## Posible marco equivocado
## Mapa de enfoques posibles
## Intentos, fallos e insights
## Rutas no obvias
## 3 direcciones prometedoras
## Mejor hipótesis
## Prueba de 7 días
## Bucle de mejora
## Riesgos y verificaciones
## Qué NO haría ahora
## Próxima acción

</formato_salida>

Este va a ser considerado a partir de ahora el prompt madre.

Está pensado para por si solo darte soluciones óptimas y probablemente fuera de tu alcance.

Pero si ya sabes qué tipo de problema quieres atacar, puedes hacerlo más preciso añadiendo una de estas variantes al final.

No sustituyen al Prompt SUPER LOOP.

Lo enfocan.

Piensa en ellas como lentes:

Una lente para ofertas.
Una lente para crecimiento.
Una lente para contenido.
Una lente para decisiones incómodas.
Una lente para experimentos.

Cómo usar las variantes del Prompt SUPER LOOP MENTAL

Copias el Prompt original + eliges una variante y la pegas justo debajo.

La IA hará el resto: explorará caminos, encontrará fallos, propondrá hipótesis y te dirá qué deberías probar antes de creerte nada.

---

💡 Variante 1: Mejorar tu oferta sin tocar el precio

Cuando la oferta no convierte y tu primer instinto es bajar el precio.

Ese suele ser el primer giro equivocado.

Bajar el precio parece una solución racional porque reduce fricción.

Pero muchas veces el problema no es el precio.

Es que la oferta no se entiende.
O no se percibe como urgente.
O no reduce suficiente riesgo.
O no promete un resultado concreto.
O se parece demasiado a todas las demás.

Antes de tocar el precio, usa esta variante:

<variante>
Enfoca todo el análisis del Prompt Madre hacia la mejora de una oferta.

No asumas que el problema es el precio.
Antes de recomendar bajar el precio, analiza si el problema real está en la promesa, el valor percibido, la confianza, la urgencia, el packaging, la segmentación o el mecanismo de venta.

<contexto_especifico>
Producto o servicio: ${producto_servicio}
Audiencia: ${audiencia}
Precio actual: ${precio}
Canal principal de venta: ${canal_venta}
Problema comercial actual: ${problema_comercial}
Promesa actual: ${promesa_actual}
Qué incluye la oferta ahora: ${componentes_oferta}
Objeciones frecuentes: ${objeciones}
Alternativas o competidores: ${alternativas}
Objetivo: ${objetivo}
</contexto_especifico>

<tarea_especifica>
Explora 15 formas distintas de mejorar la oferta sin bajar el precio.

Incluye enfoques relacionados con:

- posicionamiento
- promesa
- mecanismo único
- packaging
- bonus
- garantía
- urgencia legítima
- prueba social
- reducción de riesgo
- segmentación
- oferta de entrada
- oferta premium
- comparación contra alternativas
- modelo de suscripción
- experiencia de compra

Para cada enfoque, responde:

1. Qué cambiaría exactamente.
2. Qué fricción elimina.
3. Qué objeción resuelve.
4. Por qué podría aumentar la conversión.
5. Qué podría salir mal.
6. Cómo lo probaría en menos de 7 días.
7. Qué métrica usaría para conservarlo o descartarlo.

Después, elige las 3 mejoras con mayor potencial.

Finalmente, crea una versión concreta de la nueva oferta con copy de venta.
</tarea_especifica>

<formato_extra>
Añade al formato del Prompt Madre estas secciones:

## Diagnóstico de la oferta actual
## Problema real detrás de la baja conversión
## 15 mejoras posibles sin bajar precio
## 3 cambios con mayor impacto potencial
## Nueva versión de la oferta
## Copy de venta
## Experimento de 7 días
## Métrica para conservar o descartar el cambio
</formato_extra>
</variante>

*Nota sobre las variables $: Al principio del prompt hay variables encabezadas con $. Solo será necesario que rellenes las variantes de cada variación de prompt, con lo que si quieres puedes dejar sin contestar las variables del prompt original.

---

📈 Variante 2: Decidir en qué canal o estrategia enfocarte

Para founders que hacen demasiadas cosas a la vez y no saben dónde poner el foco.

Este es uno de los problemas más comunes.

No falta trabajo.

Falta dirección.

Publicas.
Mejoras la web.
Pruebas SEO.
Piensas en afiliados.
Quieres abrir YouTube.
Quieres lanzar una comunidad.
Quieres automatizar.
Quieres hacer partnerships.
Quieres hacer veinte cosas más.

Y como todas parecen razonables, ninguna avanza lo suficiente.

Esta variante sirve para una cosa:

Elegir dónde poner el foco.

❌ No busca la idea más bonita.
✅ Busca la mejor estrategia.

<variante>
Enfoca todo el análisis del Prompt hacia crecimiento y foco estratégico.

No quiero una lista genérica de tácticas.
No quiero growth hacks.
No quiero ideas bonitas sin priorizar.

Quiero encontrar la estrategia con mejor asimetría:
bajo coste, aprendizaje rápido y posible alto impacto.

<contexto_especifico>
Negocio o proyecto: ${negocio}
Producto u oferta: ${producto}
Audiencia: ${audiencia}
Canales actuales: ${canales_actuales}
Métrica principal: ${metrica_principal}
Situación actual: ${situacion_actual}
Qué ya he probado: ${intentos_previos}
Qué resultados obtuve: ${resultados_previos}
Recursos disponibles: ${recursos}
Restricciones: ${restricciones}

Objetivo en los próximos 30 días: ${objetivo_30_dias}
</contexto_especifico>

<tarea_especifica>
Explora 20 hipótesis de crecimiento usando marcos distintos.

Incluye hipótesis relacionadas con:

- contenido
- SEO
- newsletter
- comunidad
- partnerships
- afiliación
- referrals
- producto gratuito
- herramientas gratuitas
- outbound
- paid acquisition
- bundles
- marketplaces
- eventos
- automatización
- distribución con creadores
- mejora de conversión
- activación de usuarios
- retención
- pricing

Para cada hipótesis, responde:

1. Mecanismo de crecimiento.
2. Por qué podría funcionar en este caso concreto.
3. Qué tendría que ser verdad para que funcione.
4. Qué podría fallar.
5. Experimento mínimo.
6. Tiempo hasta aprender algo.
7. Métrica de éxito.
8. Esfuerzo estimado: bajo, medio o alto.
9. Riesgo: bajo, medio o alto.
10. Coste de oportunidad de probarlo.
11. Coste de oportunidad de ignorarlo.

Después, prioriza las hipótesis usando estos criterios:

- impacto potencial
- facilidad de ejecución
- velocidad de aprendizaje
- alineación con recursos actuales
- efecto compuesto
- dependencia de terceros
- riesgo de dispersión

Finalmente, selecciona una estrategia principal para los próximos 30 días y justifica por qué las demás son peores ahora.
</tarea_especifica>

<formato_extra>
Añade al formato del Prompt Madre estas secciones:

## Diagnóstico de crecimiento
## El foco que probablemente estoy evitando
## 20 hipótesis de crecimiento
## Ranking priorizado
## Estrategia recomendada para 30 días
## Qué NO haría ahora
## Primer experimento
## Métrica de decisión
</formato_extra>
</variante>

---

✍️ Variante 3: Preparar contenido con ángulos que otros no ven

Para newsletter, artículos o cualquier contenido donde llevas tiempo usando los mismos enfoques.

El problema del contenido casi nunca es “no tengo ideas”.

El problema es que tienes ideas demasiado parecidas a las de todos los demás.

• Misma opinión reciclada.

• Mismo “esto lo cambia todo”.

• Misma conclusión que el lector ya esperaba antes de empezar.

Esta variante obliga a la IA a hacer algo más útil:

Buscar el ángulo que otros no están viendo.

<variante>
Enfoca todo el análisis del prompt hacia investigación editorial y creación de contenido.

No quiero un resumen genérico.
No quiero una lista de ideas obvias.
No quiero contenido que suene como todos los demás.

Quiero encontrar un ángulo fuerte, defendible y útil para el lector.

<contexto_especifico>
Tema: ${tema}
Audiencia: ${audiencia}
Tesis inicial: ${tesis_inicial}
Objetivo del contenido: ${objetivo}
Canal: ${canal}
Nivel del lector: ${nivel_lector}
Fuentes o hechos disponibles: ${fuentes}
Opinión que quiero defender: ${opinion}
Acción que quiero que tome el lector: ${accion_lector}

Tono deseado: ${tono}
</contexto_especifico>

<tarea_especifica>
Explora 12 ángulos editoriales posibles.

Para cada ángulo, responde:

1. Tesis central.
2. Por qué importa ahora.
3. Qué creencia común contradice.
4. Qué tensión narrativa contiene.
5. Qué ejemplo lo vuelve tangible.
6. Qué objeción tendría un lector inteligente.
7. Qué dato o fuente habría que verificar.
8. Qué utilidad práctica se lleva el lector.
9. Qué parte podría sonar exagerada.
10. Qué parte podría sonar genérica.
11. Qué promesa editorial tiene.
12. Qué cierre natural tendría.

Después, elige los 3 ángulos más fuertes.

Evalúalos según:

- claridad
- novedad
- tensión
- utilidad
- credibilidad
- potencial de ser recordado
- facilidad para convertirlo en una pieza práctica

Finalmente, desarrolla el mejor ángulo.
</tarea_especifica>

<formato_extra>
Añade al formato del Prompt Madre estas secciones:

## 12 ángulos posibles
## Los 3 ángulos más fuertes
## Ángulo ganador
## Tesis central
## Título
## Subtítulo
## Apertura
## Estructura completa
## Ejemplos necesarios
## Objeciones del lector inteligente
## Bloque práctico final
## Cierre

</formato_extra>
</variante>

---

🔎 Variante 4: Toma de decisiones sin autoengaños

La más incómoda. También la más útil. Para cuando sospechas que el problema eres tú.

Esta variante sirve para esos momentos donde tienes una decisión casi tomada, pero no sabes si estás pensando bien… o si simplemente estás buscando argumentos para justificar lo que ya querías hacer.

❌ No le pidas a la IA que te dé la razón.
✅ Pídele que encuentre el punto ciego.

<variante>
Enfoca todo el análisis a la auditoría estratégica y detección de autoengaño.

No quiero validación.
No quiero motivación.
No quiero que suavices el diagnóstico.

Quiero que busques el punto ciego.

<contexto_especifico>
Situación actual: ${situacion_actual}
Decisión que estoy considerando: ${decision}
Por qué quiero tomar esa decisión: ${motivo}
Objetivo real: ${objetivo}
Alternativas disponibles: ${alternativas}
Restricciones: ${restricciones}
Qué evidencia creo tener a favor: ${evidencia_a_favor}
Qué señales estoy ignorando o minimizando: ${senales_ignoradas}
Qué me preocupa admitir: ${preocupacion_incomoda}

</contexto_especifico>

<tarea_especifica>
Analiza la decisión desde estos lentes:

- estrategia
- producto
- distribución
- pricing
- operaciones
- foco
- caja o recursos
- coste de oportunidad
- dependencia de terceros
- complejidad innecesaria
- perfeccionismo
- sesgo de confirmación
- miedo disfrazado de prudencia
- urgencia falsa
- ego del fundador o responsable

Para cada lente, responde:

1. Qué podría estar viendo mal.
2. Qué evidencia apoyaría mi decisión.
3. Qué evidencia la refutaría.
4. Qué pregunta incómoda debo responder.
5. Qué experimento puede validar o invalidar la decisión.
6. Qué coste tendría seguir adelante si estoy equivocado.
7. Qué coste tendría no hacerlo si estoy equivocado.

Después, clasifica la decisión como una de estas opciones:

- buena ahora
- buena pero no ahora
- mala prioridad
- trampa racional
- apuesta asimétrica
- decisión emocional disfrazada de estrategia
- decisión correcta con mala ejecución
- decisión incorrecta con buena narrativa

Termina con una recomendación clara.
</tarea_especifica>

<formato_extra>
Añade al formato del Prompt Madre estas secciones:

## Diagnóstico incómodo
## Punto ciego principal
## Evidencia a favor
## Evidencia en contra
## Coste de oportunida
## Trampa racional posible
## Experimento de validación
## Recomendación final
## Qué haría esta semana
## Qué evitaría

</formato_extra>
</variante>

---

🧪 Variante 5: Optimizar activos de marketing mediante experimentos

La versión AutoResearch. Para landings, emails, onboarding, secuencias de venta. Propone hipótesis → ejecuta → mide → conserva o descarta.

Eso es lo interesante de AutoResearch: el agente no solo propone cambios; ejecuta experimentos, comprueba si mejoran una métrica y conserva o descarta según el resultado. En el repositorio de Karpathy, la idea se describe como un bucle donde el agente modifica código, entrena durante un tiempo fijo, comprueba si mejora y repite.

<variante>
Enfoca todo el análisis del Prompt hacia experimentación y optimización de un activo de marketing.

No quiero ideas que simplemente suenen mejor.
No quiero opiniones sobre copy.
No quiero cambios imposibles de medir.

Quiero hipótesis medibles.

<contexto_especifico>
Activo a optimizar: ${activo}

Tipo de activo: ${tipo_activo}
Puede ser una landing, email, anuncio, onboarding, secuencia de venta, página de producto, formulario, post o campaña.

Audiencia: ${audiencia}
Canal: ${canal}
Métrica principal: ${metrica_principal}
Valor actual de la métrica: ${valor_actual}
Objetivo deseado: ${objetivo}
Restricciones: ${restricciones}
Datos disponibles: ${datos}
Qué ya se ha probado: ${intentos_previos}
Qué no quiero cambiar: ${limites}
</contexto_especifico>

<tarea_especifica>
Propón 10 experimentos para mejorar la métrica principal.

Para cada experimento incluye:

1. Hipótesis.
2. Variable que cambia.
3. Cambio concreto.
4. Por qué podría mejorar la métrica.
5. Qué riesgo introduce.
6. Cómo se implementa.
7. Qué se mide.
8. Cuánto tiempo debe correr.
9. Criterio de éxito.
10. Criterio de descarte.
11. Qué aprendizaje obtendríamos incluso si falla.
12. Qué conservaríamos si funciona.

Después ordena los experimentos según:

- impacto potencial
- facilidad de implementación
- velocidad de aprendizaje
- bajo riesgo
- claridad de medición
- coste de oportunidad

Finalmente desarrolla el primer experimento con el activo reescrito o modificado.

Si el activo es texto, reescribe la versión completa.
Si el activo es una landing, reescribe la estructura.
Si el activo es una secuencia, propón la secuencia modificada.
Si el activo es un onboarding, rediseña el flujo.
</tarea_especifica>

<regla_de_decision>
No aceptes un experimento porque suena mejor.
Debe tener una métrica observable.

Si no se puede medir, reformúlalo.

Si una mejora no puede conservarse o descartarse con claridad, no es un experimento. Es una opinión.
</regla_de_decision>

<formato_extra>
Añade al formato del Prompt Madre estas secciones:

## Diagnóstico del activo
## 10 experimentos posibles
## Ranking por impacto y facilidad
## Experimento recomendado
## Versión modificada del activo
## Cómo medirlo
## Criterio de éxito
## Criterio de descarte
## Qué hacer si funciona
## Qué hacer si falla

</formato_extra>
</variante>

Uso: A/B tests, emails de venta, onboarding, páginas de registro, landings, anuncios, campañas de sponsors, pricing pages, CTAs, secuencias de activación.

📝 Nota: Estos prompts están diseñados para un uso sencillo de la estrategia.

Los puedes usar con la IA que tengas a mano: Claude, ChatGPT, Gemini, lo que uses normalmente. Son la versión accesible de la técnica. Las que yo mismo uso para el trabajo del día a día.

Para problemas realmente complejos: optimización técnica, investigación profunda, iteración automática sobre métricas, el bucle se puede escalar.

Herramientas como Claude Code o Codex permiten que la IA trabaje de forma autónoma durante minutos o incluso horas, generando sus propios loops de exploración sin que tengas que estar pendiente de cada paso.

Empieza por aquí. Cuando te quedes corto, ya sabrás que existe un nivel más.

---

Lo que une todo esto

Tres nombres distintos. Un principio.

AutoResearch, Ralph Method, Vibe-math, apuntan todos al mismo problema:

Usamos la IA para obtener respuestas cuando deberíamos usarla para explorar caminos.

La diferencia parece pequeña.

No lo es.

Cuando le pides una respuesta a la IA, obtienes la respuesta más probable dado tu contexto.

Es decir: la misma respuesta que hubieras encontrado tú con suficiente tiempo.

Cuando la obligas a explorar, a fallar, iterar, a documentar lo que sí funciona o lo que no y por qué…

Ahí es donde aparece lo útil.

No porque la IA sea más lista que tú. Sino porque no tiene los sesgos que llevas cargando desde que empezaste a trabajar en tu negocio.

Price tardó 60 años de inercia matemática acumulada en aportar su criterio al problema. La IA tardó 80 minutos en encontrar la ruta que nadie había mirado.

Esa ruta al final era simple y elegante, pero ni siquiera las mentes más brillantes de las matemáticas había sido capaz de encontrarla en más de medio siglo.

El prompt es lo menos importante de esta historia.

El sistema es lo que importa.

Y lo bonito es que este no es un algoritmo sofisticado.

Es un bucle: explorar → registrar aciertos y fracasos → extraer el insight del fracaso → mejoras incrementales → verifica antes de actuar → repite.

Lo que lo hace diferente es la velocidad. Y el hecho de que la IA no sabe qué caminos no merecen intentarse.

Eso, que parece una limitación, es su mayor ventaja cuando sabes cómo usarla.

---

Recursos Extra:

• https://github.com/davebcn87/pi-autoresearch

• https://github.com/TheGreenCedar/codex-autoresearch

---

Quizá te interese:

---

---

❤️ Gracias por leer La Mafia IA.

Si te ha gustado esta edición, házmelo saber, no te olvides de darle al ♡

o déjame un comentario con tu sistema para manejar el contexto favorito.

¿Conoces a alguien a quien le pueda ayudar esta información? → compártelo.

🗞️ Para noticias IA diarias:

La Mafia IA no te bombardea con noticias (que solo añaden ruido y caos).

Si te interesa estar más al día: En mis perfiles en redes comento las noticias más importantes en tiempo real, me puedes encontrar en:

⮕ 💼 Linkedin | 𝕏 x.com | ＠Thread | 📶 Telegram