Artículo
A menudo hablo de mis errores, enfoques equivocados y lecciones aprendidas en mis publicaciones del blog. Ya sea tomando decisiones orientadas únicamente al resultado, asumiendo demasiadas tareas a la vez, malinterpretando la inteligencia artificial o retrasando inversiones, he cometido muchos errores. También he tropezado en áreas más profundas, como mi visión del mundo y mi comprensión de nuestra capacidad para conocer cosas. Y no olvidemos mis habilidades sociales y errores de comunicación. Como puedes ver, la lista es larga.
Cuando se trata de manejar los errores públicamente, veo que las personas generalmente caen en dos categorías, con algunos en el medio pero inclinándose hacia un lado u otro.
En un extremo está la persona que intenta parecer impecable. Cuando comete un error, busca culpar a otros y solo admite su culpa cuando no le queda otra opción. Conozco a varias personas así, tanto en el ámbito profesional como personal. Honestamente, durante mi adolescencia, estuve más cerca de este tipo. Escribí sobre esto hace unos años.
En el otro extremo está la persona que, al enfrentarse a un error, primero se pregunta qué podría haber hecho mejor. Mira hacia adentro. Por ejemplo, si un nuevo miembro del equipo no cumple con las expectativas, el jefe de departamento podría reflexionar sobre si podría haber brindado mejor orientación, mejorado la integración o tomado una mejor decisión de contratación. El punto de esta publicación podría ser que ahora tiendo a pensar más de esta manera.
Seguir leyendo
Ingresa tu correo para desbloquear este artículo y unirte al boletín. Puedes darte de baja en cualquier momento.
Resumen
Preguntas frecuentes sobre el tema del artículo
¿Por qué tratar cada decisión no óptima como un error?
¿Cuál es la diferencia entre juzgar decisiones por resultados versus por proceso?
¿Quién es Martin Kabrhel y por qué es relevante su pensamiento?
¿Cómo acelera el crecimiento personal tratar los errores de esta manera?
¿Es este enfoque consistente con la investigación de Carol Dweck sobre la mentalidad de crecimiento?
¿Es esta mentalidad realista o lleva a una autocrítica excesiva?
Si tienes pensamientos, preguntas o comentarios, no dudes en escribirme a mail@richardgolian.com.
Más artículos
Estoy construyendo un sistema de IA para predecir el S&P 500. Corre en mi propia máquina, usa datos públicos gratuitos — yfinance, FRED, el dataset de Shiller — y evalúa cada pronóstico contra la realidad. Esta serie documenta la construcción en sí: las decisiones, la metodología, los errores. Lo que finalmente comparta del sistema en funcionamiento es una pregunta separada, y honesta.
Ayer no podía despegarme del ordenador. Cuando levanté la cabeza, eran las ocho y media de la tarde. Llevaba unas tres horas sentado solo arriba.
¿Me quitará la IA el trabajo? Un formador certificado de Google me dijo en junio de 2024 que mi profesión dejaría de existir. Veintidós meses después, mi cargo no ha cambiado — pero el noventa por ciento de lo que hago durante el día es distinto. He delegado más de mi pensamiento a agentes de IA de lo que jamás creí posible. No tengo miedo. Esto es por qué, y qué significa para cualquiera que se haga la misma pregunta.
Una hora. Cincuenta y cinco minutos. Ese es el tiempo que me llevó construir lo que una empresa checa de software había cotizado en más de 50.000 €. Lo construí con Claude Code. Ni un prototipo. Ni una prueba de concepto. Una herramienta funcional — la que la empresa realmente necesitaba. Aquella misma tarde ya estaba corriendo en staging. Esto no va sobre Claude Code. Va sobre lo que Claude Code deja al descubierto.
He realizado aproximadamente ciento cincuenta entrevistas prácticas a lo largo de los últimos cuatro años. Cincuenta para puestos de especialista en datos. Cien para especialistas en publicidad y marketing de rendimiento. Casi todas consistieron en sentarme con un candidato frente a una tarea práctica — algo cercano a un problema real que necesitamos resolver en la empresa. Sin teoría. Sin trivialidades. Resolución aplicada de problemas. Con el tiempo, empecé a notar un patrón.
Antes de enseñarle algo a la IA, necesitas ver lo que te está ocultando.
En el momento en que otras personas necesitaron acceso, el problema cambió por completo. Ya no se trataba de si el agente podía aprender. Se trataba de quién tenía derecho a enseñarle.
Quería construir un agente que no solo asista. Uno que actúe.
Esto es lo que aprendí sobre IA local vs cloud y por qué cambié a Claude Code.
¿Qué ocurrió y cómo puede revertirse?
Cuatro días en Cataluña. Sin ordenador, sin IA, casi sin redes sociales. Me compré este cuaderno para anotar lo que pensaría y lo que encontraría y aprendería durante el viaje.