Hay una pregunta que me hago todas las semanas: ¿por qué los cursos de IA no funcionan?

Trabajé en una fintech latinoamericana grande. Pasé por marketing, growth, GTM. Vi cómo la empresa intentó "implementar IA" tres veces. Vi a la gente del equipo pasar por dos cursos cada uno. Vi llegar el PDF de noventa páginas de una consultora. Y al final del año, mirando para atrás, no había cambiado nada. La gente seguía haciendo los mismos procesos a mano. La IA seguía siendo un tema de Slack más que una herramienta de trabajo.

Cuando armé Mate & Build, empecé a probar lo contrario: en vez de enseñar sobre IA, sentarme con alguien y construir con IA. Una tarde. Un problema real. Y ver qué pasaba.

Lo que pasó fue claro: en dos o tres horas, la gente aprendía más que en seis meses de cursos. No porque yo fuera mejor profesor. Porque el método es distinto.

Saber sobre IA vs saber usar IA

Esta distinción importa más de lo que parece.

Saber sobre IA es entender cómo funciona un transformer, cuál es la última versión de Claude, qué hace cada herramienta de moda, leer threads, ir a conferencias. La industria entera está optimizada para esto: cursos, certificaciones, podcasts, newsletters. Te enseñan a hablar de IA con propiedad.

Saber usar IA es agarrar un problema concreto del trabajo y resolverlo con IA esta tarde. Es saber qué pedirle, cómo iterar cuando no entendió, cómo darle el contexto que falta, cuándo confiar y cuándo dudar. Es saber qué hacer con la IA, no qué decir sobre la IA.

La primera no garantiza la segunda. De hecho, conozco gente con certificaciones de IA que no tiene un solo proceso suyo automatizado con IA. Y conozco profesionales de marketing sin formación técnica que se armaron sistemas de tres skills funcionando en producción.

El conocimiento sobre IA y la capacidad de usar IA son dos cosas distintas. La industria está vendiendo la primera y la mayoría necesita la segunda.

Por qué los cursos no funcionan

No es porque los profesores sean malos. Es porque el formato está roto para esto.

Un curso típico de IA tiene esta estructura: cuatro sesiones de una hora, contenido genérico, ejemplos abstractos. Salís con un certificado y la misma sensación de estar perdido frente a tu problema concreto.

El problema es que la IA aplicada no es contenido — es práctica. Es como aprender a manejar mirando ochenta horas de podcast sobre manejo defensivo. Te van a contar la teoría perfecta. Pero la primera vez que tengas el volante en la mano, no vas a saber qué hacer.

Acá es donde la mayoría se traba: tomó el curso, leyó los threads, miró los videos. Sabe sobre IA. Pero no construyó nada. Y entonces la presión de arriba — "tenemos que usar IA en el área" — sigue intacta.

Cómo se aprende construyendo

El método es sencillo de describir y un poco más difícil de hacer. Pero es el único que funciona.

Agarrás un problema real, concreto, tuyo. No el problema más grande de la empresa. El problema más concreto. Algo que hagas todas las semanas y que te coma tiempo. Un Excel que actualizás a mano. Un email que escribís cada vez de cero. Un reporte que tarda dos horas y siempre es igual.

Te sentás una tarde con la IA al lado. No con un curso. Con la IA misma — Claude, ChatGPT, lo que tengas — abierta y lista para usar.

Empezás describiendo el problema en lenguaje natural. Como se lo contarías a un compañero de trabajo nuevo. Qué hacés hoy. Cuánto te lleva. Dónde se rompe. Qué información tenés. Qué información falta.

La IA te devuelve una propuesta. No va a ser perfecta. Está mal. Le decís qué cambiar. Iterás.

En tres o cuatro iteraciones, tenés algo que funciona. Imperfecto, pero suficiente. Y lo más importante: entendés cómo llegaste ahí. Sabés qué decisión se tomó en qué momento, por qué la IA hizo lo que hizo, qué tenías que ajustar para que entendiera.

Ese conocimiento no se enseña. Se construye. Y queda — porque lo aplicaste a tu problema, no a un ejemplo abstracto.

Construir sin estructura no es construir bien

Hay una versión liviana de "aprender IA construyendo" que conviene desarmar. La idea de que es darle prompts hasta que algo salga. Eso no alcanza para llegar a un nivel profesional sostenible.

La diferencia entre alguien que construye una vez con IA y alguien que construye sostenido en el tiempo es la estructura abajo. Eso es lo que vengo armando hace meses: una metodología basada en un file system que mezcla cómo la IA interpreta texto con la lógica jerárquica de un sistema de archivos. Una estructura que separa información estable de información variable, que se sostiene cuando cambian los criterios, que permite que una persona del área comercial o de marketing construya soluciones que aguantan calidad alta — no solo un demo lindo el primer día.

Esto importa especialmente en empresas o en cualquier persona que trabaja con clientes, donde la calidad del output no es opcional. La estructura abajo es lo que permite que vibe coding deje de ser improvisación y pase a ser construcción rápida, replicable y sostenible.

Aprender IA construyendo no es solo aprender a tirarle prompts. Es aprender a estructurar la base sobre la que esos prompts van a apoyarse para producir resultados consistentes.

Por qué la mesa importa

Acá entra el formato Mate & Build.

El método de aprender IA construyendo lo podés hacer solo. Pero la curva es más empinada. La primera vez que la IA te devuelve algo raro, no sabés si el problema está en cómo le pediste, en el modelo, o en una decisión que tomaste tres pasos atrás. Te trabás, googleás, te frustrás, abandonás.

Una mesa cambia eso. Pato y otra persona, una tarde construyendo. La IA está al lado nuestro. Cuando algo no sale, lo desarmamos juntos en tiempo real. "Probemos pasarle el contexto de otra manera. Ahora separemos el criterio de la plantilla. Ahora ajustemos el orden de las skills."

Lo que aprendés en una mesa no es solo el resultado del build. Es el patrón mental. Cómo se piensa el problema, qué se separa de qué, cuándo confiar en la IA y cuándo no, cómo iterar cuando algo no funciona.

Y la presencialidad importa. La IA trabaja, nosotros tomamos mate y conversamos. El ritmo distinto de pensar dos personas en la misma mesa con un problema al medio no se replica por Zoom. Hay algo de la presencia física que cambia cómo se procesa la información.

Una buena sesión de Mate & Build se parece más a una buena conversación que a una clase técnica.

Por qué importa el español

La mayoría del contenido de calidad sobre IA aplicada está en inglés. Threads, papers, casos de uso, ejemplos. Eso significa dos cosas: primero, que cuando aprendés en inglés, hay una capa de traducción mental que te frena. Segundo, y más importante, que los ejemplos están pensados para mercados anglo.

Cuando alguien de marketing argentino aprende IA viendo casos de empresas estadounidenses, lo que aprende es difícil de aplicar. Las industrias funcionan distinto. Los flujos de aprobación son otros. Las regulaciones cambian. La forma de comunicar con un cliente latinoamericano no es la misma que con un cliente estadounidense.

Por eso Mate & Build sucede en español rioplatense, con builders argentinos, con casos reales de empresas latinoamericanas. Manu construyó su file system para PedidosYa. Franco para una agencia de Argentina. Lo que aprendieron se aplica directo a su trabajo, sin traducción mental, sin extrapolación.

Para empresas latinoamericanas

Lo de arriba aplica a personas. A nivel empresa, hay otro patrón que estoy viendo en LATAM.

Las empresas latinoamericanas medianas y grandes tienen el mismo problema que las americanas: presión de arriba para "implementar IA", confusión abajo sobre cómo. Pero tienen una ventaja que la mayoría no aprovecha: la cercanía. Equipos chicos, decisiones rápidas, comunicación directa.

Una empresa de Buenos Aires puede armar diez file systems en distintos equipos en una semana, si la metodología es la correcta. Lo mismo cuesta meses en una empresa estadounidense de la misma escala — porque la jerarquía es más rígida, las aprobaciones más lentas, los equipos más aislados entre sí.

El método de aprender IA construyendo encaja perfecto con esa cercanía. Es la metodología que aplica Fulcrum OS — la consultora B2B que tengo en paralelo, separada de Mate & Build — adentro de empresas: AI Operations construido al lado de la gente del problema, en formato build.

Cómo empezar

Si te suena, no esperes el momento perfecto.

Si sos profesional de empresa con un problema concreto, traé tu problema a la mesa. Aplicá acá. Una tarde, una solución funcionando, un kit replicable.

Si querés probar primero solo, agarrá el problema más concreto que tengas en el trabajo. Algo que hagas todas las semanas. Sentate una tarde con Claude o ChatGPT. Describilo en español rioplatense, paso a paso. Pedile que te ayude a construir algo. Iterá.

Si querés ver cómo se ve el método en la práctica antes de probarlo, los builds publicados tienen todo: el problema, las decisiones, los archivos finales, los tiempos. Documentado para que cualquiera pueda replicar.

Lo importante no es la herramienta. No es el modelo. No es el curso. Lo importante es que empieces a construir.

Learn by Doing. 🧉