La Maquinita · Libertador · Agosto 2026

La máquina
de predecir

Qué hay adentro de un modelo de lenguaje, qué significan sus números y cómo usar Claude para trabajar mejor, sea cual sea tu rubro.

Diego · Sente Dynamics

Agenda

El plan de hoy

01

Entender

Qué es un modelo de lenguaje, con demos La escala real: parámetros, datos, adopción Alucinaciones, agentes, MCP y privacidad

02

Usar

Claude: qué lo distingue Projects, Artifacts, Skills, Cowork Demo en vivo con casos de la sala

03

Aplicar y jugar

Juego grupal: la palabra escondida en el universo Casos concretos por rubro Cómo escribir mejores prompts

Empecemos por ustedes

Lo que respondieron en la encuesta

¿Cada cuánto usás IA?

1 estrella = 1 persona · n = 10
5 Todos los días 3 Varias vecespor semana 2 Ocasionalmente

10 de 10 ya usan IA. Nadie arranca de cero.

¿Con qué herramientas?

sobre 10 personas
ChatGPT 10
Claude 5
Gemini 4
Copilot 3

Lo más pedido: casos de uso prácticos (10/10) y agentes (8/10).

El hallazgo

Mucho uso, conceptos nuevos

Lo entienden
Prompting
7 de 9
Agentes de IA
5 de 9
Alucinaciones
2 de 9
LLMs
1 de 9
MCP
0 de 9
Lo entiendo o lo domino Lo escuché nombrar No lo conozco 1 punto = 1 persona

Hoy salimos entendiendo estos cinco conceptos. Incluido MCP: 0 de 9 lo conocían al responder.

Parte 1 · Entender

Un modelo de lenguaje es un programa entrenado para una sola cosa:

predecir la
próxima palabra

De esa única habilidad, llevada a una escala gigantesca, emerge todo lo demás: conversar, traducir, programar, resumir, razonar.

Demo · Juguemos a ser el modelo

¿Qué palabra sigue?

"{{ ntdText }} ·····"

{{ o.word }}
{{ o.pct }}

{{ ntdMoral }}

¿Y cómo aprendió a hacer eso?

Un entrenamiento en dos etapas

ETAPA 1

Pre-entrenamiento: leer casi todo

Le muestran billones de palabras: libros, webs, código, artículos. El juego es siempre el mismo: tapar la palabra que sigue e intentar adivinarla. Cada error ajusta millones de parámetros, las perillas internas que guardan lo aprendido.

ETAPA 2

Ajuste fino: aprender el oficio

Personas reales escriben ejemplos de buenas respuestas y califican las del modelo. Ahí aprende a conversar, seguir instrucciones, admitir errores y rechazar pedidos dañinos. Es el fine-tuning con feedback humano. Recién después llega a tu pantalla.

La analogía: primero estudia la biblioteca entera; después hace la residencia con supervisores humanos.

Un detalle de fabricación

El modelo no lee palabras: lee tokens

La inteligencia artificial aprende leyendo millones de textos.
Un token es un pedazo de texto: a veces una palabra entera, a veces una sílaba o un signo. Regla rápida: 100 tokens ≈ 75 palabras en castellano.
Todo se mide en tokens: lo que lee, lo que escribe y lo que cobra la API. Por eso le cuesta contar letras: nunca ve letras sueltas.

La memoria de trabajo

La ventana de contexto

Es todo lo que el modelo tiene presente a la vez: la conversación, los archivos subidos, sus propias respuestas. Se mide en tokens. Los modelos actuales de Claude manejan hasta 1 millón. Lo que queda afuera de la ventana no existe para el modelo: por eso "se olvida" en chats eternos. Truco: si la conversación se desvió, chat nuevo con un buen resumen.

1.000.000 de tokens equivale a

≈ 750.000
palabras

Todo El Quijote, dos veces, en una sola conversación. O cientos de contratos, mails y planillas juntos.

Parte 1 · La escala

El tamaño de los modelos, en parámetros

área ∝ parámetros GPT-2 2019 · 1,5 mil M GPT-3 2020 · 175 mil M Llama 3.1 2024 · 405 mil M ? Frontera 2026 · no publicado Cerebro humano 86 mil M neuronas · 20 W COMPARACIÓN ILUSTRATIVA

Cada parámetro es una perilla con un número adentro: 175 mil millones de perillas ajustadas durante meses. Ojo con las traducciones: billion en inglés es mil millones, no un billón — los titulares en castellano suelen inflar la cifra mil veces.

Para comparar: tu cerebro tiene 86 mil millones de neuronas y funciona con 20 watts. Otra arquitectura, otro consumo.

La fábrica

El entrenamiento, en números

15 billones

de tokens leyó Llama 3 en su entrenamiento. Leyéndolos sin dormir, una persona tardaría más de 100.000 años.

+100 M USD

costó entrenar GPT-4 (OpenAI, 2023). Los modelos de frontera actuales se estiman en miles de millones.

Meses

de cómputo continuo en decenas de miles de GPUs, con el consumo eléctrico de una ciudad chica.

Por eso hay pocas empresas en este juego: la barrera de entrada se mide en datacenters.

La otra escala: la gente

Tiempo en llegar a 100 millones de usuarios

→ distancia en escala logarítmica · tiempo hasta llegar a 100 M de usuarios 1 mes6 meses 1 año5 años 10 años75 años META 100 M Teléfono 75 años Internet 7 años Facebook 4,5 años TikTok 9 meses ChatGPT 2 meses

Hoy ChatGPT reporta 1.000 millones de usuarios por semana; Claude, cientos de millones. Dejó de ser una moda de nicho.

Concepto clave 1

Alucinaciones: por qué inventa con total seguridad

El modelo siempre produce la continuación más plausible. Ese es todo su oficio. Cuando sabe la respuesta, lo plausible coincide con lo cierto. Cuando no la sabe, lo plausible suena igual de seguro… y es inventado. Como en la demo: sin una opción dominante, elige algo creíble igual. Es una consecuencia del diseño: se mitiga y se convive con ella.

Cómo protegerte

Pedile fuentes y links, y activá la búsqueda web Dale vos el material: el PDF, la planilla, el contrato Autorizalo a decir "no sé" en el prompt Verificá números, citas, leyes y nombres antes de publicar Usalo como borrador: la firma sigue siendo tuya

Concepto clave 2

Embeddings: el mapa del significado

Adentro del modelo, cada palabra es un punto en un espacio de miles de dimensiones. Cerca = significado parecido. "Perro" vive al lado de "gato" y lejos de "factura". Las direcciones también significan: la flecha de rey a reina es la misma que de hombre a mujer. Guarden esta idea: en un rato la vamos a navegar jugando.

arrastrá para rotar

Concepto clave 3

Agentes: de responder a hacer

Pensar Actuar Observar
repetir hasta cumplir el objetivo

Qué significa "actuar"

Usar herramientas: buscar en la web, leer tu mail, escribir un archivo, ejecutar código. Vos definís el objetivo; el agente encadena los pasos.

Ejemplos reales, hoy

Analiza tu planilla de ventas y devuelve un informe con gráficos. Compara 40 CVs contra un perfil. Esta presentación la construyó un agente, encuesta mediante.

Concepto clave 4 · El que nadie conocía

MCP: el conector universal

El problema: el modelo solo, encerrado en el chat, no ve tu mail, tu agenda ni tus archivos. Antes, cada conexión era una integración a medida: un enchufe distinto por aparato. MCP (Model Context Protocol) es el estándar que lo resuelve: un solo tipo de enchufe para todo. Lo creó Anthropic en 2024; hoy lo usa toda la industria. En Claude se llaman conectores y se activan desde la configuración, sin programar. "Buscá en mi Drive el presupuesto de marzo y comparalo con el de este mes."
Claude
Gmail Google Drive Calendar Slack Notion + cientos

Concepto clave 5

Tus datos: lo que hay que saber

Mitos y realidades

Mito: "lo que escribo aparece en el chat de otro". El modelo no recuerda entre usuarios. Realidad: según tu plan, tus conversaciones pueden usarse para entrenar versiones futuras. Revisá la política y el opt-out de tu cuenta. Realidad: los planes de empresa y la API en general no entrenan con tus datos por defecto.

Reglas de higiene

Datos sensibles de clientes: anonimizá o usá plan de empresa Contraseñas, tokens, tarjetas: nunca, en ningún plan Si tenés equipo, acuerden una política escrita de uso En temas regulados, revisá qué exige tu industria

Pausa

Recreo · 10 minutos

Tarea para el café: pensá una tarea repetitiva de tu trabajo que te encantaría no hacer más. La usamos a la vuelta.

Parte 2 · Usar

Claude, en dos minutos

Lo hace Anthropic, fundada en 2021 por ex investigadores de OpenAI. Su apuesta: un modelo seguro, honesto y confiable, apto para trabajo profesional. Se usa desde la web, el celular, la computadora y dentro de cientos de productos vía API. En la encuesta, la mitad de ustedes ya lo usa.
Modelo (2026) Para qué Fable 5 El más capaz: razonamiento profundo Opus 5 Trabajo pesado y agentes Sonnet 5 El equilibrio: es el default Haiku 4.5 Rápido y económico

La familia cambia cada pocos meses; la lógica queda: uno grande para pensar, uno mediano para el día a día, uno chico para volumen.

La caja de herramientas

Más que un chat

Projects

Espacios por tema con contexto fijo: tus documentos, tu tono, tus instrucciones.

Artifacts

Documentos, gráficos y mini aplicaciones creados al costado del chat, listos para compartir.

Búsqueda web

Consulta fuentes actuales y las cita. El antídoto contra alucinaciones de actualidad.

Archivos

Lee PDFs, Excel, imágenes y contratos. También crea planillas, Word y presentaciones.

Memoria

Recuerda lo importante entre conversaciones: tu rubro, tus preferencias, tus proyectos.

Conectores (MCP)

Gmail, Drive, Calendar, Slack, Notion y cientos más, enchufados a la conversación.

Lo que pidieron por nombre

Skills y Cowork

Skills: enseñale tu oficio una vez

Una skill es una carpeta de instrucciones — tu plantilla, tus reglas, tus ejemplos — que Claude carga solo cuando la tarea lo pide. Escribís tu método una vez; deja de vivir en prompts que copiás y pegás. Ejemplos: tu formato de presupuesto, tu scorecard de candidatos, tu estilo de propuesta.

Cowork: Claude con manos

Una app de escritorio donde Claude trabaja con tus carpetas y archivos: lee, crea, ordena, transforma. "Tomá estas 30 facturas en PDF y armame la planilla de gastos del trimestre." Dato: esta presentación fue construida en Cowork, a partir de la encuesta que respondieron.

Basta de slides

Demo en vivo

Traigan esa tarea repetitiva que pensaron en el recreo. Elegimos una o dos y las resolvemos acá, con Claude.

1 · Planilla real → análisis + gráfico 2 · El caso de la sala

Parte 3 · Actividad grupal

El juego: la palabra en el fondo del universo

Hay una palabra secreta escondida en la partícula más chica de un universo. Escribís palabras; cada intento te dice qué tan cerca estás en significado, y viajás: galaxias → sistemas → planetas → átomos. Acercarse es cuestión de sentido, no de letras: si la secreta es "café", "mate" acerca más que "cama". Están navegando embeddings reales: el mismo mapa de significado que usan los modelos.

semanteverso.vercel.app

desde el celular, sin instalar nada

Lo que 10 de 10 pidieron

Casos concretos, rubro por rubro

Para qué usarlo

{{ u }}

Prompt de ejemplo

{{ r.prompt }}

La habilidad que ya tienen, afilada

Anatomía de un buen prompt

Rol · quién quiero que sea Contexto · lo que necesita saber Tarea · qué quiero, concreto Formato · cómo lo quiero Tono · para quién es
Pedile que te haga preguntas antes de responder. La primera respuesta es un borrador: iterá. Dale ejemplos de resultados que te gustaron.

Antes

Armame un mail para un cliente

Después

Sos mi asistente en mi estudio de organización de eventos. Contexto: la clienta María contrató el paquete completo para su casamiento del 14/11; el proveedor de flores canceló ayer. Tarea: escribile un mail contándole el problema y proponiendo dos alternativas de florista que ya tengo (Flora BA y Jardín Sur), con la tranquilidad de que el presupuesto no cambia. Tono: cercano y profesional, con voseo. Máximo 120 palabras. Firmá como Paula.

Para ahorrar frustraciones

Cinco errores comunes

01Tratarlo como a Google: tirar dos palabras sueltas y esperar magia.
02Cero contexto: pedir un mail sin decir a quién, para qué ni en qué tono.
03Confiar a ciegas: publicar números, citas o leyes sin verificar.
04Rendirse al primer intento: la primera respuesta casi nunca es la mejor; se conversa.
05Un chat eterno para todo: mezclar veinte temas hasta que "se vuelve tonto" (ya saben por qué: contexto).

La regla de oro: tratalo como a un colaborador brillante que empezó hoy. Talento infinito, contexto cero.

Cierre

Tres tendencias ya en marcha

01

Agentes más autónomos

De pedir una respuesta a delegar un proyecto: tareas de horas o días, con supervisión tuya en los puntos clave.

02

IA invisible

Cada vez menos "ir al chat" y más IA adentro de las herramientas de siempre: mail, planillas, agenda, sistemas del trabajo.

03

El diferencial cambia

Con acceso igual para todos, la diferencia pasa por saber delegar: buen contexto, buen criterio, buena verificación.

La habilidad a practicar desde mañana tiene nombre: delegar bien.

Para llevarse

Cómo seguir desde mañana

Tu tarea de esta semana

Elegí una sola tarea repetitiva de tu trabajo (esa del recreo). Hacela con Claude aplicando la anatomía del prompt. Iterá hasta que el resultado te sirva de verdad. Compartila en el grupo del cowork: lo que le sirve a uno, inspira al resto.

Recursos

claude.ai: el plan gratuito alcanza para empezar. Anthropic Academy: cursos gratuitos, del nivel inicial al avanzado. Los conectores y skills se activan desde la configuración de Claude. Esta presentación queda para todos.

Gracias

¿Preguntas? Es el mejor momento para las dudas puntuales de tu rubro.

Diego · Sente Dynamics · diego@sentedynamics.com