---
id: "2042416013682094522"
created_at: "2026-04-10T01:34:58+00:00"
lang: es
in_reply_to: null
in_reply_to_user: null
thread_root: "2042416013682094522"
kind: retweet
original_id: "2042375271492252109"
external_status: ok
---

RT @santtiagom_: Hay una brecha grande en cómo la gente percibe la IA hoy.

Si probaste versiones viejas o gratis (como ChatGPT free), es n…

---

### Original `2042375271492252109` santi @santtiagom_

Hay una brecha grande en cómo la gente percibe la IA hoy.

Si probaste versiones viejas o gratis (como ChatGPT free), es normal que te hayas quedado con la idea de que se equivoca y alucina.

El problema es que esa ya no es la realidad actual.

Incluso usando modelos pagos, muchas mejoras no se notan en lo típico: escribir, buscar info o dar consejos.
Ahí el progreso es más lento.

Donde realmente pegó un salto es en áreas técnicas: programación, research, matemática.

Por eso, los que usan herramientas como Claude Code o Codex ven algo completamente distinto.

Le das acceso a una terminal y puede: resolver problemas que antes llevaban días, refactorizar código entero y encontrar bugs complejos.

Según Andrej, esto pasa por 2 cosas:
1) En áreas técnicas es fácil saber si la respuesta es correcta o no (por ejemplo, un test pasa o falla) -> Eso permite entrenar mejor a los modelos.
2) Es donde más valor generan. Resolver código o bugs tiene impacto directo en negocio (B2B). -> Por eso las empresas enfocan ahí la mayoría de los avances.

Hoy convivimos con dos realidades al mismo tiempo:
- modelos que fallan en cosas simples
- modelos que ya hacen trabajo técnico de muy alto nivel

Si solo estás expuesto a una de esas dos, la percepción cambia por completo. Por eso parece que estamos hablando de dos etapas de la IA distintas.