Cómo hicimos esta wiki¶
Descifrando la IA es un proyecto de Hijas de Internet que produce contenido sobre inteligencia artificial en cuatro formatos complementarios:
- Investigación. Revisión de fuentes académicas, reportes y artículos para cada tema
- Podcast. Episodios de la serie Descifrando la IA del podcast Hijas de Internet
- Talleres. Sesiones de alfabetización en IA para estudiantes
- Wiki. Este sitio, que concentra el contenido de los módulos y sirve como recurso para seguir aprendiendo
Los cuatro formatos comparten la misma base de investigación, pero cada uno tiene su propio lenguaje y audiencia. Producir contenido coherente en cuatro formatos es un reto logístico que, hace unos años, nos hubiese tomado mucho tiempo y manos. Ahí es donde entra la IA como herramienta de producción.
Todo el proyecto fue producido con asistencia de inteligencia artificial, bajo supervisión humana en cada paso. En este proyecto, IA es una herramienta, no es la autora. La idea detrás de este proyecto, la decisión editorial, cada fuente y dato incluidos y cada texto publicado fue revisado y aprobado por una persona antes de llegar a ti.
Aquí te explicamos exactamente cómo se usó IA en la producción de este contenido.
La tecnología¶
Para producir el proyecto se utilizaron las siguientes herramientas:
| Herramienta | Qué hace |
|---|---|
| Claude (Anthropic) | Modelo de lenguaje (LLM) que funciona como motor de búsqueda, recolección de información y redacción asistida |
| Claude Code (Anthropic) | Interfaz de línea de comandos (CLI) que permite a Claude interactuar con archivos, terminal y herramientas externas |
| NotebookLM (Google) | Herramienta de IA que genera presentaciones borrador a partir del contenido investigado, usada como base de las diapositivas del taller y las ilustraciones de la wiki |
| Canva | Plataforma de diseño donde se editan manualmente las presentaciones generadas, se extraen las ilustraciones de la wiki y se arman las diapositivas finales del taller |
| MkDocs Material | Generador de sitios estáticos que convierte archivos Markdown en las páginas web que estás leyendo |
| GitHub Pages | Servicio de hosting donde se publica la wiki |
¿Qué es un LLM?
Si no sabes qué es un modelo de lenguaje, consulta el Módulo 1: ¿Qué es la IA? donde lo explicamos a detalle.
El sistema de orquestación¶
Para este proyecto se desarrolló un sistema modular compuesto por 1 agente orquestador y 5 habilidades (skills) especializadas que coordinan un pipeline de producción de contenido.
¿Qué es un skill? ¿Qué es un agente?¶
En este contexto:
- Un skill es un conjunto de instrucciones especializadas que le dicen a la IA cómo hacer una tarea específica, desde qué pasos seguir, qué formato usar, qué reglas respetar.
- Un agente es un coordinador que sabe cuándo usar cada skill y en qué orden. El agente no hace todo el trabajo: delega a los skills y coordina el flujo entre ellos.
Los componentes¶
| Componente | Tipo | Función |
|---|---|---|
descifrando |
Agente | Orquestador del pipeline completo. Coordina las 4 etapas: investigación, podcast, talleres y wiki |
read-source |
Skill | Ingesta de fuentes: obtiene el contenido de una URL o documento, extrae hallazgos clave y los estructura con citas |
edit-podcast |
Skill | Edición de guiones del podcast Hijas de Internet |
workshop |
Skill | Desarrollo de materiales para los talleres |
wiki-interactive |
Skill | Motor de interactividad: genera quizzes, ejercicios prácticos y checklists de autoevaluación |
publish |
Skill | Sanitización y publicación: transforma notas internas en contenido apto para publicación |
El pipeline paso a paso¶
El contenido de esta wiki pasa por un proceso de varias etapas antes de llegar a ti:
Fuente (URL/PDF)
│
▼
Ingesta (/read-source)
│
▼
Investigación estructurada
│
├──→ Podcast (independiente)
│
└──→ Cascada ──→ Taller + Wiki (borrador)
│
▼
Sanitización
│
▼
Revisión humana
│
▼
Publicación (deploy)
1. Investigación¶
El skill read-source obtiene el contenido de una fuente (artículo, reporte, paper), extrae los hallazgos más relevantes, como datos cuantitativos, casos de América Latina, definiciones clave, y los presenta en una tabla estructurada con citas en formato académico.
2. Selección humana¶
La investigadora revisa la tabla de hallazgos y elige cuáles incluir. La IA no decide qué información entra al contenido final, solo presenta opciones.
3. Redacción asistida¶
Con los hallazgos aprobados, la IA genera un borrador de texto en español con citas. Siempre muestra una vista previa antes de escribir cualquier cosa al archivo.
4. Cascada¶
Los hallazgos aprobados se propagan de la investigación hacia los materiales del taller y la wiki. Cada propagación requiere aprobación explícita.
5. Revisión editorial¶
Antes de publicar, la IA revisa el contenido con criterios específicos:
- Claridad. ¿El texto es comprensible para alguien sin conocimientos previos?
- Tono. ¿Es accesible sin ser condescendiente? ¿Es crítico sin ser alarmista?
- Nivel de audiencia. ¿El lenguaje es apropiado para la audiencia?
- Coherencia entre módulos. ¿Los conceptos se usan de forma consistente en toda la wiki? ¿Las referencias cruzadas entre módulos son correctas?
- Citas y referencias. ¿Todas las afirmaciones tienen fuente? ¿Los enlaces funcionan?
La IA señala problemas y propone correcciones, pero no aplica cambios directamente.
6. Revisión final del equipo¶
Las hijas de Internet revisamos todo el contenido antes de cada publicación. Verificamos los datos, ajustamos el tono editorial y la narrativa, redactamos secciones nuevas, decidimos qué correcciones de la IA acepta y cuáles descarta, y retiramos información interna (notas de producción, comentarios de proceso) que no debe llegar a la versión pública. Ningún contenido se publica sin esta revisión.
7. Publicación¶
El sitio se genera con MkDocs y se publica en GitHub Pages.
8. Diseño visual: imágenes y diapositivas¶
El contenido visual sigue un proceso aparte:
- Brief de contenido. Claude Code genera un resumen del módulo con sus puntos clave y los lineamientos de marca del proyecto (paleta de colores, estilo visual, tono), listo para alimentar a la herramienta de presentaciones.
- Generación de presentación borrador. El brief se carga en NotebookLM (Google), que genera una presentación estructurada con el contenido del módulo.
- Edición manual en Canva. El equipo adapta la presentación en Canva: ajusta composición, tipografía, colores, reemplaza o crea las ilustraciones, y asegura coherencia con la identidad visual del proyecto.
- Integración. De la presentación editada se extraen las imágenes que ilustran la wiki (exportadas como PNG) y se arman las diapositivas finales que se usan en los talleres.
Dónde intervenimos nosotras¶
Este es el punto más importante. En cada paso del pipeline hay un punto de decisión humana:
| Paso | ¿Qué hace la IA? | ¿Qué decidimos nosotras? |
|---|---|---|
| Ingesta de fuentes | Extrae, estructura y clasifica hallazgos | Aprueba la clasificación, selecciona qué hallazgos usar |
| Redacción | Genera borrador de texto con citas | Aprueba, edita, redacta de nuevo o rechaza el texto |
| Cascada | Propone cambios en taller y wiki | Aprueba cada propagación individualmente |
| Interactividad | Propone quizzes y ejercicios | Selecciona cuáles incluir, edita el contenido |
| Diseño visual | Genera prompts e imágenes base | Edita, ajusta y decide el diseño final en Canva |
| Revisión editorial | Revisa claridad, tono, coherencia y citas | Acepta o descarta cada corrección propuesta |
| Publicación | Genera el sitio | Revisión final antes de publicar |
La IA nunca escribe sin permiso
En este pipeline, la IA nunca escribe directamente a un archivo sin aprobación explícita. El flujo siempre es: la IA muestra una vista previa → espera aprobación → solo entonces escribe. Si la propuesta se rechaza, se descarta.
Limitaciones¶
Hay cosas que la IA no puede hacer en este pipeline:
- Verificar hechos. La IA puede citar una fuente, pero no puede confirmar si el dato es correcto. Eso lo hacemos nosotras.
- Decidir relevancia editorial. ¿Este dato es importante para la audiencia? ¿Este ejemplo es pertinente para el contexto latinoamericano? Esas decisiones son humanas.
- Diseñar visualmente. La IA puede generar imágenes base, pero las decisiones de diseño (composición, accesibilidad, coherencia visual, armado de diapositivas) son humanas y se ejecutan manualmente en Canva.
- Evaluar impacto pedagógico. ¿Los estudiantes están aprendiendo? ¿Las actividades funcionan? Eso se mide en los talleres presenciales, no con IA.
Por qué transparentamos esto¶
Gracias a la integración y orquestación de agentes, pudimos realizar procesos que ya hacíamos antes, pero que nos tomaban más tiempo. Esta wiki, y los productos detrás del proyecto Descifrando la IA, son un ejemplo de cómo, a partir de entender a profundidad cómo funcionan estas herramientas (así como sus alcances y limitaciones), estas tecnologías pueden eliminar barreras y ayudarnos a materializar nuestras ideas y proyectos.
Si bien la incorporación de agentes y herramientas de IA agilizó un proceso que nos hubiera tomado semanas o incluso meses, para nosotras es importante compartir qué hicimos con el tiempo que se liberó:
- Leer a profundidad. Revisamos y leímos todas las fuentes incluidas en esta guía, no solo los extractos que generó la IA, sino los documentos completos.
- Escribir. Seguimos practicando nuestras habilidades de comunicación y redacción. La IA redacta borradores, pero aprender a escribir con claridad sigue siendo una habilidad nuestra.
- Aprender tecnologías nuevas. Nos acercamos a MkDocs, GitHub Pages y al proceso de orquestación de agentes.
- Hacernos más preguntas. El tiempo libre nos permitió profundizar, cuestionar y buscar formas nuevas de responder las preguntas que iban surgiendo.
Esperamos que esta guía te sirva de inspiración para crear y seguir aprendiendo.
Diagrama del pipeline¶
📄 Fuente
(URL, PDF, reporte)
│
▼
🤖 /read-source ──→ Tabla de hallazgos
│
▼
👩 Selección humana
"¿Qué incluimos?"
│
┌───────────────┼───────────────┐
▼ ▼ ▼
🤖 Podcast 🤖 Wiki/Taller 🤖 Prompt visual
(independiente) (cascada) (NotebookLM)
│ │ │
▼ ▼ ▼
👩 Revisión 👩 Revisión 👩 Edición manual
│ │ (Canva)
▼ ▼ │
Publicado Publicado ────┘
👩 = decisión humana 🤖 = asistencia de IA
Esta página se actualizó por última vez en abril 2026.