Al trabajar con IA, me detengo antes de escribir algo en el cuadro para hacerme una pregunta: ¿qué espero de la IA? ¡2x2 al rescate! ¿En qué caja estoy? En un eje, cuánto contexto proporciono: no mucho o bastante. Por otro, si debería ver la IA o dejarla correr. Si proporciono muy poca información y dejo que el sistema funcione: 'investiga las tendencias de los ingenieros desplegados hacia adelante', obtengo resultados desechables: amplias descripciones generales sin detalles relevantes. Ejecutar el mismo proyecto con una serie de preguntas cortas produce una conversación iterativa que tiene éxito: una exploración. "¿Qué empresas han implementado ingenieros desplegados hacia adelante (FDE)? ¿Cuáles son los antecedentes típicos de los FDE? ¿Qué tipos de estructuras de contrato y negocios se prestan a este trabajo?" Cuando tengo una tolerancia muy baja a los errores, proporciono un contexto extenso y trabajo iterativamente con la IA. Para publicaciones de blog o análisis financiero, comparto todo (borradores actuales, escritos anteriores, requisitos detallados) y luego procedo oración por oración. Dejar que un agente corra libremente requiere definir todo por adelantado. Rara vez tengo éxito aquí porque el trabajo inicial exige una tremenda claridad: objetivos exactos, información completa y listas de tareas detalladas con criterios de validación, un esquema. Estas indicaciones terminan pareciéndose a los documentos de requisitos del producto que escribí como gerente de producto. La respuesta a '¿qué espero?' se volverá más fácil a medida que los sistemas de IA accedan a más de mi información y mejoren en la selección de datos relevantes. A medida que mejoro en la articulación de lo que realmente quiero, la colaboración mejora. Mi objetivo es sacar muchas más de mis preguntas del cubo superior izquierdo, cómo me entrenaron con la búsqueda de Google, a los otros tres cuadrantes. También espero que este hábito me ayude a trabajar mejor con las personas.