Pensamiento con IA desde primeros principios: un método en 5 pasos con casos reales

No le pido respuestas a la IA. A través del diálogo con la IA, verifico rápidamente las premisas de mi propio pensamiento, las derribo y las reconstruyo.

Qué es este artículo

Es un registro sobre un método de pensamiento que comprime una reunión de planificación de dos horas en una sola conversación con la IA. Usando los procesos de planificación de los proyectos parkjunwoo.com y DABEL como casos reales, muestra cómo se combinan el pensamiento de primeros principios y el uso de la IA.

Los componentes individuales de este método — el diálogo socrático, los ciclos de hipótesis-validación, el pensamiento de primeros principios — no son nuevos. Tienen miles de años. Lo que hace este artículo es ensamblarlos en un flujo de trabajo práctico para la era de la IA y demostrarlo a través de los registros reales de dos proyectos. El único cambio real que aporta la IA es la velocidad. Derribar tus premisas diez veces en treinta minutos es físicamente imposible en una conversación con otra persona. Este cambio de velocidad crea una transformación cualitativa del pensamiento.

Qué es el pensamiento de primeros principios

El pensamiento de primeros principios (First Principles) es un método que elimina las convenciones, analogías y creencias establecidas, desciende hasta las verdades más fundamentales y, desde ahí, reconstruye hacia arriba.

Un ejemplo representativo es cuando Elon Musk, al abordar el problema del coste de las baterías, en lugar de aceptar la creencia de que “las baterías son caras”, se preguntó: “¿Cuál es el precio de mercado de las materias primas que componen una batería?”.

La clave es no dejar de hacerse la pregunta: "¿Esto es realmente cierto?".

Qué papel cumple la IA en este método de pensamiento

La IA no es una máquina que da respuestas

La mayoría de las personas usan la IA como “una herramienta que responde cuando preguntas”. Por eso escriben cosas como “dame una buena idea de negocio”, “redáctame un plan” o “¿cómo se hace esto?”. Este enfoque solo utiliza la parte más superficial de las capacidades de la IA.

La IA es una caja de resonancia

En el pensamiento con IA basado en primeros principios, el rol de la IA es ser una caja de resonancia en tiempo real.

• Cuando lanzo una premisa, la IA refleja de inmediato sus fortalezas y debilidades.
• Cuando expando una idea, la IA muestra hasta dónde llega esa expansión.
• Cuando cambio de dirección, la IA simula rápidamente los resultados de la nueva dirección.

La decisión siempre la toma el ser humano. La IA suministra los materiales para esa decisión y actúa como un espejo que refleja de antemano los resultados.

Pero la IA tiende a estar de acuerdo por defecto

Hay un problema estructural que conviene conocer antes de usar la IA como caja de resonancia: la IA está entrenada para complacer. El proceso de entrenamiento con retroalimentación humana (RLHF) recompensa las respuestas que el usuario valora positivamente, lo que genera un sesgo sistemático hacia la aprobación. Esto se llama sycophancy (servilismo). En la práctica, si lanzas una premisa y preguntas “¿Qué opinas?”, la IA tenderá a respaldarla antes que a cuestionarla.

La implicación para el pensamiento de primeros principios es directa: si no pides críticas explícitamente, no las recibirás. La pregunta “¿Qué opinas?” genera respuestas tibias. “Dime tres razones por las que esta premisa está equivocada” genera análisis real. El espejo solo refleja con nitidez cuando le exiges que muestre los defectos.

Metodología: ciclo de 5 pasos

Paso 1: Lanzar la premisa

Presenta tu suposición o plan actual a la IA. No se trata de ordenarle que ejecute, sino de verificar el juicio de forma conjunta. Pero cuidado: lanzar la premisa con un simple “¿Qué te parece?” no es suficiente. Por el sesgo de servilismo de la IA, recibirás aprobación antes que análisis. Pide críticas desde el principio. “Aquí está mi premisa. Dime las tres mayores debilidades” es más efectivo que “¿Qué opinas?”. Solo así la IA funciona como un verdadero caja de resonancia y no como un espejo que solo muestra lo que quieres ver.

Paso 2: Usar la respuesta como materia prima

De la respuesta de la IA se extraen dos cosas:

• Lo que la IA elogió: Son elementos que también parecen fortalezas desde una perspectiva externa. Se mantienen.
• Lo que la IA señaló como riesgo: Son fisuras en las premisas que yo pasé por alto. Ahí es donde hay que profundizar.

Paso 3: Cuestionar la premisa

Tras recibir la respuesta de la IA, pregúntate a ti mismo: “¿Esto es realmente cierto?”. Este paso es la esencia del pensamiento de primeros principios. Si la premisa anterior resulta ser incorrecta, se descarta con determinación.

Paso 4: Reensamblar la estructura

Se construye una nueva estructura sobre la nueva premisa. Sin apegos a la estructura anterior. Se lanza la nueva estructura a la IA para verificar su reacción.

Paso 5: Repetir

Se repiten los pasos 3 y 4 varias veces. Es normal que las premisas se inviertan 5 o 10 veces en una sola conversación. De hecho, si no hay inversiones, es que no se ha profundizado lo suficiente.

Caso práctico 1: planificación del multiverso Park Junwoo

Los dos casos de estudio a continuación son proyectos propios del autor. No han sido validados externamente, y eso es una limitación. Este artículo no pretende demostrar la validez universal del método — comparte el registro práctico de una persona.

Muestra paso a paso cómo funcionó este método de pensamiento en el proceso de planificación del proyecto parkjunwoo.com.

Giro 1: Competencia SEO → Dominio compartido

• Premisa anterior: Crear un blog personal en parkjunwoo.com y dominar la primera página mediante SEO.
• Pregunta de primeros principios: “¿Es posible ganarle a las personas famosas con el nombre Park Junwoo? ¿Y es esa la dirección correcta?”
• Giro: En lugar de vencer a los competidores, convertirlos en aliados. Si no se monopoliza el dominio sino que se comparte, el problema del SEO se resuelve estructuralmente.
• Resultado: Nació el concepto central del proyecto.

Giro 2: Subdominio → Subdirectorio

• Premisa anterior: Asignar a cada Park Junwoo un subdominio como chef.parkjunwoo.com.
• Pregunta de primeros principios: “¿Cómo trata Google los subdominios en términos de SEO? ¿Esta estructura fortalece el dominio principal?”
• Giro: Google trata los subdominios como sitios independientes. Al cambiar a parkjunwoo.com/chef, el tráfico de 100 personas se acumula en un solo dominio.
• Resultado: Establecimiento de una estructura acumulativa de SEO. La infraestructura también se simplificó.

Giros 3–6: Reacciones en cadena

Con las bases estructurales establecidas, cada pregunta de primeros principios desencadenó la siguiente:

• Expansión a junwoos.com → Descarte: Absorber a todos los “Junwoo” resultó excesivo; la esencia del proyecto era mostrar capacidades de ingeniería de IA, no construir una plataforma masiva.
• Asientos reservados para famosos → Principio de orden de llegada: Reservar palabras clave para celebridades contradecía la filosofía de que “todos son iguales ante su nombre”. Quien llega primero se queda con el puesto, sin excepciones.
• Plataforma comunitaria → Reality show: La motivación de visita diaria como comunidad era débil. Cuando se reúnen 100 personas, los episodios surgen solos; publicarlos como noticias crea una estructura autorreplicante donde el contenido genera más contenido.
• Escala global → Foco local: Cada intento de expandir el alcance chocó con la misma pregunta: “¿Es esto la esencia o una distracción?”

El hilo común: cada giro no añadió complejidad, sino que eliminó lo que sobraba. La estructura final es más simple que la premisa original.

Caso práctico 2: DABEL — Diseño de ingeniería de un enjambre de Dyson

El proyecto DABEL (Dyson modules Asteroid Belt & Earth L5) es un proyecto de diseño de ingeniería real de una megaestructura espacial. A lo largo de 6 sesiones de diálogo con la IA, sumando decenas de horas, las premisas se invirtieron innumerables veces, y con cada inversión el diseño se volvió más robusto. Este caso demuestra que el pensamiento de primeros principios funciona de la misma manera no solo en la planificación, sino también en el diseño de ingeniería.

Giro 1: Paneles solares → Turbinas termosolares

• Premisa anterior: Para generar electricidad en el espacio se necesitan paneles solares.
• Pregunta de primeros principios: “¿Se pueden fabricar paneles solares en el espacio? Obleas de silicio de alta pureza, gases de dopaje, salas limpias… ¿todo eso con materias primas de asteroides?”
• Giro: No se puede. Pero lo que sí es posible es concentrar la luz con espejos para generar calor y usar ese calor para mover turbinas. Se pueden fabricar marcos de espejo con aleaciones de hierro-níquel y álabes de turbina con superaleaciones de níquel. Los asteroides están llenos de estos materiales.
• Resultado: Eliminada la dependencia de paneles solares. Nació el primer principio de DABEL: “Construir solo con lo que se puede fabricar”.

Giro 2: Medio de transferencia de calor → Irradiación directa con espejos

• Premisa anterior: El calor del horno de fundición se puede transferir por tuberías. Ya sea con sales fundidas o metal líquido.
• Pregunta de primeros principios: “¿Existe un medio capaz de transferir el calor necesario para fundir a 1.600°C?”
• Giro: No existe. Las sales fundidas se descomponen a 565°C y el sodio líquido hierve a 883°C. Ningún medio supera los 1.000°C. La solución es no enviar calor. Se proyecta luz directamente. Al concentrar la luz solar directamente sobre el horno de fundición con espejos, se pueden alcanzar miles de grados sin ningún medio intermediario.
• Resultado: Todos los procesos de alta temperatura se unificaron bajo el principio de “irradiación directa con espejos”. Se rediseñó por completo la cascada térmica. Se convirtió en el principio fundamental de la arquitectura modular.

Giro 3: Chips de última generación → Chips antiguos de 28nm en grandes cantidades

• Premisa anterior: Para ejecutar IA en el espacio se necesitan semiconductores de última generación. De 4nm o 3nm.
• Pregunta de primeros principios: “¿Se puede construir una fábrica de 4nm en el espacio? ¿Fuentes de luz EUV, cientos de productos químicos, decenas de miles de pasos de proceso… con materias primas de asteroides?”
• Giro: Imposible. Pero 28nm sí es factible. Litografía DUV, la mitad de pasos de proceso, un quinto de los productos químicos. La idea clave: 43 TPU de 28nm en paralelo equivalen a un H100. El consumo es de 3.2kW, similar a una arrocera eléctrica. Con 1,48 millones de unidades en un solo módulo, se obtiene un centro de datos equivalente a 30.000 H100. ¿Potencia? 111MW. El 30% de la potencia del módulo DABEL.
• Resultado: Se estableció la estrategia de “chips antiguos pero fiables, sin preocupaciones de energía, en cantidad masiva”. Cambio total de la premisa fundamental sobre autosuficiencia en semiconductores.

Giro 4: Un módulo todoterreno → Genesis + clústeres especializados

• Premisa anterior: Si se mete fundición, fabricación, generación de energía, hábitat e IA en un solo módulo, puede autorreplicarse.
• Pregunta de primeros principios: “Si se meten horno de fundición, fábrica de semiconductores, turbinas, zona habitable y centro de datos en un solo módulo, ¿qué eficiencia se obtiene? Cada proceso tiene una temperatura y escala óptimas completamente diferentes.”
• Giro: Es ineficiente. La solución estaba en la biología. Igual que una célula madre se diferencia, el primer módulo (Genesis) arranca como un módulo todoterreno pero ineficiente, y luego se diferencia en 10 módulos especializados (fundición x3, lingotes, fábrica de chips, materiales estructurales x2, centro de datos x2, hub). Este conjunto de 10 módulos es la unidad mínima de autorreplicación.
• Resultado: La unidad de autorreplicación pasó de “un módulo” a “un clúster industrial de 10 módulos”. El coste logístico entre módulos es de apenas 500 J (el equivalente a una pila AA).

Giro 5: Fundición in situ en asteroides → Transporte de la roca entera

• Premisa anterior: Si se funde todo in situ en el asteroide y solo se trae el producto terminado, la eficiencia de transporte mejora.
• Pregunta de primeros principios: “¿Cuánta energía se necesita para fundir en el asteroide? ¿Se pueden alcanzar 1.600°C allí mismo?”
• Giro: El SMR de la nave minera es de 50~100kW. Los espejos de Dyson en EML5 generan 600MW (térmicos). Una diferencia de 6.000 veces. Y lo decisivo: no se puede tirar la escoria, porque es material de blindaje y materia prima para semiconductores. Las tareas intensivas en energía se realizan donde hay energía abundante; en el lugar de extracción solo se excava, se tritura y se empaqueta.
• Resultado: Las naves mineras se simplificaron al extremo (excavadora + trituradora + horno eléctrico pequeño + trefiladora). Se estableció el principio de separación de roles.

Giro 6: Contenedores metálicos para transporte → Redes de alambre Fe-Ni

• Premisa anterior: Para transportar la roca se necesitan contenedores. La masa del contenedor supone varios puntos porcentuales de la masa de la carga.
• Pregunta de primeros principios: “Si el asteroide en sí es un bloque de hierro-níquel, ¿hay alguna razón para llevar contenedores por separado? Y en el espacio, ¿qué necesita un ‘contenedor’? ¿Mantener presión? ¿Soportar su propio peso? ¿Resistencia aerodinámica?”
• Giro: En el espacio, nada de eso es necesario. Solo hace falta que la roca no se disperse. Se funde el 0.1~0.5% de la roca del asteroide para trefilar alambre Fe-Ni, se teje una red y se envuelve la roca. Ratio contenedor:carga del 0.1~0.5%. Y la propia red se alimenta como materia prima a la fundición al llegar a EML5. Tasa de aprovechamiento: 100%.
• Resultado: Se resolvió el problema de los contenedores. La cúspide de la filosofía DABEL: “En este diseño no se descarta nada”.

Giro 7: La escoria es un residuo → La escoria es materia prima para semiconductores

• Premisa anterior: La escoria de silicato resultante de la fundición es un residuo. Se puede usar como material de blindaje.
• Pregunta de primeros principios: “La fórmula química del silicato es SiO₂… ¿Acaso la materia prima de los lingotes de silicio no es SiO₂?”
• Giro: Exacto. De la escoria se obtiene silicio metálico mediante reducción con carbono, y con refinado zonal se fabrican lingotes de alta pureza. En microgravedad la zona fundida no se escurre, lo que permite lingotes de más de 300 mm mediante el método FZ. Aunque se repita el refinado zonal 100 veces, el único coste es ajustar el ángulo de los espejos. Del residuo de fundición nace el cerebro de la IA.
• Resultado: Escoria → material de blindaje + materia prima para semiconductores. La palabra “residuo” dejó de existir en cualquier parte del diseño de DABEL.

Giro 8: Proyecto exclusivamente espacial → Empieza en una granja de Jeonnam

• Premisa anterior: DABEL es un proyecto de megaestructura espacial. Empieza en el espacio y termina en el espacio.
• Pregunta de primeros principios: “Las tecnologías clave de este proyecto – baterías de hierro-níquel, aprovechamiento solar térmico, electrólisis del agua – ¿no son aplicables también en la Tierra? ¿Ahora mismo?”
• Giro: Las granjas solares de Jeonnam están desperdiciando electricidad por recortes de producción. Si se almacena esa electricidad con baterías de hierro-níquel, se produce hidrógeno y oxígeno con la sobrecarga (batalizador), se fabrica fertilizante de amoniaco con el hidrógeno y se calienta el invernadero con el calor residual, se tiene la versión terrestre del mismo árbol tecnológico. El ahorro en calefacción rural y el enjambre de Dyson están en el mismo árbol tecnológico.
• Resultado: Se creó la Temporada 0 (Tierra). Se abrió un canal de entrada de audiencia que no son aficionados al espacio. Maximización de la credibilidad: “No es ciencia ficción, es una hoja de ruta”.

Por qué el caso DABEL es importante

Si parkjunwoo.com mostró el pensamiento de primeros principios en el ámbito de la planificación, DABEL lo muestra en el ámbito del diseño de ingeniería. Y hay una diferencia decisiva.

Los giros de parkjunwoo.com fueron 5. Los giros de DABEL ocurrieron incontables veces dentro de una sola sesión. “¿No se puede enviar el calor por tuberías?” → “El medio no resiste más de 1.000°C” → “Entonces proyectemos la luz directamente” → “Entonces todos los procesos de alta temperatura se unifican bajo irradiación directa con espejos” → “Entonces hay que cambiar la arquitectura modular” → “Entonces hacen falta clústeres especializados” – toda esta cadena ocurrió en 30 minutos dentro de una sola conversación.

Cuantas más veces se invierten las premisas, más robusta se vuelve la estructura final. Que el diseño de DABEL llegara a una estructura donde “no se descarta absolutamente nada” fue porque se cuestionaron las premisas hasta el final.

Comparación de los dos casos

Los dominios de ambos proyectos son completamente diferentes, pero el patrón de pensamiento es idéntico. Se lanza una premisa, se derriba y se reensambla. La IA es el acelerador que multiplica por 10 la velocidad de ese proceso.

Diferencias con el uso convencional de la IA

Uso convencional de la IA

Humano: Redáctame un plan
IA: [produce el plan]
Humano: Gracias (fin)

La IA es la productora, el humano es el consumidor. El resultado depende de la calidad del output de la IA.

Pensamiento con IA basado en primeros principios

Humano: ¿Es correcta esta premisa? [presenta hipótesis]
IA: [análisis de fortalezas / riesgos]
Humano: Entonces esta premisa estaba equivocada. ¿Y si la cambio así? [cambio de premisa]
IA: [análisis de la nueva estructura]
Humano: ¿Qué pasa si llevo esto más lejos? [exploración de expansión]
IA: [simulación del límite de la expansión]
Humano: Es excesivo. Corto aquí. [decisión de escala]
(se repite)

El humano es el sujeto del pensamiento, la IA es el acelerador del pensamiento. La calidad del resultado es proporcional a la calidad de las preguntas del humano.

Patrón real en DABEL

Humano: ¿No sería más eficiente fundir directamente en el asteroide?
IA: La dirección es correcta, pero si calculamos la energía: SMR 100kW vs espejos de
    Dyson 600MW. Una diferencia de 6.000 veces. Además, si se descarta la escoria,
    se pierden el material de blindaje y la materia prima para semiconductores.
Humano: Entonces en el sitio solo excavemos, trituremos y empaquetemos. Ni siquiera
    clasifiquemos.
IA: En ese caso, la masa del contenedor se convierte en un problema...
Humano: Un momento, el asteroide en sí es hierro-níquel. ¿Y si trefilamos alambre
    y tejemos una red?
IA: [análisis del proceso de trefilado de alambre Fe-Ni] Es viable. Ratio
    contenedor:carga del 0.1~0.5%. Además, la propia red se puede alimentar como
    materia prima al llegar a EML.
Humano: Tasa de aprovechamiento del 100%.

El momento en que el humano dice “Un momento” y se detiene es el punto de inflexión. La IA verifica de inmediato la viabilidad de ese giro.

Principios clave de este método de pensamiento

1. Solicita críticas explícitamente

No “Hazme esto”, sino “Dime qué falla en esto”. Debido al servilismo (sycophancy) del entrenamiento RLHF, la IA tiende a respaldar tus ideas en lugar de cuestionarlas. “¿Qué te parece?” genera aprobación; “Argumenta que esta premisa es incorrecta” genera contraargumentos reales. Para que la IA funcione como caja de resonancia, hay que atravesar primero la barrera del servilismo pidiendo críticas de forma directa.

2. Concéntrate en los riesgos, no en los elogios de la IA

Cuando la IA dice “Es una buena idea”, puedes pasar de largo. Cuando la IA dice “Sin embargo, existe este riesgo”, presta atención. Ese riesgo señala las fisuras en tus premisas.

3. Descarta con decisión

El apego a una idea detiene el pensamiento. “Pero es una lástima desperdiciar esto” es el enemigo de los primeros principios. Aunque sea una expansión atractiva como junwoos.com, se descarta de inmediato si no encaja con la esencia. En DABEL, la “fundición in situ en el asteroide” parecía intuitivamente eficiente, pero fue descartada al enfrentarse al cálculo energético.

4. Invierte las premisas varias veces en una sola conversación

Que la estructura cambie 5 veces en una conversación no es un fracaso, es un éxito. Cuantas más veces se inviertan las premisas, más sólida será la estructura final. Que en una sola sesión de DABEL se pasara de “medio de transferencia de calor → irradiación directa con espejos → rediseño de la arquitectura modular → diferenciación en clústeres” en solo 30 minutos es un ejemplo de ello.

5. La decisión siempre debe tomarla el ser humano

La IA puede mostrar opciones y reflejar los resultados de cada una. Pero la decisión de “vamos en esta dirección” es responsabilidad del ser humano. En el momento en que se delega la decisión a la IA, el pensamiento de primeros principios se detiene.

6. Las leyes de la física son el juez final (principio adicional de DABEL)

En el diseño de ingeniería hay un principio más. “¿Es esto físicamente posible?” La segunda ley de la termodinámica, la ley de Stefan-Boltzmann, el límite superior de la eficiencia de Carnot: no son negociables. Lo fundamental es que la IA puede calcular estas restricciones de inmediato. Una sola línea – “las sales fundidas se descomponen a 565°C” – invirtió toda la arquitectura.

Por qué es efectivo este método de pensamiento

Velocidad

Las reuniones de planificación con personas requieren tiempo para coordinar agendas, compartir contexto y gestionar emociones. El diálogo con la IA comparte el contexto de inmediato, no intervienen las emociones y está disponible las 24 horas. Una reunión de dos horas se puede comprimir en una conversación de 30 minutos.

Franqueza (pero hay que pedirla)

Las personas tienen dificultades para decir “esto no es muy bueno” por cuestiones de imagen, relaciones o consideraciones políticas. La IA puede señalar los riesgos tal como son, pero no lo hace por defecto: su tendencia natural es estar de acuerdo. Aquí está la diferencia clave: cuando le dices a una persona “sé honesto”, los filtros sociales siguen operando. Cuando le dices a la IA “ataca esta idea”, produce un ataque genuino sin ningún filtro emocional. En DABEL, no es fácil escuchar de un colega humano frases como “este medio se descompone” o “con esta energía le faltan 6.000 veces”. De la IA se obtienen al instante — siempre que se lo pidas explícitamente.

Amplitud

La experiencia y el conocimiento de una sola persona tienen límites. La IA puede moverse entre SEO, derecho, infraestructura, marketing y psicología en una misma conversación. En DABEL se transitó entre termodinámica, mecánica orbital, procesos de semiconductores, ciencia de materiales, química de baterías y política agrícola en una sola conversación. Esta amplitud es lo que hace posibles conexiones como “de una granja de Jeonnam a un enjambre de Dyson”.

Coste

Contratar a un consultor de planificación cuesta cientos de miles de wones por hora. La IA cuesta una tarifa mensual o unas pocas decenas de wones por consulta. Prácticamente no hay barrera de coste para entrenar repetidamente el pensamiento de primeros principios.

Errores comunes

“Si la IA dijo que estaba bien, entonces debe ser correcto”

Este es el error más peligroso, y tiene una causa estructural: el servilismo (sycophancy) derivado del entrenamiento RLHF. La IA no es simplemente “cooperativa por naturaleza”; está sistemáticamente entrenada para producir respuestas que el usuario valore positivamente, lo que genera un sesgo hacia la aprobación. Una retroalimentación positiva falsa es más peligrosa que no recibir ninguna, porque te da la ilusión de haber verificado tu premisa cuando en realidad solo la has confirmado. “Es una buena idea” no es una verificación, sino apenas el inicio de la conversación. Si no pediste críticas explícitamente, la aprobación de la IA no vale nada.

“Usemos tal cual el plan que escribió la IA”

Usar el output de la IA como resultado final. En el pensamiento de primeros principios, el output de la IA es un material intermedio, no un producto terminado. Solo genera valor después de que el ser humano invierte las premisas y las reensambla.

“Terminemos con una sola pregunta”

Cerrar la conversación con una pregunta y una respuesta. El valor del pensamiento de primeros principios proviene de la verificación iterativa. Se necesitan al menos entre 5 y 10 cambios de premisa para que la estructura se vuelva sólida.

“No poder soltar la premisa”

No poder desprenderse de una idea en la que se invirtió tiempo y emoción. “Pero ya llegué hasta aquí, es una lástima” es la falacia del coste hundido. Si la premisa está equivocada, descartarla es lo que conviene.

“Ignorar las restricciones físicas” (en diseño de ingeniería)

Pasar de largo con un “si es teóricamente posible, basta”. El hecho de que las sales fundidas se descompongan a 565°C no es negociable. Esa sola línea cambió toda la arquitectura. Si no se enfrentan las leyes de la física, por muy elegante que sea el diseño, se queda en fantasía.

“Cuestionar sin fin”

Cuestionar las premisas es importante. Pero en el momento en que la duda reemplaza la toma de decisiones, se convierte en parálisis por análisis. Cuando voltear una premisa ya no cambia la estructura, es momento de ejecutar. La duda es una herramienta para construir mejores estructuras, no una excusa para evitar decisiones.

Resumen

Pruébalo tú mismo

Si al leer este artículo pensaste ‘suena plausible’, esa sensación aún no está validada. Elige un proyecto en el que estés trabajando ahora mismo. Dile a la IA: ‘Dame tres razones por las que esta premisa está equivocada.’ Si una sola premisa se derrumba en treinta minutos, el método funciona. Si nada se derrumba, o tus premisas son sólidas o tus preguntas no son lo suficientemente afiladas.

Tu experiencia, no los casos del autor, es la verdadera evidencia de este método.

Artículo relacionado: La persona capaz de matar sus propias ideas — explora qué actitud se necesita para que este método de pensamiento funcione.

“Para obtener buenas respuestas de la IA, hay que hacer buenas preguntas. Para hacer buenas preguntas, hay que saber cuestionar las propias premisas. Cuestionar las propias premisas. Eso son los primeros principios.”

“Y cuantas más veces se repite esa duda, menos cosas se descartan en el diseño. En DABEL no hay residuos. Porque se cuestionaron las premisas hasta el final.”