Al conversar con Dots, de OpenAI, reconocí algo que ya formaba parte de mi rutina: hablar con un asistente, mantener contexto entre conversaciones y dejar trabajo en marcha.

Yo ya venía construyendo eso en mi propio entorno. Y, para mi trabajo, conversar directamente con él sigue funcionando mejor.

Suena un poco atrevido decirlo frente a un producto nuevo de OpenAI. Pero el motivo es concreto: invertí tiempo en explicar cómo trabajo, registrar mis decisiones y convertir criterios en instrucciones que el asistente puede usar. La conversación empieza con una parte importante de ese trabajo ya hecha.

Precisamente porque la propuesta de Dots me parece interesante, quiero hablar de esto.

Qué propone Dots

La propuesta es conversar con un asistente que mantiene continuidad y puede volver con trabajo en marcha. Para eso, usa contexto persistente y fuentes conectadas con permiso.

Sus notas persistentes registran preferencias, decisiones y trabajo; no son una transcripción completa. También puede retomar tareas por horario o por eventos compatibles con la integración, cuyo seguimiento hayas solicitado.

La guía inicial describe investigación sin un nuevo pedido y tareas programadas. Always-on incluye trabajo entre conversaciones; no establece una frecuencia universal de comprobación.

Dots puede crear tareas locales y retomar una tarea local identificada en Codex, el entorno de OpenAI para ejecutar tareas de programación con agentes, sistemas que eligen pasos y usan herramientas. El ordenador debe estar conectado, en línea y con la aplicación de escritorio ChatGPT abierta. El acceso local es opcional y permite usar archivos y procedimientos reutilizables (skills).

Eso cambia dónde sitúo la comparación.

Por qué la conversación con mi harness rinde más

Yo ya conversaba por voz con mi entorno de agentes. Llevaba una idea, una inquietud o un trabajo por hacer, y los contratos ayudaban a orientar lo que venía después.

Llamo a esa estructura harness: el entorno que reúne contexto, herramientas, memoria y reglas para convertir la capacidad del modelo en trabajo.

El modelo de inteligencia artificial (IA) interpreta el pedido; el harness organiza las condiciones para que trabaje.

Cuando digo “contrato”, hablo de instrucciones escritas sobre responsabilidades, límites y criterios de calidad. Cuando digo “skill”, hablo de un procedimiento reutilizable que orienta una tarea y su verificación. Una nota registra contexto o una decisión; una skill explica cómo trabajar con eso.

Dots también ofrece reglas personalizadas (Custom Rules) para orientar acciones respetando las aprobaciones obligatorias del producto. Eso ya cubre parte de lo que llamo contrato. En mi uso, la diferencia está en el alcance y la madurez del método que construí.

En mi uso actual, la conversación directa con ese harness es más efectiva que la conversación con Dots. Ahí, los criterios que construí están organizados para usarlos en el trabajo. Puedo hablar con naturalidad porque no necesito recitar el método entero en cada pedido.

Es la diferencia que exploré al hablar de instrucciones a la IA (prompts) en “Si tienes que recordar el prompt correcto, tu harness todavía no ha aprendido el trabajo”. Si tengo que recordar por mi cuenta cada verificación, cada límite y cada procedimiento, sigo llevando una parte grande de la operación en la cabeza.

Esta comparación parte de mi experiencia. No medí todos los recursos de Dots. Lo que construí tiene una ventaja de madurez para mi contexto: acumula decisiones mías sobre cómo debe funcionar la operación.

Poner un archivo a disposición del asistente es un paso. Hacer que el criterio de ese archivo aparezca en la conversación y oriente la ejecución exige integración, pruebas y correcciones.

Lo que anota sobre mí y lo que yo decido escribir

Un asistente que sigue conversaciones necesita seleccionar qué guardar. Esa selección puede ayudar mucho: evita repetir contexto y permite retomar temas.

Pero una inferencia del sistema sobre mí puede estar equivocada. Y una preferencia percibida en una conversación no tiene, automáticamente, la autoridad de una decisión que confirmé.

En mi harness, puedo discutir una interpretación, corregir una nota y definir qué debe convertirse en contrato. Como expliqué en “Mi harness aprende, pero no reescribe el pasado”, quiero que el aprendizaje conserve su origen y la posibilidad de revisión.

La página de preguntas frecuentes sobre privacidad de Dots informa que hoy la interfaz no permite ver, corregir ni borrar memorias individuales generadas por el dot. Eso importa cuando una interpretación personal empieza a orientar acciones.

Quiero poder examinar qué sostiene una decisión y modificar el procedimiento que falló. También quiero un contrato que le indique al agente que muestre evidencia contraria cuando mi idea no se sostiene. Conocerme mejor también implica saber cuándo cuestionarme.

La herramienta mejora. Mi método debe acompañarla

Con el tiempo, Dots puede resultar más efectivo para mí. Mi comparación describe el flujo que uso hoy.

También entiendo el valor de empezar con un producto listo para usar. Construir y mantener un harness lleva trabajo; no todo el mundo necesita montar una estructura extensa para resolver una necesidad sencilla.

Lo que mi experiencia sugiere es que vale la pena invertir en el método que estas herramientas van a usar. Cuando mejoro una skill, aclaro una responsabilidad o registro una decisión revisable, puedo reutilizar ese trabajo más allá de aquella conversación.

Si Dots ya te parece útil, imagina qué puede cambiar cuando el asistente encuentra criterios explícitos sobre tu trabajo. El primer paso puede ser pequeño: elegir una tarea recurrente, escribir cómo reconocer una buena entrega, decir qué exige tu autorización y comprobar si el agente sigue esas reglas.

Si falla, tienes algo concreto que corregir.

Tengo ganas de enseñar esto

Estoy considerando una mentoría para ayudar a las personas a construir su propio harness, a partir del trabajo que necesitan realizar.

Es lo que a veces llamamos un “segundo cerebro”: una estructura para externalizar contexto y aumentar la capacidad de ejecución. La metáfora tiene un límite. La dirección sigue siendo de la persona, y el sistema necesita revisión.

Me gustaría enseñar a organizar notas, contratos y skills de modo que la conversación pueda conducir a un resultado verificable. También a reconocer cuándo basta una herramienta lista para usar y cuándo tiene sentido construir algo propio.

Si tienes interés real en aprender, escríbeme y cuéntame qué trabajo te gustaría mejorar. Estoy considerando ese camino, y conocer los problemas de quienes quieren aprender forma parte de esa decisión.

Dots puede ser una buena puerta de entrada. La experiencia que quiero compartir es cómo seguir construyendo a partir de ahí, poniendo tu criterio en el trabajo que ejecuta la IA.

Para profundizar

• El modelo es solo el motor. El harness de IA es el coche entero: la referencia principal del blog para entender las piezas de esta estructura.
• ChatGPT ya sabe mucho sobre ti. Antes de confiar, pídele que lo demuestre: cómo examinar interpretaciones personales antes de usarlas como reglas.

Referencias y límites de uso

• OpenAI, “Introducing dots”: propuesta del producto; no compara su rendimiento con mi harness.
• OpenAI, “Tasks and memory”: contexto persistente y reanudación de tareas; no establece una frecuencia universal de comprobación.
• OpenAI, “Getting started with your dot”: configuración y tareas recurrentes; no demuestra el uso de mis contratos.
• OpenAI, “Connect computers and apps”: acceso local y coordinación con Codex; dependen de los permisos concedidos.
• OpenAI, Codex: presentación del entorno de agentes de programación.
• OpenAI, preguntas frecuentes sobre privacidad y seguridad de Dots: controles actuales de datos y memorias; pueden cambiar con el producto.
• OpenAI, seguridad y privacidad en Dots: reglas personalizadas y aprobaciones; no compara el producto con mi método.
• Forte Labs, “Building a Second Brain”: organización del conocimiento; uso metafórico, sin afirmar que sigo el método.

La comparación de efectividad en este texto es mi relato de uso, sin medición controlada. Las fuentes describen Dots; el criterio para organizar mi trabajo y la idea de mentoría son míos.