Hombre invirtió 159 dólares en herramientas de IA y redujo su carga de trabajo en 23 horas cada semana

El profesional y creador de contenido Giovanni Stella, conocido por su proyecto educativo IA con Canas dirigido a personas de 40 años en adelante, compartió recientemente en LinkedIn una experiencia que cambió por completo su manera de trabajar. Durante un mes decidió invertir 159 dólares en herramientas de inteligencia artificial para potenciar su productividad. El resultado fue sorprendente: logró ahorrar 23 horas semanales gracias a un conjunto de aplicaciones que se complementan entre sí y que él mismo denomina su “stack de IA”.

A continuación, se presentan las herramientas que utilizó, cómo las aplicó en su día a día y los errores que recomienda evitar para aprovecharlas al máximo.

El especialista seleccionó 10 aplicaciones de IA con distintas funciones: desde redactar textos y analizar documentos hasta crear presentaciones, automatizar tareas y generar imágenes. Estas son las más destacadas:

• Claude – Ideal para textos largos, análisis de contexto y lectura de PDFs extensos.
• Perplexity – Un buscador de IA que ofrece respuestas con fuentes verificables.
• NotebookLM – Convierte documentos en podcasts para escucharlos fácilmente.
• Gamma – Transforma esquemas en presentaciones profesionales en minutos.
• Granola – Transcribe reuniones y genera resúmenes organizados.
• Manus – Automatiza tareas complejas al integrarse con correo y calendario.
• Midjourney – Genera imágenes únicas con gran nivel de detalle.
• Lovable – Permite crear aplicaciones funcionales con simples prompts.
• Notion AI – Resume, traduce y organiza información dentro de notas personales.
• Gemini – Procesa grandes volúmenes de datos, documentos y videos completos.

Según Stella, cada una de estas herramientas le permitió ahorrar varias horas semanales en diferentes áreas de su trabajo, sumando un total de 23 horas liberadas que ahora puede invertir en tareas estratégicas y personales.

Giovanni no solo usó estas plataformas, sino que también compartió los trucos que le ayudaron a aprovecharlas mejor:

• Claude: subir PDFs de hasta 100 páginas y hacerle preguntas específicas.
• Perplexity: utilizarlo para fact-checking antes de enviar informes a clientes.
• NotebookLM: convertir contratos en audios para escucharlos mientras conduce.
• Gamma: pegar un esquema y dejar que genere la presentación automáticamente.
• Granola: conectarlo al CRM para generar follow-ups sin esfuerzo.
• Manus: darle acceso al correo y calendario para que gestione tareas complejas.
• Midjourney: usar el comando --style raw para obtener imágenes más realistas.
• Lovable: comenzar los prompts con “Create a simple…” para mejores prototipos.
• Notion AI: diseñar plantillas con prompts predefinidos.
• Gemini: subir videos largos para que los analice de forma automática.

Stella también advirtió que no basta con probar estas herramientas: hay que saber cómo y cuándo utilizarlas. Según él, existen tres errores frecuentes que pueden restar efectividad a la inversión:

1. Depender de una sola herramienta: cada aplicación tiene una especialidad.
2. No combinarlas: el verdadero valor está en integrarlas como un stack.
3. Pagar sin probar: casi todas ofrecen pruebas gratuitas, por lo que conviene testear antes de comprometerse con una suscripción.

La experiencia de Giovanni Stella demuestra que la clave no está en elegir una única herramienta, sino en armar un ecosistema de inteligencia artificial que se complemente. Este enfoque no solo aumenta la productividad, sino que también ayuda a profesionales de todas las edades a adaptarse a la nueva era digital.

Su mensaje final es claro: invertir en IA de forma inteligente puede liberar tiempo valioso, siempre que se usen las aplicaciones adecuadas, se combinen entre sí y se eviten los errores más comunes.

Es pertinente señalar que un stack de IA es un conjunto de herramientas, tecnologías y servicios que se integran para desarrollar, implementar y operar soluciones de inteligencia artificial. Este conjunto suele incluir hardware, plataformas de datos, algoritmos, frameworks de aprendizaje automático y servicios en la nube.

El objetivo del stack es facilitar el desarrollo y la gestión de modelos de IA, optimizando cada etapa del proceso, desde la recopilación de datos hasta la puesta en producción y el monitoreo de resultados.