Cómo escribir cosas que nadie más puede

Artículo original ↗ Discusión en Hacker News ↗

Escritores y tecnólogos están examinando cómo producir trabajo verdaderamente original en una era en la que Google y los modelos de lenguaje de gran tamaño pueden encontrar y recombinar la mayor parte de la información pública. Muchos ven una ventaja duradera en el contexto humano, el conocimiento profundo del dominio y las fuentes “fuera de los caminos habituales”, como libros poco conocidos, conversaciones privadas y entrevistas con expertos infravalorados, y sostienen que la IA sigue estando en gran medida limitada por los datos existentes. La conversación también aborda implicaciones prácticas para las carreras y la contratación, sugiriendo que quienes hacen el trabajo de investigar a personas e ideas fuera del radar pueden obtener una ventaja significativa en campos saturados.

Ventaja informativa en la era de Google y los LLMs

  • Varios comentaristas coinciden en que la web y los motores de búsqueda diluyen la “ventaja informativa”, pero sostienen que todavía estamos lejos de estar plenamente interconectados.
  • El verdadero cuello de botella es la búsqueda y el descubrimiento, no la conectividad; las personas e informaciones útiles y accionables son difíciles de encontrar.
  • Los libros, las fuentes científicas o de pago, y las conversaciones directas se consideran bases de conocimiento clave fuera de la web.
  • Hay preocupación de que la gente comparta menos abiertamente (por ejemplo, debido a la comercialización del software de código abierto).

Capacidades y límites de los LLMs

  • Algunos ven los LLMs como herramientas avanzadas de recuperación y remixado; otros argumentan que pueden aplicar conceptos conocidos a dominios nuevos e hipotéticos.
  • Ejemplo: usar IA para diseñar sistemas legales en un mundo mágico impresionó a algunos, pero otros señalan que eso es solo “nuestro mundo, más magia”, y que ya está ampliamente cubierto en la ficción.
  • Hay un fuerte debate sobre la “inteligencia” y la “emergencia”:
    • Un lado: los modelos son solo herramientas, limitadas por el código y los datos, fundamentalmente históricas y sin comprensión real.
    • El otro lado: el comportamiento surge de los datos de entrenamiento, no de una programación explícita; incluso modelos simples de ML “aprenden” de los datos.
  • Quejas prácticas: APIs/configuraciones alucinadas, mal uso de bibliotecas y contaminación del conocimiento interno especializado con información pública incorrecta.
  • Consenso: son muy útiles como asistentes rápidos y conocedores, pero no son fiables para trabajo profundo o fuera de los caminos habituales sin supervisión.

Encontrar fuentes únicas y escribir piezas distintivas

  • Muchos ven que las tácticas descritas (indagar en empleados menos conocidos, búsquedas profundas en LinkedIn, búsquedas en Spotify/podcasts) son básicamente “buen periodismo”, aunque siguen siendo valiosas.
  • A algunos les resulta incómodo el énfasis en “ponerse por delante de los competidores”; otros señalan que, en mercados saturados de newsletters, la ventaja competitiva es supervivencia, no vanidad.
  • Se aprecia mostrar el trabajo táctico y minucioso detrás de una escritura aparentemente simple; otros lo desestiman como trivial o “blogspam”.

Contratación, potencial y leer entre líneas

  • Varios aplican las tácticas de investigación del artículo a la contratación: mirar más allá de perfiles pulidos y grandes marcas para detectar talento fuera del radar.
  • Se debate sobre los títulos C inflados y breves en startups de gente en edad universitaria:
    • Algunos los ven como una señal potencial matizada si se entiende el contexto.
    • Otros consideran que los títulos de “nivel C” en fases tempranas son una señal de alerta o de inmadurez.
  • Se dice que los bootcamps y la optimización de LinkedIn diluyen heurísticas antiguas como “programa en su tiempo libre” o “tiene proyectos en GitHub”.
  • Hay opiniones divididas sobre un LinkedIn muy curado: para algunos, una señal de alerta; para otros, una inversión racional y de alto apalancamiento en visibilidad.

Liderazgo, confrontación y cultura en software

  • Un hilo argumenta que unas pocas contrataciones clave cambian la trayectoria de una empresa principalmente por el liderazgo, no por la habilidad bruta.
  • Las afirmaciones de que el software carece de liderazgo real provocan rechazo: muchos informan de líderes sólidos y de bastante comportamiento que va contra la corriente, especialmente fuera de la gran empresa.
  • Hay desacuerdo sobre “los líderes fuertes bajan la amabilidad a cero”:
    • Los críticos dicen que la “confrontación máxima” es tóxica y contraproducente; los equipos necesitan cooperación.
    • Los defensores aclaran que el punto es situacional: los líderes a veces deben estar dispuestos a confrontar, desafiar y proteger a los equipos a costa personal.
  • Existe un amplio acuerdo en que el buen liderazgo combina competencia en el dominio, disposición a cuestionar y la capacidad de construir y proteger equipos.

Visibilidad, exposición y negocios de estilo de vida

  • Los comentaristas lamentan que quienes “hacen el trabajo” a menudo no hablan de ello, dejando el terreno a los maestros de la autopromoción. Algunos sostienen que la exposición es valiosa por naturaleza; otros cuestionan organizar la sociedad en torno a ella.
  • Debate sobre negocios al estilo del “four-hour workweek”:
    • Los críticos los ven como algo que implica bajo consumo o que depende de la explotación/ fallos del mercado.
    • Los defensores señalan pequeños productos de software estables que requieren mucho trabajo inicial pero poco mantenimiento continuo; distinguen esto de ofertas sobrevaloradas y fáciles de superar en precio.