Hoy en día hay más contenido técnico disponible que cualquier persona podría leer en miles de vidas. Cada tema tiene una docena de videos en YouTube, tres publicaciones de Substack, un repositorio de GitHub y un hilo en Reddit, la mayoría creados en los últimos seis meses y, en muchos casos, técnicamente precisos.
Y, sin embargo, la mayoría de los profesionales con los que hablo dicen que no saben en qué confiar. No pueden decir qué es importante leer primero, o cuál de las 10 respuestas plausibles es la que resiste. Eso ya era así antes de la IA, y la IA lo ha hecho aún más evidente.
Durante gran parte de la historia de la publicación técnica, la edición y la verificación eran el mismo proceso, y ese proceso era lento y costoso. Publicar un libro tomaba años. Encontrábamos al autor, lo evaluábamos, hacía equipo con un editor y comprobábamos sus afirmaciones con revisores técnicos.
Gran parte de ese tiempo se dedicaba a distinguir lo correcto y útil de lo confuso o lo que sólo parecía correcto. Era laborioso, pero permitía que el lector pudiera depender de las afirmaciones presentes en la página.
La credibilidad del libro, y de la editorial que lo respalda, importaba tanto como la información en sí. Cuando el costo de producción cae a cero, esa credibilidad se vuelve más valiosa, no menos. El contenido es más fácil de producir que nunca, pero sin un proceso transparente detrás de él, los lectores no tienen idea de dónde proviene el conocimiento ni si sostiene.
Como lo expresa Jasmine Sun en “The Independent Writer’s Advantage in the Age of AI,” “La confianza no se trata solo de la información y su calidad. Se trata del mensajero. Se trata de quién lo dice, de su historial y de lo que ha contado antes.” Una profesional tiene confianza en una fuente porque alguien a quien respeta ha puesto su reputación en juego para ella.
Creen en lo que el autor dice porque la editorial tiene un historial de aciertos y de corregirse cuando no lo está, y porque el trabajo está atribuido y verificado.
La experiencia está viva y se compone
El corpus importa, pero son las garantías que lo rodean las que son difíciles de replicar, y eso proviene no solo de las personas que producen el contenido sino de las personas cuyas opiniones avalan ese contenido. A veces un creador aporta su propia credibilidad; otras veces, la editorial identifica a alguien poco conocido y le presta su propia reputación.
El crítico de arte Dave Hickey decía esto sobre los marchantes de arte en Air Guitar: ganan estatus por los artistas famosos que representan y lo comparten con talentos emergentes que tienen algo que ofrecer pero que aún no han ganado reputación.
La experiencia está viva, y se compone de modo continuo. El contenido empieza a decaer el mismo momento en que se publica, porque los marcos evolucionan, las bibliotecas se deprecian y las mejores prácticas de ayer se convierten en incidentes de seguridad de hoy. Mantener la experiencia viva exige una canalización de personas que se mantengan al día y una capa editorial que observe cuándo algo se ha quedado obsoleto, y que retire o solicite una corrección.
Esa canalización no se activa cuando un autor tiene un libro que entregar. El contenido ocupa el centro de nuestra plataforma, pero lo concebimos en capas de ritmo. Algunos consejos son atemporales, otros tienen una vida útil larga (algunos de nuestros libros se mantienen impresos tras casi 50 años), y otros cambian semana a semana.
Trabajamos con expertos en cada capa de ritmo, capturando lo que perdura mientras hacemos lo posible por mantener el paso con una industria que parece haber cambiado cada vez que nos despertamos.
Tenemos relaciones con cientos de los mejores prácticos del mundo, y nuestro trabajo es mantenerlos comprometidos de forma continua, con opiniones rápidas cuando algo falla, respuestas estructuradas cuando surgen investigaciones importantes y sesiones en vivo sobre temas emergentes mientras aún emergen.
La confianza se gana
Una institución no imprime confianza en el contenido. En una comunidad técnica, la confianza se otorga en ambas direcciones. Una profesional gana prestigio porque personas con prestigio ya interactúan con su trabajo, lo citan, discuten con ello y lo continúan desarrollando. Esa idea fue el fundamento de PageRank, la primera gran innovación de Google. Un página importaba porque otras páginas relevantes la enlazaban. La reputación funciona de la misma manera.
La audiencia no solo consume señales de reputación; las genera. Cuando un ingeniero senior, cuyo juicio es respetado, dice en voz alta que algo vale la pena leer, invierte una parte de su propia credibilidad; la autora obtiene un poco; y todos los que observan recalibran en quién confiar la próxima vez.
Cuando marcamos el trabajo de alguien, no somos la única fuente de su credibilidad. Amplificamos un juicio que la comunidad ya está haciendo y añadimos nuestro propio historial. El lector que lo encuentra confiable devuelve estatus a la fuente.
Cuando los lectores son máquinas
No solo los humanos necesitan conocimiento técnico confiable. Los sistemas de IA que se integran en cada flujo de trabajo, los agentes de codificación y depuración y los asesores de arquitectura, lo necesitan tanto, ya que la mayoría se basan en datos web rastreados y documentación que ya estaba desactualizada antes de ser indexada. Son fluidos, pero se equivocan con suficiente frecuencia como para no poder creerles a simple vista.
Las apuestas crecen con las herramientas de IA, cada vez más utilizadas para generar no solo tipos de contenido probadamente correctos como código, que funciona o no, sino documentos persuasivos en áreas más difusas como contratación, estrategia y afines. Como todos los demás que dependen de estas herramientas, estamos enfrentando las consecuencias de poder hablar con un modelo y obtener de él algo que parece inteligente a primera vista.
Después de varios ciclos, el desorden persiste. En los últimos meses, quizá diez veces más documentos han cruzado nuestras mesas, desde ideas de productos hasta planes estratégicos y propuestas. Pero la facilidad de generar texto oculta que ya sea el modelo o la persona que lo provoca no sabe realmente de qué habla. Los trabajadores del conocimiento necesitan maneras de anclar su trabajo en ideas de expertos humanos, especialmente cuando esa labor implica IA.
Así que estamos construyendo herramientas que permiten a los agentes apoyarse en nuestro repositorio de experiencia para respaldar sus decisiones propuestas.
Las fuentes creíbles son especialmente importantes al pensar en decisiones importantes y justificarlas. Nuestro CTO, Andrew Odewahn, describe el cambio así: “Hace 18 meses, todo trataba de hacer que los ingenieros fueran más productivos, pero ahora se trata de ayudar a las organizaciones a tomar mejores decisiones. Las tareas de ingeniería se están desplazando de generar resultados de código a la planificación”.
Para tareas de planificación como comparar enfoques de implementación, necesitas una guía experta a tu lado para la toma de decisiones contextual. No puedes depender solo de la conjetura más acertada de un modelo para resolver tu problema. La confianza es fundamental porque la experiencia detrás de ella se mantiene genuina, práctica y humana.
Este artículo fue producido como parte de TechRadar Pro Perspectives, nuestra vía para presentar a las mentes más brillantes de la industria tecnológica hoy.
Las opiniones expresadas aquí son las del autor y no necesariamente las de TechRadar Pro o Future plc. Si estás interesado en contribuir, consulta más aquí: https://www.techradar.com/pro/perspectives-how-to-submit
from Latest from TechRadar https://ift.tt/n8PxuMZ
via IFTTT IA
Pacosite's Blog 