Arma tu sistema personal de AI: por dónde empezar

Andrew Maryasov, consultor de AI, fundador de Auspex y Grow2.ai. Un sistema personal de AI no empieza con herramientas sino con un bucle de valor: una capa de contexto sobre ti, una tarea repetitiva delegada a un agente y un registro que separa “ahorra tiempo” de “parece que ahorra tiempo”. Abajo — el orden de armado, cuatro semanas de arranque, las trampas típicas y el límite honesto donde el mapa termina.

TL;DR (en 30 segundos)

• No copies el stack de otro. Un stack es el final de una historia ajena, armado para tareas y presupuesto ajenos; la copia te da una colección de suscripciones, no un sistema.
• El contexto pesa más que los prompts. El 90% del resultado son archivos sobre ti, tu trabajo y tus metas; las instrucciones perfectas ya vienen integradas en las herramientas.
• No confíes en las sensaciones al principio. En el estudio de METR los desarrolladores sentían +24% de velocidad y la medición mostró −19%. Solo el registro.
• Primer mes = cuatro pasos: carpeta de contexto → registro de la semana → instrucciones para lo repetido dos veces → una decisión codificada → medir y descartar.
• El presupuesto se desvía en silencio: cinco dólares al día, ochenta un mes después. Mantén un tope diario — el mío es $15.

Por qué no empezar copiando un stack

Empezar copiando el stack de otro es lo más natural y lo peor. Un stack es el final de una historia ajena: está armado para otras tareas, otro presupuesto y otra cabeza. Copias el final y obtienes una colección de suscripciones más la sensación de que “algo no cuadra”.

Los posts sueltos tampoco ayudan: cada uno muestra un corte de un sistema ya terminado — aquí el stack, allá las capas de memoria, en otro lado las cifras de medio año. Pero “por dónde empezar” es una pregunta sobre el orden de armado, y en los cortes finales no se ve.

La ruta: qué leer y en qué orden

Primero — el principio sin el cual nada más tiene sentido: un sistema no empieza con herramientas ni con prompts sino con contexto. Lo que la AI sabe de ti, de tu trabajo y de tus metas — ese es el valor; perseguir herramientas nuevas da solo la ilusión de progreso, mientras el resultado viene de integrar unas pocas — no de coleccionar diez.

Después — un armado vivo con números honestos: seis meses de mi sistema operativo personal de AI. Qué funcionó, dónde me descubrí haciendo tonterías, y la trampa principal del principiante — en el estudio de METR los desarrolladores sentían +24% de velocidad mientras la medición mostró −19%. Cuarenta y tres puntos porcentuales entre “se siente” y “es”.

Y como referencia de un armado completo — mi stack de AI 2026: unos $300 al mes, un consejo de tres modelos, varias decenas de skills especializados. Conviene mirarlo no como lista de compras sino como ejemplo de aquello en lo que un sistema se convierte en medio año — si crece desde el contexto y no desde las suscripciones.

El primer mes: cuatro pasos

Semana uno: una herramienta y una carpeta de contexto. De cinco a diez archivos en texto plano: quién eres, a qué te dedicas, qué metas tienes, qué proyectos llevas ahora. Mi archivo operativo principal tiene 40–60 líneas, no más. Y toda la semana pasa por el agente una tarea repetitiva llevando un registro: qué ahorró tiempo de verdad y qué solo se sintió productivo.

Semana dos: convierte en instrucción lo que hiciste dos veces con el agente. Si repetiste una tarea dos veces — la tercera debe hacerla él solo.

Semana tres: una decisión repetitiva — triaje de correo, scoring de leads, priorización de tareas — descrita como reglas. El propio proceso de escribirlas mostrará qué tan consistentes venían siendo tus decisiones.

Semana cuatro: mide y descarta. Tiempo, calidad, costo. Todo lo que se ve bien en sensaciones y falla en números — fuera sin lástima.

Las trampas en las que caen todos

Yo también caí. Corregir borradores de AI en temas donde no eres experto empeora la calidad, no la mejora. Inflar prompts en lugar de llevar el conocimiento a archivos — los prompts deben acortarse y los archivos crecer; un prompt que pasó de 50 líneas a 500 es señal de contexto faltante, no de ingenio faltante. Y tras el tercer fallo no reformules la petición — agrega contexto: el error casi siempre está ahí, no en el modelo.

Sobre el dinero, aparte: mantén un límite diario. Los gastos se desvían en silencio — cinco dólares al día, ochenta un mes después, y en el momento siempre parece “barato”. Mi techo es $15 al día, y es un límite que no me dejo cruzar.

Dónde termina el mapa

El límite honesto de esta ruta: el mapa es genérico y el primer bucle de valor de cada uno es propio. Qué proceso automatizar primero, qué poner exactamente en los archivos de contexto de tu trabajo, dónde está tu frontera de “el agente puede” — eso no sale de los artículos.

Dos caminos

Por tu cuenta: cuatro semanas según el plan de arriba. Materiales, orden, trampas — todo está en la ruta; el resto del blog cubre capas concretas, desde el stack hasta la experiencia de seis meses.

Conmigo: si quieres avanzar más rápido y directo sobre tu propio trabajo — una sesión advisory sobre tu situación: qué automatizar primero y de qué se compondrá tu primer bucle de valor.

FAQ

¿Con qué herramienta empezar un sistema personal de AI?

Con una — cualquier asistente moderno del nivel de Claude. La cuestión no es la herramienta sino el contexto: de cinco a diez archivos en texto plano sobre ti, tu trabajo y tus metas darán más que una segunda y tercera suscripción.

¿Cuánto cuesta al mes un sistema personal de AI?

El arranque cuesta una suscripción ($20–100). Mi sistema llegó a ~$300 al mes en medio año, pero ese es el final de la historia, no el boleto de entrada. Importa más el tope diario de gasto: la deriva de $5 a $80 al día ocurre sin que la notes.

¿Por qué no confiar en la sensación de productividad?

En el estudio de METR de 2026, desarrolladores experimentados con AI reportaron +24% de velocidad mientras la medición mostró una desaceleración del 19%. El primer mes lleva un registro: qué ahorró tiempo de verdad y qué solo se sintió productivo.

¿Qué hacer cuando el agente falla una tarea por tercera vez?

No reformular la petición sino agregar contexto. El error casi siempre está en materiales faltantes, no en el modelo. El tercer fallo es señal de zoom out: ¿qué no sabe el agente sobre tu tarea?