Saltar al contenido
← volver al inicio

$ cat src/content/ai-usage.json

Uso de IA

Qué herramientas usé, para qué y qué decidí yo

Este sitio y el caso Colchagua se hicieron con asistentes de IA. La IA propuso, escribió código y redactó borradores; yo definí qué se hacía, elegí entre opciones, revisé cada cambio y puedo defender todo lo que está publicado. El registro completo está en las bitácoras del repositorio.

$ cat docs/

La memoria del proyecto

Todo lo que se decidió y se hizo quedó escrito en docs/ mientras se trabajaba: la IA lee esa memoria al empezar cada sesión y la actualiza en cada PR, y yo la reviso. Cada punto es una nota y cada línea, un enlace entre dos.

46 notas · 163 enlaces

  • Decisiones 24
  • Bitácoras 9
  • Notas 12
  • Índice 1
Pasa el mouse o toca un punto para ver la nota; con un clic o un segundo toque se abre en GitHub.

$ cat vduarte.dev

Este sitio

  • Definición

    La IACondujo una entrevista, propuso opciones con una recomendación y armó los primeros mockups.

    YoTodas las decisiones de producto, diseño, stack y flujo de trabajo.

  • Código

    La IAEscribió el scaffold de Astro, los componentes, los schemas, los tests y los workflows, y abrió los PR.

    YoEl orden del trabajo, revisar cada tanda y aprobar cada merge.

  • Contenido

    La IAAdaptó mis datos al modelo JSON y redactó textos a partir de mis documentos.

    YoTodos los datos biográficos y profesionales, qué proyectos destacar y separar capacitación de certificación.

  • Diseño y movimiento

    La IAArmó laboratorios interactivos con variantes y controles, investigó la física del agujero negro y escribió el shader.

    YoCada dirección visual, los valores finales y qué se descarta: un rediseño grande del hero se revirtió completo.

  • Rendimiento

    La IAAuditó el sitio, midió con Lighthouse y benchmarks antes y después, e implementó los arreglos.

    YoLa prioridad (rendimiento primero) y correr Lighthouse antes de cada versión.

  • Despliegue

    La IAPreparó el Dockerfile y documentó el pipeline.

    YoUsar Docker con Coolify; el servidor y el dominio los administro yo.

$ cat colchagua-etl

Caso Colchagua

  • Fuentes

    La IAEncontró datasets (CR2MET, CAMELS-CL, ODEPA, ARClim) y escribió los scripts de descarga.

    El equipoQué fuentes entran, la descarga manual de la DGA y el catastro, y la llave de la API del Banco Central.

  • Enfoque

    La IAProbó con los datos qué focos eran viables y contrastó el recorte con la rúbrica.

    El equipoEl foco en la cereza, la regla "solo Colchagua", las amenazas a estudiar y el tope en 2025.

  • ETL

    La IAEscribió la selección, limpieza, variables y el Datamart, y corrigió errores propios.

    El equipoRevisar cada tabla y su diccionario columna por columna; decidir variables, cultivos y el desfase temporada–año.

  • Modelos y proyecciones

    La IAProgramó los notebooks de machine learning y forecast, los validó fuera de muestra y corrigió una conclusión que no resistía la validación.

    El equipoPedir proyecciones útiles y validadas, elegir el escenario climático y decidir qué cifras presentar como firmes.

  • Power BI

    La IAEscribió una guía paso a paso con medidas DAX y generó dos de las páginas.

    El equipoArmar a mano las páginas principales, el modelo, las relaciones y las medidas.

  • Informe

    La IARedactó el informe a partir de las decisiones y los hallazgos.

    El equipoRevisar, ajustar la redacción y defenderlo.

$ cat verificacion.md

Cómo se verificó

  • Cada PR pasa lint, formato, tipos, tests y build, y los cambios visuales se revisan en 390, 768 y 1280 px.
  • Ninguna decisión queda en "lo hizo la IA": cada una tiene su porqué en las decisiones registradas del repositorio.
  • Las cifras del caso Colchagua se reproducen desde los datos con los notebooks públicos.
  • Antes de publicar el repositorio de Colchagua se revisó que no quedaran claves ni datos crudos.