Saltar al contenido
Advancing Bits to Master Atoms
← Todos los artículos

MS Duplex8 min de lectura

Los archivos de instrucciones ayudan a tu IA, hasta que nadie sabe qué línea sigue siendo válida.

Los equipos de investigación mantienen archivos de instrucciones, notas y bibliotecas de prompts para su IA. Por qué el hábito ayuda, dónde se queda corto y qué aporta a su lado la experiencia aprendida con sus fuentes.

Una alta pila suelta de finas hojas de plata satinada junto a un armario compacto de grafito con dos columnas de frentes de cajón azul cobalto, ambos sobre una placa base de grafito.Una alta pila suelta de finas hojas de plata satinada junto a un armario compacto de grafito con dos columnas de frentes de cajón azul cobalto, ambos sobre una placa base de grafito.

La mayoría de los equipos de investigación que usan la IA en serio acaban manteniendo un archivo para ella. Empieza como unas pocas líneas sobre cómo nombra las cosas el equipo y qué herramientas usar. Al poco tiempo contiene límites operativos, métodos preferidos, valores de referencia, advertencias sobre errores que el agente cometió una vez y una carpeta de prompts que a alguien le funcionaron bien.

Ese hábito es acertado. Este artículo analiza por qué el archivo ayuda, dónde deja de seguir el ritmo de la investigación y qué cambia cuando la IA aprende de resultados confirmados en lugar de esperar a que alguien edite una línea.

Por qué los equipos dejan las cosas por escrito para su IA

Un modelo empieza cada sesión desde lo que sabía cuando terminó su entrenamiento. No ha visto las convenciones de tu laboratorio, tu cadena de análisis ni el límite que tu científico o ingeniero sénior confirmó el mes pasado. Un archivo de instrucciones cierra parte de esa brecha casi sin coste. El asistente lo lee al inicio de cada sesión, y el contexto más importante del equipo viene con él.

Un archivo típico de un equipo de investigación contiene alguna combinación de estos elementos:

  • Convenciones: cómo se nombran los archivos, las muestras y las ejecuciones, qué unidades indicar y qué formato debe tener un resumen.
  • Límites: ajustes que un método no debería superar, entradas que necesitan una comprobación antes de usarse, pasos que necesitan a una persona.
  • Métodos preferidos: el orden de pasos que da un análisis limpio, o la herramienta en la que confía el equipo para una tarea concreta.
  • Valores de referencia: los números que el agente debe usar en lugar de adivinar.
  • Advertencias: errores que el agente cometió una vez, anotados para que no vuelva a cometerlos.
  • Prompts: formulaciones que le dieron a una persona un buen plan o una buena revisión, guardadas para el resto del equipo.

El archivo lo puede leer cualquiera, es fácil de cambiar y está totalmente bajo el control del equipo. Funciona con cualquier modelo. Para las convenciones estables y el estilo de la casa, es difícil de superar, y los equipos deberían conservarlo.

Dónde el archivo deja de estar al día

El problema es que la investigación no se queda quieta, y un archivo solo cambia cuando alguien lo edita. A medida que avanza el trabajo, el mismo archivo que ayudó en su primer mes empieza a costarle al equipo de formas más discretas.

  • Se alarga. Cada incidente añade una línea y pocas líneas se eliminan, así que el modelo relee más en cada sesión y tiene que juzgar por sí mismo qué partes se aplican.
  • Se queda desactualizado. Cuando cambia un valor de referencia, la línea antigua se queda hasta que alguien la borra. Si dos personas editan el archivo, ambos valores pueden quedar uno al lado del otro.
  • Nadie sabe qué línea sigue siendo válida. Una línea rara vez dice de dónde salió, cuándo se añadió ni en qué condiciones era cierta. Un nuevo miembro del equipo no puede distinguir un límite confirmado de la preferencia de una persona.
  • No tiene vínculo con los resultados. El archivo no sabe si sus consejos funcionaron. Un método que ha fallado dos veces desde que se anotó se lee igual que uno que funcionó siempre.
  • Se fragmenta por persona. Cada investigador mantiene una versión, las bibliotecas de prompts se van separando y lo que aprendió una persona se queda en su copia.
  • Solo es tan bueno como la última edición. El agente mejora cuando alguien encuentra tiempo para actualizar el archivo, y no entre esas ediciones.

Los equipos cuidadosos se topan con todos estos problemas. Se derivan de guardar un conocimiento que cambia con cada resultado en un documento que se cambia a mano. La experiencia del equipo crece cada semana, y el agente se queda donde lo dejó el archivo.

Lo que aporta una lección aprendida y no aporta una línea

MS Duplex se conecta a la IA que ya usa tu equipo y aprende de los resultados y las correcciones de expertos que tu equipo decide registrar: una prueba superada, una medición, una conclusión aprobada, una corrección con su motivo. Aprende junto al modelo, dejando sus pesos tal como están, así que cada lección está lista desde la siguiente solicitud.

Mientras que una línea de un archivo es una frase que alguien escribió, una lección en MS Duplex llega con lo que un revisor querría saber de ella:

  • Su fuente: el resultado, la medición o el juicio experto del que procede.
  • Sus condiciones: lo que se cumplía cuando se confirmó, para que se aplique donde esas condiciones coinciden.
  • Su motivo, en el caso de una corrección: por qué el experto rechazó lo que propuso el agente.
  • Su historial: cuando un valor confirmado más reciente sustituye a uno anterior, se aplica el más reciente y el cambio queda registrado.
  • Su alcance: si se queda con un investigador, se comparte con un equipo o se aplica en toda la organización, según decidan tus reglas.

La forma de usarla también es distinta. Un archivo se relee entero y el modelo juzga qué se aplica. MS Duplex comprueba si las condiciones del nuevo caso coinciden antes de recuperar una lección. Donde coinciden, la lección se aplica. Donde algo difiere, se adapta y se propone para su comprobación, o se señala para que el equipo decida.

Un estuche abierto de grafito con filas de finas tarjetas de plata satinada archivadas, y una tarjeta separadora azul cobalto levantada por encima del resto.Un estuche abierto de grafito con filas de finas tarjetas de plata satinada archivadas, y una tarjeta separadora azul cobalto levantada por encima del resto.
Un archivador abierto de grafito con filas de tarjetas finas plateadas y un separador azul cobalto levantado por encima del resto: cada lección guardada como su propia tarjeta, de modo que la que encaja con el caso en cuestión puede encontrarse y el resto se mantiene en orden.

Y cada lección puede tratarse por separado. Tu equipo puede revisarla; corregirla, y solo cambia esa lección; o eliminarla, y las recomendaciones que dependían de ella desaparecen con ella mientras todo lo demás se mantiene. Esa es la pregunta que un archivo largo no puede responder: qué línea sigue siendo válida y qué depende de ella.

De una línea en un archivo a un método que el equipo reutiliza

Las líneas más valiosas de un archivo de instrucciones suelen describir un procedimiento que funcionó. Supongamos que un investigador de un equipo que clasifica candidatos para su revisión da con una secuencia de comprobaciones de los datos de entrada que elimina un error recurrente de las clasificaciones. En un archivo, eso se convierte en un párrafo que alguien tiene que encontrar y seguir. En MS Duplex, se convierte en un método.

  1. Se confirma el procedimientoEl agente del investigador ejecuta las comprobaciones antes de clasificar, y un experto confirma que las clasificaciones salieron limpias.
  2. Se conserva como métodoMS Duplex conserva los pasos con las condiciones en las que se confirmaron y el resultado que los demostró.
  3. El siguiente caso similarEl agente de un compañero clasifica un nuevo lote de la misma fuente. El método se aplica directamente, sin que nadie pegue un párrafo.
  4. Un caso relacionadoLlega otro lote de una fuente distinta en un formato distinto. MS Duplex adapta el método y propone la versión adaptada para su comprobación. Una vez confirmada, se convierte en un método propio.
  5. Una nueva incorporaciónEl agente de una nueva incorporación empieza con el mismo trabajo con ambos métodos ya disponibles, cada uno con el resultado que lo respalda, y cada uno se vuelve a verificar allí donde se usa.

Compáralo con el archivo. El párrafo habría ayudado a las personas que sabían que tenían que buscarlo, y no habría dicho nada sobre la segunda fuente hasta que alguien escribiera otro párrafo. El método llegó a los agentes que lo necesitaban, se comprobó donde el caso difería y conservó su evidencia en todo momento.

Una matriz de estampación de plata satinada sobre un pedestal de grafito junto a una hilera ordenada de piezas plateadas idénticas, cada una con la misma pequeña incrustación azul cobalto.Una matriz de estampación de plata satinada sobre un pedestal de grafito junto a una hilera ordenada de piezas plateadas idénticas, cada una con la misma pequeña incrustación azul cobalto.
Una matriz de estampación plateada junto a una fila ordenada de piezas plateadas idénticas, cada una con la misma pequeña incrustación azul cobalto: un procedimiento confirmado, aplicado de la misma forma por cada agente que se encuentra con el caso.

Conservar el archivo, añadir la capa

Los equipos que conectan MS Duplex siguen trabajando en Claude, Codex, Cursor o sus propios agentes como antes, y el archivo que lee el asistente también sigue funcionando. Un buen primer ejercicio es ordenar lo que ya contiene.

  • Convenciones estables y estilo de la casa: mantenlos en el archivo. Rara vez cambian y el archivo les sirve bien.
  • Reglas que el trabajo debe respetar: formúlalas como reglas en MS Duplex. Las reglas se mantienen separadas de las preferencias y visibles en el razonamiento, una nueva regla se aplica desde la siguiente solicitud y, en los entornos gobernados, un paso que incumple una regla se detiene antes de ejecutarse.
  • Valores de referencia: deja que procedan de resultados confirmados, para que se aplique el valor confirmado más reciente y se conserve el historial de cada cambio.
  • Procedimientos que funcionaron: deja que se conviertan en métodos, conservados con el resultado que los demostró.
  • Advertencias sobre errores pasados: regístralas como correcciones, con el motivo y las condiciones, para que el agente las compruebe desde la siguiente solicitud y solo donde se aplican.

Ordenado así, el archivo puede acortarse en lugar de alargarse. El conocimiento nuevo llega a medida que el trabajo lo confirma, y el archivo vuelve a contener aquello para lo que sirve bien.

Preguntas frecuentes

¿Deberíamos borrar nuestros archivos de instrucciones?

No. Consérvalos para las convenciones estables y el estilo de la casa. Con el tiempo, pasa a MS Duplex las reglas, los valores de referencia, los procedimientos probados y las correcciones, donde cada uno conserva su fuente y puede cambiarse por separado.

¿En qué se diferencia esto de la recuperación sobre nuestras notas?

La recuperación encuentra pasajes que parecen relevantes, se apliquen o no, y pueden aparecer tanto la versión antigua como la nueva de un dato. MS Duplex conserva los resultados confirmados con su evidencia, comprueba si las condiciones coinciden y aplica el valor confirmado más reciente, conservando el historial.

¿Quién ve una lección que aprendió el agente de un investigador?

Depende de tus reglas. Cada investigador, cada equipo y toda la organización tienen su propia capa de experiencia, y tus reglas deciden qué pasa de una a otra.

¿Con qué herramientas de IA funciona esto?

Claude, Codex, Cursor y otros agentes que hablan MCP se conectan directamente, y tus propios agentes y pipelines se conectan a través de la API y el SDK de Python. Tus científicos e ingenieros siguen usando la IA que ya usan.

Construido por MatterSpace

MatterSpace construye MS Duplex para científicos, investigadores e ingenieros de cualquier campo, para que la IA que ya usan aprenda de cada resultado que confirman.

Sigue leyendo

Haz que la próxima ejecución aproveche la anterior.

Tráenos la investigación en la que tu IA debería mejorar. Planificaremos un piloto con tus propios flujos de trabajo, con tus expertos como jueces.