Lo que más me cuesta de delegarle trabajo a la IA es una pregunta: lo hará igual de bien que yo?
Yo sé qué buscar, qué descartar y cuándo algo está bien. Pero buena parte de esas decisiones ocurre mientras trabajo. Si solo escribo “búscame referencias para un anuncio”, quedan afuera varias de las cosas que hacen que una referencia me sirva.
En este video probé Record a Skill con GPT-6 Astra: grabé procesos reales, revisé las instrucciones que quedaron y luego pedí repetirlos con otros casos. Pasé por anuncios, investigación para YouTube y una rutina para ordenar el comienzo del día. Al final probamos con Joaco un recorrido por Instagram desde el iPhone duplicado en el Mac.
La idea práctica es dejar por escrito un proceso que incluya mis decisiones, sus entradas y cómo comprobar el resultado. Una grabación es el comienzo de ese trabajo. La prueba llega al cambiar el caso.
Qué es Record a Skill y qué queda después de grabar
En la documentación de OpenAI, la función aparece como Record & Replay y el acceso para iniciar la captura se llama Record a skill. Una demostración de acciones en el Mac sirve para redactar una skill reutilizable.
La guía oficial indica abrir la función desde la aplicación de escritorio de ChatGPT o Codex, describir la tarea, iniciar la grabación, demostrar el recorrido y detenerla. Después se revisa la skill generada: cuándo usarla, qué datos necesita, los pasos y cómo verificar el resultado. Requiere macOS y Computer Use disponible y habilitado. Documentación oficial de Record & Replay.
En mi prueba voy mostrando lo que hago y explicando por qué lo hago así. Esa explicación importa especialmente cuando hay varias opciones que parecen razonables. Encontrar un anuncio y decidir que sirve como referencia son dos decisiones diferentes.
Decir que la IA “aprendió mi criterio” describe aquí el objetivo de la skill. Lo que podemos revisar son las instrucciones que dejó y cómo las aplica en la siguiente ejecución. La grabación no es una garantía de que todas las decisiones futuras serán correctas.
Cómo grabar una skill que puedas volver a usar
El recorrido de creación empieza en 5:40 del video. Mi manera de llevarlo a una tarea concreta se puede ordenar así:
- Elegir un proceso con un resultado reconocible. Por ejemplo, una tabla con referencias y propuestas de anuncios, en vez de “ayúdame con marketing”.
- Dar el contexto antes de grabar. Qué quiero conseguir, qué herramientas voy a usar y qué parte puede cambiar la próxima vez.
- Mostrar un recorrido completo. Desde la búsqueda hasta el lugar donde queda el resultado.
- Explicar las decisiones al tomarlas. Qué elijo, qué descarto y con qué señal decido que está listo.
- Detener y revisar la skill. Comprobar si las instrucciones reflejan lo que quise enseñar.
- Probar en otra conversación y con otro caso. Cambiar la marca, el tema o la jornada para ver qué se conserva.
- Incorporar las correcciones a la skill. Si una preferencia solo quedó en el chat de prueba, conviene comprobar que también quedó en el procedimiento reutilizable.
Los nombres propios del ejemplo merecen una revisión especial. Si grabé una búsqueda sobre una marca, la próxima ejecución tiene que aceptar la nueva marca como dato de entrada. De lo contrario, puedo terminar con una copia del ejercicio inicial.
También reviso qué se entiende por “terminado”. Un archivo creado puede seguir necesitando una decisión editorial. Una lista de pendientes puede estar completa y, aun así, priorizada de una manera que no me sirve.
Caso 1: de Meta Ads Library a Higgsfield
La primera demostración empieza en 10:24. Busco referencias en Meta Ads Library, explico lo que me interesa y llevo el trabajo a Higgsfield para producir propuestas de anuncios.
Durante el recorrido dejo información en una hoja: anunciante, texto, referencia visual y propuesta nueva. Eso permite revisar la relación entre la inspiración y el resultado. La entrega queda en un lugar concreto y puedo detectar qué parte se perdió.
En la grabación uso referencias de Alex Hormozi y después pruebo con Mindvalley. Ese cambio ayuda a evaluar si la skill conservó el procedimiento o se quedó pegada al primer anunciante.
Hay un límite importante para interpretar el ejercicio: encontrar anuncios en la biblioteca no demuestra que tengan el mejor rendimiento. En esta prueba los uso como referencias creativas. No presento sus resultados de ventas ni una comparación validada de conversiones.
El criterio que quiero transmitir incluye qué vale la pena trasladar a mi oferta y qué pertenece a la identidad del anuncio original. Si la adaptación conserva demasiado del ejemplo, la corrección tiene que aclarar qué idea estamos tomando y qué elementos deben cambiar.
Higgsfield aparece como la herramienta de producción del recorrido. También muestro que una parte del trabajo puede resolverse mediante una conexión disponible, en vez de repetir todos los clics de la grabación. Lo que me interesa conservar es el resultado y el criterio.
Caso 2: Google Trends, títulos y miniaturas de YouTube
En 20:47 grabo mi recorrido de investigación para un video. Uso Google Trends, reviso YouTube y explico cómo conecto esas señales con el contenido de mi canal.
Una tendencia por sí sola deja una pregunta abierta: por qué tendría sentido que yo hiciera este video? Hay que mirar el tema, la audiencia y qué puedo demostrar. Subir en una comparación de búsquedas no convierte automáticamente una idea en una buena propuesta editorial.
El flujo termina proponiendo ideas, títulos y miniaturas. Eso me permite evaluar un conjunto concreto: el tema que promete el título y la expectativa que abre la imagen.
En esa revisión me importa distinguir una pista de una investigación terminada. Si aparece un concepto que no conozco bien, toca comprobarlo antes de construir el video sobre él. La propuesta de la IA no se convierte en un caso real por venir acompañada de una miniatura convincente.
Para repetir este proceso con utilidad, la skill debe conservar el encaje con mi canal y aceptar que cambien los temas. También necesita dejar las fuentes a mano, para que yo pueda revisar de dónde salió cada sugerencia.
La entrega, entonces, sirve para decidir el próximo trabajo. No prueba que esos títulos vayan a generar determinadas visitas.
Caso 3: la rutina “Buenos Días”
La tercera prueba empieza en 27:22. Grabo una rutina que revisa correo, calendario, Slack y WhatsApp para ordenar las prioridades de la jornada.
El desafío aquí es decidir qué necesita mi atención. Una recopilación de mensajes puede ser larga y seguir dejando esa decisión enteramente pendiente.
En el recorrido explico qué conversaciones revisar y qué tipo de cosas buscar: asuntos que requieren una respuesta mía, bloqueos que afectan a otras personas y compromisos del día. También importa evitar repetir la misma tarea cuando aparece en más de una aplicación.
La prueba cambia cada mañana porque cambian los mensajes y el calendario. Por eso el contenido puntual de un correo no debería quedar como una instrucción permanente. Lo reutilizable es el procedimiento para encontrar lo relevante y presentarlo de una manera que ayude a actuar.
Una entrega útil necesita suficiente contexto para volver al origen. Si hay que responder algo, quiero encontrar la conversación; si hay un plazo, quiero saber de dónde sale. Y si ese día no aparece nada urgente, la skill debería poder decirlo sin fabricar prioridades.
Enseñar esta rutina deja preparado un procedimiento. Elegir a qué hora se ejecuta y desde qué equipo sigue siendo otro paso.
Browser Use, Computer Use y el “Phone Use” del bonus
En 4:15 explico estas formas de interactuar con herramientas. En el contexto de la demostración, la diferencia ayuda a entender qué superficie está manejando la IA:
| Forma de trabajar | Superficie del ejemplo | Qué conviene comprobar |
|---|---|---|
| Browser Use | Páginas y editores web | Cuenta abierta, navegación y resultado del editor |
| Computer Use | Aplicaciones y ventanas del Mac | Accesos y disponibilidad del equipo |
| “Phone Use” | iPhone duplicado en una ventana del Mac | Conexión del teléfono y funcionamiento de la duplicación |
“Phone Use” es el nombre que usamos en el video para describir el bonus. Estamos interactuando con el iPhone reflejado en el Mac. La demostración no presenta un agente autónomo instalado en iOS.
El bonus con Joaco comienza en 36:16: entrar a Instagram, encontrar una referencia y llevarla a Higgsfield.
Este caso parte de un encargo descrito. Después ese recorrido se puede convertir en una skill; no es una cuarta grabación equivalente a las tres anteriores.
Al revisar la recreación final veo que tomó demasiado literalmente la referencia. Esa observación es parte del resultado de la prueba. Hace falta especificar mejor qué elementos nos sirven y cuáles deben adaptarse a lo que queremos producir.
Cuándo necesitas el computador prendido y cuándo puede ir a la nube
Esta distinción aparece en 40:29. Antes de programar un proceso conviene revisar qué recursos utiliza.
Si depende de aplicaciones abiertas en mi Mac o del iPhone duplicado, necesita que ese entorno esté disponible. Guardar las instrucciones en una skill no traslada esas aplicaciones a un servidor.
Para llevar el trabajo a la nube, las herramientas y los datos necesarios tienen que estar accesibles desde ese entorno. Hay que resolver las conexiones y comprobar que la ejecución puede producir el mismo resultado allí.
Yo separaría tres decisiones al preparar una automatización:
- Qué hace: el procedimiento y el criterio de la skill.
- Cuándo empieza: una petición manual, un horario o el disparador elegido.
- Dónde ocurre: el equipo o entorno que tiene los accesos necesarios.
Esta separación evita dar por automatizada una tarea solo porque ya existe el documento de instrucciones.
La revisión que convierte una prueba en un proceso útil
La parte final, desde 41:20, vuelve al criterio. El resultado se revisa y las instrucciones se corrigen.
Para aplicar lo visto, empezaría por una tarea que ya sé hacer bien y cuyo resultado puedo evaluar. Grabaría un ejemplo completo, probaría con otra entrada y anotaría cada diferencia entre lo que esperaba y lo que recibí.
Estas son las preguntas que usaría en esa revisión:
- Eligió las fuentes o referencias por las razones que expliqué?
- Usó los datos del nuevo caso en todas las partes del trabajo?
- Dejó el resultado en el lugar y formato que necesito?
- Distinguió lo comprobado de lo que propone?
- Puedo retomar las decisiones que todavía requieren mi atención?
Este listado es una adaptación editorial para aplicar las pruebas del video; no es un archivo privado de las skills grabadas.
La señal de progreso es que el siguiente caso necesita menos correcciones repetidas. Cuando aparece un fallo nuevo, sirve para hacer explícita otra parte del criterio que antes estaba solo en mi cabeza.
Video completo y recursos
Ver “GPT-6 Astra: ahora SÍ podemos automatizar TODO (Record a Skill)” en YouTube.
- Record & Replay: documentación oficial.
- Meta Ads Library.
- Google Trends.
- Higgsfield, enlace de afiliado compartido en el video.
- Mi prueba anterior de Astra con Blender e impresión 3D.
- Biblioteca de Codex.
- Imperio Agéntico, nuestra comunidad para construir agentes y automatizaciones.
Preguntas frecuentes
Qué es Record a Skill?
Es la opción para grabar una demostración y convertirla en una skill reutilizable con Record & Replay. Después de grabar, se revisan las instrucciones y se prueba el procedimiento con otra entrada.
La skill aprende automáticamente todas mis preferencias?
La prueba del video muestra por qué hay que explicar el criterio, revisar las instrucciones y corregir el resultado. Una grabación no garantiza que las decisiones implícitas queden bien capturadas.
Qué procesos prueba Benjamín en el video?
Referencias de anuncios desde Meta Ads Library hacia Higgsfield, investigación de ideas y miniaturas con Google Trends y YouTube, y la rutina Buenos Días para ordenar correo, calendario, Slack y WhatsApp.
El bonus del iPhone también parte de una grabación?
Ese caso parte de un encargo descrito y usa el iPhone duplicado en el Mac para buscar una referencia en Instagram. El recorrido después puede convertirse en una skill.
Puedo apagar el Mac después de crear la skill?
Depende de dónde se ejecutará el proceso. Los ejemplos que necesitan aplicaciones del Mac o el iPhone duplicado requieren ese entorno disponible. Una ejecución en la nube necesita tener allí las herramientas y los accesos correspondientes.
Grabar una skill también programa su ejecución?
Enseñar el procedimiento y elegir cuándo se ejecuta son decisiones distintas. Después hay que definir un horario o disparador, el entorno de ejecución y cómo revisar el resultado.