Al día 30, esto es lo que tu equipo te muestra
Si falta cualquiera de estos cuatro elementos, no terminamos.
-
Una herramienta funcionando sobre un proceso que ya usan. Archivos reales, no un sandbox.
-
Una configuración de IA personal con sus estándares ya escritos. Se acabó repetir las reglas cada mañana.
-
Un comando recurrente que un compañero puede volver a correr sin que la persona que lo hizo esté presente.
-
Un Mapa Agéntico de qué se construyó, dónde vive, quién es responsable.
Lo que compras: una herramienta, una configuración, un comando, un mapa.
Así se ve el programa
En vivo · 1h15
Slides con la teoría necesaria, luego una demo sobre trabajo real: primero ven cómo se hace, después lo hacen ellos sobre su propio trabajo. Los últimos 10–15 minutos son para preguntas.
Asíncrono · 1h
Lectura y ejercicios, más configurar su espacio y trabajo práctico sobre el proyecto. El peso de la construcción práctica crece con el tiempo. Trabajo productivo, no relleno.
Para quién es
Para
Operadores, gerentes y directores que ya usan IA de chat y/o Cowork y llegaron al techo. Operaciones, soporte de ventas, coordinadores, analistas, jefes de oficina, y los líderes que respaldan su trabajo. Gente que produce entregables reales y quiere el método en la sala, no solo una charla.
No es para
Principiantes absolutos (para eso está el track de Alfabetización). Quien solo quiere una charla informativa sin trabajo práctico. Ingenieros de software que ya construyen con agentes.
Cómo entregamos el curso
Este es el método de entrega de Adaptto en todos sus programas. No es el oficio que los participantes usan para construir un proyecto. Ese oficio vive en las lecciones de cada curso.
Diagnóstico
Antes de arrancar, un diagnóstico previo para cada participante. Medimos conocimiento y actitud (quién está listo y quién va a resistirse, y por qué), mapeamos lo que hacen día a día, y ubicamos dónde están las oportunidades. Así personalizamos la sala antes de que alguien entre a una sesión en vivo.
Acompañamiento
Las sesiones en vivo combinan slides de teoría con demos sobre trabajo real: ven cómo se hace, luego lo hacen ellos sobre su propio trabajo con nosotros en la sala. Duración y cantidad siguen el formato de arriba.
Trabajo
Asíncrono entre sesiones: lectura y ejercicios, más configuración y trabajo práctico sobre su proyecto real. Le damos peso creciente a la construcción práctica. Un seguimiento breve después del programa evita que se apague.
De referencia a operador
La IA como herramienta de consulta
- Hacer una pregunta, pegar la respuesta, empezar de cero mañana.
- Las reglas viven en la cabeza de alguien, se repiten cada mañana.
- La calidad depende de quién escribe el prompt, y no se transfiere.
La IA como operador
- Corre un proceso sobre sus archivos, con sus reglas ya cargadas.
- Un compañero puede volver a correr el mismo comando sin sentarse junto a quien lo hizo.
- El resultado pasa por la misma revisión que ya usas para el trabajo que importa.
Cuatro semanas. Cuatro cosas que el equipo te muestra.
Cuatro semanas. Cuatro cosas que tu equipo te puede mostrar. Abre una semana para ver qué pasa en la sala y qué se llevan.
01
Dejan de perder días en trabajo que la IA debió haber planeado.
- La misma solicitud con plan vs. sin plan. Ven la diferencia.
- Ven qué trabajo simplemente hacer, cuál planificar, cuál pasar por compuerta.
- Terminan con un plan para su proyecto, listo para construir la próxima semana.
Dejan de perder días en trabajo que la IA debió haber planeado.
- La misma solicitud con plan vs. sin plan. Ven la diferencia.
- Ven qué trabajo simplemente hacer, cuál planificar, cuál pasar por compuerta.
- Terminan con un plan para su proyecto, listo para construir la próxima semana.
El modelo es el mismo para todos. El plan y el contexto cambian el resultado.
Eligen un proceso real que ya usan y escriben cómo se ve "terminado" en una frase que un colega aceptaría.
Corremos la misma solicitud dos veces, una con plan y otra sin plan. Después ordenan su propio trabajo: hacerlo directo, planificarlo, o pasarlo por compuerta. Los últimos 10–15 minutos son preguntas.
Terminan un plan rico en contexto para su propio proyecto. La próxima semana construyen a partir de él, no arrancan desde un chat en blanco.
Corto, reversible, sin daño duradero si sale mal. Escríbelo y avanza.
Varios pasos, necesita sus archivos y estándares, se va a reutilizar. Escribe el plan primero.
De cara al cliente, dinero, o una decisión que no se puede deshacer. Una persona lo aprueba antes de que salga.
Entregable Un plan rico en contexto para su propio proyecto, listo para construir.
02
Lanzan algo real.
- Algo real sobre un proceso real esta semana.
- Las reglas que retecleaban cada mañana ahora viven en la configuración.
- Pueden seguir avanzando sin nosotros en la sala.
Lanzan algo real.
- Algo real sobre un proceso real esta semana.
- Las reglas que retecleaban cada mañana ahora viven en la configuración.
- Pueden seguir avanzando sin nosotros en la sala.
El chat olvida. La configuración recuerda. Mejorarla es la forma de mejorar el trabajo.
Traen el plan de la semana pasada y los archivos que el proceso realmente usa. Sin datos de muestra.
Construimos la primera versión funcional frente a ellos, luego corren el mismo ciclo sobre su propio proceso. Las reglas que siguen repitiendo quedan escritas en la configuración para no retecearlas mañana.
Terminan la sesión con una primera versión que corre sobre su proceso real, más una configuración que ya conoce sus estándares.
El archivo de configuración se llama CLAUDE.md (o AGENTS.md para Codex). Es un documento corto que vive junto al trabajo y le dice al modelo los estándares del equipo, los archivos, y qué "nunca hacer". Ese es todo el truco. El chat es desechable. La configuración es el activo.
Entregable Primera versión funcional sobre su proceso real, más una configuración de IA que guarda sus reglas.
03
El trabajo recurrente se vuelve un comando.
- Un proceso repetido se vuelve un comando que el equipo puede volver a correr.
- Saben cuándo conectar una herramienta vale la pena y cuándo estorba.
- El conocimiento deja de vivir en el historial de chat de una sola persona.
El trabajo recurrente se vuelve un comando.
- Un proceso repetido se vuelve un comando que el equipo puede volver a correr.
- Saben cuándo conectar una herramienta vale la pena y cuándo estorba.
- El conocimiento deja de vivir en el historial de chat de una sola persona.
A estas alturas ya construyeron algo real y encontraron dónde duele de verdad. Esta semana lo convierten en algo que todo el equipo puede reutilizar.
Marcan los pasos que ya repitieron a mano esta semana. Esos pasos son el comando, no un proyecto nuevo.
Convertimos uno de esos ciclos en una skill (un comando reutilizable) que cualquiera del equipo puede correr. Después vemos conectar herramientas que ya pagan (correo, calendario, el CRM) y cuándo esa conexión no vale la fricción.
Al final tienen un flujo de trabajo reutilizable, más una decisión por escrito sobre qué conectar y qué dejar en paz.
Las skills son los procedimientos reutilizables que le enseñan al modelo (una forma con nombre de rehacer un trabajo). MCP es la capa de conectores: engancha herramientas que ya pagas cuando de verdad vale la pena. Si conectar una herramienta agrega más fricción de la que quita, no la conectas.
Entregable Un flujo de trabajo que ya hacían a mano, ahora reutilizable. Criterio sobre conectar correo, calendario, o el CRM.
04
Aprenden a construir en equipo, no solos en un chat.
- Cómo un equipo comparte trabajo de IA: un proyecto, revisión antes de que se publique (GitHub, en lenguaje simple).
- Voluntarios muestran un cambio real; la sala da retroalimentación en vivo.
- Un Mapa Agéntico personal para que lo que construyeron no muera en una laptop.
Aprenden a construir en equipo, no solos en un chat.
- Cómo un equipo comparte trabajo de IA: un proyecto, revisión antes de que se publique (GitHub, en lenguaje simple).
- Voluntarios muestran un cambio real; la sala da retroalimentación en vivo.
- Un Mapa Agéntico personal para que lo que construyeron no muera en una laptop.
La lección principal: trabajar en equipo sobre trabajo de IA compartido. GitHub es la herramienta. La revisión es el hábito. El mapa es lo que se queda.
Preparan una cuenta de GitHub y repasan cómo funciona un proyecto compartido: branch, cambio, revisión, merge. Lenguaje simple, no un curso de desarrollo.
Recorremos un proyecto compartido de principio a fin en GitHub: el trabajo, la compuerta de revisión, la entrega. La misma idea que un pull request, aunque la empresa no lo llame así. Voluntarios muestran un cambio real; la sala da retroalimentación en vivo. Después cada quien arranca su Mapa Agéntico: qué se construyó, dónde vive, cómo hacerlo crecer.
Vuelven a correr el ciclo sobre su propio proyecto y terminan el mapa. El siguiente trabajo arranca desde ese mapa, no desde un chat en blanco.
GitHub aquí no es un ritual de desarrolladores. Es cómo el equipo comparte trabajo de IA: alguien más puede ver el cambio, hacer una pregunta, y aceptarlo antes de que esté en vivo. Así es como la capacidad se queda cuando nos vamos.
Entregable Una imagen clara del ciclo de revisión en equipo sobre un proyecto compartido, más un Mapa Agéntico personal.
No termina en la última sesión
Certificado
Un certificado para compartir cuando completan las cuatro lecciones y el proyecto final pasó por revisión.
Reporte de oportunidades
Un reporte que te enviamos: un diagnóstico de oportunidades de automatización que surgieron durante el programa. Qué hacer después, no una encuesta.
Seguimiento a 30 días
Una sesión de 1 hora después de un mes. Qué sigue funcionando, qué necesita un empujón, cuál debería ser el próximo comando.