Estudié IA y, con el tiempo, llegué a ser investigador en OpenAI

Recientemente asistí a un encuentro sobre IA en Shanghái.

El evento puso el foco en aplicaciones prácticas de la inteligencia artificial.

Sin embargo, lo que más me impactó fue una estrategia de aprendizaje compartida por un inversor experimentado.

Contó que este método no solo salvó su carrera, sino que cambió radicalmente su manera de evaluar a las personas como inversor.

¿En qué consiste? En dominar el arte de formular preguntas.

Siempre que sientas curiosidad por un tema, utiliza DeepSeek. Sigue indagando: plantea preguntas hasta que ya no pueda responderte.

En su momento, el enfoque de “preguntar sin fin” me pareció muy profundo, pero tras el evento lo olvidé rápidamente.

No lo puse en práctica ni le dediqué más pensamiento.

No fue hasta hace poco, al descubrir la historia de Gabriel Petersson—cómo abandonó la escuela y utilizó la IA para formarse hasta llegar a OpenAI—cuando comprendí el auténtico valor de “preguntar hasta el final” en la era de la IA.

Gabriel Interview Podcast | Fuente: YouTube

De abandonar el instituto a investigador en OpenAI: un viaje improbable

Gabriel es sueco y dejó el instituto antes de graduarse.

Perfil en redes sociales de Gabriel | Fuente: X

Durante mucho tiempo creyó que no era lo suficientemente inteligente para una carrera en IA.

Todo cambió hace unos años.

Su primo fundó una startup en Estocolmo, desarrollando un sistema de recomendación de productos para e-commerce, e invitó a Gabriel a sumarse al equipo.

Gabriel aceptó, aunque no tenía formación técnica ni ahorros. Durante el primer año incluso durmió en el sofá de la oficina.

Aquel año le transformó. No aprendió en un aula, sino bajo presión, resolviendo problemas reales: programación, ventas e integración de sistemas.

Para acelerar aún más su desarrollo, se hizo contratista, lo que le permitió elegir proyectos, colaborar con los mejores ingenieros y buscar activamente feedback.

Al solicitar un visado para EE. UU., se topó con un dilema: este tipo de visado exige pruebas de “habilidad extraordinaria”, normalmente acreditadas mediante publicaciones y citas académicas.

¿Cómo podía demostrar eso alguien que había dejado el instituto?

Gabriel ideó una alternativa: recopiló sus mejores publicaciones técnicas en comunidades de desarrolladores como “aportaciones académicas”. Sorprendentemente, las autoridades de inmigración aceptaron este enfoque.

Tras mudarse a San Francisco, continuó formándose en matemáticas y machine learning por su cuenta usando ChatGPT.

Hoy, Gabriel es científico investigador en OpenAI y contribuye al desarrollo del modelo de vídeo Sora.

En este punto, probablemente te preguntes: ¿cómo lo logró?

Reflexiones de Gabriel | Fuente: X

Relleno recursivo de conocimiento: una estrategia contraintuitiva para aprender

La clave está en “preguntar sin fin”: elegir un problema concreto y aprovechar la IA para resolverlo a fondo.

La estrategia de Gabriel va en contra de la intuición de la mayoría.

Tradicionalmente, el aprendizaje es “de abajo arriba”: primero creas una base y luego pasas a las aplicaciones prácticas. Por ejemplo, para estudiar machine learning, primero aprenderías álgebra lineal, probabilidad y cálculo, después aprendizaje estadístico, luego deep learning y solo mucho después abordarías proyectos reales. Este proceso puede llevar años.

Su enfoque es “de arriba abajo”: arranca con un proyecto específico, resuelve los problemas según surgen y cubre las lagunas de conocimiento sobre la marcha.

Como explicó en un pódcast, antes este método era difícil de escalar: necesitabas un profesor omnisciente que te indicara qué aprender en cada momento.

Ahora, ChatGPT cumple ese papel.

Reflexiones de Gabriel | Fuente: X

¿Cómo funciona en la práctica? Puso un ejemplo: aprender modelos de difusión.

Primer paso: visión global. Pregunta a ChatGPT: “Quiero aprender sobre modelos de vídeo, ¿cuál es el concepto clave?” La IA responde: autoencoders.

Segundo paso: primero el código. Pide a ChatGPT que escriba un fragmento de código de un modelo de difusión. Aunque no lo entienda del todo al principio, lo ejecuta igual. Si funciona, ya tiene una base para depurar.

Tercer paso, el más importante: preguntas recursivas. Examina cada módulo del código y lo interroga en profundidad.

Profundiza capa a capa hasta comprender la lógica subyacente, y luego regresa al nivel anterior para continuar con el siguiente módulo.

Llama a este proceso “relleno recursivo de conocimiento”.

Relleno recursivo de conocimiento | Fuente: nanobaba2

Este enfoque es mucho más rápido que dedicar seis años a un estudio secuencial: puedes desarrollar intuición básica en tan solo tres días.

Si conoces el método socrático, reconocerás el mismo principio: te acercas al núcleo de un tema a base de preguntas sucesivas, y cada respuesta se convierte en el punto de partida de la siguiente pregunta.

La diferencia es que ahora la IA es la que recibe las preguntas. Y como es casi omnisciente, puede explicar la esencia de las cosas de forma accesible.

En definitiva, Gabriel utiliza este método para extraer el núcleo del conocimiento de la IA y comprender de verdad la materia.

La mayoría se vuelve menos competente usando IA

Tras escuchar el pódcast, la historia de Gabriel me llevó a preguntarme:

¿Por qué algunas personas, como él, usan la IA para aprender tan eficazmente mientras que otras sienten que retroceden?

No es solo una impresión mía.

Un estudio de Microsoft Research de 2025 [1] muestra que el uso frecuente de IA generativa provoca un descenso notable en la capacidad de pensamiento crítico.

En otras palabras, delegamos nuestro pensamiento en la IA y nuestras capacidades cognitivas se atrofian.

El desarrollo de habilidades sigue el principio de “úsalo o piérdelo”: cuando usamos IA para programar, nuestra propia habilidad para programar se deteriora poco a poco.

Trabajar con IA en modo “vibe coding” puede parecer eficiente, pero a largo plazo los programadores ven erosionarse su destreza real.

Le das tus requisitos a la IA, genera el código, lo ejecutas y te parece estupendo. Pero si tienes que apagar la IA y escribir la lógica principal tú mismo, muchos se quedan en blanco.

Más llamativos aún son los resultados en medicina. Un estudio [2] constató que las habilidades de detección de los médicos en colonoscopias bajaron un 6 % tras tres meses de usar IA asistida.

Parece poco, pero recuerda: se trata de capacidad diagnóstica clínica real que afecta a la salud y vida de los pacientes.

Entonces, ¿por qué algunos se fortalecen usando la misma herramienta y otros se debilitan?

La diferencia está en cómo se utiliza la IA.

Si la empleas como una herramienta que hace el trabajo por ti—escribiendo código, redactando artículos, tomando decisiones—tus habilidades se atrofiarán. Te saltas el proceso de pensar y solo recibes el resultado. Los resultados se pueden copiar y pegar, pero el pensamiento crítico no surge solo.

Pero si usas la IA como entrenador o mentor—poniendo a prueba tu comprensión, detectando puntos ciegos y obligándote a aclarar conceptos vagos—en realidad estás acelerando tu aprendizaje con IA.

La esencia del método de Gabriel no es “que la IA aprenda por mí”, sino “que la IA aprenda conmigo”. Él siempre es quien formula las preguntas, y la IA solo ofrece feedback y recursos. Cada “por qué” es suyo, cada capa de comprensión la descubre por sí mismo.

Esto me recuerda el dicho: “Dale un pez a un hombre y comerá un día; enséñale a pescar y comerá toda la vida”.

Relleno recursivo de conocimiento | Fuente: nanobaba2

Recomendaciones prácticas

Quizá te preguntes: no soy investigador de IA ni programador, ¿cómo puedo aplicar este método?

Creo que el enfoque de Gabriel puede resumirse en un marco de cinco pasos que cualquiera puede usar para aprender cualquier campo nuevo con IA.

1. Empieza con problemas reales, no por el primer capítulo de un libro.

Lánzate directamente. Cuando te bloquees, cubre la laguna cuando lo necesites.

Así tu conocimiento tiene contexto y propósito, y es mucho más eficaz que memorizar datos aislados.

Reflexiones de Gabriel | Fuente: X

2. Considera la IA como un mentor infinitamente paciente.

Puedes preguntar cualquier cosa, por básica que sea. Haz que explique los conceptos de varias formas o “como si tuvieras cinco años”.

No te juzgará ni perderá la paciencia.

3. Sigue preguntando hasta construir intuición. No te conformes con una comprensión superficial.

¿Puedes explicar un concepto con tus propias palabras? ¿Puedes dar un ejemplo distinto de los de la fuente original?

¿Puedes enseñárselo a alguien ajeno? Si no, sigue preguntando.

4. Cuidado: la IA puede inventar respuestas.

Si preguntas de forma recursiva y la IA falla en un concepto clave, puedes acabar más lejos de la verdad.

Por eso, en puntos clave, valida con varias IAs para asegurarte de que tu base es sólida.

5. Documenta tu proceso de preguntas.

Así creas un activo de conocimiento reutilizable. La próxima vez que te enfrentes a un problema similar, tendrás todo el proceso de razonamiento para repasar.

Tradicionalmente, valoramos las herramientas por reducir la fricción y aumentar la eficiencia.

Pero en el aprendizaje, sucede lo contrario: una fricción moderada y obstáculos son necesarios para aprender de verdad. Si todo es demasiado sencillo, tu cerebro entra en modo ahorro de energía y nada se fija.

El método de preguntas recursivas de Gabriel genera fricción deliberadamente.

Se pregunta constantemente por qué, se lleva al límite de su comprensión y va rellenando poco a poco los huecos.

Este proceso es incómodo, pero precisamente esa incomodidad es la que permite una memoria real y duradera.

El futuro del trabajo: especialistas polivalentes

Hoy en día, los monopolios de titulaciones académicas se desvanecen, pero las barreras cognitivas crecen silenciosamente.

La mayoría usa la IA como “generador de respuestas”, pero unos pocos, como Gabriel, la emplean como “entrenador de pensamiento”.

Técnicas similares ya están surgiendo en distintos sectores.

Por ejemplo, en Jike, muchos padres usan nanobanana para ayudar a sus hijos con los deberes. Pero en vez de dejar que la IA dé la respuesta, hacen que genere soluciones paso a paso, analizan cada paso y debaten la lógica con sus hijos.

Así, los niños aprenden no solo la respuesta, sino el método para resolver problemas.

Prompt: “Resuelve la integral dada y escribe la solución completa en la pizarra” | Fuente: nanobaba2

Otros utilizan Listenhub o NotebookLM para transformar artículos o papers extensos en diálogos tipo pódcast entre dos voces IA, explicando, preguntando y debatiendo. Algunos lo ven como pereza, pero otros encuentran que escuchar el diálogo y después leer el texto original mejora la comprensión.

Durante el diálogo surgen preguntas de forma natural, obligándote a preguntarte: ¿entiendo realmente este punto?

Gabriel Interview Podcast convertido en pódcast | Fuente: notebooklm

Esto anticipa una tendencia de futuro: el auge de los especialistas polivalentes.

Antes, para crear un producto necesitabas conocimientos de front-end, back-end, diseño, operaciones y marketing. Ahora, como Gabriel, puedes usar el método de “relleno recursivo de lagunas” para dominar rápidamente el 80 % de lo que te falta en cualquier área.

Si empezaste como programador, la IA puede ayudarte a cubrir lagunas en diseño y lógica de negocio y convertirte en product manager.

Si eras un creador de contenido, la IA puede ayudarte a desarrollar habilidades de programación y convertirte en desarrollador independiente.

Con esta tendencia, es probable que veamos más “empresas unipersonales” en el futuro.

Recupera el control de tu aprendizaje

Al reflexionar sobre el consejo de aquel inversor, por fin comprendo su mensaje real.

“Sigue preguntando hasta que no haya más respuestas”.

Esta es una mentalidad poderosa en la era de la IA.

Si nos conformamos con la primera respuesta de la IA, retrocedemos sin darnos cuenta.

Pero si seguimos indagando, forzamos a la IA a clarificar su lógica y asimilamos ese conocimiento, la IA se convierte en nuestra extensión, no en nuestro sustituto.

No dejes que ChatGPT piense por ti: haz que piense contigo.

Gabriel pasó de dormir en un sofá tras abandonar el instituto a ser investigador en OpenAI.

No hay secreto: solo un cuestionamiento incesante, miles de veces.

En una época de ansiedad por la sustitución por IA, quizá el recurso más práctico sea este:

No te conformes con la primera respuesta. Sigue preguntando.

Declaración:

1. Este artículo se ha republicado de [geekpark] y los derechos de autor pertenecen al autor original [Jin Guanghao]. Si tiene alguna objeción sobre esta reproducción, contacte con el equipo de Gate Learn y atenderemos su solicitud con prontitud según los procedimientos correspondientes.
2. Aviso legal: Las opiniones expresadas en este artículo pertenecen únicamente al autor y no constituyen asesoramiento de inversión.
3. Otras versiones de este artículo han sido traducidas por el equipo de Gate Learn. Salvo que se cite a Gate, no copie, distribuya ni plagie la traducción.