GOOGLE ha CONECTADO sus 4 IAs (…da MIEDO)

0:00 Hay un estudio que demuestra que usar la inteligencia artificial sin un sistema te hace menos productivo y más tonto, y la mayoría la usa sin sistema ni propósito. Y es que la mayoría usa la inteligencia artificial como un Google con esteroides. Pregunta, copia y pega. Yo hacía exactamente lo mismo y cada vez que abría el chat empezaba de cero, lo que me hacía perder el tiempo hasta que construí un sistema donde Notebook, LM, Gémini, los GEs y Workspace, cada uno de ellos cumple con una función específica y esto cambió por completo como trabajo. Hoy voy a enseñarte este sistema. Te demostraré cómo funciona con un ejemplo completo, paso a paso, y descubrirás por qué este vídeo va a mejorar tu manera de trabajar. Conmigo lo consiguió. Vamos a ello.

0:46 ¿Por qué deberías tener un sistema? Porque la inteligencia artificial sin sistema te hace más tonto. Lo dice un estudio del Meet MediaLab. Sin método, cuando usas una herramienta de inteligencia artificial, tu cerebro deja de hacer el trabajo. Dejas que la inteligencia artificial piense por ti y cada vez recuerdas menos lo que te muestra y acepta resultados de menor calidad. Es como si la máquina generase niebla en vez de despejar el camino hacia el resultado que necesitas. Y la mayoría está metido en esta dinámica sin saberlo. Avanzan sin una hoja de ruta, por lo que no llegan donde quieren ni obtienen los resultados que necesitan. Por eso, necesitas un método que sea la base de cualquier tarea. Un sistema de cuatro niveles. Un primer nivel donde anclar el conocimiento en fuentes y datos. Otro donde poder analizar con criterio y profundidad esa información.

1:32 un tercer nivel donde conseguir que la inteligencia artificial funcione de modo especializado y finalmente el cuarto nivel donde disponer de control preciso sobre la ejecución. Ahora te explico cómo construir cada uno de ellos. El primer nivel son los cimientos y es el más importante y es el que casi todo el mundo se salta. La inteligencia artificial tiene un problema gordo. Puede sonar muy convincente sin tener ni idea. Es como un abogado brillante que argumenta de maravilla mientras se inventa las pruebas. Y ahí es donde entra en juego Notebook LM. La gracia de Notebook LM es que trabaja con lo que tú le das, tus documentos, tus notas, tus transcripciones, tus datos. no te da una respuesta, te da también el recibo, el comprobante de cómo la ha generado.

2:18 Puedes subir los últimos 6 meses de notas de tus reuniones o esa pila de PDF es que tienes muerta de risa en el ordenador. Lo procesa todo y entonces puedes preguntar, buscar patrones y tirar del hilo, pisando siempre terreno firme y sin la amenaza constante de que la inteligencia artificial se invente la respuesta. Y esto es solo el primer nivel y es que de nada sirve tener buenas fuentes si no puedes exprimir a fondo lo que hay dentro. por lo que el segundo nivel es obtener profundidad. Y aquí es donde entra Gémini. A Gémini le puedes meter 2 millones de tokens de golpe. Para que te hagas una idea, toda la saga de Harry Potter más toda la trilogía del Señor de los Anillos junta y aún te sobraría espacio. Puedes meterle todos tus documentos, todos tus emails, todas tus reuniones y te va a encontrar patrones que tú tardarías

3:03 meses en ver. No solo encuentra la aguja en el pajar, entiende todo el contexto y es capaz de ofrecer una capa de razonamiento adicional y de relacionarlo todo con su propio conocimiento. Te permite exprimir lo que Notebook LM te ha verificado. Solo dominando estos dos niveles, ya vas muy por delante del resto, pero falta lo que convierte la inteligencia artificial de algo útil a algo realmente eficaz. Y es que, ¿cuántas veces has tenido que repetirle todo el contexto y volver a darle las mismas instrucciones a Gémini porque vuelves a realizar la misma tarea que el día anterior? Eso se acabó. Para esas situaciones, Gémini tiene los GEMs. Son especialistas que se acuerdan de quiénes son y de quién eres tú y de para qué los necesitas. [música] Puedes crear un GEM que sea tu asesor financiero, tu revisor de textos o tu

3:49 experto en lo que necesites. Se acuerdan y siempre están disponibles. Y lo mejor, si los construyes bien con lo que has aprendido dominando los dos niveles anteriores, su utilidad se multiplica. Y finalmente está el cuarto nivel, que es donde todo se convierte en trabajo de verdad, en lo que puedes entregar a tu jefe o compartir con tus compañeros. ese trabajo que se siente realmente tuyo, porque la inteligencia artificial saber sabe y ejecutar pues ejecuta las tareas. El problema es que lo que sabes se queda dentro del chat. Tú lo lees, lo copias y te lo llevas a otro sitio donde continuar a mano. Con la integración de Gémini en Workspace, esto se acabó. Lo que Gemini analiza te lo genera en un documento. Lo que un G te recomienda te lo puede escribir en un email sin necesidad de copiar ni pegar.

4:35 [música] Estos son los cuatro niveles que componen el sistema, pero para entenderlo de verdad hay que verlo funcionar, por lo que ahora vamos a aplicarlo a un ejemplo real y muy ambicioso. Cogeré 10,000 registros y 200 conversaciones de un servicio de atención al cliente y en menos de 15 minutos tendré listo un auditor de calidad que entiende que ha fallado hasta ahora, porque ha fallado y que sabe cómo actuar a partir de ahora. nivel a nivel de la información en bruto a documentos entregables. Mientras lo ves, piensa en qué datos tienes tú acumulados sin tocar. Pero si hablamos de acumular datos de información, primero debemos solucionar otro problema clave. Y es que a todos nos pasa, entre fotos, copias de seguridad y proyectos, el espacio se acaba tanto en el móvil como en el ordenador. El almacenamiento

5:20 en la nube es la mejor solución, pero es imprescindible que cumpla con cuatro requisitos, que sea rápido, barato, privado y seguro. Y todo esto te lo da Internex, la empresa de almacenamiento en la nube española que estoy usando ahora y con la que me olvido de pagar suscripciones, ya que lo puedes adquirir para siempre gracias a su plan Lifetime y es muy sencillo de utilizar. Puedes usar el navegador para arrastrar y soltar archivos, pero también dispone de una aplicación que funciona como una carpeta más, tanto en el móvil como en el ordenador. Subes tus archivos, se guardan y puedes acceder a ellos o compartirlos desde cualquier dispositivo, cosa tremendamente útil si trabajas como yo, colaborando con otras personas. Y lo más importante, todos los archivos se cifran antes de salir de tu dispositivo y solo tú puedes verlos. Ni la empresa ni terceros tienen acceso a

6:06 tu información que se almacena en centros de datos ubicados en territorio europeo, por lo que es un servicio ideal para usar de modo profesional con total tranquilidad. Internex usa tecnología de código público y auditable y ya confían en ella más de un millón de usuarios. También incluye extras muy interesantes como antivirus y su propia herramienta de videollamadas cifradas. Internetmith, ideal si necesita reuniones privadas con clientes o compañeros. Y para los usuarios que necesiten funciones más avanzadas existe el plan Ultimate que incluye soporte para interfaz de comandos, Rclon y Nas. Así que puedes integrarlo con tus propios sistemas de almacenamiento. Y su punto fuerte, el plan Lifetime. Pago único para siempre, sin cuotas, sin renovaciones, sin subidas. Pagas una vez y te olvidas. El

6:52 que uso yo es el plan Ultimate de 5 teras. Caben cientos de miles de fotos o centenares de horas de vídeo en 4K. Si usas Internex, en la práctica dejas de comprar discos externos y de limpiar archivos cada semana. Ahora mismo tiene un 87% de descuento usando el enlace que encontrarás en la descripción y en el comentario fijado. Es el mayor descuento que ofrece Internex y solo está disponible a través de mi enlace. 5 teras, pago único y privacidad total. Gracias a Internex por patrocinar este vídeo. Y ahora sí, vamos allá con el ejemplo paso a paso con el que aprenderéis a construir este sistema, pero sobre todo os daréis cuenta del enorme potencial que tiene. ¿Por qué? Porque en este ejemplo que he seleccionado vamos a trabajar tanto con datos estructurados, es decir, con una tabla realmente muy extensa con 10,000 entradas y por otro lado con datos

7:38 textuales, un conjunto de 200 conversaciones entre humanos. Concretamente es un ejemplo relacionado con atención al cliente y e-commerce, pero ya os digo, lo que vais a aprender lo podéis extrapolar a cualquier otra actividad. Y para hacerlo vamos a apoyarnos en el resultado de este paper de Derekchain, que construyó una base de datos a partir de 10,000 conversaciones de atención al cliente en un e-commerce. Uno de los resultados es esta tabla, donde quedó registrada cada una de estas conversaciones en una fila y clasificada en todos estos parámetros que podemos ver en cada una de las columnas. Como podéis ver, si hacemos scroll, hay más de 10,000 conversaciones registradas. Pero lo interesante es que no solo tenemos acceso a esta tabla, también tenemos acceso a un conjunto de transcripciones de cada una de esas conversaciones. En total, 200

8:23 conversaciones transcritas. Y no solo esto, también tenemos acceso a dos documentos muy interesantes. Una guía de cómo se deberían tratar las incidencias y otro documento que nos dice cómo clasificar todas y cada una de estas incidencias. Con todo esto es evidente que tenemos material más que suficiente para crear un asistente que nos permita gestionar de modo eficiente las futuras incidencias. Y esto es lo que vamos a construir. [música] Y empezamos por el primer nivel. No os preocupéis si el ejemplo que he escogido os parece muy concreto, porque la metodología es muy fácil de replicar en cualquier otro caso de uso. Lo primero es crear simplemente un cuaderno en Notebook LM, donde lo que vamos a cargar en este caso es por un lado, esas 200 transcripciones de conversaciones que os he mostrado anteriormente. Aquí podéis

9:09 ver cómo las estoy cargando. notebook LM ya las está procesando y una vez cargadas simplemente le doy añadir fuentes y el otro archivo que le voy a cargar son las guías de cómo se deberían haber gestionado estas incidencias. Aquí vemos que ya ha cargado la fuente y que esencialmente es un manual técnico de cómo se deben solucionar las diferentes incidencias de un modo estructurado. Pues bien, con este contexto ya podemos empezar a utilizar Notebook LM. Pero antes de utilizarlo para el propósito final, que nos permitirá avanzar a los siguientes niveles, vamos a ver qué es capaz de hacer con esta información. Por ejemplo, en la ventana de chat lo que podemos hacer es pedirle algo como esto. ¿Cuáles son los cinco tipos de quejas más frecuentes en estas conversaciones? Dame ejemplos concretos citando las transcripciones. Simplemente se lo envío

9:54 y fijaros que es capaz de responder. Y aquí tenemos la respuesta de notebook LM. El primer tipo de queja que ha identificado es este, problemas técnicos y fallos en el sitio web. Y por ejemplo, podemos ver cómo he identificado tres subcategorías. Una de ellas es lentitud extrema y aquí podemos ver cómo cita una fuente. Si clicamos en ella, podemos ver como efectivamente en esta conversación el cliente se quejaba de la lentitud de la web. Estoy intentando eh comprar algo, pero su página web está yendo extremadamente lenta y de este modo podríamos ir repasando todos y cada uno de los tipos que ha identificado. Tarjetas rechazadas, errores en el carrito de compras, una segunda categoría de retrasos en envíos y paquetes perdidos, paquetes no recibidos o extraviados, costos de envíos excesivos. También identifica cobros

10:40 indebidos o tarifa sorpresa. Otra categoría sería defectos de fábrica o errores en el producto enviado y, finalmente, disputas por los precios. Y todas y cada una de estas incidencias tiene referenciada alguna conversación donde se hablaba del tema, por lo que lo que podemos hacer ahora es elaborar un informe que nos sirva para que el asistente lo utilice de base para poder resolver estas incidencias en el futuro de un modo más eficiente. Por lo que aquí en el panelo lateral nos vamos a la herramienta de informes, le damos a crear nuestro propio informe y aquí le pegamos la siguiente instrucción. Le pido que genere un informe ejecutivo con los siguientes puntos. Primero, los cinco tipos de incidencia más frecuentes, que es lo que hemos visto en la respuesta ahora del chat. Pero

11:26 también le pido los principales desvíos de protocolo detectados, los patrones de comportamiento del cliente que más dificultan la resolución y tres recomendaciones de mejora basadas en todo lo observado. Y simplemente le doy a generar y Notebook LM no me va a generar una respuesta en el chat, sino que me va a generar un informe que vamos a poder aprovechar en los siguientes niveles. Y Notebook LM ya ha terminado el informe y si lo abrimos podemos comprobar cómo ha respetado esa estructura. Tenemos un primer bloque de análisis de frecuencia y tipología de incidencias con la explicación correspondiente. Podemos ver también un segundo bloque de diagnóstico de desvíos de protocolo, lo que han hecho los agentes respecto lo que deberían haber hecho y aquí una tabla con diferentes casos que ha identificado. Si bajamos un poco más, vemos la sección de patrones de comportamiento del cliente y barreras

12:12 de resolución y finalmente pues esas recomendaciones estratégicas para la mejora del servicio. Y lo interesante es que ahora con este informe lo que podemos hacer es simplemente crear un documento de Google Doc, dándole a esta opción exportar to Dogs. Y de este modo tenemos un documento que podemos utilizar más adelante para crear nuestro asistente y seguimos en el nivel dos. En el primer nivel hemos visto cómo podemos trabajar con fuentes y referencias para extraer información. Ahora nos vamos a centrar más en las capacidades de análisis de la inteligencia artificial, por lo que lo que vamos a hacer es proporcionarle a Gemini esa tabla con 10,000 filas donde estaban clasificadas todas esas conversaciones de atención al cliente, por lo que simplemente arrasto esta

12:59 tabla a el archivo SSV a Gemini y una vez cargado le pido algo como esto. Analiza este CSV de incidencias de atención al cliente. Quiero saber qué tipo de incidencia requiere más turnos de conversación para resolverse, si hay diferencias significativas en los tipos de queja según el nivel de membresía del cliente y qué productos generan más tipos de queja proporcionalmente y que me dé datos con números concretos. Voy a ponerlo en modo pro para que vaya más a fondo y se lo envío. Y aquí tenemos la respuesta de Gémini y os daréis cuenta muy rápido que ha entendido muy bien cómo analizar el contexto de la tabla. ¿Por qué? Porque en la primera cosa que le he pedido, tipos de incidencia que requieren más turnos de conversación, ha identificado muy rápido que debía sumar dos columnas para realizar la media. Me

13:44 dice esto, he sumado los turnos del agente y del cliente para calcular el promedio total de turnos de conversación. Si nos vamos a la tabla, vemos que esto efectivamente eran dos columnas separadas. Y con esto me ha dado una respuesta que es mucho más pertinente que si simplemente hubiese tenido en cuenta una de las dos, que de hecho hubiese sido un error. Y a partir de aquí pues me ha hecho la clasificación identificando que el defecto de producto era la que en promedio necesitaba más turnos de conversación entre la gente y el cliente, un total de casi 23. Si bajamos un poco más, pues podemos ver la respuesta a las otras dos cosas que le había pedido. Las diferencias en los tipos de quejas según el nivel de membresía, que en este caso lo que me dice es que no hay diferencias significativas. Para que te hagas una idea, las quejas por defectos de

14:31 producto representan entre el 10,2% y el 11% de las interacciones en absolutamente todos los niveles. Y me da un ejemplo concreto. Y finalmente, la tercera cosa que le había pedido, los productos que generan más quejas por defecto, pues también me ha hecho la clasificación y me ha extraído la información sin ningún tipo de problema. Como podéis ver, podemos utilizar Géminis para este tipo de tareas, para hacer el análisis sobre información que puede ser extensa, estructurada y que a nosotros pues de entrada nos requeriría un esfuerzo especial pues analizarla. Y aquí es donde la cosa se pone interesante. ¿Qué sucede cuando tareas como esta las tenemos que hacer de un modo recurrente? Es más, ¿qué sucede cuando esta tarea no solo la tenemos que hacer nosotros, sino que también la tienen que hacer otros compañeros que quizá no dominen de igual modo la inteligencia artificial? Pues aquí es

15:18 donde podemos crear un gem, que es lo que vamos a ver en el nivel 3. Pero antes de saltar al nivel 3, vamos a ver cómo es el propio Gemini quien nos puede construir la instrucción de sistema de este asistente. Lo que podemos hacer primero de todo, es darle el contexto. ¿Os acordáis del informe que hemos generado en notebook LM? Pues ahora es el momento de cargarlo. Lo podemos cargar directamente desde nuestro Google Drive. Simplemente seleccionamos el archivo, le damos a insertar y se carga en el contexto del mensaje que vamos a enviar. Y ahora le pedimos algo como esto. He analizado 200 transcripciones de soporte del cliente en otra herramienta y estos son los hallazgos cualitativos, los que están en el informe. Combinando estos hallazgos cualitativos con el análisis cuantitativo del CSV que acabamos de hacer, necesito que me redactes una instrucción para crear un especialista

16:03 que sea el analista de calidad de soporte de esta empresa. La instrucción debe incluir y todo lo que debe incluir la instrucción. Simplemente se lo envío y me espero a que me genere esta instrucción. Y por cierto, por el proméis porque en la descripción encontraréis un enlace donde podréis acceder a todos los proms que voy utilizando en este vídeo. Y Gemini ya nos ha creado la instrucción para este asistente, al que además de proporcionarle esta instrucción, le deberemos proporcionar el archivo CSV con el resumen de todas las conversaciones, las guías operativas y el informe que hemos generado en Notebook LM para que tenga todo el contexto. Por lo que ya podemos saltar al nivel 3. Vamos a crear este asistente y ponerlo a prueba. Y en este nivel vamos a crear el

16:49 asistente. Tenemos la instrucción copiada del paso anterior. Simplemente desplegamos el menú y aquí en Hems vamos a poder crear nuestro nuevo asistente. Simplemente accedemos a nuestra sección de Gen Manager, le damos a añadir nuevo GM y aquí pues podemos pegar la instrucción que nos ha generado anteriormente Gemini. Y como os he dicho, en la parte de conocimiento debemos añadir esos tres elementos, la tabla SSV, las guías y el informe que nos ha generado notebook. Voy a empezar añadiendo el informe que me ha generado Notebook. Simplemente lo voy a hacer desde el Drive. Aquí lo tenemos. Simplemente lo selecciono y lo inserto. Y ahora le voy a subir los dos archivos desde mi ordenador. Por un lado, las guidelines.

17:35 Por el otro, las transcripciones. Una vez se hayan cargados, simplemente tendré que darle un nombre a este asistente y una descripción y ya podré empezar a utilizarlo. Por ejemplo, como nombre le podemos poner esto, analista de atención al cliente. Y como descripción, esto analiza el estado actual de nuestro bot de atención al cliente. Y una vez nos hemos asegurado que todo se ha cargado y que la instrucción está correctamente pegada, pues simplemente le damos a guardar. Y con el bot guardado podemos empezar a conversar. Y a este GEM le podemos hacer diferentes tipos de consulta. Por ejemplo, le podemos pedir algo como esto. ¿Cuál es el mayor problema de calidad que tenemos ahora mismo en soporte? y voy a activar la función de razonamiento para que profundice un poco más en su contexto y vamos a ver que nos responde. Y aquí podemos ver como este

18:22 asistente nos contesta en base a la información que tiene disponible. Por ejemplo, nos dice que el mayor problema de calidad es esta erosión de la gobernanza operativa y fricción estructural y que, por ejemplo, podemos tener pérdidas financieras, es decir, de dinero porque no se cumplen los estándares de la membresía. dice, según las gaines, que solo los membros Gold pueden recibir créditos inmediatos por retorno de menos de 7 días. Y sin embargo, en las auditorías se ve como los agentes otorgan estos créditos a otros niveles sin validación previa. Y de este modo, pues podríamos seguir y ver cómo nos ha dado una respuesta realmente muy completa a la pregunta que le habíamos hecho y siempre basada en los datos que tiene como asistente en la base de conocimiento y siguiendo la instrucción. Y lo interesante es que le

19:08 podemos pedir cosas un poquito más avanzadas y concretas. Por ejemplo, le podemos pedir algo como esto. Si solo pudiéramos hacer tres cambios en nuestro servicio de soporte para reducir los tiempos de resolución, ¿cuáles serían? Prioriza por impacto y dame los números detrás de cada recomendación. Se lo envío. Y fijaros como ahora lo que obtendremos es un consejo accionable, es decir, un consejo de lo que debemos hacer para mejorar algo muy específico. Y esta es su respuesta con los tres consejos. Por un lado, implementar hardlogs en validación de identidad. ¿Por qué nos dice esto? Pues nos dice que es un dilatador del tiempo crítico y que hace que el olvido simultáneo de credenciales obliga a saltos manuales entre flujo y lo que hace es elevar innecesariamente el turno de conversación necesarios para responder

19:53 una incidencia. También nos hace un análisis del impacto en cifras de lo que supondría aplicar esta medida. El segundo consejo que nos da es una automatización total del flujo de refun status vía autoservicio. Lo que nos está diciendo es que lo que tenemos que hacer es desviar el 100% de las consultas de estado de reembolso a un módulo de autoservicio o bot eliminando la intervención humana de esta categoría. Es decir, ha identificado una categoría de incidencias que es susceptible de ser automatizada. Y finalmente nos dice que la especialización y las preguntas frecuentes dinámicas para el top tres de productos críticos. Lo que nos está diciendo es que ha identificado ciertos productos que tienen más incidencias y que quizá lo que deberíamos hacer es crear una especialización dentro de el servicio de atención al cliente que

20:39 permita resolver mejor y más rápido las dudas alrededor de este producto. Y todo justificado en base a datos. Pero todo lo que hemos visto hasta ahora, aunque es realmente muy interesante, no se puede considerar trabajo que podamos entregar. Para ello, necesitamos definir un entregable, bien sea un análisis de datos con un dashboard, bien sea un documento con un informe o bien sea una presentación. Y en este punto, Gemini también nos puede ayudar y es lo que vamos a ver en el nivel cuatro. Pero antes vamos a generar la primera versión de la presentación dentro del propio Gemini con una instrucción como esta. Crea una presentación en Google Slides que me ayude a presentar estas tres mejoras de un modo ágil y preciso y se lo envío. Y aquí tenemos la respuesta de Gemini, que como podéis ver lo que ha hecho es generar una presentación que puedo abrir dentro del propio canvas de

21:25 Gémini y puedo repasar. Son un total de 13 diapositivas donde iremos recorriendo los diferentes las diferentes sugerencias que nos ha hecho la gobernanza sistémica. Si seguimos pasando slides, vemos la siguiente, la eficiencia escalable y finalmente el tercer punto que sería el de reducción de fricción. Pero lo interesante es que esto no tiene por qué quedarse aquí dentro de Gémini, sino que lo podemos exportar a slides. Y esto enlaza directamente con el nivel cuatro. Y es que una vez exportado a Google Slides, ya tenemos control total para crear la presentación que podemos compartir con nuestros compañeros o que nos servirá para hacer la explicación a nuestro jefe. Y es que si ahora nos desplazamos a través de las diferentes

22:11 diapositivas, podemos ver que podemos editar el texto simplemente manualmente, seleccionando cualquier texto que haya en cualquier diapositiva. Pero lo más interesante es que podemos mejorar el diseño también utilizando inteligencia artificial, utilizando este panel lateral de aquí donde nos aparece Gémini y evidentemente sus funciones de inteligencia artificial. De modo que si queremos mejorar, por ejemplo, esta diapositiva, le podría pedir algo como esto. Mejora el diseño de esta diapositiva, hazla con un diseño eh partido vertical, mitad imagen, mitad información y mantén el lenguaje en español. y se lo envío. Y fijaros qué sucede. Automáticamente mejora el diseño de la presentación tal y como yo lo he pedido. La mitad es información y en la otra mitad lo que hay es una imagen. Y esta es la gracia del nivel cuatro

22:57 porque estas funciones de inteligencia artificial se han implementado en todas las herramientas que utilizamos para trabajar en Google Slides, pero también en Google Docs o Google Sheets, al que, por ejemplo, sobre esta tabla le podemos pedir algo como esto. Simplemente aquí arriba activamos la función de AS Gemini y le digo esto. crea un gráfico de barras con la clasificación por tipo de incidencia. Se lo envío y automáticamente me va a crear este gráfico. Aquí podéis verlo, el gráfico donde vemos el número de incidencias por cada uno de los tipos disponibles. Y lo interesante es que lo podemos insertar dentro de nuestra hoja de cálculo. Simplemente le damos a a insertar y automáticamente lo que hace es crear una nueva pestaña donde ha incorporado este gráfico, lo que agiliza mucho el trabajo. Y estas funciones de inteligencia artificial también se

23:43 encuentran en Google Docs. Y lo mejor es que muchas veces ni tan siquiera tenemos que escribir un prom. Por ejemplo, si queremos mejorar este párrafo, simplemente tenemos que seleccionarlo, le podemos dar a mejorar y una vez le damos a mejorar, le podemos dar a reescribir y automáticamente nos dará una nueva versión sobre este párrafo. Aquí lo podéis ver. La versión original decía implementación de fac dinámica basada en login y aquí podemos ver como dice personalización de fac mediante autenticación, es decir, es el mismo contenido. Si me interesase más esta nueva versión, simplemente le tendría que dar aceptar y ya habría cambiado el párrafo. Y en esto consistiría el nivel cuatro, ese punto donde nosotros cogemos las riendas, podemos trabajar manualmente, pero podemos seguir iterando si queremos con inteligencia artificial en nuestras herramientas

24:28 favoritas. Si lo que has visto hoy te ha interesado, pero te gustaría conocer un método un poco más avanzado, te recomiendo este vídeo donde te explico cómo organizar información automáticamente. Nos vemos en el próximo vídeo.