NOTAS DE CAMPO / LDM ZARAGOZA / CALATAYUD · 2026

/ NOW · LIVING DOCUMENT

Lo que está vivo.

Ahora me interesa cómo construir sistemas de IA que no se queden en una conversación aislada: sistemas con contexto, herramientas, relaciones entre datos y una forma clara de saber si están ayudando.

ÚLTIMA ACTUALIZACIÓN17 AGO 2026
LOCATIONZARAGOZA / CALATAYUD · ESPAÑA
MODEEXPLORANDO
00FIELD NOTE / RESEARCH IA
NOTA ABIERTA17 AGO 2026ESTADO / EN CONSTRUCCIÓN

Estoy construyendo un observatorio de IA, no otra lista de papers.

Research IA nace de una incomodidad sencilla: leer más enlaces no significa entender mejor lo que está cambiando.

Quiero que cada edición semanal devuelva orientación. Qué afirma un trabajo, qué evidencia lo sostiene, qué puedo extraer para construir algo y dónde están sus límites. El paper no es el destino: es una pieza dentro de una decisión.

Por eso el radar combina fichas editoriales, relaciones, gráficos y una memoria de desarrollo. La portada muestra la forma del campo; las fichas explican la señal; las ideas traducen la investigación en hipótesis; y el Second Brain conserva las preguntas que todavía no hemos resuelto.

DESCUBRIRLEERCONECTARPROBARRECORDAR
01 / EVIDENCIA

La novedad no es valor.

Separar lo que el paper demuestra de lo que yo infiero y de lo que todavía conviene vigilar.

02 / DECISIÓN

Leer tiene que cambiar algo.

Cada lectura termina en una extracción concreta, un límite explícito o un siguiente experimento.

03 / TIEMPO

El radar aprende por semanas.

Acumular cortes comparables sin inventar crecimiento, tendencias o certezas antes de tener datos.

04 / MEMORIA

La investigación deja rastro.

Guardar decisiones, preguntas y resultados para que la siguiente edición pueda corregir la anterior.

01ATTENTION FIELD
01 / BUILDING

Construyendo

Herramientas que conectan señales industriales, contexto y conversación para que un dato pueda convertirse en una siguiente acción.

02 / RESEARCHING

Investigando

Agentes, LLMs, automatización y visualización: no solo si funcionan en una demo, sino qué necesitan para sobrevivir en una operación real.

03 / THINKING

Pensando sobre

Cómo cambian los sistemas complejos cuando introducimos nuevas interfaces, nuevos incentivos y nuevas formas de observarlos.

04 / EXPERIMENTING

Probando

Harnesses y grafos para que los agentes puedan usar herramientas, seguir relaciones entre procesos y explicar mejor por qué proponen una acción.

05 / LEARNING

Aprendiendo

A moverme con más precisión entre proceso, código, producto y conversación; a reducir la distancia entre una pregunta y un experimento.

06 / EXPLORING

Leyendo / explorando

Papers, repositorios, productos emergentes y herramientas que puedan cambiar la forma en la que pensamos y trabajamos con máquinas.