Inteligencia artificial: por qué hace lo que le pedís y sale mal

De qué trata

El vídeo defiende que los agentes de IA fallan menos cuando se les da un plan por escrito que cuando se les lanza un prompt corto. Parte de un caso en el que un agente tocó 11 archivos y rompió tests, y explica por qué el prompt es efímero y el plan es un archivo que se revisa y se edita.

La segunda parte es una demo con un bug real de gentle-ai (issue 4089) usando Junie CLI: instalación y modelos, agents.md, modo planificación, modo voz, cambio de modelo, worktrees, review mode, pull request y GitHub Action. Cierra con tres lecciones. Son 26 capítulos en unos 20 minutos. Incluye una integración pagada de JetBrains.

• El plan como archivo frente al prompt efímero
• Junie CLI: instalación, modelos y agents.md
• Modo planificación y plan editable en .junie/plans
• Worktrees para agentes en paralelo
• Review mode, pull request y GitHub Action

Para quién es este curso

• Programadores que ya usan agentes de código y ven que a veces tocan más archivos de los previstos o duplican lógica.
• Desarrolladores que quieren incorporar un flujo de planificación y revisión al trabajar con agentes de IA.
• Equipos que quieren que las convenciones del proyecto queden por escrito (agents.md) para los agentes.

Qué sabrás hacer al terminar

• Entender por qué un plan en archivo es más barato de corregir que una implementación.
• Configurar Junie CLI con modelos, agents.md a nivel proyecto y global.
• Usar el modo planificación y editar el plan antes de ejecutar.
• Combinar un modelo potente para planificar y uno rápido para ejecutar.
• Revisar cambios y crear un pull request con ayuda del agente.

Plan de estudio sugerido

1 semana · unas 1 h por semana

1. 1.Sesión 1: ve 0:00-4:41 y anota por qué el plan es un archivo y no un prompt.
2. 2.Sesión 2: sigue 4:41-9:26 e instala Junie CLI (o tu agente) con un agents.md propio.
3. 3.Sesión 3: practica 9:26-13:36 escribiendo un plan de una tarea pequeña y editándolo antes de ejecutar.
4. 4.Sesión 4: repasa 13:36-19:18 y prueba worktrees, revisión y pull request en un repositorio de prueba.

El plan cuenta con tiempo para pausar y practicar, no solo con la duración del vídeo. Si quieres adaptarlo a tu semana, lee cómo montar tu plan de estudio semanal.

Consejos para seguirlo

• Pausa en 9:26 y redacta tú un plan de una tarea real de tu repositorio antes de ver cómo lo hace el agente.
• Escribe tu agents.md tras el capítulo 7:50 con las convenciones reales de tu proyecto.
• Antes de planificar, busca si el proyecto ya tiene el formato o función que necesitas, como en el caso del issue 4089.
• Si usas otro agente, aplica igualmente las ideas de plan como archivo y revisión; la herramienta cambia, el concepto no.

Antes y después de este curso

• AlternativaEl fin del Vibe Coding: Crea software robusto con este métodoAborda también cómo obtener software robusto con IA frente al vibe coding.
• AlternativaAlucinaciones de IA durante el desarrollo: por qué pasan y la soluciónTrata problemas parecidos de la IA durante el desarrollo y cómo evitarlos.
• Después de este cursoCLAUDE CODE 2026: Curso Completo en Español (actualizado)Permite practicar un flujo con otro agente de código, en formato de curso completo.

Cómo lo presenta el autor

Gentleman Programming | Agentes de IA | Por qué tu agente de IA hace exactamente lo que le pedís y sale mal: 11 archivos tocados, tests que andaban ahora rotos y una función duplicada. El agente hizo bien su trabajo. El problema fui yo, que le pedí en tres renglones algo que necesitaba tres párrafos.

Este video contiene una integración pagada de JetBrains. #AD

Esto le pasa hoy al 90% de la…

Extracto de la descripción original en YouTube.

Preguntas frecuentes

Más cursos de Programación