Juego al póker de vez en cuando. Póker de verdad, sin conexión. Pero más a menudo juego online, solo para desconectar. Anoche participé en otro torneo pequeño, uno de tantos. Después de cada sesión le pido a Claude que analice mis manos: dónde jugué bien y dónde no. El análisis siempre es sólido, preciso, honesto y detallado.
Pero como texto plano no se me queda. Lo leo, asiento y en el siguiente torneo caigo exactamente en las mismas trampas.
Esta vez añadí un paso más. Nada de un bloque de Markdown. HTML.
El mismo análisis que Claude suele entregar como un bloque de texto, esta vez en HTML estructurado con cartas visuales, códigos de color y navegación clara. Esa es la diferencia entre interiorizar un análisis y limitarse a leerlo.
Y ese fue el momento en que Output Engineering dejó de ser solo un principio de trabajo.
Karpathy publicó exactamente esto en X la semana pasada: outputs HTML en lugar de bloques de Markdown. Bienvenido al club.
Ver publicación en X →También acuñó el término «Context Engineering», y ya era hora. Pero entre «cómo le doy a la IA el contexto adecuado» y «cómo entiendo de verdad lo que sale al final» hay una capa que nadie ha nombrado todavía.
Yo la llamo Output Engineering.
Así funciona para nosotros:
Hago investigaciones profundas con cuatro IAs distintas de forma habitual. ChatGPT, Claude, Perplexity y Gemini. El mismo briefing, el mismo contexto. Lo llamo Triple Research, aunque técnicamente sea cuádruple. El nombre llegó primero.
¿Qué es Triple Research?
La misma pregunta estratégica se envía al mismo tiempo a cuatro sistemas de IA distintos, con un briefing y un contexto idénticos. Después se combinan y comparan las cuatro perspectivas.
El nombre «Triple» viene de los primeros días del método. Hoy funciona con cuatro sistemas, pero el nombre se quedó.
El resultado son tres documentos con funciones distintas.
El documento bruto no está ahí para leerlo. Es material de trabajo para la IA. Lo subo y hago preguntas concretas: ¿qué plataforma recomienda la mayoría? ¿Dónde se contradicen las cuatro IAs? ¿En qué coinciden todas?
Claude crea a partir de ahí un resumen que mi equipo y yo sí leemos. Recomendaciones principales, diferencias más importantes y base para decidir. Pero entre leer algo y comprenderlo de verdad puede haber un mundo.
Por eso añadimos hace poco un tercer paso. El informe HTML marca la diferencia.
La semana pasada lo hice para estudiar una posible comunidad de AIKIA Labs. ¿Debería crearla? ¿Con qué formato? ¿Qué plataforma sigue teniendo sentido en 2026? Consulté el documento bruto y leí el resumen. Después le di a Claude la tercera instrucción: lo mismo, en HTML.
El informe se preparó como documento interno de decisión. La idea importante aquí es el cambio de formato: el mismo análisis pasa de ser un bloque que se archiva a una herramienta que se entiende.
La diferencia frente a un resumen de texto se ve enseguida. La navegación y la jerarquía visual permiten entender la estructura en segundos. Los códigos de color (verde para las recomendaciones y rojo para lo descartado) permiten orientarse sin leer una sola frase. También se pueden integrar gráficos, tablas comparativas y planes de acción.
Entiendes las conexiones mucho más rápido y las recuerdas mejor, porque nuestro cerebro procesa la información visual de otra manera que el texto plano.
«El resumen me da los datos. El informe HTML me da claridad.»
Tiene razón en que Context Engineering es el trabajo de verdad. Escribir prompts pertenece al pasado. Y también tiene razón en que HTML funciona mejor que un bloque de Markdown. Pero eso ya entra en Output Engineering.
Context Engineering responde a una pregunta: ¿qué le doy a la IA para que pueda trabajar bien?
Output Engineering responde a la otra: ¿qué debe salir, para quién y en qué formato?
Enseño ambas cosas en mis cursos AI First, porque una buena investigación suele morir justo aquí. Los prompts eran buenos. El contexto estaba ahí. Y al final sale un bloque de Markdown que nadie vuelve a abrir.
El documento bruto para la IA. El resumen para leer. El informe HTML para comprender de verdad y tomar buenas decisiones.
Funciona para investigar una comunidad. Funciona para analizar manos de póker. Funciona para cualquier cosa que quieras interiorizar de verdad.
Una sesión de investigación. Quince minutos.
Sinceramente: ¿cuántos informes has producido en los últimos meses que nadie volvió a abrir?