Segon cervell amb IA: com convertir documents en una wiki persistent amb Claude Code i Obsidian

Esto es muy loco. Imagina por un momento que pudieses crear un segundo cerebro, una red neuronal completa de todos los conceptos que quieres que la IA tenga y que se nutran entre sí para así cada vez que la IA necesite trabajar contigo sea un experto que tiene toda la información a su disposición. Y esto no es un método que me haya inventado yo, es el paso a paso que ha compartido el trabajador de Antropic Carpati, que fue el cofundador de Open AI y que ha dado el método para entrenar a la IA y crear este segundo cerebro. Y esto tiene muchísimas implicaciones, desde poder tener todo tu negocio hasta ayudarte a entender una empresa con todos sus conceptos, cómo se alínean entre sí, toda la información que tengamos disponible, digerida y lista para poder usar cada vez que utilicemos la inteligencia artificial. Pues una de las cosas que estuve haciendo yo es utilizar la literatura académica más importante en finanzas para que la sintetizase entera y que crease un experto con todos los conocimientos importantes del mundo financiero y cómo todos esos conceptos están relacionados entre sí. Ahora bien, los papers académicos son un poco aburridos y vamos a intentar crear una especie de segundo cerebro con todo el conocimiento de las últimas décadas del mejor inversor de todos los tiempos y así tendremos todas las carpetas con todos los conceptos ordenados que podremos leer a través de Obsidian. Te voy a explicar todo el paso a paso y el concepto del método de Carpaty y que así puedas replicarlo en todo lo que quieras. análisis de industrias, análisis de empresas, cualquier cosa que necesites estudiar, todo para poder crear la arquitectura correcta para trabajar con la IA. Fijaros, el problema principal de cómo utilizamos la inteligencia artificial en el día de hoy es que seguramente eh tú y yo y todos lo

que hacemos es que llegamos a la que utilizamos. Por ejemplo, yo suelo utilizar cloud, tenemos varios vídeos en el canal de cosas prácticas que he hecho y le damos toda la información. Por ejemplo, imagínate que estamos analizando una empresa y le volcamos pues los últimos informes de la compañía, el 10K, el 10Q, un análisis de expertos y distintas cosas y le pidamos que analice. El problema de esto es que el contexto se queda en esta conversación y cuando la conversación se acaba, ese contexto tiende a acabarse. Sí que es verdad que la IA puede guardar memoria y te va recuperando ciertos conceptos en otras conversaciones, pero todos esos archivos que le has dado no los has sintetizado y por lo tanto la próxima vez que quieras preguntarle algo le tendrías que volver a volcar estos archivos para que volviese a trabajar con ellos, lo que supone un gran consumo de tokens y obviamente volver a repetir todo, volver a volcarle los archivos o podrías hacer un proyecto con todos los archivos dentro, pero cada vez que le preguntes sobre algo, la IA va a tener que ir viendo esos archivos una y otra vez. Y ese es el problema que planteó Carpati hace unos pocos meses. Dijo que el problema es que todo el mundo le da una colección de archivos, distintas cosas y que esto funciona, pero que cada vez tienes que volver a empezar de cero. No hay acumulación. Cada vez que le haces una nueva pregunta, la inteligencia artificial tiene que encontrar las piezas y los fragmentos relevantes y aquí recalca que nada se está construyendo, pero propone una idea diferente. En vez de tan solo darle los documentos brutos cada vez, lo que podemos hacer es crear una arquitectura que constantemente construya encima de esta y vaya actualizando páginas, revisando los temas, buscando datos que se contradicen para solucionarlo o

incluso mejorando el sistema. Todo esto suena un poco técnico, pero vamos a traerlo a tierra. Y la solución que propone Carpat es la que él mismo está implementando, ya que esto lo compartió en un tweet como algo personal, diciendo, "Oye, yo estoy trabajando así." Y se hizo extremadamente viral. Eso hizo que Carpati compartiese la guía, la estructura de cómo lo hace. Él publicó un patrón que no es un producto ni es código. Es una forma de trabajar y sobre todo para los que trabajamos con información, con muchos documentos. En lugar de que la IA relea tus documentos en cada pregunta, construyes una wiki persistente una vez, una estructura completa de tres capas que te voy a enseñar ahora y lo vamos a hacer paso a paso y la mantienes para siempre. Dice, por ejemplo, lo que se pone interesante es que una vez tu wiki, ese cerebro, es tan grande, por ejemplo, el mío tiene unos 100 artículos y más de 400,000 palabras, le puedes preguntar a tu agente de inteligencia artificial cualquier pregunta compleja sobre esa materia, porque tiene acceso a todo ese directorio. Y básicamente esto funciona con una arquitectura de tres capas y puede parecer muy técnico, pero realmente lo voy a explicar muy sencillo. Fijaros en la capa 3 tendríamos nuestras fuentes, nuestros documentos, nuestros archivos brutos. Aquí lo que voy a hacer yo es volcarle todas las cartas de Warren Buffett. Esos son archivos brutos en PDF, en Word, en lo que sea, que no se modifican. Esa carpeta es nuestra, es donde están nuestros archivos guardados. Ahora bien, aquí es donde se pone interesante. Esa carpeta local lo que va a tener es un cloud.md, MD, que básicamente va a ser un archivo que le dice a Cloud cómo trabajar dentro de esa carpeta, dentro de ese cerebro, si queréis que lo llamemos así. El Cloud MD

va a conocer exactamente tus gustos, tu forma de trabajar, tu forma de analizar, en este caso, el mercado, tu filosofía de inversión y va a adaptar su trabajo a ese contexto para conocerte a ti y saber cómo te puede ayudar mejor. Y en la capa dos tenemos el wiki. El wiki le pertenece a la IA. Ahí es donde crea, actualiza y mantiene. Es decir, lo que va a hacer la IA es que cada archivo bruto que le demos lo va a ingerir, lo va a sintetizar y va a crear páginas que luego le permitan tener esa información siempre a su disposición de forma rápida y cómo esa información se relaciona con todo el resto. Fijaros, aquí tenemos el esquema un poco más en detalle y ahora cuando lo hagamos paso a paso lo vais a entender mucho mejor. En la carpeta uno van todos nuestros archivos. Esta la creamos en nuestro ordenador y podemos los archivos brutos que queramos. La capa número dos le pertenece a la inteligencia artificial. Aquí es donde la inteligencia artificial va a crear esas páginas, esos conceptos y sintetizar la información. Y va a tener también un index y un log. Y esto Carpat dice que es muy útil por lo siguiente. El index básicamente será un archivo que básicamente es como el índice de un libro. Le dice a la inteligencia artificial todo lo que hay en esta capa dos y básicamente lo ordena. cada página listada con su link, un resumen rápido de lo que muestra cada página, distintos conceptos, fuentes, etc. Lo que hará la inteligencia artificial es primero leer el índice y así luego buscará dentro de todos los archivos las páginas relevantes. Y luego el log básicamente es un archivo que se mantiene actualizado, que es cronológico y donde la va a ir poniendo todo lo que ha ido haciendo, todo lo que se ha ido cambiando dentro de este cerebro. Así siempre tenemos un histórico de todos los cambios que se han realizado. Con

esto lo que logramos, gente, es un contexto brutal, que cada vez que trabajemos con la IA tenga a su disposición todo ese cerebro, esas conexiones que hemos visto para poder recopilar la información o ayudarnos de la mejor forma posible. ¿Cuáles son, según Carpati, las aplicaciones de uso? Pues puede ser personal para tener tus objetivos, salud, temas de desarrollo personal, puedes llevar un seguimiento, por ejemplo, si haces un diario, artículos, podcast. también te sirve para research y esta es la parte más interesante en mi opinión porque te permite crear un cerebro de una temática que quieras investigar y poderle recopilar un montón de información y que te la vayas sintetizando. Por ejemplo, estás estudiando algo concreto o estás aprendiendo sobre una industria específica, sobre un sector, sobre una temática, pues puedes crear una especie de cerebro enfocado en esto. Lo mismo con los libros, lo mismo con trabajos de equipo o incluso negocios. Así que ahora sí vamos a ver qué aplicación le podemos dar nosotros. Como te enseñaba, yo he estado probando con papers académicos para ir sacando los conceptos, que tenga bien la información detallada de todos los estudios académicos que hay y realmente las bases de las finanzas, pero ahora lo vamos a hacer con algo un poquito más molón porque ya sé que todo esto es muy aburrido. Vamos a hacerlo con Warren Buffett. Vamos a intentar crear un segundo cerebro que recopile todos esos años de enseñanzas que ha escrito Buffet en sus cartas anuales. ¿Y cuál es la forma de trabajo? ¿Con qué plataformas trabajamos? Bien, pues Carpati suele utilizar Obsidian, que Obsidian no deja de ser un lector de archivos de notas MD, ¿vale? Markdown. Lo bueno que tiene es que si algún día Obsidian desaparece, esos archivos Markdown son archivos de texto que

cualquier ordenador puede leer, así que los podrías utilizar en otra aplicación. Y Obsidian, básicamente simplemente es ese lector de archivos de notas que además nos hace ese mapa de conexiones que luego podemos tener. Pero Obsidian básicamente solo lee el Bolt, que es esta arquitectura. Y luego con Cloud Code, personalmente es con quien voy a trabajar para poder ir actualizando todo esto. Para utilizar Cloud Code hace falta al menos la cuenta Pro. Voy a buscar entonces las cartas de los accionistas de Versai Hataway. Me voy a meter en la página de Versai Hataway. Y como veis, aquí tenemos todos los años. Si clico, me lleva directamente al PDF y puedo descargarla con el año actual. Y aquí, como veis, cada carta con las lecciones de ese año de Warren Buffett. Esto obviamente nos va a llevar un tiempo, gente, no es hacer algo rápido y ya está. Hay que tenerlo bien estructurado, bien organizado, pero una vez lo tengamos creo que podemos darle muchos usos. Vale, pues he descargado ya las cartas desde 2024 hasta 2008. Por el momento vamos a parar ahí y ya luego lo seguiré alimentando, porque tú puedes seguir luego alimentándolo con muchos más archivos brutos. Esa es la gracia, que vas escalando esta estructura cada vez más. Entonces, luego podría añadir las cartas que faltan de los años anteriores. Bien, por ahora vamos a dejar estos archivos aquí y lo que vamos a hacer es irnos a Cloud Code y luego para utilizar Cloud Code puedes hacerlo de distintas formas. Puedes hacerlo a través de la terminal de tu ordenador si quieres, puedes hacerlo a través de la aplicación, que yo creo que lo voy a hacer con esa en este vídeo porque sería como la más sencilla. O puedes instalar, por ejemplo, una herramienta como sería Visual Studio Code, que es la que utiliza mucha gente, y ahí integrar Cloud Code y utilizarlo a través de esta

herramienta. En mi caso, voy a utilizar la aplicación de cloud del ordenador, donde me voy a ir directamente, aquí tenemos chats, cowork y code. Me voy a ir a la parte de code y aquí estaríamos en cloud code. Lo que tengo que hacer también es crear una nueva carpeta en mi ordenador. Esa va a ser la carpeta donde vamos a crear toda la estructura. Por ejemplo, la voy a llamar cerebro buffet. Y ahora lo que voy a hacer es seleccionar dentro de Cloud Code, darle acceso a esta carpeta que acabamos de crear. Básicamente aquí podéis seleccionar abriendo carpeta y seleccionamos la carpeta que hemos creado, cerebro buffe. Confiar en el espacio de trabajo, le damos y ya tendríamos la carpeta asignada. Antes de crear el archivo Cloud MD bajo los estándares de Carpati, lo que vamos a hacer es crear una subcarpeta y la vamos a llamar row. Y aquí es donde van a ir nuestros archivos brutos. Entonces, aquí en el row vamos a volcar todas las cartas de Warren Buffet. Básicamente las voy a de la otra carpeta y las voy a volcar aquí dentro. Y ya tendríamos dentro de la carpeta cerebro buffet otra subcarpeta que es row con todas las cartas en PDF. Y aquí podríamos seguir añadiendo archivos, ya que esta carpeta nos pertenece a nosotros y estos archivos no se van a tocar. Y ahora dentro de Cloud Code y con la carpeta ya seleccionada, lo que voy a hacer es darle un poco de contexto. Le voy a decir, "Aquí abajo tienes el patrón LM Wiki de Carpaty. Lo voy a adjuntar. Ahora os voy a decir dónde descargarlo. Constrúyeme un segundo cerebro de Warren Buffett. Este es un poco mi objetivo. Y le das un poco de contexto. Aquí le puedes explicar lo que tú quieras. Cuanto más preciso seas, mucho mejor, porque así el cloud MD, que es ese archivo que Cloud va a utilizar para seguir una serie de reglas dentro de

toda esta arquitectura, pues obviamente estará más detallado y funcionará mejor. Y aquí le he dicho, pues soy un analista, mi enfoque es de inversión a largo plazo, segundo orden, crea el cloud.md, la estructura y luego lee todos los archivos row y construye un cerebro financiero estructurado e interconectado sobre Puffet. Mi idea es tener a su disposición todos los conocimientos que utilizó en sus cartas para poder usarlos en mis inversiones. Párate a preguntarme lo que necesites antes de empezar. Esto es importante, ¿vale? Para que nos vaya haciendo preguntas sobre cosas que quiera saber cómo las queremos hacer. Esto es clave ponerlo. Y ahora aquí abajo le voy a copiar el patrón de Carpaty. Para ello os voy a dejar la web en la descripción. Como veis, lo puso hace 3 meses público. Y básicamente aquí explica la idea de cómo funciona esta arquitectura. Esto simplemente es la idea de cómo funciona, no es ningún código ni dice cómo hacer nada, simplemente cómo estructurar la idea. Por lo tanto, si le damos la idea a Cloud Code, pues va va a saber cómo enfocar esta arquitectura para seguir exactamente los pasos de Carpati. Por lo tanto, le vamos a dar a row aquí para poder copiarlo. Y lo que voy a hacer es copiar todo esto. Control C, me vuelvo a cloud y aquí abajo lo voy a pegar. Y por tanto tenemos todo esto. Le doy a enter. Aquí podemos seleccionar el modelo de lenguaje. Por ahora voy a tirar con opus, aunque Fabel ya está disponible otra vez, pero por ahora voy a tirar con opus porque tampoco creo que necesite gran capacidad para hacer esto. Nos va a pedir acceso a la carpeta, en este caso que hemos creado nueva, la de cerebro Buffett, que es a la que le hemos dado acceso y va a empezar a trabajar. Ahora lo que está haciendo es crear el archivo Cloud MD, que va a ser la serie de guías que va a utilizar. Cada vez que Cloud

acceda a algún archivo dentro de esta carpeta, ojo, solo le hemos dado acceso a esta carpeta, pues nos va a pedir distintos permisos. Ahí ya si queréis podéis activar el bypass para que directamente no os pida permiso y lo haga directamente o simplemente le confirmáis permiso cada vez. ¿Veis? Extraer información del PDF, pues le vais permitiendo y ya está. En este caso lo que está haciendo es leer los PDFs. Fijaros, ya nos está haciendo las primeras preguntas. ¿En qué idioma quieres construir el wiki? Las páginas de síntesis, los principios y análisis. ¿La quieres en español con las citas en inglés? ¿La quieres en inglés íntegro? ¿La quieres en Beligüe completo? Cada página con su versión en ambos idiomas. En mi caso concreto voy a tirar por inglés, pero aquí lo bueno es que tú puedas configurarlo como tú quieras. Si tú lo quieres todo en español, pues en español le voy a dar a inglés dándole al dos o dándole click, pero con marcar el dos y darle a siguiente. Ya vale. Me dice, "¿Alredor de qué debe optimizarse el cerebro?" Elige las que más valor te aporten. Principios y modelos mentales, capa de aplicación, checklist accionables, framework, decisiones al estilo Buffet, casos de empresas, fichas de las operaciones y participaciones que Buffet analiza como estudios de casos vivos, conceptos contables y financieros, pues le podríamos decir eh un poco de todos porque me interesan todos. Tercera pregunta, ¿cuánta libertad tengo respecto a las fuentes? Solo las cartas con cita. Todo lo que afirme el wiki debe salir de las 17 cartas y llevar cita año más tema, máximo rigor y trazabilidad. Así tenemos trazabilidad de qué está citando de cada documento. Y tenemos el documento en archivo bruto. Esto sería la opción más limpia y es la que más recomiendo. Luego podríamos utilizar permitido eh

complementar con conocimiento asentado de fuera de cartas si queréis que utilice información externa. Pero cuando queramos trabajar con información buena que solo nosotros le proporcionamos y esto sobre todo de cara a analizar empresas, mi recomendación sería optar por la uno. Así siempre va a utilizar la información del archivo bruto. Voy a darle a la uno en este caso siguiente. Yo solo quiero lo que ponen las cartas. ¿Cómo ejecuto la construcción inicial? Todo ahora. Proceso las 17 cartas de una sola pasada con subagentes. Construyo el wiki y te presento el resultado. Piloto primero. Proceso dos tres cartas. Te enseño y tras tu visto bueno sigo con el resto. Mi opinión es primero hacer un piloto para ver cómo está sintetizando cada una de las cartas. Le damos enviar y va a empezar a darnos un piloto por si queremos corregir cosas. Pues listo, el piloto ya está construido. Aquí tienes el resumen para tu revisión. En este caso ha tardado unos 20 minutos porque le hemos dado muchísimos archivos. Mi recomendación, lo primero sería utilizar un modelo de lenguaje un poquito inferior, quizás, por ejemplo, con Sonet ya sería suficiente para consumir menos tokens. Y lo segundo es que esto lo tenemos que ir haciendo de forma progresiva. Es decir, si de primeras le intentamos dar todos los archivos del cerebro y que los ingiera todos de golpe, en mi opinión va a ser demasiado trabajo. Le podríamos haber dicho en el promp inicial que primero fuese por pasos, que solamente crease el cloud MD y que únicamente ingiriese uno de los archivos de las cartas. Y cada día lo que hacemos es que le vamos pidiendo que ingiera más archivos row que faltan y así iría poco a poco trabajando y podemos hacerlo de forma progresiva sin tener que consumir toda nuestra sesión en una única vez. Dicho esto, aquí nos dice que ya ha creado el cerebro piloto,

las páginas que ha creado, todos los conceptos, todos los casos de empresas. En este caso ha utilizado unas cuantas eh bueno, he utilizado 33 páginas interconectadas, ¿vale? Faltarían muchas cartas que no ha hecho, pero lo que vamos a hacer es que luego poco a poco cada día le podríamos decir que vaya ingiriendo algunas cartas. Y esto de nuevo se va a ir construyendo capa sobre capa sobre capa. Ya tenemos la estructura, por lo tanto todo lo que le vayamos aportando y vayamos haciendo demás va a ir sumando. Entonces, vamos a ver cómo ha quedado la carpeta. Fijaros, aquí tengo ya el cerebro de Buffet, me ha creado el Cloud MD, la carpeta de row no la ha tocado porque esos son nuestros archivos y ha creado la carpeta de wiki. Y fijaros todo lo que ha hecho. Ha creado los conceptos, ha creado los casos, lo ha ordenado todo por las aplicaciones, las personas involucradas en las cartas, los principios, las fuentes que ha utilizado, la síntesis, un montón de cosas. Pero claro, leer esto de esta forma no es útil. Esto es la arquitectura. Con esto ya nosotros cada vez que trabajemos en Cloud Code y tengamos seleccionada nuestra carpeta del cerebro de Buffett, le podremos hacer preguntas o podremos añadir más cosas o de nuevo tener todo el contexto porque ahora cloud lo puede encontrar de forma muy rápida. Pero ahora podemos utilizar un lector de archivos MD para ver un poco cómo ha quedado todo este cerebro y poder también nosotros tener el acceso a esas notas. Para ello podemos utilizar la aplicación de Obsidian. La tenéis para Mac y también para otras plataformas. Creo que la hay disponible para Windows también. Fijaros, descargáis Obsidian, es gratuita y cuando descarguéis os va a decir esto. Cuando abráis Obsidian, os va a decir o bien creáis una bóveda nueva o bien abrís una carpeta como

bóveda. En este caso, como ya tenemos la carpeta, ya tenemos ese cerebro hecho, queremos abrirla. Entonces, vamos a abrir la carpeta del cerebro buffet. Al abrir la carpeta, aquí ya tengo todas las subcpetas. Lo primero, los archivos row, que hemos dicho, que son todas las cartas en PDF. Perfecto, eso no lo vamos a tocar. Y luego todos los wikis que ha creado. Fijaros, ha creado un checklist para mirar la calidad del negocio que podemos utilizar. Oye, tiene pricing power, tiene retornos incrementales del capital, el balance, el management, ha creado distintas red flags, puntos importantes que tenemos que revisar cuando analizamos banderas rojas, ¿no? Cuando analizamos una compañía y nos pone todo ligado entre sí. Fijaros que cada concepto y cada año lo tiene linkeado para que podamos acceder a otras notas sobre estos temas. Luego nos ha hecho una carpeta de casos con, por ejemplo, algunas empresas, por ejemplo, Geiko, la aseguradora, donde nos habla de distintas cosas, nos linkea todas las cosas que nosotros queremos tener. Siscandis también, la empresa de los de los dulces. Luego también nos ha hecho los conceptos, por ejemplo, el concepto de economic goodwill, que significa, cómo funciona el concepto de float, el concepto de valor intrínseco, con quién se relaciona. Y podemos darle aquí con Obsidian y nos hace una gráfica de los conceptos que nos ha creado y podemos ver cómo todo está ligado entre sí. Por ejemplo, Mr. Market nos redirige a otros conceptos importantes. Por ejemplo, de 2008 nos habló de todo esto, en 2011 nos habló de todos estos conceptos y podríamos clicar e ir al concepto que nosotros creamos. Por ejemplo, si creemos un concepto como es el margen de seguridad, vemos todo lo que está relacionado con el margen de seguridad. Luego también crea esas páginas importantes, esa estructura que decía

Carpaty, que básicamente va a tener siempre actualizada. Por ejemplo, el índice básicamente nos dice cómo está todo estructurado. El log nos dice los últimos cambios. Aquí nos dice que ha hecho el esquema y luego nos dice que ha ingerido pues las cartas tan solo de 2008, 2011 y 2014. Así que podéis ver poca información aquí, pero fijaros ya es bastante conceptos y solo lo hemos sacado de tres cartas. Yo ahora lo que podría ir día a día es pidiéndole que ingiera más cartas para que vaya poco a poco creando toda esta base de datos, todo este cerebro que luego nosotros podemos utilizar para el contexto. Y aquí está el archivo Cloud MD, que podríamos revisarlo y hacer cambios. El Cloud MD es básicamente toda la arquitectura y todos los pasos de cómo Cloud va a leer estos archivos, cómo lo va a utilizar, qué reglas va a aplicar, por qué lo hace, cuál es el contexto y ya tendríamos todo. Así que nosotros cuando queramos podemos ir volcándole más archivos a la carpeta de row, archivos brutos, y que los vaya ingiriendo y que vaya construyendo esos wikis, esas páginas y todos esos conceptos y así poco a poco vamos construyendo ese cerebro. Por ejemplo, vamos a abrir una nueva ventana en Cloud Code. Vamos a darle otra vez al cerebro de Buffet y le vamos a pedir ingiere, vamos a decirle las cartas de h 2020, 2021 y 2022. Si hubiese añadido un archivo nuevo, podría haberle dicho directamente, "Ingiere este archivo." Y así poco a poco vamos a ir construyendo ese cerebro. La utilidad de esto es que cada vez que utilicemos Cloud Code con esa carpeta seleccionada, Cloud Code ya va a tener acceso a todo ese contexto, a toda esa base de datos, a todas esas páginas creadas con todos los conceptos que están relacionados entre sí. Imaginar que estamos estudiando para hacer un vídeo o un guion de Warren

Buffett, pues yo la próxima vez que trabaje en un guion de Warren Buffett para mi canal de YouTube podría trabajar sobre esta carpeta para que tenga todas las referencias. Y entonces a mí en el guion de YouTube me va a citar lo que dijo en la carta de 2012, lo que dijo en la carta de 2010. Esto está relacionado con el concepto que explicó en Geiko en la carta de 2020. ¿Entendéis? Estamos creando como una especie de red neuronal para que así cada vez que queramos trabajar sobre eso siempre tengamos el contexto, no se lo tengamos que volver a enseñar. Obviamente al principio es duro construirlo, lleva tiempo, requiere pues un gasto de tokens, requiere hacer toda la estructura, dedicarle unos minutos. Como veis, ha tardado 20 minutos en hacer toda la estructura. Pero luego poco a poco ir alimentando esa estructura, pues es lo que lleva menos tiempo y dedicarle cada semana un poco de tiempo para ir alimentando esta especie de cerebro. Se me ocurren muchas aplicaciones. Por ejemplo, para los que sois analistas y cubrís una empresa muy en detalle y hacéis seguimiento constante de esta empresa, analizar todos sus resultados, ver todas las noticias que publica, tener toda la información necesaria, pues podríais crear un cerebro independiente con toda la información de esta empresa, todos los brutos, los últimos 10K, los informes anuales, todos los datos financieros y que Cloud solamente utilizase esos documentos brutos. Así no va a ir fuera a buscar cualquier cosa con la que rellenar, porque a veces las IA tienen un poco de amnesia y cuando no encuentran una información en un documento, básicamente te dan una información de un contexto que tienen de una página web o de algún blog o del consenso que hay ahora mismo en Wall Street. Entonces, esta forma de trabajar a mí me parece muchísimo más correcta

porque básicamente vas a tirar de los archivos de esa base de datos que estás construyendo y luego, además, la vas a tener para ti para poder acceder a toda esa información y tenerla bien ordenada y bien conectada entre sí. De hecho, os tengo que enseñar algo antes de irme y es lo siguiente. Y es que lo bueno es que podemos nutrir estos archivos de Obsidian también con su extensión y es que Obsidian podemos descargar la extensión de Chrome y cuando estemos en un artículo que creamos que puede alimentar nuestro cerebro, nuestra arquitectura, podríamos irnos a la extensión, darle aquí a Obsidian Webclipper y básicamente podríamos hacer un clipping de este artículo y directamente agregarlo a Obsidian. Le damos a abrir Obsidian y fijaros, nos puede hacer un archivo de texto de la nota del artículo con la fuente, con el autor, con la fecha en la que se ha publicado y con el resumen de esta de este artículo para que también lo tengamos disponible en esa arquitectura, en esa base. También es importante que con Cloud cada vez que vayamos trabajando vamos a ir dándole contexto y feedback y eso va a hacer que las conversaciones pues se vayan haciendo ajustes, todo va a quedar en el log, todos los cambios que le pedimos, todo el feedback que le damos, oye, pues esto no estaba tan bien eh puesto o este concepto no ha sacado bien los términos y podrá ir corrigiendo todo ese archivo, toda esa arquitectura para que así la tengamos mucho más limpia. De nuevo, esto no es magia, obviamente requiere su tiempo de mantenimiento, de creación y de también darle un uso útil. Así que si te ha gustado, no olvides apoyar el vídeo. Y ahora sí, nos vemos en el siguiente. Y si quieres empezar a invertir, te dejo abajo un curso gratuito completo donde te enseño el paso a paso para empezar. Nos vemos en el siguiente vídeo.