"En lugar de botones, comandos": Por qué los expertos en AI prefieren la 'ventana negra' de la terminal

Con el rápido avance de la tecnología de inteligencia artificial (AI) en los últimos tiempos, herramientas como Codex, Claude Code y Gemini CLI están captando la atención. Lo que resulta notable es el hecho de que estas herramientas de AI más recientes se están desarrollando centradas en el entorno de la terminal (Terminal), conocida como la 'ventana negra' basada en texto, en lugar de una interfaz gráfica (GUI) amigable para el usuario. Según un video del canal 'Impossible Engineering - New IT Technologies', este entorno, que para un usuario común puede sentirse como una barrera de entrada, es en realidad el banco de trabajo óptimo para realizar tareas complejas.

La combinación y conectividad de herramientas que trascienden los límites de las aplicaciones

El software convencional está especializado en propósitos específicos. Gmail destaca en el envío de correos, mientras que Excel tiene fortalezas en el cálculo. Sin embargo, el trabajo real implica transitar entre múltiples aplicaciones. Por ejemplo, si se reciben presupuestos de varios proveedores en diferentes formatos, como PDF, Excel o el cuerpo de un correo electrónico, una persona debe abrir cada archivo individualmente para extraer los datos, trasladarlos a Excel para calcularlos y luego redactar una respuesta. Los métodos de automatización tradicionales presentaban la molestia de tener que modificar las reglas cada vez que el formato del documento cambiaba.

La AI en el entorno de la terminal supera estas limitaciones. Esto se debe a que se puede ordenar a la AI que combine y utilice herramientas como la búsqueda de archivos, el análisis de documentos, el cálculo y la codificación según sea necesario. El video explica el proceso en el que la AI analiza la solicitud del usuario, elige las herramientas necesarias y genera directamente el código necesario para el proceso intermedio y lo ejecuta. Esto se denomina CLI (Command Line Interface), un método de 'llamar y utilizar programas mediante comandos'. La razón por la que la AI para desarrolladores se ha desarrollado primero en este entorno es porque la serie de procesos de ejecutar herramientas de desarrollo existentes, verificar los resultados y errores, y corregirlos de inmediato, se realiza de la manera más eficiente en la terminal.

Procesamiento de datos mediante la generación de código y la manualización de tareas

La AI va más allá de la simple generación de texto y escribe incluso código que actúa como una 'herramienta de cálculo' para asegurar la integridad de los datos. Según el caso presentado en el video, si los métodos de indicación de precios (precio unitario, precio por caja, etc.) varían según la empresa, la AI puede encontrar la cantidad de embalaje en el documento y escribir directamente un código corto que divida el precio de la caja por la cantidad para ajustar el estándar y ejecutarlo. Aquí, la AI desempeña el papel de decidir qué valores introducir y bajo qué criterios comparar, mientras que el programa ejecutado se encarga del cálculo real.

Si el código generado en este proceso se guarda como un archivo, es posible reutilizarlo para tareas similares en el futuro. Esto significa que no se empieza de cero cada vez, sino que se puede aumentar la eficiencia del trabajo modificando el código existente incluso si el formato cambia. Además, si la AI recibe un error (por ejemplo, no se pudo encontrar el archivo) tras dar una orden, se forma un bucle de retroalimentación donde decide la siguiente acción, como volver a explorar la carpeta o modificar el nombre de una columna. A la configuración periférica que combina este modelo con las herramientas, el entorno de ejecución y la gestión de los registros de trabajo se le denomina 'Harness'.

También se mencionan protocolos técnicos para reducir la repetitividad del trabajo. El protocolo que permite que la AI invoque las funciones de servicios externos como Google de una manera común es el MCP (Model Context Protocol), y el manual de trabajo que agrupa instrucciones repetitivas, formatos de informes y el código necesario se define como 'Skill'. A través de esto, el usuario puede configurar a la AI para que trabaje de la misma manera incluso el próximo mes.

La evolución de la pantalla de trabajo de la AI y los criterios de uso futuro}

En cuanto a si los usuarios deberán seguir mirando únicamente la ventana negra (terminal), se pronostican cambios positivos. Actualmente, herramientas como Claude Code pueden utilizarse no solo en la terminal, sino también en entornos de escritorio o web, y se está desarrollando un método mediante MCP para que la AI despliegue pantallas operables, como tablas o botones, dentro de la ventana de chat. Es decir, se espera que se construyan interfaces donde el usuario no necesite leer todos los comandos, sino que aparezca un botón para verificar el texto original junto al resultado generado por la AI, o que se muestren visualmente condiciones específicas (por ejemplo, empresas con gastos de envío no confirmados).

En última instancia, parece que el criterio para ser una 'persona que sabe usar bien la AI' se desplazará de la destreza en los comandos de la terminal hacia 'hasta qué punto se puede delegar a la AI el trabajo que uno repite'. El análisis sugiere que la clave no será rendirse porque una función no esté disponible en una aplicación específica, sino la capacidad de conectar las herramientas necesarias para crear un nuevo flujo de trabajo.