Llevo poco más de un año con un sistema que me organiza casi todo lo que leo, y esta semana lo he contado en la radio, así que toca dejar por escrito la guía que prometí.
La idea es sencilla de explicar y algo más laboriosa de montar: guardar en un solo sitio todo lo que te interesa y dejar que la inteligencia artificial haga el trabajo “aburrido” de resumirlo, etiquetarlo y relacionarlo, para que tú te dediques a leer y a pensar. A eso se le llama, desde que Tiago Forte popularizó el término, un “Second Brain”, un segundo cerebro. Yo prefiero llamarlo biblioteca personal de conocimiento, que suena menos a ciencia ficción y describe mejor lo que es.
No es un juguete. Lo usé mientras escribía mi libro sobre Customer Lifetime Value y lo sigo usando ahora en mi tesis doctoral, que va del mismo tema. Y sirve igual para un estudiante, para alguien que prepara oposiciones o para quien simplemente lee mucho y se le olvida dónde vio aquello.
Primero, la pieza central del Second Brain: Obsidian
Obsidian es una aplicación de notas gratuita para ordenador y móvil. Tiene dos características que la hacen distinta de Notion, Evernote o las notas del teléfono. La primera: tus notas son ficheros de texto normales, en formato Markdown, guardados en una carpeta de tu ordenador. Nada vive en el servidor de nadie; si mañana Obsidian desaparece, tus notas siguen ahí y las abre cualquier editor. La segunda: las notas se enlazan entre sí con dobles corchetes, como una Wikipedia personal, y la aplicación te muestra qué notas apuntan a cuál. A esa carpeta con notas enlazadas Obsidian la llama “vault” (bóveda).
Que las notas sean ficheros Markdown en tu disco tiene una consecuencia que es la clave de todo lo que viene: cualquier programa, incluida una IA, puede leerlas y escribirlas con gran facilidad. Eso es lo que convierte a Obsidian en la base ideal para automatizar.
Segundo, el principio: capturar es barato, procesar es caro
El error que cometí durante años, y que comete casi todo el mundo, es guardar mucho y procesar poco. Marcadores que nunca vuelves a abrir, newsletters que se acumulan sin leer, PDF “para luego”. El problema no es la captura, que es gratis; el problema es que resumir, etiquetar y relacionar cada cosa a mano cuesta tanto que nunca lo haces, y sin ese trabajo la biblioteca es un almacén.
Ahí es donde entra la IA. Un modelo de lenguaje resume razonablemente bien, aplica una lista de etiquetas con criterio (si le explicas cuál es el criterio), y saca tres ideas clave de un artículo en segundos. Hace, en fin, el trabajo del bibliotecario. Tú sigues siendo el lector.
Tercero, la arquitectura: dos capas
Mi sistema tiene dos partes muy distintas, y creo que la distinción es útil para cualquiera que se plantee montar el suyo.
Capa 1: captura y clasificación. Es una tubería, en buena parte determinista, con la IA en un punto concreto. Entra material de dos fuentes. Por un lado, las newsletters: un programa se conecta a mi correo, recoge las de mis suscripciones, extrae el texto y lo convierte en una nota. Por otro, lo que voy encontrando por el camino: artículos, papers, vídeos, hilos; eso lo guardo con el Web Clipper de Obsidian, en dos clics, en una carpeta de entrada. En ambos casos, la IA lee el contenido, escribe un resumen, extrae las ideas clave y asigna etiquetas eligiendo solo de mi lista, no inventándose las suyas. La nota resultante tiene una cabecera estructurada (fuente, autor, fecha, tipo, etiquetas), el resumen, las ideas clave y el contenido original. Esta capa está publicada como software libre en github.com/manueldelgado/second-brain, con instrucciones de instalación, y funciona tanto con la API de Anthropic como con una suscripción normal de Claude.
Capa 2: enriquecimiento y análisis. Aquí ya es todo IA, y corre en tareas programadas (en mi caso, dentro de la aplicación de escritorio de Claude, pero valdría cualquier asistente que pueda leer tu carpeta y ejecutarse a una hora fija). Hacen cosas que ningún humano haría con constancia: crear enlaces entre notas que hablan de lo mismo, mantener al día los “mapas de contenido” (notas índice que agrupan todo lo que hay sobre un tema), detectar temas que empiezan a aparecer con frecuencia u opiniones enfrentadas entre fuentes, y escribir resúmenes diarios y semanales. Esos resúmenes trabajan en cascada: el semanal se construye sobre los diarios, no sobre las notas, así que cuando quiero saber qué se ha dicho sobre algo en el último mes no tengo que recorrer doscientas notas. Lo hace la máquina, o lo hago yo leyendo cuatro resúmenes.
La primera capa te ahorra el trabajo de archivar. La segunda es la que convierte el archivo en una biblioteca que te devuelve cosas.
Cuarto, cómo empezar (cinco pasos)
1. Instala Obsidian y crea la estructura. Un vault con seis carpetas basta: entrada (lo que aún no está procesado), notas (lo ya clasificado), mapas de contenido, vistas, adjuntos y plantillas. La herramienta del repositorio te la crea con un comando, pero puedes hacerla a mano en dos minutos.
2. Define tu taxonomía. Es la parte más importante y la que nadie puede hacer por ti. Piensa en dos tipos de etiquetas: las descriptivas (de qué va la nota: “ia/negocio”, “marketing/clv”, “economía/comportamiento”) y las funcionales (para qué te sirve: “para el blog”, “para clase”, “referencia”). Empieza con diez o veinte etiquetas, no con cien, y escribe para cada una una frase que explique qué entra y qué no. Aquí tu IA de confianza es una gran ayuda: cuéntale qué lees, para qué lo usas y pídele que te proponga una primera versión. Luego ajústala con lo que vaya llegando.
3. Conecta la captura. El Web Clipper para lo que encuentres navegando; para las newsletters, el repositorio explica cómo darle acceso de lectura a tu correo (puedes limitarlo a una etiqueta o a unos remitentes concretos). Si no quieres automatizar el correo, basta con reenviar las newsletters que te interesen a la carpeta de entrada.
4. Deja que la IA clasifique. Elige modelo y forma de pago. Con la API, el coste de procesar todo lo que lee una persona normal está en dos o tres dólares al mes; con la suscripción de Claude, no hay coste adicional. Sobre el modelo, mi experiencia es clara: el más barato, Haiku, es demasiado tonto para esta tarea al nivel que hoy se puede exigir; el intermedio, Sonnet, lo hace bien y el más potente, Opus, lo hace muy bien. El modelo de gama alta absoluta, Fable, es matar moscas a cañonazos. Prueba primero en modo de simulación (la herramienta lo tiene) para ver cómo etiqueta antes de dejarle escribir en tu vault.
5. Sube un nivel: mapas, resúmenes y tareas programadas. Cuando lleves unas semanas de notas bien etiquetadas, crea un mapa de contenido por cada tema importante y programa una tarea que lo mantenga al día, otra que enlace notas relacionadas y otra que te escriba un resumen semanal. No copies mi configuración ni la de nadie: cada biblioteca refleja la cabeza de su dueño, y tu IA puede ayudarte a traducir tus costumbres a instrucciones. Para esta capa no hace falta programar nada: basta con describirle a tu asistente, en lenguaje normal, qué quieres que haga cada mañana con tu carpeta de notas.
Quinto, las pegas (que las hay)
Un Second Brain no está exento de problemas. La primera pega es que, no nos engañemos, la construcción de un sistema bien automatizado no está al alcance de todos; una alternativa es conformarse con algo más sencillo pero que puede ser igual de útil. La segunda es de disciplina: el sistema no sirve si no capturas, y la captura tiene que ser tan fácil que no lo pienses. La tercera es la tentación de sobreingeniería. Si dedicas más tiempo a mejorar el sistema que a leer y explotar lo que hay dentro, algo va mal.
Lo que cambia cuando funciona
Después de un año, lo que noto no es que tenga más notas, es que las encuentro. Cuando preparo una clase, un artículo o la sección de la radio, no empiezo de cero: empiezo por el mapa del tema y por los resúmenes de las últimas semanas, y desde ahí bajo a las fuentes. La IA no lee por mí; me ahorra el trabajo de archivero para que yo pueda hacer el de lector y decisor. Y esa, creo yo, es la manera sensata de usar esta tecnología en el trabajo intelectual: no para que piense, sino para que ordene y facilite.
Si te animas a montar el tuyo, el repositorio está abierto y las preguntas, en LinkedIn, son bienvenidas.
