¿Qué es esto del segundo cerebro?

Un segundo cerebro es un sistema externo donde guardar, organizar y conectar todo lo que no queremos olvidar. No es algo nuevo: esta idea (notas enlazadas y un índice que las relaciona) existe desde el siglo XVII saltando de soporte en soporte, de las fichas de papel al Zettelkasten de Luhmann y de ahí a las wikis. Cambia la tecnología, pero el método es el mismo.

El problema es que mantener todo esto a mano es aburridísimo. La parte tediosa no es leer las fichas ni pensar, es la burocracia: mantener las referencias cruzadas, registrar cuándo un dato nuevo contradice a uno viejo, conservar la coherencia a lo largo de decenas de páginas… Por eso la gente abandona sus wikis: el trabajo de mantenerlas acaba siendo mayor que el valor que les aportan.

Aquí entra la idea que recogió hace poco Andrej Karpathy (ex-OpenAI, ex-Tesla y ahora en Anthropic): ¿y si un LLM se encargara de la burocracia? El wiki no se abandona porque las labores de manteniemitno ya no son nuestras, las hace una IA.

Nuestro experimento

Arrancamos el taller con una demo en directo: una carpeta con recetas en distintos formatos e idiomas, y un agente montando un recetario con listas de ingredientes, técnicas, dificultad… Usamos Obsidian para visualizarlo y Claude Code para construirlo y mantenerlo todo perfectamente enlazado. Todo en ficheros locales de Markdown (y no Notion ni Google Docs) porque queríamos las notas en local, en texto plano y sin necesidad de suscripciones.

Aprovechamos para explicar alguna técnica un poco más avanzada como Dataview (para crear listados y filtros dinámicos) y la visualización del grafo de notas que viene integrada con Obsidian.

Después fue el turno de los asistentes (¡otra sesión sold out!). Cada uno tiró por su lado, y hubo segundos cerebros de todos los colores: más recetarios, una recopilación de eventos queer en España (ballrooms incluidos), un cerebro con rutas de Strava cruzando los datos de la aplicación con rutas extraídas de Wikiloc, recopilaciones de datos de investigación de una enfermedad rara, una colección de datos de lecturas de libros…

Hubo un momento bastante revelador cuando una compañera le pasó al sistema las 1.700 notas que llevaba años acumulando en su Mac. Sin que nadie le dijera cómo, el agente las clasificó en categorías que decidió por su cuenta… y la clasificación resultó realmente útil. Este es el caso por antonomasia: cuando tenemos tanta información que ordenarla a mano es imposible, pero un segundo cerebro basado en IA es capaz de analizarla y clasificarla sin cansarse.

¿Qué aprendimos?

De esta sesión sacamos tres aprendizajes:

  1. El valor no está en guardar, sino en navegar, preguntar y relacionar. Lo potente no es tener las notas, sino poder hacer preguntas complejas sobre información dispersa, saltar de un concepto a otro por sus enlaces y descubrir conexiones que no habíamos visto. El agente ordena y propone clasificaciones que no se nos ocurren a nosotros.

  2. Obsidian se adapta a lo que necesitas, sobre todo con plugins. con el Web Clipper alimentamos el wiki directamente desde el navegador, y con Dataview podemos construir vistas a medida que un montón de notas sueltas se convierte en algo consultable. La herramienta es flexible, el truco está en moldear las vistas y el contenido a nuestras necesidades.

  3. Esto consume tokens de forma desaforada. Leer, sintetizar, enlazar y mantener decenas de ficheros tiene un coste, y se nota. Que el LLM haga el papeleo está muy bien, pero conviene tenerlo presente: cuanto más grande o más caótico el corpus, más impresionante el resultado. Consume tokens, pero ver nuestro caos convertido en algo navegable lo compensa.

Antes, montar algo así requería una disciplina brutal para mantenerlo al día. Ahora requiere, sobre todo, elegir bien qué queremos recordar y dejar que el agente se encargue del resto.

La mejor señal de que la cosa había calado no fue ningún dato: fue que, al acabar, la gente se quedó otra media hora charlando y enseñándose todo lo que habían montado.