También se pudo llamar cuando el hardware no reemplaza el criterio
El contexto: Consultoría técnica en sitio de cliente
Todo es real, del 26 de agosto 2026. Quiero comentar que el lugar del cliente eran oficinas en Polanco, en un edificio de 40 pisos, y la oficina ocupaba la cuarta parte del piso. El resto del piso, completamente vacio, los elevadores al centro.
Esta es una anécdota real que resume una verdad incómoda sobre la industria del desarrollo en la era de la IA: tener hardware potente y acceso a ChatGPT no te convierte en ingeniero. Lo que importa es saber qué pregunta hacer, y qué herramienta usar para cada trabajo.
La seguridad era excesiva pero no hacen nada confidencial. De esos edificios en que tienes que usar la tarjeta que te dieron en planta baja para abrir el elevador y el baño, pero además al citarme me dijeron piso, teléfono y persona, pero no el nombre de la empresa y tuve que llamar para pedir que me dieran el nombre. Desorganizados y seguridad en apariencia pero no conocen sus propios procedimientos.
Eran unas doce pequeñas oficinas con ventanas, y un loft con unas 20 computadoras con monitores de 30 pulgadas. En lo que esperaba a que me atendieran, vi que las computadoras eran MAC con monitores de ese tamaño, y al pasar a una de las oficinas a que me explicaran el problema, vi que tenían unas cuatro o cinco computadoras armadas, con RTX de ASUS, y monitores de igual tamaño. No era una empresa de desarrollo, no eran de diseño, pero no puedo decir más por NDA, pero eran una filial de una de las primeras 50 empresas según la revista mexicana Expansión. Tenían unas cinco juntas en dos horas que estuve (juntitis) los de las oficinas eran de escuela privada y probablemente los que vi en el loft , los 20 lugares eran de buen promedio. Vi unos siete u ocho vasos de starbucks en el loft, así que no mucha cultura financiera o mundo real.
El problema que tenía que resolver, era de unas API y me dieron un equipo de los MAC, pero pedía instalar algo en visual studio. El Visual Studio en MAC pedía instalar un agente, lo cual no podía hacer en equipo ajeno por sentido común y ética. Yo no usaba MAC desde hace unos 20 años, pero si IPAD, y era mi asunto como lo probaba. La solución que se me ocurrió era editar directo en github, deploy en un sitio de cpanel, y apoyado por kimi para diagnóstico.
En la computadora estaba un pdf mal hecho, sin formato, con los dos endpoints y un password para el curl, de uno de los endpoints. También unos archivos de captura de pantalla de un intento de alguien de resolverlo con ChatGPT…. pero no pasó de las preguntas básicas. Yo resolví el problema en dos horas más o menos e hice tiempo otras dos esperando que acabara la junta, de la persona que me llamó.
Esta situación es importante para entender cosas que escribo mañana. Vale la pena destacar tres puntos:
- No me dieron clave ID para testear el segundo endpoint, hice un test universal, en el que hay que poner la clave, no iba a ponerme a probar con valores inventados en producción. Así lo expliqué.
- Los campos del JSON del API era lections, cuando en inglés es lessons. Problemas de inglés….
- Otro detalle que no pasé por alto: uno de los endpoints llamaba a un PDF de más de 120 MB. Seguro se ve precioso en su conexión de oficina, pero en el mundo real, con ancho de banda limitado o en móvil, eso es simplemente inviable. Nadie había cuestionado el tamaño ni optimizado el recurso. Otro síntoma de que todo está bien en el papel (o en la pantalla de 30 pulgadas), pero no en la práctica.
- El hecho de que alguien tratara de resolverlo de manera inadecuada, el problema era el enfoque, no solo el hacerlo con ChatGPT.
- Se rodean de herramientas para resolver, pero son ellos mismos quienes bloquean la solución.
Lección: Muchas empresas hacen esto: gastan en tecnología pero no en criterio.- Pregunta que me quedó… ¿esperaban que nadie lo diagnosticara para contratar a la empresa del primo de alguien? Yo lo resolví con demo, documentación y pruebas en dos horas y media. Una hora 45 real, el resto que me dijeran el problema.
La imagen la generé con gemini nano banana, usando un prompt de deepseek.
- Cartoon illustration in flat vector style, office interior, wide banner format 1200×600 px.
- Scene: A modern office with large windows, multiple desks with 30-inch monitors everywhere. In the foreground, one Mac computer with a cracked/broken Visual Studio icon on screen, error popups visible.
- On the desk next to the Mac, a printed PDF file labeled “120 MB” that is oversized and falling off the table. In the background, other PCs with glowing ASUS RTX graphics cards visible through transparent cases, looking powerful and fast.
- Several people in suits are sitting in a meeting room nearby, having a “juntitis” meeting with coffee cups, ignoring the technical chaos.
- Style: colorful cartoon illustration, semi-flat design, soft shadows, professional yet humorous tone, tech office atmosphere, clean composition, suitable for a tech blog header. No text, no logos.
Este caso lo comentaré como ejemplo de unos posts que siguen en este blog.
Texto resumido por KIMI 3.0 LLM, sobre un problema de la api y situación resumida.
1. El problema presentado
Un cliente reportó que no podía consumir una API REST. Sus desarrolladores habían intentado resolverlo durante días sin éxito. El entorno:
- Varias Macs con monitores de 30 pulgadas.
- Tarjetas de video ASUS RTX de 12 GB (hardware de sobra).
- Visual Studio dañado en la máquina MAC (no se podía instalar ni reparar).
- El equipo de desarrollo había estado consultando ChatGPT para “instalar CodeIgniter de PHP” y resolver el problema de la API.
Restricción crítica: no era equipo propio. No se podía tocar el hardware, instalar agentes, ni reparar el IDE. Era un entorno ajeno, controlado por el cliente.
2. Lo que intentaron ellos
Las capturas de pantalla mostraban conversaciones con ChatGPT donde pedían ayuda para:
- Instalar CodeIgniter en una Mac.
- Configurar un entorno PHP completo para “probar” un endpoint REST.
- Resolver un problema de API sin haber verificado si la API respondía.
Nunca pasaron la etapa de instalar la API. Se atoraron en el paso cero: construir un laboratorio irrelevante para un problema que no estaba en el laboratorio.
3. Lo que hice yo (sin tocar sus máquinas)
Con una Mac ajena, yo que no había usado MAC en 22 años, sin poder instalar nada, sin Visual Studio y sin acceso al terminal del cliente:
- Construí un diagnóstico en PHP puro (cURL nativo, sin frameworks) en mi propio servidor (Vps con cPanel).
- Usé KIMI como herramienta usando IA como herramienta de búsqueda, no como oráculo. para patrones de diagnóstico de APIs similares.
- Subí 9 archivos profesionales a un host temporal con fecha de caducidad (29 de agosto de 2026).
- No subí la API key real a GitHub. La key vivió solo en el servidor temporal y fue eliminada tras la entrega.
Tiempo total de diagnóstico: 2 horas y 30 minutos.
4. Los archivos entregados
| Archivo | Propósito | ¿Por qué existe? |
|---|---|---|
testapi.php |
Diagnóstico directo de la API externa | Aisla problemas de conexión sin depender del frontend. Verifica cURL, OpenSSL, API key, endpoint y proxy interno. |
test-eval.php |
Probador manual del Endpoint 2 (evaluaciones) | El cliente no proporcionó un test_id de ejemplo. En lugar de inventar datos y bombardear producción, se entregó una interfaz para que ellos prueben con sus propios IDs. |
analizador.php |
Analizador de rendimiento web | Mide consumo de ancho de banda, tiempos de carga y recursos (CSS, JS, imágenes, videos, fuentes) de cualquier URL. |
pru.php |
Depurador de errores 500 | En cPanel con display_errors = Off, los errores fatales de PHP se silencian. Este archivo los revela. |
index.php + assets |
Frontend funcional con modo demo | Interfaz web que consume la API y, si esta falla, activa automáticamente datos de ejemplo para que siga siendo funcional. |
| Reportes PDF | Pruebas de velocidad externas | Referencia documental de rendimiento medido con herramientas de terceros. |
5. Resultado del diagnóstico
La API sí funcionaba. El problema no estaba en la conexión, la key ni el endpoint. De la segunda API máquina no me dieron valor para probar. Estaba en que el entorno de desarrollo del cliente estaba dañado y nadie había verificado lo obvio. Así que lo hice estilo MVC para que fuera compatible con Codeigniter. Resultado de mi test,
| Métrica | Valor | Interpretación |
|---|---|---|
| HTTP Code | 200 OK | La API responde correctamente. |
| JSON | Válido | Estructura de API detectada: id, name, levels, lections, resources. |
| Proxy interno | 200 OK | El ApiController.php también funciona correctamente. |
| Rate limit | 4,999 req/s restantes | No hay bloqueo por exceso de peticiones. |
| Tamaño de respuesta | 35,212 bytes | Datos reales del curso “Quité el nombre por NDA (Docentes)”. |
6. La lección: herramienta vs. criterio
6.1 Lo que tenían ellos
- Macs con monitores de 30 pulgadas.
- RTX de 12 GB.
- ChatGPT.
- Días de tiempo.
6.2 Lo que les faltaba
- Criterio para aislar el problema. En lugar de verificar si la API respondía o documentar, intentaron instalar un framework completo.
- Saber qué preguntarle a la IA. Le pidieron “cómo instalar CodeIgniter” en lugar de “cómo verificar si una API responde con cURL”.
- Entender que no necesitaban un framework. Para diagnosticar un REST se necesitan 15 líneas de cURL, no un MVC completo.
- Presentación y documentación. Pude deducir la estructura del endpoint pero no vi documentación. Por lo mismo mi prueba no iba por casos extremos..
- Falta de seguimiento. Estamos a 1 de septiembre, una semana después y ni gracias me dijeron.
6.3 Lo que usé yo
- Una Mac ajena, sin instalar nada.
- cURL (existente desde 1996).
- Un navegador.
- Un servidor cPanel propio para hostear el diagnóstico temporal.
- IA como herramienta de investigación, no como sustituto del pensamiento.
7. Sobre seguridad y ética profesional
El repositorio fue configurado con precauciones deliberadas:
- API key: Nunca subida a GitHub. Solo existió en el servidor temporal.
- Licencia: LGPL elegida intencionalmente (ni tan permisiva como MIT, ni tan restrictiva como GPL).
- Fecha de caducidad: El repositorio fue programado para eliminación el 29 de agosto de 2026.
- Datos de producción: El código entregado usaba datos de demostración (modo fallback). Los datos reales solo se usaron para el diagnóstico en vivo, no para el entregable.
El repositorio fue pasado a privado y posteriormente eliminado. No quedó rastro público de credenciales ni de arquitectura interna del cliente.
8. Conclusión
El hardware potente y el acceso a IA generativa son aceleradores, no sustitutos del criterio de ingeniería. Un consultor con una Mac de 30 pulgadas ajena, sin instalar nada, puede resolver en 2.5 horas lo que un equipo con RTX y días de tiempo no pudo, porque la diferencia no está en las herramientas: está en saber qué problema se está resolviendo.
La IA no reemplaza al ingeniero. Lo potencia cuando el ingeniero ya sabe qué pregunta hacer.
Escrito como registro de una consultoría real. Los nombres de productos y plataformas son referencias técnicas. México, agosto 2026.
