De las anotaciones en papel a una app para bebés creada con inteligencia artificial

Frank Chester Tan no empezó aprendiendo a programar. Cuando llevar en papel el registro de las tomas, el sueño y los cambios de pañal de su hijo Raphael se volvió demasiado complicado, él y su esposa, Estee Cheng, buscaron una alternativa más práctica.

Tan decidió crearla con Claude Code, un asistente de desarrollo basado en lenguaje natural. Pagó una suscripción Claude Pro de 30 dólares al mes, trabajó desde la Terminal de un Mac y preparó una especificación de producto de cuatro páginas con instrucciones detalladas.

El resultado fue una aplicación web personalizada para seguir las rutinas del bebé. Pero el proceso estuvo lejos de consistir en pulsar un botón: Tan tuvo que describir con precisión lo que quería, probar cada versión y corregir los errores o las funciones incompletas.

Una app pensada para las tareas diarias de los padres

Tan y Cheng querían registrar con menos esfuerzo la rutina de su hijo y compararla con pautas de desarrollo infantil. La aplicación se diseñó en torno a las tareas que ya realizaban cada día e incorporó:

• Un panel privado al que ambos padres podían acceder y actualizar en tiempo real.
• Registro con un solo toque de las tomas de leche y los cambios de pañal.
• Seguimiento de síntomas y alergias alimentarias.
• Cálculo automático de los totales diarios.
• Control del sueño, las siestas, la cantidad de leche y los patrones de cambio de pañal.
• Comparaciones adaptadas a la edad del bebé con orientaciones de HealthHub y del KK Women’s and Children’s Hospital, que se actualizaban a medida que el niño crecía.

La clave fue definir un problema concreto y recurrente. En lugar de pedirle a Claude Code que desarrollara una aplicación genérica de “crianza”, Tan especificó qué datos debían introducir los padres, qué cálculos debía realizar el sistema y cómo debían compartir la información.

El método: primero los requisitos, después el código

Aunque no era programador, Tan siguió un proceso parecido al de un pequeño proyecto de desarrollo de producto. Primero escribió los requisitos en inglés corriente y después utilizó Claude Code para convertirlos en una aplicación.

El flujo de trabajo fue el siguiente:

1. Descargar y ejecutar Claude Code desde la Terminal de un Mac.
2. Redactar una especificación de cuatro páginas con las funciones y el comportamiento esperados.
3. Pedir a Claude Code que construyera la aplicación a partir de esos requisitos y que explicara cada paso de forma comprensible para alguien sin conocimientos técnicos.
4. Crear cuentas en GitHub, Supabase y Vercel.
5. Conectar los servicios: GitHub almacenaba el código, Supabase gestionaba la base de datos y la autenticación de usuarios, y Vercel publicaba la aplicación en un enlace web.

Cada plataforma cumplía una función diferente. Claude Code era la interfaz de desarrollo; GitHub, el repositorio del código; Supabase, los servicios de backend; y Vercel, la herramienta de despliegue. Juntas permitieron a Tan pasar de una idea escrita a una aplicación funcional sin dominar primero un entorno de programación tradicional.

Por qué las instrucciones detalladas fueron decisivas

Tan no esperaba que la primera versión saliera perfecta. Probaba la aplicación, describía lo que faltaba o no funcionaba y pedía a Claude Code que lo revisara. El proceso era iterativo: dar instrucciones, inspeccionar, probar y perfeccionar.

Su experiencia le dejó una regla sencilla: las indicaciones vagas suelen producir resultados vagos. Cuanto más claramente describía los campos, los permisos, los cálculos y la experiencia de uso, más útil era el resultado generado. Claude Code podía entender, por lo general, incluso un inglés imperfecto o “roto”, pero comprender una petición no significaba que esa petición estuviera completa.

La diferencia es importante para cualquiera que utilice una herramienta de programación con IA. Escribir instrucciones en lenguaje natural puede facilitar el inicio de un proyecto, pero no elimina la necesidad de definir los requisitos ni de evaluar el resultado.

La investigación con IA también necesitó comprobaciones

Tan utilizó Claude Code junto con Perplexity AI para investigar, en parte porque esta última herramienta ofrece citas. Sin embargo, no asumió que una respuesta era fiable solo porque incluyera enlaces o referencias.

Cuando la investigación mostró que los pescados con aletas figuraban entre las principales preocupaciones relacionadas con las alergias en Singapur, Tan puso el dato en duda porque, según su experiencia, el marisco era la preocupación más conocida. Revisó el material citado y corrigió la aplicación. El caso también pone de relieve un riesgo más amplio: los sistemas de búsqueda basados en IA pueden generar citas que remiten a estudios ficticios, por lo que la información sanitaria importante debe verificarse de forma independiente.

En una herramienta destinada a seguir la salud y las rutinas de un bebé, esa precaución era especialmente relevante. La aplicación podía organizar observaciones y compararlas con orientaciones, pero una investigación generada por IA no debía tratarse como evidencia médica solo por incluir citas.

Las mismas habilidades sirvieron para crear un traductor

Las destrezas que Tan adquirió al desarrollar la app para su hijo también le resultaron útiles en su trabajo. Creó una herramienta de traducción con un botón capaz de convertir contenidos del inglés a 48 idiomas.

Sus instrucciones no se limitaban a pedir una traducción palabra por palabra. Primero indicaba a la herramienta que entendiera el significado, la intención y el objetivo persuasivo del texto original. Después le pedía que lo redactara de forma natural en el idioma de destino, sin conservar estructuras, ritmos o razonamientos calcados del inglés.

El procedimiento refleja el mismo principio que guió la aplicación infantil: la calidad del resultado depende en gran medida de que el usuario explique el objetivo, el contexto y las restricciones, no solo la tarea.

La lección para quienes no saben programar

La experiencia de Tan no demuestra que la IA convierta el desarrollo de software en un proceso automático. Él tuvo que identificar un problema real, redactar una especificación detallada, crear cuentas, conectar servicios, probar la aplicación y cuestionar resultados de investigación poco fiables.

Sí demuestra, en cambio, que un asistente de programación basado en IA puede permitir que una persona empiece por una idea útil, en lugar de tener que pasar años estudiando programación. Para Tan, experimentar y escribir instrucciones claras son habilidades prácticas que pueden estar al alcance de usuarios corrientes, incluso de quienes no escriben un inglés perfecto.

La conclusión más realista no es que “la IA pueda construir cualquier cosa”. Es que las personas sin formación técnica pueden usarla para crear prototipos de herramientas concretas, siempre que mantengan el control sobre los requisitos, las pruebas y la evaluación de los hechos.