Una red neuronal para tu lista de lectura: un clasificador de IA en un bot de Telegram

Un desarrollador creó un bot de Telegram que usa una red neuronal para clasificar automáticamente los artículos y vídeos de la cola de «leer después».

Qué hace el bot

El bot resuelve un problema concreto: la carpeta interminable de «leer después» del navegador, a la que nadie llega en semanas. El usuario envía un enlace y el bot toma el control:

• determina automáticamente la categoría del material
• calcula el tiempo necesario para leer un artículo o ver un vídeo
• recuerda una y otra vez hasta que el usuario se ocupe del contenido
• ayuda a terminar cursos en línea y libros sin abandonarlos a medio camino

Tres meses de desarrollo por las tardes, utilidad real y una palabra desafortunada en la descripción.

Por qué el comentario más votado obtuvo +14

El autor abría cada texto sobre el bot con la frase «pasa los enlaces por IA» o «con IA por dentro», para darle solidez. El comentario más votado bajo el último artículo sumó más votos positivos que el resto del hilo. Muestra una mueca con el texto «mi cara cuando leo sobre otro engendro con IA».

«Mi cara cuando leo sobre otro engendro con IA» — comentario más

votado bajo el artículo, +14.

El propio desarrollador conocía esa mueca: él pone la misma cara ante cada landing con «AI-powered». Cuando cambió de perspectiva, entendió qué criticaban: no el bot, sino cómo se presentaba. Fue a averiguar por qué esas dos palabras irritan al público técnico. Lo averiguó y descubrió que él mismo había esparcido «IA» con generosidad en lugares que no se le había ocurrido revisar.

De dónde viene la fatiga de la IA

La «AI-fatigue» no es un capricho del público, sino la reacción a un patrón persistente que se repite demasiado. Varias causas lo alimentan:

• Inflación de la etiqueta: en los últimos dos años, «AI-powered» ha aparecido en aplicaciones, cámaras, aspiradoras y cafeteras, funcione o no un modelo real por dentro
• Falta de concreción: la frase «usa IA» no explica qué hace exactamente el modelo ni por qué hace falta en este producto
• Confianza dañada: demasiadas «revoluciones con IA» no se materializaron y ahora el público percibe la etiqueta como una advertencia, no como una ventaja
• El foro marca las expectativas: Habr no es ProductHunt. Aquí los lectores preguntan «¿cómo exactamente?» y «¿para qué?», en lugar de aceptar afirmaciones de marketing por fe

Todo esto funciona como un filtro: cuando el lector ve «AI-powered», lo primero que piensa es «¿qué exactamente?». Si la siguiente frase no responde, la confianza cae en vez de crecer.

La historia del desarrollador es reveladora porque no intentó vender humo. El bot funciona de verdad y cumple su tarea. El problema estuvo solo en la formulación, pero esa formulación decidió cómo el público recibió todo el proyecto.

Qué significa esto

Si un modelo de lenguaje dentro de un producto resuelve una tarea concreta, conviene demostrarlo con el resultado: «elige una categoría entre doce opciones» funciona mejor que «funciona con IA». Cuando «con IA por dentro» es el primer argumento, indica que no hay otros. El público técnico de Habr lo percibe y responde con una mueca y catorce votos positivos.

¿Qué problema resuelve el bot de Telegram con red neuronal?

Ayuda a organizar automáticamente la carpeta de «leer después»: el bot determina la categoría del material, calcula el tiempo para leer un artículo o ver un vídeo y se lo recuerda al usuario.

¿Cómo ayuda la red neuronal a organizar el contenido en el bot?

Determina automáticamente la categoría del material y calcula el tiempo de lectura.

¿Por qué la IA en estas herramientas puede irritar a los usuarios?

Según el desarrollador, la descripción del bot coincide con la descripción típica de los irritantes «engendros con IA».