Cómo Hacer una Lluvia de Ideas Con Tres Modelos de IA (y Obtener Ideas Que de Verdad Difieren)

La mayoría de las sesiones de "lluvia de ideas con IA" producen una lista larga en la que todo suena igual. No es un fallo de prompt. Es un fallo de muestreo: preguntaste a un solo modelo, así que obtuviste una sola visión del mundo, reescrita veinte veces.

¿Por qué un solo modelo de IA me da siempre las mismas ideas?

Porque cada idea sale del mismo entrenamiento y del mismo estilo de post-entrenamiento, así que la variedad real es mucho menor de lo que sugiere el largo de la lista. Pídele a GPT-5.4 veinte ángulos de campaña y recibirás veinte variaciones de la misma voz. Pídelo otra vez y la segunda tanda se solapa bastante con la primera. Subir la temperatura añade ruido, no pensamiento nuevo.

Los laboratorios toman decisiones distintas, y eso se nota en el trabajo creativo: un modelo tira hacia la estructura, otro hacia la metáfora, otro hacia la lectura contraria. Poner tres de ellos frente al mismo briefing convierte esas diferencias en materia prima. Divergencia primero, juicio después.

¿Cómo hago una lluvia de ideas con tres modelos de IA a la vez?

Abre aiDex, elige tres modelos en el Dex y envía un solo briefing en el modo Comparar. Cada modelo responde al mismo prompt de forma independiente, en su propia columna, sin ver a los demás. Esa independencia es todo el punto: si los modelos pueden leer las listas de los otros antes, convergen, y vuelves a tener una sola visión del mundo con pasos de más.

La rutina en cinco pasos, mapeada a los modos:

Los pasos 1 a 4 llevan unos quince minutos. El paso 5 es la parte que ibas a hacer de todos modos.

¿Qué hace que un briefing sirva para una lluvia de ideas?

Un buen briefing nombra al público, la restricción y aquello que convertiría una idea en un fracaso. La guía de ingeniería de prompts de Anthropic lo plantea como escribir para un colega competente que no tiene nada de tu contexto, y la guía de OpenAI insiste en el mismo punto sobre restricciones explícitas. Los briefings vagos son la razón de que los paneles converjan: sin nada contra lo que empujar, todos los modelos se repliegan al centro seguro.

Con tres líneas suele bastar. "Doce nombres para una app de presupuesto personal dirigida a autónomos en España. Tiene que funcionar en español y en inglés. Descarta cualquier cosa que suene a banco." Después usa el modo Solo una vez para poner a prueba el briefing mismo: pregúntale a un modelo qué necesitaría saber que el briefing no dice, y tapa los huecos antes de gastar tres modelos en él.

¿Qué modelos deben sentarse en el panel?

Elige modelos de proveedores distintos, no tres tamaños de la misma familia. Un panel con Claude Opus 4.8, GPT-5.4 y Gemini 3.1 Pro te da tres linajes realmente separados. Sumar DeepSeek V3.2 como cuarto sale barato y suele aportar el ángulo raro que los modelos de frontera se saltan.

La ideación es además la tarea en la que no necesitas tu modelo más caro en todas partes. Un modelo rápido generando volumen, más un modelo de frontera haciendo la puntuación, funciona bien. Los costes se ven por mensaje, así que puedes comprobar lo que cuesta un panel antes de convertirlo en costumbre. Usa tus propias claves de proveedor o las que gestionamos nosotros, y elige los modelos que quieras.

¿Cómo evito que el panel converja hacia ideas seguras?

Dale a cada modelo una lente distinta dentro del mismo briefing y deja que choquen en el modo Equipo. A uno dale el briefing que rompe restricciones ("supón presupuesto cero"), a otro el briefing de público ("escribe solo para quien ya nos rechazó una vez") y a otro el briefing invertido ("enumera las peores versiones posibles y luego rescata una"). Te quedan tres conjuntos que no pueden colapsar en uno.

Luego pasa a Equipos y mete las tres listas en una sola conversación con una instrucción: combina ideas entre listas, no las reordenes. El cruce es donde el panel se paga solo, porque las combinaciones casi nunca aparecen en la primera pasada de un modelo aislado. Nuestro artículo sobre cómo montar un debate entre IAs cubre la versión adversarial de la misma jugada.

¿Cómo elijo a la ganadora sin tirar de intuición?

Usa el modo Judge con los criterios de puntuación escritos antes de generar las ideas. Pega la lista corta, enumera tres o cuatro criterios (originalidad, viabilidad este trimestre, encaje con el producto actual, esfuerzo para probarla) y pide una tabla ordenada con una razón por fila. Un panel que puntúa contra criterios previos gana a un panel que vota por preferencia, por la misma razón por la que obtener consenso de varias IAs gana a preguntar dos veces al mismo modelo.

Lee las razones, no solo el orden. Cuando dos modelos ponen una idea arriba y el tercero la deja última, el desacuerdo suele señalar un supuesto no declarado en tu briefing, y eso vale más que el ranking. Si necesitas la versión completa de este paso, montar una matriz de decisión con IA desarrolla la tabla de puntuación.

¿Cómo convierto la idea ganadora en algo utilizable?

Mándala por un Pipeline: Borrador, Crítica, Revisión y Pulido, con un modelo distinto en cada etapa. El modelo que generó la idea no debería ser el que la critica, porque defenderá su propio encuadre. Después haz un pre-mortem del plan antes de que alguien comprometa presupuesto.

¿Puedo hacer lluvia de ideas confidencial sin mandar nada a la nube?

Sí. Ejecuta modelos locales con Ollama y la sesión entera se queda en tu máquina, lo que importa con productos sin lanzar, precios o cualquier cosa bajo acuerdo de confidencialidad. Un panel local es menos capaz que tres modelos de frontera, pero para la divergencia inicial, donde quieres volumen y variedad antes que acabado, suele bastar. También puedes mezclar: modelos locales para el volcado bruto de ideas y un modelo en la nube para la puntuación, cuando las ideas ya sean lo bastante abstractas como para salir de casa.

El patrón general detrás de todo esto está en flujos de trabajo con múltiples modelos, y cómo comparar modelos de IA lado a lado detalla la mecánica del modo Comparar.