¿Puedo ganar 250.000 $ en 90 días con IA?

“Nuestro temor más profundo no es que seamos inadecuados. Nuestro temor más profundo es que seamos poderosos sin medida. Es nuestra luz, no nuestra oscuridad, lo que más nos asusta. Nos preguntamos: “¿Quién soy yo para ser brillante, hermoso, talentoso y fabuloso?” En realidad, ¿quién eres tú para no serlo? Eres un hijo de Dios. Que juegues en pequeño no le sirve al mundo. No hay nada inteligente en encogerse para que otras personas no se sientan inseguras a tu alrededor. Todos estamos destinados a brillar, como lo hacen los niños. Nacimos para manifestar la gloria de Dios que está dentro de nosotros. No es sólo en algunos de nosotros; está en todos. Y a medida que dejamos brillar nuestra propia luz, inconscientemente damos permiso a otras personas para que hagan lo mismo. A medida que nos liberamos de nuestro propio miedo, nuestra presencia automáticamente libera a los demás”.

— Marianne Williamson, Un regreso al amor

No seré la primera persona en intentar algo que antes hubiera parecido imposible.

La era de la tecnología ya ha producido fundadores y empresas que han ganado 100 millones de dólares o más en seis meses. Si un fundador en solitario puede construir una empresa valorada en 250 millones de dólares en aproximadamente seis meses, tal vez un desafío de 250.000 dólares ni siquiera sea lo suficientemente grande.

El desafío público es de $250,000. En privado, me estoy esforzando por alcanzar el millón de dólares.

La cuestión no es hacer una predicción casual. Se trata de establecer un objetivo lo suficientemente grande como para forzar una prueba real de lo que estas herramientas (y una persona que las dirija) pueden lograr ahora.

Quizás todos deberíamos esforzarnos más de lo que creemos que podemos.

Pero el punto más profundo es que una persona que hace algo extraordinario lo hace imaginable para todos los demás. Muestra que el límite se ha movido.

Quiero arrojar luz sobre lo que más personas pueden intentar ahora con estas herramientas. No porque todos vayan a tomar el mismo camino, sino porque cualquiera puede aprender a construir, probar, dirigir y mejorar sistemas que alguna vez requirieron una organización completa.

Voy a descubrirlo y a ver cuánto puede hacer realmente una persona ahora.

Hace unos días, me encontré con una empresa llamada Polsia.

Lo que me llamó la atención no fue simplemente lo que había construido, sino la rapidez con la que aparentemente lo había construido.

El fundador Ben Cera lanzó la empresa a finales de 2025. En aproximadamente seis meses, había recaudado 30 millones de dólares con una valoración de 250 millones de dólares y decía públicamente que la empresa se acercaba a aproximadamente 10 millones de dólares en ingresos anualizados.

Eso es extraordinario.

Pero lo que más me interesó fue el producto.

Desde fuera, Polonia no me parecía basada en un avance tecnológico imposible. Gran parte del valor parecía provenir de tomar capacidades que existen cada vez más dentro de sistemas como Claude y hacerlas utilizables para personas que no quieren entender terminales, API, agentes, infraestructura de software o cómo encajan todas las piezas técnicas.

Llamarlo simplemente un envoltorio de Claude sería injusto.

Hacer que la tecnología complicada sea fácil de usar es algo valioso en sí mismo.

Incluso el nombre era parte de la broma. Polsia es “AI slop” al revés. Cera se apoyó en esa sensibilidad y creó una cuenta de Instagram basada en vídeos deliberadamente absurdos generados con IA. Algunos alcanzaron decenas de millones de visualizaciones. Un enlace a Polsia en la biografía convirtió esa atención en tráfico.

Pero esa fue exactamente la lección.

No necesariamente es necesario inventar la tecnología subyacente. Es necesario comprender lo que esto hace posible y convertirlo en algo útil.

Eso me llevó a una pregunta un poco incómoda.

¿Qué estoy esperando exactamente?

He pasado mucho tiempo estudiando IA.

Investigación.

Automatización.

Codificación de vibraciones.

Agentes.

Sitios web.

Bases de datos.

Modelos de negocio.

También he estado pensando en crear eventualmente un negocio de capacitación práctica en IA para ejecutivos y emprendedores experimentados.

Pero antes de enseñarle a alguien cómo usar estas herramientas comercialmente, quiero ver hasta dónde puedo llevarlas yo mismo.

No viendo manifestaciones.

Por edificio.

Así que me he propuesto un desafío.

$250,000 en 90 días

Mi objetivo es utilizar la IA, combinada con la experiencia empresarial que ya tengo, para generar 250 000 dólares en nuevos ingresos durante los próximos 90 días.

No sé si llegaré allí.

Eso es lo que hace que el experimento sea interesante.

Y voy a hacer algo más que habría sonado casi absurdo hace unos años.

Voy a trabajar en varios proyectos simultáneamente mientras sigo dirigiendo mi negocio actual.

Ese puede terminar siendo el experimento más importante.

De hecho, aprendí a programar hace mucho tiempo.

Hay un trasfondo que vale la pena explicar.

No soy ingeniero de software, pero tampoco estoy completamente familiarizado con la programación.

Aprendí BÁSICO cuando tenía 13 años.

Más tarde, en la década de 1980, escribí un programa de fijación de precios de opciones en BASIC en Windows.

Y luego, esencialmente, me detuve.

Durante la mayor parte de tres décadas, no hice ninguna programación seria.

La tecnología avanzó.

El desarrollo del software siguió adelante.

Internet sucedió.

Ocurrió la computación en la nube.

Sucedieron las bases de datos modernas.

Git sucedió.

API sucedieron.

Ocurrieron marcos de JavaScript.

Todo lo relacionado con el desarrollo de software se volvió enormemente más sofisticado.

Aprendí un poco de Python aquí y allá, pero antes de este experimento no podría haberme sentado y construido un proyecto Python serio por mi cuenta.

Entonces, cuando digo que tengo experiencia en tecnología, eso es lo que quiero decir.

Entiendo la lógica.

Entiendo los sistemas.

Entiendo lo que puede hacer el software.

Pero el desarrollo de software moderno me había pasado de largo.

Y entonces la IA hizo algo inesperado.

Me hizo volver a entrar.

Excepto que en realidad no me estoy convirtiendo en programador.

Esta es una de las cosas más extrañas que he descubierto.

Estoy aprendiendo cada vez más sobre el desarrollo de software y al mismo tiempo permito que la IA escriba casi todo el código.

Eso suena contradictorio.

No lo es.

Porque cada vez más, mi trabajo no es escribir el código.

Mi trabajo es entender qué debe hacer el sistema.

Cómo deben conectarse los componentes.

Dónde deberían vivir los datos.

Cómo debe comportarse la aplicación.

Lo que debe experimentar el usuario.

Qué pasa cuando algo falla.

Cómo debería funcionar la seguridad.

Cómo se debe estructurar la base de datos.

Cómo debe implementarse la aplicación.

Cómo deben comunicarse los diferentes servicios.

Y cómo reconocer cuando la IA ha construido algo incorrecto.

En otras palabras, cada vez me estoy acercando más a un arquitecto de software.

Y creo que ese puede ser uno de los principales cambios que aporta la IA al desarrollo de software.

La habilidad valiosa puede llegar a ser cada vez menos:

¿Puedes escribir personalmente cada línea de código?

Pero:

¿Puedes diseñar un buen sistema y dirigir la IA lo suficientemente bien como para construirlo?

Eso requiere un tipo diferente de competencia.

Aún necesitas entender el software.

Posiblemente más de lo que la gente cree.

Pero es posible que ya no necesites realizar personalmente todas las partes mecánicas para crearlo.

Escribiré mucho más sobre eso más adelante porque ha sido una de las lecciones más importantes de todo este ejercicio.

El primer experimento: DarinOliver.com

Una de las primeras cosas que hice fue crear el sitio que estás leyendo.

DarinOliver.com fue en parte un ejercicio para aprender a desarrollar software moderno asistido por IA.

Quería una plataforma de publicación multilingüe donde pudiera escribir sobre negocios, toma de decisiones, tecnología y lo que estaba aprendiendo.

Así que lo construí.

Usé Astro.

Agregué varios idiomas.

Agregué narración de voz.

Construí la arquitectura del artículo.

Conecté la infraestructura.

Lo implementé.

La primera versión tardó aproximadamente 24 horas.

Y aquí está la parte que todavía me sorprende.

Funcionó extremadamente bien de inmediato.

Este no era un prototipo roto que apenas se cargaba.

El sitio implementado.

La arquitectura funcionó.

El sistema multilingüe funcionó.

El sistema de publicación funcionó.

Y había construido algo en aproximadamente un día que, no hace mucho, habría esperado que involucrara a un desarrollador, semanas de idas y venidas, especificaciones, revisiones, pruebas y probablemente un presupuesto significativo.

Por supuesto que he seguido mejorándolo.

Pero lo sorprendente fue lo bueno que ya fue el primer resultado.

Eso cambió mi percepción de lo que se había hecho posible.

La IA se ha vuelto increíblemente buena codificando

Hay algo más que las personas que no utilizan estos sistemas todos los días tal vez no aprecien.

El ritmo de mejora es extraordinario.

Incluso hace un año, las herramientas de codificación de IA podían ser muy útiles, pero también cometían muchos errores.

Entenderían mal la arquitectura.

Romper cosas.

Inventar bibliotecas.

Perder la noción del contexto.

Crea un problema mientras resuelves otro.

Hoy en día, la experiencia es dramáticamente diferente.

Los sistemas actuales son programadores asombrosamente capaces.

Todavía cometen errores.

Por supuesto que sí.

Pero si se le da a un modelo sólido un problema bien estructurado, suficiente contexto e instrucciones claras, podrá producir una enorme cantidad de software de alta calidad con una rapidez sorprendente.

Y su capacidad de depuración puede ser aún más impresionante.

Algo se rompe.

Le muestras el error.

Rastrea el problema.

Inspecciona el código circundante.

Encuentra la dependencia o el conflicto arquitectónico.

Lo soluciona.

Ejecuta las pruebas.

Encuentra algo más.

Corrige eso también.

A veces simplemente lo veo funcionar y pienso:

Esta es una máquina.

Una máquina absoluta.

Y lo importante es que esta mejora se está produciendo increíblemente rápido.

Incluso las herramientas que Ben Cera tenía disponibles cuando fundó Polsia a fines del año pasado no eran tan capaces como las que tenemos hoy.

Eso significa que la oportunidad se mueve debajo de nosotros mientras intentamos comprenderla.

La gente mira lo que era posible hace seis o doce meses y supone que eso define lo que la IA puede hacer ahora.

No es así.

Ésa es una de las razones por las que siento cierta urgencia en torno a este experimento.

Luego construí TallyPop

Después de DarinOliver.com, quería algo más exigente técnicamente.

Un sitio de publicación es una cosa.

Quería crear una aplicación real con datos persistentes.

Encontré el problema en casa.

Mi hijo tenía dificultades con las tablas de multiplicar.

Así que decidí construir algo para él.

Eso se convirtió en TallyPop.app.

Inicialmente, era simplemente una solicitud para un niño.

Entonces pensé:

Otros padres deben tener este problema.

Entonces:

Los profesores pueden encontrar esto útil.

Entonces:

En realidad, esto podría ser un producto comercial.

Durante aproximadamente 48 horas, construí e implementé la aplicación.

Tenía una base de datos.

Seguimiento del estado del usuario.

Bucles de retroalimentación diseñados para responder al desempeño de un niño.

Múltiples idiomas.

Una aplicación web funcional.

Y tuve que aprender tecnologías que nunca antes había usado personalmente.

Supabase.

Vercel.

GitHub.

Cloudflare.

Claude.

Codex ejecutándose a través de la Terminal en mi MacBook.

Nunca había usado GitHub correctamente en mi vida.

Ahora estaba implementando una aplicación respaldada por una base de datos a través de él.

Nuevamente, AI escribió la inmensa mayoría del código.

Pero estaba aprendiendo lo que hacía todo.

Tenía que entender la arquitectura.

Tuve que entender por qué la base de datos se conectaba de esa manera.

Tuve que entender la autenticación.

Despliegue.

Variables ambientales.

Sucursales.

Errores.

Permisos.

Y cuando algo se rompió, tuve que aprender lo suficiente para saber si la solución propuesta tenía sentido.

A eso me refiero cuando digo que me estoy convirtiendo en arquitecto de software.

TallyPop ya está disponible.

Tengo la intención de agregar varias funciones más y luego comenzar a presentarlas a los profesores aquí en Bélgica.

Y eso introduce el siguiente problema.

Porque la IA ha hecho que la construcción sea mucho más fácil.

No ha eliminado la necesidad de conseguir clientes.

Mientras tanto, Simply Alpha sigue funcionando

Estoy haciendo todo esto mientras sigo dirigiendo Simply Alpha Capital, LLC, mi negocio de consultoría de iGaming.

Mi equipo ya utiliza ampliamente la IA en toda la empresa.

También estamos trabajando en un proyecto separado en el sector de iGaming que actualmente se encuentra en secreto.

Creo que ese proyecto eventualmente podría volverse muy valioso.

Pero no cuenta para este desafío.

Tampoco lo hacen los ingresos ordinarios de Simply Alpha.

Quiero que las reglas sean limpias.

Los $250.000 deben provenir de los nuevos proyectos que estoy desarrollando públicamente como parte de este experimento.

Simply Alpha continúa.

Nuestros clientes continúan.

Nuestro trabajo actual continúa.

El proyecto sigiloso continúa.

Y simultáneamente, estoy construyendo estos nuevos sistemas.

Eso es parte de lo que estoy intentando probar.

Luego convertí la IA en investigación

Una parte importante de lo que hacemos en Simply Alpha requiere mantenernos al día con los desarrollos en iGaming, sorteos, criptomonedas, mercados de predicción, desarrollo de juegos, regulación, pagos, marketing y sectores relacionados.

Hay una enorme cantidad de información.

Legislación.

Litigios.

Actividad regulatoria.

Empresas que entran y salen de los mercados.

Evolución de pagos.

Lanzamientos de productos.

Actividad de marketing.

Transacciones.

Competidores.

Entonces comencé a experimentar con la investigación de IA.

Los resultados fueron extraordinarios.

Creé indicaciones de investigación cada vez más sofisticadas e hice que el sistema reuniera, organizara y resumiera una enorme cantidad de información útil.

Finalmente, le pedí a Claude que convirtiera el resultado en un documento de investigación HTML con capacidad de búsqueda.

Fue extremadamente útil.

Pero pronto me di cuenta de que simplemente había creado un proceso manual muy sofisticado.

Aún tenía que iniciarlo.

Aún tenía que ejecutarlo.

Y si no lo ejecuté no pasó nada.

Eso me llevó a los agentes.

Este fin de semana: SweepsMonitor.com

Mi próximo experimento es SweepsMonitor.com.

Planeo construir la primera versión este fin de semana y, si todo va como se espera, tenerla funcionando el lunes o martes.

Se centrará específicamente en los desarrollos en el mercado de juegos de azar de Estados Unidos.

Pero el sitio en sí es casi secundario.

Lo que realmente quiero saber es si puedo implementar un agente en un servidor privado virtual y hacer que todo el sistema funcione continuamente.

Un VPS es esencialmente una computadora que funciona en otro lugar las 24 horas del día.

El agente debería poder activarse automáticamente.

Investigación.

Identificar desarrollos importantes.

Analizarlos.

Producir material publicable.

E introduzca ese material en el sitio.

Eso significa que probaré si puedo crear un sistema de publicación autónomo.

No en teoría.

Uno real.

¿Puede funcionar continuamente?

¿Puede distinguir las noticias del ruido?

¿Puede generar contenido útil?

¿Se puede publicar?

¿Puede seguir funcionando cuando estoy haciendo otra cosa?

Eso es lo que quiero que demuestre SweepsMonitor.

Entonces quiero crear el agente de marketing.

Una vez que haya probado la arquitectura de investigación y publicación, quiero abordar la distribución.

He estado observando a personas usar videos cortos generados por IA para crear cantidades extraordinarias de tráfico en plataformas como Instagram.

Lo que me interesa es no copiar ningún contenido en particular.

Es el modelo.

Generar variaciones creativas.

Pruébalos.

Observa lo que llama la atención.

Aprende.

Producir más.

Utiliza esa atención para llevar a las personas a algún lugar útil.

Una vez que SweepsMonitor demuestre que puedo implementar y administrar un agente persistente, tengo la intención de crear un agente de marketing.

El objetivo será crear un sistema capaz de identificar ideas que valga la pena promover, desarrollar conceptos de videos de formato corto, producir guiones y activos creativos, preparar publicaciones y dirigir tráfico desde plataformas como Instagram hacia uno de los negocios que estoy desarrollando.

Espero que ese sistema sea particularmente útil para Agentic Radar, que explicaré en un artículo posterior.

Y eso acerca la arquitectura a una máquina comercial completa:

Investigación → análisis → producto → contenido → publicación → distribución → tráfico → cliente

Si puedo hacer que esas piezas funcionen juntas, una persona comienza a tener capacidades que antes requerían todo un equipo.

Esta es la parte que encuentro profunda

Pienso en lo que estoy haciendo al mismo tiempo.

Estoy ejecutando Simply Alpha.

Mi equipo está desarrollando un proyecto de iGaming sigiloso por separado.

Continúo con DarinOliver.com.

Estoy mejorando TallyPop.

Estoy construyendo una infraestructura de investigación de IA.

Estoy iniciando SweepsMonitor.

Estoy desplegando un agente autónomo de investigación y publicación.

Tengo la intención de crear un agente de marketing.

Y tengo la intención de desarrollar Agentic Radar.

Tradicionalmente, mirarías esa lista y dirías:

Eso es demasiado. Elige una cosa.

E históricamente, ese fue probablemente un excelente consejo.

Pero la IA está cambiando la economía unitaria del esfuerzo humano.

No tengo que escribir personalmente cada línea de código.

No tengo que investigar personalmente cada historia.

No tengo que traducir manualmente cada página.

No tengo que crear personalmente cada primer borrador.

No tengo que depurar personalmente todos los problemas de software.

No tengo que crear cada contenido de marketing.

Y cada vez más, ni siquiera tengo que iniciar personalmente cada tarea.

Las máquinas pueden funcionar mientras yo hago otra cosa.

Eso no hace que mi atención sea ilimitada.

Mi juicio sigue siendo finito.

Mi capacidad para tomar decisiones sigue siendo finita.

Y los agentes pueden cometer errores espectaculares si están mal dirigidos.

Pero la restricción está cambiando.

La vieja pregunta era:

¿Cuánto trabajo puede hacer una persona?

La pregunta emergente es:

¿Cuántos sistemas productivos puede dirigir inteligentemente una persona?

Lo encuentro profundo.

Productividad casi sobrehumana

La gente describe la IA como una herramienta de productividad.

Creo cada vez más que esa descripción es demasiado pequeña.

Productividad significa:

Antes me tomaba cuatro horas para hacer algo y ahora tomo una.

Eso es útil.

Pero lo que estoy experimentando se siente diferente.

La IA me permite intentar cosas que antes no habría intentado en absoluto.

TallyPop alguna vez habría significado contratar desarrolladores antes de saber si alguien lo quería.

SweepsMonitor podría haber requerido investigadores, escritores, desarrolladores, editores y alguien que monitoreara el mercado todo el día.

Una operación seria de adquisición de redes sociales puede requerir investigadores, guionistas, diseñadores, editores de vídeo y personal de marketing.

Ahora una persona puede al menos intentar orquestar todas esas capacidades.

Eso empieza a parecer casi sobrehumano.

No porque la persona se haya vuelto sobrehumana.

Porque la persona de repente tiene máquinas.

Y cuanto más capaces se vuelven esas máquinas, más importante se vuelve el papel humano hacia la arquitectura, el juicio, el gusto, la estrategia y la dirección.

Esa puede ser la verdadera habilidad que estoy aprendiendo.

No sé cómo codificar.

Cómo dirigir sistemas inteligentes que codifican, investigan, publican, analizan y, finalmente, comercializan por mí.

Por qué estoy haciendo esto antes de enseñarlo

Una forma obvia para mí de monetizar lo que estoy aprendiendo sería enseñarlo.

Existe una población muy grande de ejecutivos y emprendedores experimentados que entienden muy bien sus negocios pero que apenas han ido más allá del uso de ChatGPT para escribir correos electrónicos.

He pensado seriamente en crear servicios prácticos de educación y asesoramiento sobre IA para ese grupo.

Probablemente lo haré.

Pero primero quiero ver hasta dónde puedo llevar estas herramientas yo mismo.

Quiero competencia práctica en desarrollo de software asistido por IA, investigación, bases de datos, automatización, agentes, infraestructura, producción de contenido, marketing, adquisición de clientes y monetización.

Porque conseguir que un sistema de IA haga algo impresionante no es lo mismo que crear valor económico.

La prueba es si alguien te paga.

Por eso me gusta el desafío de 90 días.

Fuerza el problema.

Lo que cuenta

Las reglas siguen siendo simples.

Los ingresos de Simply Alpha no cuentan.

Los ingresos del proyecto independiente Stealth iGaming no cuentan.

Los $250.000 deben provenir de los nuevos proyectos construidos o desarrollados como parte de este experimento.

Por el momento, eso significa:

• TallyPop.app
• SweepsMonitor.com
• Radar Agentico
• Cualquier cosa nueva creada directamente a través de DarinOliver.com
• Cualquier otra cosa que invente durante los próximos 90 días.

La cuestión no es trasladar los ingresos existentes a otra categoría y cantar victoria.

Es para ver qué puedo crear desde aquí.

El experimento

Así que durante los próximos 90 días voy a construir.

Implementar.

Investigación.

Publicar.

Mercado.

Vender.

Automatizar.

Romper cosas.

Arréglalos.

Y muestra lo que sucede.

Tal vez gane $250,000.

Tal vez no.

Pero cada vez más, el dinero ni siquiera es la parte más interesante del desafío.

La pregunta más importante es:

¿Cuánto puede hacer realmente una persona ahora?

¿Cuántas empresas puede probar una persona?

¿Cuántos productos puede construir una persona?

¿Cuánto software puede dirigir una persona?

¿Cuánta investigación puede supervisar una persona?

¿Cuánto contenido puede publicar una persona?

¿Cuánta distribución puede crear una persona?

¿Cuántos sistemas autónomos puede operar una persona mientras sigue dirigiendo una empresa existente?

No lo sé.

Pero sospecho que la respuesta es muchísimo más de lo que la mayoría de la gente imagina actualmente.

Hasta ahora:

SimplyAlpha.com — operativo.

DarinOliver.com: creado y continuado.

TallyPop.app: creado, activo y continuo.

Infraestructura de investigación de IA: en marcha.

SweepsMonitor.com — este fin de semana.

Agente editorial autónomo — siguiente.

Agente de marketing — después de eso.

Agentic Radar — próximamente.

Y tengo la intención de ejecutarlos en paralelo.

Esa puede ser, en última instancia, la verdadera historia.

No es que la IA haga que una persona sea más rápida.

Que la IA permite que una persona se convierta en el arquitecto de una cantidad de actividad productiva que alguna vez requirió una organización.

$250,000.

90 días.

Mientras dirijo el negocio ya lo tengo.

Veamos qué puede hacer una persona ahora.