Derek CalderónUna hora para que un estudiante de bachillerato le hable a una IA.
NachoLab es un taller web guiado de 60 minutos. Los estudiantes juegan a ser una IA, escriben el system prompt de su propio asistente, cambian una línea de código y al final le hablan a Nacho, un castor que los escucha y les responde con voz en tiempo real. Detrás está Gemini en Vertex AI, servido desde Cloud Run.
Recorrido en modo demostración: el nombre, el juego de predecir la palabra, el system prompt y la conversación con Nacho.
La IA se explica con diapositivas, y así no se entiende.
Un estudiante de bachillerato usa IA todos los días, pero casi nunca ha visto cómo funciona por dentro. Una charla con diapositivas no cambia eso: se escucha, no se toca.
El taller nació con un objetivo claro: que cada estudiante salga con la "espinita" de estudiar Ingeniería, sobre todo Ingeniería en Informática y Sistemas, en el campus de Quetzaltenango de la Universidad Rafael Landívar.
Para eso no bastaba con contarles qué es la IA. Tenían que usarla, romperla y hablarle, en una sola hora, desde una sala de cómputo o desde su propio teléfono.
No una charla sobre IA. Un taller donde la IA responde.
Una charla
- Diapositivas con definiciones que se olvidan al salir.
- El estudiante escucha; no prueba nada.
- La IA parece magia, o parece algo que hacen otros.
- Nada conecta lo que vio con una carrera.
NachoLab
- Cada pantalla tiene algo que tocar: elegir, escribir, ejecutar o hablar.
- Juegan a ser una IA y ven por qué a veces inventa.
- Escriben el system prompt de su asistente y lo prueban con Nacho.
- Cada parada cierra con lo que se aprende en Ingeniería en Informática y Sistemas.
Cinco paradas, de "¿qué es la IA?" a hablarle.
La IA
Qué es, los tres modelos de Nacho, adivinar la siguiente palabra y por qué la IA puede inventar.
La voz
El viaje de la voz en cuatro etapas y cómo Nacho mueve la boca con el volumen.
El prompt
Cambian la personalidad de Nacho y arman el system prompt de su propio asistente.
El código
Cambian dos palabras en JavaScript, presionan Ejecutar y ven el resultado.
Habla con Nacho
Escanean un QR y le hablan desde su teléfono. Cierra con la votación de la "espinita".
Lo que vive el estudiante, pantalla por pantalla.
Adivinar la siguiente palabra, como lo hace un modelo de lenguaje.
El estudiante elige cómo sigue la frase y ve las probabilidades que calcularía la IA. Es la idea más importante del taller, explicada en tres rondas de un juego.
"Nacho Castor construye una…": el estudiante elige y ve qué tan probable era cada palabra.
Las instrucciones secretas, escritas por ellos.
Primero cambian la personalidad de Nacho y ven cómo la misma pregunta tiene otra respuesta. Luego arman el prompt de su propio asistente: nombre, rol, estilo y una regla. Ese prompt se guarda y Nacho lo usa cuando le hablan al final.
El prompt se arma en vivo mientras eligen las piezas.
Cambiar una palabra y ver qué pasa.
Así se ve Nacho por dentro: un objeto en JavaScript. Cambian su personalidad o su emoción, presionan Ejecutar y Nacho cambia. Sin instalar nada y sin miedo a romper algo.
Un QR, y Nacho escucha y responde con su voz.
En la última parada todos escanean el código y Nacho abre en su teléfono. Le hablan con el micrófono o le escriben, y lo que dice sale en subtítulos para que se entienda aunque el salón haga ruido. Con la voz en vivo también se le puede mostrar una foto: un dibujo, una mascota o el estilo de quien la toma.
Tres modelos de Gemini, y uno de respaldo.
Nacho no es una sola IA. Cada modelo hace una parte, y si uno no responde, el siguiente toma su lugar.
Gemini Live
gemini-3.8-liveEscucha y habla con audio nativo, con la voz Fenrir. La conversación es continua y se puede interrumpir. Responde en unos 1.2 s y también puede ver una foto.
Gemini Flash
gemini-3.5-flashEn una sola llamada transcribe el audio y escribe la respuesta. Si un modelo está saturado, prueba el siguiente: Gemini 3 Flash y Gemini 2.5 Flash.
Gemini TTS
gemini-3.8-flash-ttsConvierte la respuesta en la voz de Nacho por streaming: el primer audio suena en menos de un segundo. Rota entre varios modelos de voz si uno llega a su límite.
La voz del navegador
speechSynthesisSi Google Cloud no responde, Nacho habla con la voz de Chrome. El taller sigue y el facilitador no tiene que hacer nada.
La infraestructura detrás de la voz.
La credencial nunca llega al navegador: el audio pasa por Cloud Run, que abre la sesión con Vertex AI en la misma región, us-central1.
- Vertex AIGemini Live por WebSocket, Gemini Flash y Gemini TTS. Con API key de express mode o con cuenta de servicio.
- Cloud RunSirve el sitio y mantiene la voz en vivo hasta 60 min. Hasta 80 personas por instancia y un máximo de 3 instancias, para que el costo tenga techo.
- Cloud BuildArma la imagen desde el Dockerfile con un solo comando de despliegue.
- Artifact RegistryGuarda las imágenes de cada versión publicada.
- Secret ManagerGuarda la API key; Cloud Run la lee al arrancar y no queda en el código.
- IAMPermisos mínimos: leer ese secreto, construir la imagen y usar Vertex AI.
El mismo código también se publica en Cloudflare Workers, gratis, como respaldo con la voz por turnos.
Un taller en vivo no puede fallar frente a 40 estudiantes.
Si la voz falla, el taller sigue.
Voz en vivo, luego por turnos, luego la voz del navegador y, al final, respuestas preparadas. Cada nivel cae solo al siguiente, sin que el facilitador toque nada.
Cloud Run para la voz en vivo.
Una conversación de diez minutos no cabe en un plan gratis con límite de CPU por petición. Cloud Run mantiene la conexión abierta, y con su capa gratuita un taller de 40 personas queda dentro.
Costo con techo, probado antes.
Máximo de instancias fijo y modelos que rotan cuando uno llega a su límite. Se probó con 40 respuestas y 40 voces a la vez antes del taller.
Hecho para menores de edad.
Nacho nunca comenta rasgos físicos ni adivina quién es alguien en una foto. La cámara se apaga al tomarla y nada se guarda.
Rápido antes que elaborado.
En una conversación importa más responder pronto que pensar mucho. Nacho habla corto, una o dos frases, y casi siempre cierra con una pregunta.
Cabe en la sala que hay.
Cada pantalla cabe sin scroll en una laptop de 1366 × 768 y en un proyector. Quien no tiene micrófono le escribe a Nacho; quien no tiene teléfono lo usa en la computadora.
Las pantallas del estudiante.
Todo el taller funciona en un celular.
Las capturas y los videos se tomaron en modo demostración, sin la voz conectada a Google Cloud: las respuestas de Nacho que se ven son las respuestas preparadas que el taller usa como último recurso, y el nombre del estudiante es ficticio. Los tiempos de respuesta y la prueba con 40 personas salen de las mediciones documentadas en el repositorio.