Planificar un viaje de 2 semanas por Europa con un solo prompt

Planificar una ruta por varias ciudades tropieza siempre con el mismo muro, ya sea que se lo pidas a un agente de IA o que combines apps de mapas y hojas de cálculo: el contexto se pierde, las coordenadas se inventan y las fuentes quedan imposibles de rastrear. Analizamos, función por función, cómo Consilience planifica un itinerario de dos semanas de París a Viena.

Los viajes por varias ciudades siguen una ley extraña: tu lista de deseos tarda cinco minutos en escribirse, pero convertirla en un itinerario real —qué ciudad primero, qué comer, dónde dormir, cómo moverte— se posterga hasta justo antes de salir, con unas 47 pestañas del navegador abiertas.

Le entregué este dilema humano por excelencia a Consilience: París, Ámsterdam, Berlín, Praga, Viena. Un viaje de 14 noches que sale el 20 de julio de 2026 y regresa el 3 de agosto. Sigamos cómo notas dispersas se convierten en una guía día por día, y veamos qué función hizo el trabajo en cada paso —y por qué otras herramientas se atascan.

Última actualización: 2026-07-16

Cómo suele planificarse un viaje largo y complejo

Antes había dos formas de planificar una ruta de viaje: armarla a mano combinando apps de mapas, blocs de notas y hojas de cálculo, o pedirle a una IA que lo hiciera todo de golpe. El lado de la IA ahora también tiene más opciones: agentes de IA de propósito general como ChatGPT, Claude y Gemini; agentes de programación locales como Claude Code o Cursor; y servicios RAG tradicionales como NotebookLM, donde subes documentos y haces preguntas.

Pero ninguno de estos puede llevar un plan de viaje hasta el final. El enfoque manual es preciso pero laborioso —los lugares viven en un mapa, las notas en un cuaderno, los costos en una hoja de cálculo, y corregir uno significa resincronizar manualmente el resto. Los agentes de IA de propósito general pierden tu lista de deseos original a medida que la conversación se alarga, y generan coordenadas y tiempos de viaje sin verificarlos. Las fuentes son difíciles de rastrear. Consilience, en cambio, mantiene el contexto, rastrea las fuentes y realmente calcula coordenadas, rutas y tiempos de viaje.

Todo esto ocurre dentro de un único espacio de trabajo. La estructura es simple: todos los materiales se conectan en un único grafo de conocimiento (KG), sobre el cual se generan la vista de mapa y la guía.

flowchart LR
    W["흩어진 위시리스트<br/>(5개국)"] --> G{{"온톨로지 그래프"}}
    R["딥리서치<br/>날씨·축제·요금"] --> G
    S["Appshot<br/>예약·지도 화면"] --> G
    G --> M["지도 캔버스<br/>지오코딩 경로 + 클러스터"]
    G --> B["가이드북<br/>Day 1…14, 출처 포함"]
    M <--> B

Ahora vamos a desglosarlo función por función.

Una sola línea trae exactamente el contexto que necesitas: el Grafo Ontológico

Los agentes de IA pierden el contexto porque tratan las notas como "fragmentos de texto pegados en una conversación". Consilience, desde el momento en que se importa el material, lo atomiza en entidades y las vincula mediante relaciones. Así, una sola línea como "planifica el viaje" es suficiente para traer exactamente el alcance correcto —el brief, las cinco listas de deseos, el itinerario preliminar. No hace falta adjuntar ningún archivo.

Y cada relación en el grafo lleva la frase fuente original de la que se extrajo. Pasa el cursor sobre una etiqueta de relación y aparece el texto original exacto, mostrando de qué nota y qué frase proviene. Esa es la diferencia entre una "respuesta plausible" y una "respuesta rastreable".

La diferencia con otras herramientas está en la unidad de recuperación. Los agentes de programación locales acceden directamente a los archivos, pero al terminar una sesión, el contexto hay que reconstruirlo desde cero. El RAG tradicional realiza una sola búsqueda por similitud sobre fragmentos, lo que lo hace débil ante preguntas que requieren inferencia relacional, y conectarlo a un flujo de trabajo como los mapas requiere desarrollo a medida.

Un mapa que construye coordenadas y rutas reales: el Map Canvas

Pídele a un LLM "dame las coordenadas del Museo de Orsay" y obtendrás un número que parece plausible. El problema es que no puedes saber si es correcto hasta comprobarlo. Eso es peligroso para un mapa de viaje. Map Canvas usa tecnología de geocodificación real para este cálculo, en lugar del modelo. Coordenadas, distancias, tiempos de viaje y rutas se calculan todo automáticamente. Para lugares listados solo por nombre, sin dirección, el agente los verifica en la web antes de geocodificarlos, y para los lugares que aún no puede ubicar con precisión, muestra la información más confiable que encuentra.

Este es el resultado: cada lugar de la lista de deseos aparece en el mapa de la ciudad, las rutas entre ciudades se dibujan en el orden preliminar, y dentro de una ciudad, los lugares se agrupan para que la ruta de un día se vea de un vistazo. Los tiempos de viaje se basan en carreteras y ferrocarriles reales. Haz clic en un pin y "Ver en el grafo" salta directamente a ese nodo en el grafo.

Los agentes de IA fabrican coordenadas de forma plausible. Consilience solo muestra lo que es certero.

Las dos funciones que hacen que Consilience se sienta más como magia: Deep Research y Appshot

Una lista de deseos solo te dice "dónde". Dos herramientas completan el cómo llegar, cómo estará el clima y qué está pasando en una ciudad esa semana.

Deep Research es un investigador que activas con una sola línea /research. Recorre la web para encontrar, para cada tramo, tren frente a vuelo, tiempo de viaje, tarifas aproximadas, y si un pase de tren compensa. Los resultados se convierten en notas con fuentes adjuntas y fechas de consulta, y maneja por sí solo fuentes europeas en idiomas locales. Un descubrimiento que sacudió el plan también salió de aquí: Ámsterdam a Berlín en tren directo toma alrededor de 6 horas —suficiente para maratonear Squid Game 3. Para este tramo en particular, comparé tren contra vuelo lado a lado.

Hasta ahora, solo había dos formas de darle a un LLM información de la pantalla: una captura de pantalla, o copiar el texto. Las capturas de pantalla te dejan solo con una imagen; un ⌘A de copiar-todo aplana la jerarquía. Appshot, en cambio, captura cualquier ventana de app que tengas abierta con un solo atajo de teclado (pulsando ambas teclas ⌘ a la vez). Junto con la imagen de la pantalla, aporta texto que transcribe la estructura de la ventana, manteniendo intacta la jerarquía:

Window: "Amsterdam → Berlin, Sun 26 Jul - Deutsche Bahn", App: Chrome
표준 윈도우 Deutsche Bahn, URL: https://int.bahn.de/en/…
	그룹 (settable, string) 출발편 목록
		그룹 (settable, string) 오전 직통편
			이미지 요금·소요시간
		그룹 (settable, string) 오후 환승편
	이미지 노선도

Appshot lee la estructura de una ventana directamente a través de la API de accesibilidad del sistema operativo, sin usar un modelo de visión. La imagen y la etiqueta de adjunto aparecen primero, en aproximadamente medio segundo, y la transcripción jerárquica de una página web compleja llega unos segundos después, añadida al mismo adjunto. No se gastan tokens de visión. Cada captura también registra de qué app, qué ventana y qué URL proviene. No necesitas una explicación larga como "revisa la esquina superior derecha de la captura que acabo de tomar, y luego lee la tarifa debajo del botón rojo". Basta con "Agrega esta tarifa a la tabla comparativa".

El clima, las zonas de alojamiento, la comida y los eventos de cada ciudad se completan a través de este mismo flujo. Como la investigación se hace contra las fechas reales de estadía —París 20–22 de julio, Ámsterdam 23–25 de julio, Berlín 26–28 de julio, Praga 29–30 de julio, Viena 31 de julio–2 de agosto—, los eventos que ya pasaron no se filtran en el plan. Solo aparecen en el mapa los eventos cuya fecha y ubicación realmente coinciden.

No hay que preocuparse cuando los planes cambian — el grafo de conocimiento lo refleja automáticamente

Desde el momento en que decides hacer un viaje hasta el momento en que sales de casa, el plan se revisa unas 52 veces. Sigue cambiando incluso durante el viaje. Consilience almacena este largo "historial de decisiones" de forma inteligente —el mismo tipo de tecnología que usa Palantir para registrar unidades de decisión a partir de montañas de datos no estructurados y dispersos, y encadenarlas en una trazabilidad. Escribe "tomar el tren de Ámsterdam a Berlín", y queda registrado como una decisión. Más tarde, cámbialo a "mejor volemos ese tramo", y la nueva decisión sustituye a la anterior —mientras se conserva el historial de ese reemplazo. Las preguntas abiertas de tus notas también se capturan como preguntas sin resolver, y se van cerrando una por una. Pregunta "¿qué decidimos sobre el alojamiento?" y solo vuelve la decisión más reciente. No depende del sistema de memoria de un LLM. Consilience no tira los dados.

No puedes evitar que los planes cambien. Pero sí puedes evitar que un plan viejo se haga pasar por el nuevo.

Usa el mapa y la guía juntos

"Hazme una guía ordenada para buenas rutas a pie." Una petición así basta para obtener el Día 1 el 20 de julio hasta el Día 14 el 2 de agosto. El 3 de agosto se marca por separado como el día de regreso desde Viena. Cada día recorre el clúster de una ciudad en orden, los días de viaje incluyen el tren o el vuelo, y cada elemento viene con una fuente. Abre un día y aparece el mapa de ese día junto a él.

Haz clic en cualquier pin del mapa. "Ver en el grafo" salta directamente al nodo de ese lugar en el grafo, y hacer clic en el nombre de un lugar (un wikilink) dentro de la guía abre la nota original. Esto es porque el itinerario y el mapa leen y escriben el mismo grafo desde el principio —no hace falta construir nada por separado ni sincronizarlo manualmente.

El itinerario y el mapa no son dos archivos: son dos vistas de un mismo grafo.

Qué hizo esto posible

No es magia —solo funciones combinadas sobre el mismo grafo.

• Grafo Ontológico: trae automáticamente el contexto disperso y adjunta la frase fuente original como evidencia de cada relación.
• Map Canvas: calcula coordenadas y rutas con geocodificación/ruteo integrados, e investiga lugares sin dirección para localizarlos.
• Deep Research (`/research`): recorre la web y deja notas con fuentes y fechas adjuntas.
• Appshot: trae información de la pantalla como imagen y como texto transcrito jerárquicamente, en una sola captura.
• Seguimiento de decisiones: las decisiones nuevas sustituyen a las viejas, de modo que el grafo siempre conoce el plan más reciente.
• Redacción: crea el mapa y la guía juntos a partir del mismo grafo.

En este artículo, usé Consilience para convertir un viaje de dos semanas por cinco países en un mapa y una guía que se actualiza automáticamente. Y no es solo para viajes —en cualquier lugar donde se acumulen materiales y contexto, funciona de manera potente, inteligente y rápida. Ya sea revisando artículos académicos o gestionando un producto, ¿sigues atascado explicándole el contexto a un agente, refinando tu intención y repitiendo tus preguntas una y otra vez?

Preguntas frecuentes

¿Necesito adjuntar notas cada vez?

No. Como las notas están conectadas mediante relaciones en el grafo ontológico, una sola instrucción de una línea basta para traer automáticamente las notas relacionadas. Puedes rastrear exactamente qué evidencia se usó a través de la frase fuente original citada en cada relación.

¿La IA se inventa las rutas o los tiempos de viaje?

No. Las coordenadas, distancias, rutas y tiempos de viaje se calculan mediante servicios de geocodificación/ruteo, y el modelo solo usa los resultados —no los genera. Para los lugares que aún no puede ubicar con precisión, muestra "desconocido" en lugar de un pin.

¿En qué se diferencia Appshot de pegar una captura de pantalla?

Una captura de pantalla es solo una imagen, así que depende de la interpretación de un modelo de visión. Appshot usa la API de accesibilidad del sistema operativo para transcribir la estructura de una ventana manteniendo intacta su jerarquía, aportando imagen y texto juntos. También registra de qué app, qué ventana y qué URL proviene.

Fuentes: la información de ciudades y barrios usó WikiVoyage (CC BY-SA 4.0). El clima, las tarifas y las fechas de eventos reflejan los valores al momento de la consulta, con la fecha de consulta indicada en el texto.