Cómo mostrar un proyecto hecho con IA en tu CV y portfolio sin que parezca copiado: qué explicar y qué evidencia sumar

Resumen ejecutivo

• Usar IA en un proyecto no le resta valor; lo que le resta valor es no poder explicar qué decidiste vos, qué hizo la herramienta y cómo verificaste el resultado.

• En el portfolio, cada proyecto hecho con IA necesita cuatro piezas: el problema, tus decisiones, la evidencia del proceso y lo que aprendiste al corregir a la IA.

• En el CV, el proyecto entra en una o dos líneas con verbo de acción, herramienta y resultado medible, sin exagerar la autoría.

• Te dejamos una plantilla de README y frases listas para adaptar.

Hoy casi cualquier proyecto de portfolio pasa en algún momento por una herramienta de IA: para escribir código, ordenar datos, generar textos o probar ideas de diseño. Según la encuesta para desarrolladores de Stack Overflow, el 84% de las personas que respondieron usa o planea usar herramientas de IA en su proceso de desarrollo. Pero en la misma encuesta, más desarrolladores desconfían de la precisión de esas herramientas (46%) de los que confían (33%). Ese es exactamente el punto que mira quien te entrevista: si sabés usar la IA y controlarla. Por eso, la pregunta ya no es si mostrar o esconder la IA, sino cómo contarla para que tu criterio quede a la vista.

Por qué un proyecto con IA puede parecer copiado

Un reclutador o un líder técnico revisa muchos portfolios parecidos. Las señales que encienden la alarma suelen ser estas:

• Proyectos genéricos: la misma app de tareas, el mismo clon de una red social o el mismo dashboard de ventas de ejemplo.

• Código o textos sin huella personal: comentarios perfectos, nombres de variables uniformes y ninguna explicación de por qué se eligió una solución.

• Un solo commit gigante: todo el repositorio aparece de golpe, sin historia de cambios.

• Imposibilidad de explicarlo: en la entrevista, la persona no puede justificar una decisión ni modificar una parte en vivo.

Ninguna de estas señales depende de haber usado IA. Dependen de no haber dejado rastro de tu trabajo. La solución es documentar el proceso.

Qué explicar en cada proyecto hecho con IA

1. El problema y el usuario

Arrancá por el para qué. «Armé un tablero para que una ferretería de barrio vea qué productos rotan menos» dice mucho más que «dashboard en Power BI». Si el problema es real, aunque sea pequeño, el proyecto deja de parecer un ejercicio de tutorial.

2. Qué hizo la IA y qué hiciste vos

Separalo de forma explícita. Por ejemplo: «Usé un asistente de código para generar la primera versión del formulario y las validaciones básicas. Yo definí la estructura de datos, reescribí la lógica de cálculo y armé los tests». Ser claro con la autoría te protege: nadie puede acusarte de ocultar algo que ya contaste.

3. Las decisiones que tomaste

Listá dos o tres decisiones con su motivo: por qué elegiste una librería, por qué descartaste una sugerencia de la IA, por qué cambiaste el diseño después de probarlo. Las decisiones son la prueba más fuerte de criterio propio.

4. Dónde se equivocó la IA y cómo lo detectaste

Este es el diferencial. Contá un error concreto: una función que fallaba con datos vacíos, una consulta que duplicaba registros, un texto con un dato inventado. Explicá cómo lo encontraste (un test, una revisión manual, una comparación con la fuente) y cómo lo corregiste. Mostrar que verificás vale más que mostrar que generás rápido.

5. Qué aprendiste

Cerrá con un aprendizaje técnico o de proceso. Por ejemplo: «Aprendí a pedirle a la IA casos de prueba antes que código, y a revisar cada consulta SQL con una muestra chica de datos».

Qué evidencia sumar para que se note tu trabajo

• Historial de commits: commits chicos y frecuentes, con mensajes que expliquen el cambio. Es la línea de tiempo de tu proceso.

• README completo: la documentación de GitHub sobre archivos README explica que es lo primero que ve una persona al entrar a tu repositorio. Usalo para contar el problema, las decisiones y el uso de IA.

• Antes y después: capturas o fragmentos de lo que propuso la IA y de cómo quedó después de tu revisión.

• Prompts clave: no hace falta pegar toda la conversación; alcanza con los dos o tres pedidos que definieron el resultado.

• Tests o validaciones: aunque sean pocos, demuestran que comprobaste que todo funciona.

• Demo en línea o video corto: un recorrido de dos minutos donde vos explicás el proyecto con tu voz.

Plantilla de README para un proyecto hecho con IA

1. Qué resuelve: el problema y para quién, en dos líneas.

2. Demo: enlace y captura.

3. Tecnologías: lenguajes, librerías y herramientas de IA usadas.

4. Cómo usé la IA: qué partes generó, qué partes reescribí y por qué.

5. Decisiones técnicas: dos o tres, con su motivo.

6. Errores encontrados: qué falló y cómo lo verifiqué.

7. Próximos pasos: qué mejorarías con más tiempo.

Si todavía estás armando tu primera colección de proyectos, esta guía para armar un portfolio de tecnología para tu primer trabajo te ayuda a elegir cuáles mostrar.

Cómo ponerlo en el CV

En el CV no hay espacio para el proceso completo: ahí va el resultado y la pista de que sabés trabajar con IA. Usá esta estructura: verbo de acción, qué construiste, con qué herramientas y qué resultado lograste.

• «Desarrollé una app web de turnos en JavaScript con apoyo de un asistente de IA; reescribí la lógica de disponibilidad y agregué tests que cubren los casos de horarios superpuestos».

• «Automaticé la limpieza de un dataset de ventas con Python y prompts de IA, y validé el resultado contra el archivo original para eliminar duplicados».

• «Diseñé el prototipo de una app de delivery: usé IA para explorar variantes de pantallas y elegí la final después de cinco pruebas con usuarios».

Evitá frases como «creado 100% con IA» o, al revés, presentarte como autor único de algo que generó una herramienta. Lo que suma es mostrar el reparto con claridad. Para el resto del documento, repasá estos tips para destacar tu CV.

Cómo defenderlo en la entrevista

• Prepará la historia en tres minutos: problema, decisiones, error que corregiste y resultado.

• Esperá el cambio en vivo: es común que te pidan modificar una función o explicar una línea. Repasá tu código antes, sobre todo las partes que generó la IA.

• Hablá de tu método: cómo escribís prompts, cómo revisás y cuándo preferís hacer algo a mano.

• Sé honesto con los límites: «esta parte la entiendo a nivel general, pero no la optimicé» es mejor que improvisar.

Si el proyecto resolvió un problema de un negocio real, contalo con números simples. Hay ideas para eso en esta guía sobre cómo integrar IA en un negocio sin desarrolladores.

Curso recomendado de Coderhouse

Para que tus proyectos con IA tengan base propia, necesitás entender el código que revisás. La Carrera de Desarrollo Full Stack te da proyectos guiados de punta a punta, y el curso de AI Automation te enseña a construir flujos con IA que podés documentar y mostrar en tu portfolio.

Preguntas frecuentes

¿Tengo que aclarar que usé IA en un proyecto? Sí, conviene. Contarlo con detalle te muestra como alguien que sabe usar herramientas actuales y, a la vez, evita que la duda aparezca en la entrevista.

¿Un proyecto hecho con IA vale menos que uno hecho a mano? No necesariamente. Vale menos si no podés explicarlo. Vale más si muestra decisiones, verificación y un problema real.

¿Tengo que publicar todos mis prompts? No. Alcanza con los más importantes y con una explicación de cómo iteraste sobre las respuestas.

¿Cuántos proyectos con IA debería tener en el portfolio? Lo ideal es combinar: algunos donde la IA tuvo un rol central y documentado, y al menos uno donde se vea tu dominio de los fundamentos sin depender de ella.