1. Oír “MCP” y preguntar primero: “¿Puede leer las publicaciones directamente?”
Un conocido comenta que D-Lab ha lanzado MCP para conectarse con más facilidad a asistentes como ChatGPT. En vez de preguntar primero por la definición, surge: “¿Qué se puede hacer? ¿Puede leer las publicaciones directamente?” La hipótesis aparece antes que la terminología: ¿puede la IA ir a buscar la información al servicio sin copiarla manualmente? La intuición coincide bastante con la descripción de D-Lab, que permite a ChatGPT, Claude y otros asistentes buscar directamente en su conocimiento.
2. La habilidad importante no es saberlo todo, sino formular buenas hipótesis rápido
El razonamiento es: servicio externo conectado a IA → quizá la IA accede al contenido → quizá desaparece el copiar y pegar → quizá puede leer las publicaciones. Eso es pensamiento de procesos. Hay quien abre una herramienta nueva y empieza por el manual; hay quien pregunta “¿qué paso manual puedo eliminar?” Ese segundo perfil suele ser muy fuerte en automatización.
3. GitHub deja de ser “un lugar para hacer webs” y se convierte en el almacén de una fábrica de IA
Si alguien dice “GitHub es donde se pueden hacer webs, ¿no?”, una clase sobre control de versiones distribuido sería socialmente mortal. Es más útil decir “piensa en un almacén de datos”. Luego: guardar datos → IA lee → revisión automática → corrección → actualización → ejecución programada. ChatGPT se convierte en una pieza del sistema. La app oficial de GitHub en ChatGPT es sobre todo de lectura y análisis; para editar y hacer push se usan flujos como Codex.
4. “Haz que busque la evidencia” convierte a la IA en equipo de investigación
En salud, psicología, aprendizaje o cognición, la IA puede consultar PubMed, PMC, páginas de editoriales, estudios originales y revisiones. Se vuelve buscador + filtro de papers + resumidor + comparador + crítico. Un estudio nuevo puede aparecer antes de que alguien lo resuma en otro idioma. PMC, eso sí, también contiene manuscritos de autores y preprints, así que hay que revisar diseño, peer review, muestra y limitaciones.
5. ¿Qué vende realmente D-Lab MCP?
A 30 de agosto de 2026, DaiGo cuesta 2.199 yenes al mes y D-Lab Pro 989 yenes; Pro requiere DaiGo y MCP pertenece a Pro. Total simple: 3.188 yenes. Pero no se vende “acceso a papers”, sino una cadena: DaiGo selecciona información → explica → convierte en acción → acumula en más de 4.000 vídeos y archivos → hace que esa base pueda buscarse con IA. Es conocimiento filtrado por una persona concreta.
6. Y aparece la frase prohibida: “¿No basta con ChatGPT Plus?”
ChatGPT Plus cuesta 20 dólares al mes e incluye acceso ampliado a modelos y herramientas, análisis de archivos y Deep Research. Para quien sabe buscar estudios: D-Lab = investigación → DaiGo → D-Lab → MCP → ChatGPT → yo; directo = web/bases académicas → ChatGPT → yo. No son productos idénticos, pero si se quiere una respuesta con evidencia y no la explicación de DaiGo, la ruta directa puede sustituir bastante utilidad.
7. D-Lab se entiende mejor como “cuota del club de fans de DaiGo”
Dos personas pueden leer el mismo estudio y producir experiencias distintas según lo que seleccionan, los ejemplos, el orden, el ritmo y el humor. El valor de la información y el del narrador son diferentes. D-Lab puede verse como tarifa de explicación, curación, edición y, con cariño, cuota del club de fans de DaiGo. Nadie dice a quien va a un concierto: “¿Para qué pagar si la canción está en streaming?” La experiencia es el producto.
8. El detector de margen del intermediario está demasiado sensible
“¿Qué valor añade? ¿Puedo ir directo a la fuente? ¿Qué trabajo me ahorro? Si lo hago en cinco minutos, ¿por qué suscribirme?” Algunas personas desmontan automáticamente el negocio. No es solo tacañería: es análisis de costes de transacción. Cuanto mejor se busca y se usa IA, menos valor relativo tienen algunos intermediarios. Pero si una pequeña cuota elimina una hora de trabajo molesto, compra tiempo. El problema llega cuando algo de cinco minutos cobra cada mes: PI PI PI PI.
9. Aun así, DaiGo impresiona — especialmente el “2× sin tocar 2×”
Mentalismo, cartas, control de atención, timing y narrativa no se obtienen leyendo el paper original. Y existe una UX curiosa: no hace falta poner 2× porque ya habla rápido. Si el creador funciona biológicamente a 1,7×, el botón de velocidad se vuelve decorativo. ¿Optimización intencionada? Probablemente no. Simplemente habla rápido. Pero para quien disfruta información densa a alta velocidad, eso también es parte del atractivo.
10. El muro de pago antes de la respuesta central y el valor que queda en la era de la IA
Un vídeo gratuito que construye la curiosidad y corta justo antes de “entonces, ¿qué hago?” puede frustrar. El problema no es cobrar, sino dónde cortar. Una división agradable sería gratis = responder al título; pago = estudios adicionales, excepciones y aplicación. Si la respuesta central está tras el muro, el usuario investigador puede buscar el estudio original. Cuanto más MCP reduce la distancia entre IA y fuente, menos vale simplemente “tener información”; más valen selección, interpretación, explicación y acción. ChatGPT puede sustituir mucha búsqueda de evidencia, pero no el estilo de DaiGo. Y si además gusta que 1× parezca 2×, eso ya es fandom completo.
