El 26 de junio, Semrush, ya bajo el paraguas de Adobe tras su adquisición por 1.900 millones de dólares, publicó la munición que faltaba: el AI Visibility Index 2026, la mayor radiografía de visibilidad de marca en IA hecha hasta la fecha. En esta edición te lo desmenuzo entero: los seis hallazgos que importan, el framework de tres capas que propone Adobe, y un checklist para aterrizarlo en tu marca esta misma semana.

Ficha rápida del estudio

• Qué es: el AI Visibility Index 2026, estudio insignia de Semrush (Adobe) sobre cómo las marcas son mencionadas, citadas y representadas en las respuestas de IA.

• Escala: 126 millones de prompts reales de búsqueda en IA de usuarios de EE.UU., recogidos entre enero y abril de 2026. La primera edición (septiembre 2025) analizaba 2.500 prompts: han multiplicado el dataset por cinco órdenes de magnitud.

• Plataformas analizadas: ChatGPT, Google Gemini, Google AI Mode y Google AI Overviews.

• Cobertura: más de 1.200 marcas en 22 verticales de industria, más una encuesta paralela a líderes de marketing.

• Dónde verlo: el índice es público e interactivo en ai-visibility-index.semrush.com, puedes filtrar marcas más mencionadas por industria y plataforma, ver co-ocurrencias con competidores y las fuentes más citadas por vertical(guárdatelo: es una mina para benchmarks de cliente)

Hallazgo 1: integrar o morir, el 81% frente al 36%

El titular del estudio es un dato organizativo, no técnico: entre las empresas que integran SEO y visibilidad en IA en un único flujo de trabajo, el 81% reporta aumento de tráfico o leads desde plataformas de IA. Entre las que gestionan ambas áreas por separado, solo el 36%.

45 puntos de diferencia. No entre quienes hacen GEO y quienes no: entre quienes lo hacen integrado y quienes lo hacen en silos.

Cuidado con la lectura fácil de este dato: integrar no significa que la visibilidad en IA “sea SEO” ni que deba colgar del equipo de SEO de toda la vida. Significa lo contrario: que la disciplina nueva necesita orquestar a las viejas. El SEO aporta los cimientos (autoridad, rastreo, señales técnicas), pero las decisiones (qué narrativa consolidar, qué fuentes de terceros trabajar, cómo estructurar la marca para ser citable) pertenecen a un juego con reglas distintas que el SEO clásico nunca tuvo que jugar. El estudio le pone precio a la herencia organizativa de la era anterior: equipos de SEO, contenidos y comunicación montados como líneas separadas para un mundo que ya no existe. La lección no es “añade el GEO al departamento de SEO”; es rediseñar el sistema entero bajo la lógica de la nueva era.

Hallazgo 2: el canal explota... y casi nadie puede medirlo

Dos series de datos de Adobe dimensionan el fenómeno:

• El tráfico referido por IA a webs de retail en EE.UU. creció un +1.324% entre octubre de 2024 y mayo de 2026.

• En el sector viajes, la subida fue del +2.215% en el mismo periodo.

Es un canal que hace dos años prácticamente no existía en ningún plan de marketing y que hoy, en algunas categorías, ya supera en descubrimiento a canales que sí tienen equipo, presupuesto y dashboard.

Y ahí está la paradoja que retrata el estudio: el 45% de los líderes de marketing admite que no puede medir con precisión la visibilidad de su marca en respuestas de IA, y solo el 9% dice tener las herramientas para trackear todas las métricas relevantes. Menos de uno de cada diez equipos puede ver el canal que más rápido crece.

Un estudio independiente de Similarweb añade la otra mitad del problema: las marcas recomendadas por una IA tienen 2,5 veces más probabilidad de recibir una visita web en los siete días siguientes, pero la analítica estándar no captura casi nada de la interacción que provocó esa visita. La influencia ocurre en una caja negra; el dato llega tarde y sin atribución.

Hallazgo 3: ser mencionado no es ser citado (y necesitas las dos cosas)

Esta es, para mí, la distinción más didáctica del estudio, y la que más confusión genera en los comités de dirección:

• Mención: cuántas veces aparece tu marca en una respuesta generada por IA.

• Cita: qué dominios y páginas usa la IA como evidencia para construir esa respuesta.

Y aquí viene el dato incómodo: en Gemini, el solapamiento entre marcas mencionadas y dominios citados puede caer hasta el 30%. Traducción: en siete de cada diez casos, cuando la IA habla de tu marca, la fuente que respalda lo que dice no eres tú, es un comparador, un foro, un medio, una review.

Esto obliga a competir en dos frentes a la vez: ganar la relevancia y autoridad suficientes para ser mencionado, y construir el contenido estructurado y creíble que la IA elige citar. Puedes ser famoso sin ser fuente. Y si no eres fuente, tu narrativa la escriben otros.

Hallazgo 4: cada plataforma es un país distinto

Las cuatro plataformas no se comportan igual, y la diferencia es enorme:

• ChatGPT cita de media 15 fuentes por respuesta y bebe mucho de plataformas comunitarias y de referencia como Reddit y Wikipedia.

• Gemini cita de media solo 3 fuentes por respuesta, de un pool más estrecho que también incluye Reddit, Wikipedia y YouTube.

Una diferencia de cinco veces en volumen de citación explica por qué una marca puede brillar en una plataforma y ser invisible en otra: una estrategia basada en amplitud de fuentes rinde en la red ancha de ChatGPT; en la red estrecha de Gemini solo entra quien está entre las 3 elegidas. La recomendación del propio informe: mide y optimiza plataforma por plataforma, no trates “la IA” como un canal único e indiferenciado.

Hallazgo 5: la Universal 36 y dónde está la oportunidad real

De las más de 1.200 marcas trackeadas, solo 36 mantuvieron visibilidad top-100 en las cuatro plataformas durante todos los meses del estudio. Semrush las llama la “Universal 36”, e incluye a YouTube, Google, Reddit, Amazon, Facebook, Apple, Walmart, Disney y Nintendo, marcas con alcance masivo y un rol claro ayudando al usuario a completar tareas de descubrimiento, comparación o transacción.

¿Significa eso que la partida está cerrada? No, y aquí está el matiz estratégico más valioso del estudio: la concentración varía brutalmente por industria.

En categorías como Finanzas e Industrial, más de la mitad de la visibilidad está repartida más allá del top 3. Para marcas medianas, retadoras o nicho, la ventana está abierta ahora, antes de que la concentración de las categorías maduras se replique.

Hallazgo 6: tu narrativa ya no la escribes (sólo) tú

El estudio lo dice con todas las letras: la narrativa de una marca en la IA ya no la moldean solo su web y sus materiales controlados. Las plataformas de IA se apoyan en reviews de clientes, discusiones comunitarias, medios independientes, retailers y fuentes sectoriales para entender y recomendar marcas.

Dos casos del informe lo ilustran:

• Patagonia mantuvo una puntuación de visibilidad consistentemente alta durante todo el estudio, y Semrush lo atribuye menos a inversión en medios que a su ecosistema de validación externa: sitios de review de equipamiento outdoor (OutdoorGearLab, REI, Switchback Travel, GearJunkie) y conversación sostenida en Reddit.

• Shopify presenta algo rarísimo según el informe: equilibrio entre menciones y citas, cuando la mayoría de marcas cojea claramente hacia un lado.

Y un dato complementario de otro estudio de Semrush de junio (89.000 URLs analizadas): LinkedIn es el segundo dominio más citado en respuestas de IA de búsqueda (11%), solo por detrás de Reddit. Tu contenido profesional en LinkedIn ya no es solo alcance social: es materia prima de citación.

La consecuencia organizativa es profunda: PR, gestión de comunidad y earned media ahora son inputs de visibilidad en IA. Funciones que nunca reportaron al SEO ahora alimentan directamente lo que la IA dice de ti.

La anécdota que mejor lo resume es la del propio Semrush: en octubre de 2025 descubrieron que ChatGPT recomendaba a todos sus competidores pero nunca a ellos, a pesar de que su propio blog era citado cientos de veces por esa misma plataforma. Eran fuente, pero no protagonista. Tras un trabajo sistemático de optimización, casi triplicaron su share of voice en IA en un mes: del 13% al 32%. El diagnóstico correcto (mención vs cita) precede a la solución.

El framework de las 3 capas (cómo te evalúa una IA antes de recomendarte)

Junto al índice, Adobe publicó un marco de tres capas que explica cómo un sistema de IA evalúa una marca antes de recomendarla. Es la estructura más útil que he visto para ordenar un plan de trabajo GEO, así que te la dejo como escalera:

Capa 1. Encontrabilidad: ¿puede la IA encontrarte? Depende de las señales de autoridad y relevancia acumuladas por tu dominio. Es la capa heredada del SEO clásico: necesaria como cimiento, pero solo es la primera de tres, y las otras dos ya no se juegan con las reglas de antes.

Capa 2. Claridad: una vez te encuentra, ¿te entiende correctamente? Una cita construida sobre información desactualizada o inconsistente puede tergiversarte incluso generando menciones. Aquí viven la coherencia de entidad, los datos estructurados, y lo que Adobe llama minimizar el brand drift, la deriva de marca entre puntos de contacto.

Capa 3. Autoridad: ¿te recomendará por encima de un competidor, o se limitará a reconocer que existes? Esto lo deciden la validación de terceros, las reviews, la conversación comunitaria y la consistencia narrativa cross-canal.

Puedes superar la capa 1 y aparecer en conversaciones sin superar jamás la 2 o la 3. Ser conocido ≠ ser entendido ≠ ser recomendado. Y cada capa requiere trabajo distinto.

Checklist: por dónde empezar esta semana

1. Audita la brecha mención/cita de tu marca. Pregunta a ChatGPT, Gemini y Perplexity por tu categoría y por tu marca. Anota: ¿te mencionan? ¿A quién citan como fuente cuando hablan de ti? Si la respuesta es “a otros”, ese es tu problema número uno.

2. Mide tu concentración de categoría. Usa el índice interactivo de Semrush (es gratuito) para ver quién domina tu vertical y cuánto espacio queda fuera del top 3.

3. Rompe el silo y decide quién manda. Aunque sea de forma ligera: una reunión mensual que siente en la misma mesa a SEO, contenido y comunicación con un único dashboard de visibilidad en IA. Pero con una condición: la mesa la preside la disciplina nueva. El 81% vs 36% no premia herramientas, premia coordinación, y la coordinación necesita que alguien que entienda las reglas de la nueva era marque la dirección, no que el GEO sea el punto 7 del orden del día del comité de SEO.

4. Inventaría tu validación de terceros. Lista los comparadores, medios, reviews y comunidades que la IA cita en tu categoría (el índice te los da por vertical y plataforma). Tu plan de earned media de 2026 debería parecerse sospechosamente a esa lista.

5. Estructura para ser citable. Datos claros, cifras con fecha, páginas que respondan preguntas concretas, schema y coherencia de entidad en todas tus superficies. La IA cita lo que puede verificar y extraer.

6. Define tu métrica y su dueño. Si el 45% no puede medir esto, empieza simple: una batería mensual de prompts representativos por plataforma, registrada y comparada. Sin métrica no hay disciplina; sin dueño no hay métrica.

Mi lectura desde +MAIN.MIND

Primero, una aclaración de posicionamiento que este estudio hace más necesaria que nunca: en los próximos meses vas a ver a media industria del SEO reetiquetarse como “expertos en GEO” para vender lo mismo de siempre con acrónimo nuevo. No caigas en eso. Lo que retrata este índice no es una actualización del SEO: es una disciplina nueva para una era nueva, con reglas que el SEO nunca tuvo que aprender, narrativa distribuida en fuentes de terceros, lógicas de citación distintas por motor, coherencia de entidad para lectores que son máquinas, y marcas evaluadas antes de que exista un solo clic. En +MAIN.MIND no venimos del SEO ni lo hemos reciclado: nacimos ya en esta era, AI-native, y por eso llevamos tiempo defendiendo que la visibilidad de las marcas en las respuestas de IA (lo que medimos como Share of AI Surface) es la métrica de marca de esta década, y que se gestiona de forma distinta en cada motor porque cada uno compone sus respuestas con lógicas de fuentes diferentes. Este estudio lo valida con 126 millones de prompts.

Pero hay una frase del informe que va más allá del marketing y toca el corazón de lo que hacemos: la CMO de Adobe Enterprise lo formula diciendo que tus clientes ahora son a la vez personas y agentes de IA, y que minimizar la deriva de marca en cada punto de contacto es el punto de partida de la visibilidad.

Eso tiene nombre: identidad conversacional. Si tu marca no tiene definida una identidad coherente (quién es, cómo habla, qué datos la describen, qué la hace recomendable) cada motor de IA reconstruirá una versión distinta de ti a partir de fragmentos de terceros. El brand drift del que habla Adobe no se corrige con contenido: se corrige con identidad. Y esa identidad, hoy, hay que diseñarla también para lectores que no son humanos.

🎓 Aprende a hacerlo tú: curso Visibilidad Total IA

Todo lo que retrata este estudio, la brecha mención/cita, la construcción de entidad, el contenido citable, la medición plataforma a plataforma, es exactamente lo que enseñamos, paso a paso y aplicado a tu propio proyecto, en Visibilidad Total IA: posiciona tu marca en ChatGPT, Claude y Perplexity, el curso de +MAIN.Academy.

Es el primer programa en español 100% centrado en la nueva disciplina: AEO, GEO, LLM seeding, datos estructurados para IA y tu propio sistema de monitoreo — con la metodología ETHOS, la métrica Share of AI Surface y casos reales documentados. Sin reciclar el manual del SEO.

👉 Reserva tu plaza: mainmind.es/visibilidad-total-ia

Y si lo que quieres es que auditemos el Share of AI Surface de tu marca y diseñemos tu estrategia de visibilidad en IA con especialistas nativos de esta era, no con un departamento de SEO reetiquetado, eso es exactamente lo que hacemos cada día en +MAIN.MIND.

¿Qué encuentra hoy una pyme cuando busca una agencia de marketing en Cuenca?

Haz la prueba: busca “agencia de marketing digital en Cuenca”. Este es el dato que nos hizo mover ficha: de los cinco primeros resultados, cuatro son páginas plantilla de agencias con sede en Madrid, Valladolid, Ciudad Real o Guadalajara, y el quinto es una web local técnicamente invisible para Google. El mismo texto comodín con la ciudad cambiada, repetido provincia a provincia. Alguna hasta se olvida de cambiar los enlaces internos y su página “de Cuenca” te manda a sus servicios de Gijón.

Esto no pasa solo en Cuenca: pasa en decenas de provincias españolas. El mercado local de marketing está atendido por doorway pages, no por personas.

¿Por qué abrir una agencia local en plena era de la IA?

Porque la IA ha invertido la escasez. Cuando cualquiera puede fabricar cien páginas locales en una tarde, lo escaso ya no es la capacidad de producir: es la presencia real y la confianza local. Esa es la tesis de Rascacielos en una frase: la IA no mata lo local, lo hace viable.

Una agencia de provincia siempre tuvo la cercanía pero no el músculo. Con el stack de MAIN MIND detrás (investigación, contenidos, web, publicidad, medición, todo acelerado con IA)x un equipo pequeño en Cuenca puede operar al nivel de una agencia de la Castellana. Lo que ninguna IA replica es tomarse un café con el dueño del negocio.

El matiz nos lo dio el entorno empresarial conquense: las pymes no quieren aprender IA, quieren quitarse trabajo de encima. Por eso Rascacielos no vende tecnología, vende tareas resueltas: “nos encargamos de tu marketing para que tú te encargues de tu negocio”.

¿Qué significa que la web nace GEO-first?

Que está construida para ser encontrada y citada tanto por Google como por ChatGPT, Perplexity, Claude o Gemini, y que es verificable con un curl, sin ejecutar JavaScript:

• Renderizado en servidor: todo el contenido, FAQs y datos estructurados en el HTML inicial.

• JSON-LD prerenderizado: Organization (con parentOrganization → MAIN MIND), Service por ficha, FAQPage por página.

• llms.txt en raíz y robots.txt dando la bienvenida a GPTBot, ClaudeBot y PerplexityBot.

• El primer párrafo de cada página escrito como respuesta directa citable: definición + dato + zona geográfica.

La ironía: dos de los competidores que posicionan en Cuenca venden “GEO” como servicio en su menú y no lo aplican ni en sus propias páginas locales.

¿Por qué se llama Rascacielos?

Porque en el barrio de San Martín, Cuenca levantó algunos de los primeros rascacielos de Europa, siglos antes que Nueva York. Construir alto con lo que se tiene: eso hace una pyme cuando compite desde una provincia pequeña, y eso hace esta agencia con sus marcas. Ninguna página comodín puede contar esa historia.

¿Qué vamos a medir?

El objetivo a 90 días, en público: top 3 en Google para “agencia marketing Cuenca”, ficha de Google activa con reseñas, 15 leads cualificados con procedencia trazada y (la métrica que más nos interesa) aparecer en las respuestas de ChatGPT, Perplexity y Claude cuando alguien pregunte por una agencia de marketing en Cuenca. Compartiremos los datos, salgan como salgan.

Si tienes un negocio en Cuenca o conoces a alguien que lo tenga: agenciarascacielos.com. Si lo que te interesa es replicar el modelo en tu sector o provincia, dinos: de eso va +MAIN.MIND.

Preguntas rápidas

¿Qué es Agencia Rascacielos? La agencia de marketing, publicidad y contenidos de Cuenca, división local de +MAIN.MIND, lanzada en julio de 2026. Trabaja para pymes y autónomos de Cuenca y provincia.

¿Qué relación tiene con +MAIN.MIND? Es su división local: aplica la investigación y la tecnología de IA del grupo con lenguaje llano y comercial. +MAIN.MIND es el ecosistema español de innovación con IA fundado por Roberto Carreras.

¿Qué servicios ofrece en Cuenca? Páginas web, SEO local y visibilidad en IA (GEO), publicidad en Google y en Meta, redes sociales, contenidos, marca, eventos, marketing turístico y talleres prácticos de formato “sales con ello hecho”.

¿Cómo se contacta? Por el formulario o el WhatsApp de agenciarascacielos.com. Trabaja en Cuenca capital y toda la provincia.

Su metáfora inicial lo resume todo: hasta ahora estábamos jugando el tutorial de un RPG. Con esta nueva clase de modelos, se abre el mundo abierto. Hay muchísimo más que explorar, pero también es intimidante, porque de repente puedes hacer casi cualquier cosa y nadie te ha dado el mapa.

En esta edición hago tres cosas: te cuento qué es exactamente Fable 5 y por qué su lanzamiento ha sido el más accidentado (y comentado) de la historia de Anthropic; desmenuzo las cuatro ideas de la charla de Shihipar; y te doy la caja de herramientas práctica, con prompts que puedes copiar y pegar hoy, que sale de cruzar la charla con la documentación oficial de Anthropic.

Contexto: qué es Fable 5 (y por qué su lanzamiento ha sido una montaña rusa)

Antes de entrar en la charla, los datos que necesitas para situarte:

Ficha rápida de Claude Fable 5

• Qué es: el primer modelo de la familia Claude 5 y el primero de la nueva clase “Mythos” (un nivel por encima de Opus) que Anthropic pone a disposición del público general. Es su modelo más capaz jamás lanzado de forma general: estado del arte en casi todos los benchmarks, con especial ventaja en tareas largas y complejas — cuanto más larga la tarea, mayor su ventaja sobre modelos anteriores.

• La pareja: existe un gemelo, Claude Mythos 5 — el mismo modelo base, pero con salvaguardas de ciberseguridad levantadas, disponible solo para ciberdefensores e infraestructura crítica aprobados (Project Glasswing, en colaboración con el gobierno de EE.UU.).

• Especificaciones: ventana de contexto de 1 millón de tokens, hasta 128k tokens de salida. Precio API: $10 por millón de tokens de entrada, $50 por millón de salida.

• El culebrón: lanzado el 9 de junio de 2026 → suspendido el 12 de junio por controles de exportación del gobierno de EE.UU. (tras un informe sobre un método de bypass de sus salvaguardas) → redeplegado globalmente el 1 de julio con nuevos clasificadores de seguridad → incluido en los planes de pago (Pro, Max, Team) hasta el 50% del límite semanal hasta el 12 de julio de 2026, fecha tras la cual pasa a créditos de uso hasta que haya capacidad para devolverlo a las suscripciones.

• El dato que lo explica todo: durante las pruebas tempranas, Stripe reportó que Fable 5 comprimió meses de ingeniería en días — una migración completa de una base de código Ruby de 50 millones de líneas en un día, trabajo que a un equipo humano le habría llevado más de dos meses.

Traducción práctica: si tienes un plan de pago de Claude, tienes hasta el 12 de julio para probar el modelo más potente del mundo sin coste marginal. Esta guía existe para que ese tiempo cuente.

Ahora sí: la guía de campo. Cuatro partes.

1. “Unhobbling” Claude: el modelo no es el límite, lo eres tú

La primera idea es casi filosófica: los modelos se cultivan, no se diseñan. En Anthropic no se levantan un día diciendo “necesitamos un 99% en SWE-bench”. Le dan al modelo datos, feedback y cómputo, y el resultado es algo orgánico que ellos mismos tienen que aprender a entender a medida que lo usan.

La consecuencia práctica es demoledora: lo que limita al modelo somos nosotros. El “harness”, las herramientas, el system prompt, la forma de pedirle las cosas, es una función de nuestro entendimiento del modelo. “Unhobbling” (des-cojear, quitarle las trabas) significa entenderlo mejor para liberarlo.

El ejemplo Pokémon

Shihipar lo ilustra con un tuit viral: ¿por qué los LLMs no pueden decir qué Pokémon terminan en “aw”? Hay más de mil Pokémon y solo dos cumplen la condición (Croconaw y Drednaw). Un modelo de chat normal falla, aunque obviamente “conoce” todos los nombres. Pero Claude Code lo resuelve sin despeinarse: descarga la lista completa y escribe un script que filtra por “aw”.

A esto lo llaman capability overhang: capacidad latente que ya existe en el modelo pero que solo aflora cuando le das las herramientas adecuadas. Los modelos no se vuelven más inteligentes de forma lineal, sino “a picos” (spiky). La misma inteligencia, con un entorno distinto, produce resultados radicalmente distintos.

La historia se repite (y acelera)

El patrón ya ha ocurrido varias veces:

Del contexto a los brazos. Con los modelos de chat, la intuición era: “el contexto crecerá hasta que pueda pegar toda mi base de código”. Pero la solución real fue otra: darle brazos al modelo —la terminal, herramientas de búsqueda— para que construya su propio contexto. Ese insight es el que dio origen a Claude Code.

De reactivo a proactivo. El siguiente salto, según Shihipar, es la capacidad del modelo de “despertarse solo” y trabajar de forma proactiva y en multijugador, sin que nadie le dé al prompt. Eso es lo que está desbloqueando la nueva ola de agentes.

El system prompt encoge. Este dato me parece oro puro: Anthropic acaba de eliminar el 80% del system prompt de Claude Code. La evolución de las buenas prácticas cuenta la historia de los modelos:

• Era Sonnet 3.5: system prompt pequeño, pocas herramientas, muchos ejemplos.

• Modelos intermedios: prompts enormes, muchas instrucciones, muchas herramientas, el modelo por fin las seguía.

• Nueva clase (Fable): de vuelta a prompts pequeños. Los ejemplos ahora constriñen al modelo, porque es más imaginativo que los ejemplos que le damos. La regla nueva: dar contexto, no restricciones. Evitar el “no hagas esto” que era imprescindible antes.

De Markdown a HTML. La forma de comunicarse del modelo también evoluciona a saltos: primero Markdown como output enriquecido, luego el “plan mode” para que tú entiendas qué va a hacer, y ahora informes HTML completos e interactivos, con las preguntas del modelo embebidas dentro. Herramientas como ask user question, que con Opus 4 apenas funcionaban, ahora permiten que el modelo te entreviste con 40 preguntas sobre tu spec.

La conclusión de esta primera parte: esto se parece más a la biología que a la física. Es empírico, orgánico, no conocemos todas las reglas — pero hay ciencia y hay intuición que construir. (Shihipar recomienda el paper de Anthropic On the Biology of a Large Language Model, legible para todos los niveles técnicos.)

La documentación oficial le da la razón

Esto no es solo la opinión de un ingeniero en un escenario. La guía oficial de prompting de Fable 5 que Anthropic ha publicado en su documentación confirma el giro, punto por punto. Este es el cambio de paradigma resumido en una tabla:

Fíjate en la línea de “refactoriza o borra”. Es exactamente lo que hizo Anthropic con su propio producto al eliminar el 80% del system prompt de Claude Code. La pregunta incómoda para ti: ¿cuántas de tus instrucciones, GPTs, proyectos y skills están escritas para un modelo que ya no existe? Probablemente tu primera tarea con Fable no sea nueva: es auditar lo viejo.

2. Encuentra tus unknowns: el mapa no es el territorio

Si la primera parte va de quitarle las trabas al modelo, la segunda va de quitárnoslas a nosotros.

La metáfora central: el mapa no es el territorio. Tu prompt, tu plan, tu spec, eso es el mapa. El territorio es la realidad: la base de código, las restricciones del mundo real, el contexto que el modelo tiene que navegar. Cada vez que el modelo se topa con algo del territorio que no está en tu mapa, aparece un unknown: un punto de decisión que tú no especificaste.

Con modelos que recorren áreas enormes de territorio de forma autónoma, esto se convierte en el cuello de botella. En palabras de Shihipar: “Fable está limitado por mi capacidad de hacer coincidir el mapa y el territorio”.

La matriz de los unknowns

Para cualquier problema, propone la clásica matriz:

• Known knowns: lo que sabes y escribes en el prompt.

• Known unknowns: lo que sabes que no sabes todavía.

• Unknown knowns: lo tan obvio que no lo escribirías nunca — pero “lo reconoces cuando lo ves”.

• Unknown unknowns: lo que ni siquiera has considerado. Lo que, si lo supieras, cambiaría cómo prompteas.

La buena noticia: puedes usar el propio modelo para encontrar tus unknowns. Estas son sus seis técnicas, y para cada una te dejo el prompt adaptado, listo para copiar:

1. Blind spot pass (caza tus unknown unknowns)

“Voy a trabajar en [proyecto/área] y hay partes que no domino. Antes de empezar, haz una pasada de puntos ciegos: explora [la base de código / estos documentos / este contexto] y dime qué complicaciones, excepciones y decisiones no obvias debería conocer para promptear mejor. Prioriza lo que cambiaría mi enfoque si lo supiera.”

Sirve para bases de código, pero también para aprender campos enteros — Shihipar lo usó para aprender color grading en edición de vídeo. Su frase: “el modelo sabe más que yo de casi todo; solo tengo que sacárselo”.

2. Brainstorms y prototipos (destapa tus unknown knowns)

“No sé describir con palabras lo que quiero, pero lo reconoceré cuando lo vea. Créame [una página / cuatro versiones de X] con decisiones radicalmente distintas entre sí, para que pueda reaccionar a ellas y afinemos juntos.”

3. Entrevistas (antes de ejecutar, deja que te pregunte)

“Antes de empezar, entrevístame sobre esta spec. Contexto sobre mí: [quién eres, en qué fase estás]. Prioriza las preguntas cuya respuesta cambiaría la arquitectura o el enfoque general.”

4. Referencias (la mejor forma de dar un mapa es dar otro mapa)

En lugar de escribir la spec perfecta, pásale un ejemplo que represente lo que quieres: código en otro lenguaje, un mockup, un documento de otro proyecto, una pieza de la competencia. “Lee esto, entiéndelo, y úsalo como referencia de lo que busco.”

5. Implementation notes (registra las desviaciones)

“Mientras trabajas, registra cada punto donde encuentres algo que no estaba en mis instrucciones y qué decidiste hacer. Al final quiero ver ese log de desviaciones.”

Y de la documentación oficial de Anthropic sale el complemento perfecto para tareas largas — el prompt anti-fabulación de progreso:

“Antes de reportar progreso, contrasta cada afirmación con una evidencia real de esta sesión. Reporta solo trabajo que puedas demostrar; si algo no está verificado, dilo explícitamente. Si algo falló, dilo con el detalle del fallo.”

6. El quiz final (garantiza que sigues entendiendo)

“Hazme un quiz sobre lo que acabamos de construir/decidir. Quiero asegurarme de que puedo explicar y defender este trabajo ante [mi equipo / mi cliente].”

El hilo común de las seis técnicas: mantenerte en el loop. La autonomía del modelo no te exime de entender; te exige entender mejor.

3. El duelo: cómo no reír, pero también cómo no llorar

Esta es la parte más humana de la charla, y la que menos esperaba de un ingeniero presentando un modelo.

Shihipar cuenta que la primera vez que usó un modelo de esta clase sintió a la vez una ganancia enorme y una sensación de pérdida. Dirigió una startup de YC de 30 personas, y recuerda esa época como “un país extranjero”: vivían forzados a elegir trade-offs porque programar era durísimo. ¿Hacemos la app rápida o prototipamos la feature nueva? Un mes o dos meses. Elegir siempre.

Hace unas semanas volvió a esa base de código antigua. Lo que le habría llevado semanas, ahora le llevaba horas. Y su reacción: “¿Cómo no reír? Pero también, ¿cómo no llorar?”

Amaba programar a mano. Amaba ver la base de código en su mente y rotarla. Pero también recuerda las noches en vela depurando, semanas trabajando en cosas que no funcionaban, “nadar en el fracaso”. La mayoría de sus proyectos fracasaron. La mayoría de las startups quiebran.

Su conclusión: “the only way out is through”, la única salida es atravesarlo. No hay vuelta atrás, y la nostalgia no es una estrategia. Pero si nos mantenemos en el loop, si aprendemos a des-cojear estos modelos, salimos al otro lado con muchísimo más.

Este duelo no es exclusivo de los programadores. Lo vivirán los diseñadores, los estrategas, los redactores, los analistas, cada oficio del conocimiento, escalonadamente. Y creo que nombrarlo, como hace Shihipar, es más honesto y más útil que negarlo o que vender solo la parte del entusiasmo.

4. Sé irrazonable: los trade-offs ya no son reales

Y aquí el cierre, que es puro manifiesto.

En Anthropic, cuenta Shihipar, existe la creencia cultural de que los trade-offs no son reales. En su empresa anterior él era “razonable”: lista de prioridades, elegir una para el trimestre, aparcar el resto. Lo sensato.

¿Y si simplemente lo hicieras todo? ¿Y si obligaras a la realidad a enseñarte el trade-off, en lugar de asumirlo de antemano?

La matemática de esta clase de modelos cambia la ecuación. El clásico “bueno, rápido, barato: elige dos” se convierte en “elige tres”. El caso de Stripe que citaba arriba (dos meses de trabajo de un equipo comprimidos en un día) no es una mejora incremental: es una categoría distinta de posibilidad. Y hay decenas de trade-offs que hacemos implícitamente en la cabeza cada día sin cuestionarlos.

Tres ideas finales que me quedo subrayadas:

“La única forma de demostrar que los agentes funcionan es hacer el mejor trabajo de nuestras vidas, más rápido que nunca.” La presentación de la propia charla la hizo con Fable la noche anterior, en cuatro horas, y es una presentación de la que está orgulloso.

Construir es fácil; generar valor sigue siendo difícil. El aviso a navegantes para todos los que nos obsesionamos con el proceso, los setups y las herramientas: el punto es generar valor, y eso requiere muchos intentos. Los agentes te dan más swings — no te garantizan el home run.

Y su resolución personal: ser más productivo, trabajar menos y pasar más tiempo con la gente que le importa. Que quizá sea la métrica definitiva de si todo esto funciona.

Mi lectura desde +MAIN.MIND

Tres traducciones directas de esta charla al mundo de la estrategia y la marca:

1. El capability overhang también existe en tu empresa. La mayoría de organizaciones están usando modelos de mundo abierto con mentalidad de tutorial. La pregunta ya no es “¿qué sabe hacer la IA?” sino “¿qué entorno, herramientas y contexto le estamos dando?”. La ventaja competitiva está en el harness, no en el modelo.

2. Tu documentación de marca es tu mapa. Todo lo que Shihipar dice sobre unknowns aplica letra por letra a la identidad conversacional: si tu marca no tiene el territorio mapeado (esencia, temperamento, habla, operación, sintonía), el agente decidirá por ti en cada unknown. Y decidirá genérico.

3. Menos restricciones, más contexto. El cambio en los system prompts (del “no hagas esto” al contexto rico) es exactamente el cambio que defendemos en cómo se construyen agentes de marca. Las marcas que escriban manuales de prohibiciones tendrán agentes cojos. Las que den contexto y criterio tendrán agentes con carácter.

Aprende a trabajar así: Curso de Claude de +MAIN.Academy

Todo lo que has leído en esta edición es exactamente lo que enseñamos, con casos reales y práctica guiada, en el Curso de Claude de +MAIN.Academy.

No es un curso de trucos de prompts. Es un sistema completo para que tú y tu equipo trabajéis con Claude como lo hace el propio equipo que lo construye: de la configuración inicial a los agentes, pasando por Projects, Skills y flujos de trabajo reales para marketing, estrategia y negocio.

Pero una marca no es solo cómo suena. Es también cómo se ve. Y esa mitad, la visual, tenía el mismo problema y no tenía nombre.

Ahora lo tiene. Se llama DESIGN.md, lo incubó Google dentro de su herramienta Stitch, y lo liberó como especificación abierta bajo licencia Apache 2.0. En pocas semanas el repositorio acumula 15.800 estrellas y 1.500 forks en GitHub. Cuando un estándar de formato arranca con esas cifras, no es una moda: es una infraestructura naciente. La apuesta de Google es que se convierta en estándar de industria, como OpenAPI lo fue para las APIs. Y va a pasar.

Hoy te cuento qué es exactamente, cómo funciona por dentro (con el detalle técnico que casi nadie está contando en español), y por qué es la otra mitad de la conversación que llevamos un año teniendo.

El problema que ningún brand book resuelve

Imagina que le pides a un agente de IA, Claude Code, Cursor, v0, el que sea, que te genere una landing, veinte variaciones de un anuncio o una plantilla de email. El agente necesita saber tu azul exacto, tu tipografía, tu escala de espaciado, el radio de tus botones, cuándo usar el color de acento y cuándo no.

¿Dónde está esa información hoy? En un PDF de 80 páginas en una carpeta de Drive. En la cabeza de tu diseñadora. En un archivo de Figma que el agente no puede abrir. En ningún sitio que una máquina pueda consultar en el momento de generar.

Resultado: el agente improvisa. Inventa un azul que casi es el tuyo. Pone una tipografía genérica. Usa el acento en un fondo de 1.200 píxeles donde jamás deberías usarlo. Y acabas con cuarenta piezas que parecen de tu marca pero no lo son. Es la deriva visual (visual drift), y a escala de IA no ocurre una vez: ocurre en cada generación, cada día.

Como lo resume el propio equipo de Google Labs: “en lugar de adivinar la intención, los agentes pueden saber exactamente para qué sirve un color.”

Qué es DESIGN.md, por dentro

Es un archivo de texto plano, en Markdown, que vive en la raíz de tu proyecto (al lado del código, versionado en Git) y le da a cualquier IA una comprensión persistente de tu sistema visual. Dos capas, y ahí está toda la inteligencia:

1. Frontmatter YAML, los tokens. La parte legible por máquina, con los valores exactos. La spec define un esquema concreto: colors, typography, rounded, spacing y components. Los colores admiten cualquier formato CSS, hex, rgb() y también oklch(), el espacio de color moderno. Y hay una pieza clave: las referencias entre tokens, con la sintaxis {colors.primary}. Eso te permite que un botón apunte a {colors.tertiary} en lugar de repetir el hex, la base del theming (claro/oscuro) sin duplicar nada.

2. Cuerpo Markdown, el razonamiento. La parte legible por humanos y por máquina. La spec fija ocho secciones canónicas, en orden: Overview, Colors, Typography, Layout, Elevation & Depth, Shapes, Components y Do’s and Don’ts. Aquí explicas qué hace cada token y cuándo no usarlo. “Los tokens dan a los agentes los valores exactos; la prosa les dice por qué existen esos valores y cómo aplicarlos.”

La clave conceptual, subráyala: un token no es una variable, es una decisión. blue le dice a la IA qué es. primary le dice qué hace. Y una IA actúa sobre roles, no sobre apariencias.

El truco que casi nadie ha visto: tu marca ahora tiene un linter

Esto es lo que más me gustó. DESIGN.md no es solo un formato: viene con una herramienta de línea de comandos (@google/design.md) que valida tu identidad como si fuera código:

Ese comando revisa nueve reglas y, entre otras cosas, calcula los contrastes WCAG automáticamente. Te dice, literalmente, cosas como “texto #FFFFFF sobre fondo #1A1C1E: ratio 15.42:1 — cumple WCAG AA.” Las reglas que más importan:

• missing-primary — tienes colores pero ningún primary: el agente se inventará uno.

• contrast-ratio — un par fondo/texto por debajo de 4.5:1 (falla accesibilidad).

• orphaned-tokens — colores definidos que ningún componente usa (sobran).

• broken-ref — una referencia {colors.x} que no existe.

• section-order — secciones fuera del orden canónico.

Y hay dos comandos más que cambian tu operación:

Es decir: tu marca pasa a ser portable (exporta al estándar W3C de tokens y a Tailwind) y autovalidable. Tu identidad visual, por primera vez, tiene un test de regresión. Eso antes no existía.

Cómo se construye uno (con nuestros tokens de ejemplo)

Te lo enseño con los tokens reales de +MAIN.MIND, porque predicar con el ejemplo es la única forma honesta de venderlo.

Fíjate en button-primary-hover como entrada separada: así es como la spec modela los estados (hover, active, pressed). Un componente sin estados es un componente que la IA va a improvisar, y los estados son justo donde la marca se rompe o se mantiene.

Y no estás solo: ya hay ecosistema

En cuestión de semanas han aparecido herramientas para no escribirlo a mano:

• DESIGN.md Generator (plugin de Figma): escanea tu página y tus variables y genera el DESIGN.md.

• Token Bridge: exporta tus tokens y componentes de Figma en bloques para que Claude redacte el DESIGN.md, y reimporta el JSON de vuelta a Figma.

• design-md-figma (open source): saca estilos y variables del archivo activo y genera DESIGN.md + SKILL.md para agentes.

• Y la interoperabilidad con Tokens Studio, Tailwind y el estándar W3C DTCG.

Por qué esto es la otra mitad de ETHOS

Aquí es donde quiero ser preciso, porque es nuestra tesis y no la de Google.

ETHOS codifica la voz de una marca para que un agente la encarne: esencia, temperamento, habla, operación, sintonía. DESIGN.md codifica la cara: tokens, razonamiento visual, componentes.

Son las dos mitades del mismo cuerpo. Sin la primera, el agente escribe genérico. Sin la segunda, el agente diseña genérico. Con las dos, el agente es tu marca — desde dentro, no por encima.

Y no es teoría. Nuestro propio Design System v3 funciona así desde hace meses: una fuente única de tokens, un cuerpo de reglas, y un motor donde la IA decide qué se dice y las plantillas deciden cómo se ve. Cada post que publicamos sale de ese sistema. Eso es un DESIGN.md en producción antes de que Google le pusiera nombre.

Y aquí está el matiz que nos separa de un código de marca genérico: la voz no es un conjunto de reglas de tono, es el carácter de la marca, su forma de mirar, lo que calla, cómo se ríe. Eso es lo que codifica nuestra Identidad Conversacional: no las normas, sino la personalidad medible que hay debajo de ellas. Un DESIGN.md le dice al agente cómo se ve tu marca; la Identidad Conversacional le dice quién es. La cara sin carácter es un maniquí; el carácter sin cara, una voz en off. Juntas, el agente deja de imitar tu marca y empieza a encarnarla.

Tu siguiente movimiento

Si en 2026 le vas a pedir a una IA que genere una sola pieza visual de tu marca, y se la vas a pedir, necesitas un DESIGN.md. No es opcional: es la condición mínima para que esas piezas sean tuyas y no de un genérico que se le parece.

Hemos preparado un informe completo (“El manual de marca ha muerto en 2D”) donde está todo: la anatomía de la spec, el linter de nueve reglas, el método de las cinco decisiones, el ecosistema de herramientas y una plantilla DESIGN.md lista para usar. Y si quieres que miremos tu marca en concreto, te decimos en una semana qué está listo para codificarse y qué no.

→ Quiero descargar gratis el informe

La pregunta no es si tu marca va a tener que volverse legible para máquinas en lo visual. Es si vas a llegar a tiempo.

Eso es lo que está empezando a pasar: las propias plataformas publicitarias están publicando servidores MCP, conectores pensados para que un agente de IA consulte datos de campaña a través de una interfaz común. No es un dashboard nuevo. Es la forma en que tareas de reporting, QA y optimización podrían dispararse desde un lenguaje natural.

Google ya ha publicado una guía de integración para un servidor MCP de Google Ads. Hablemos de qué significa para quien compra medios.

Qué es un servidor MCP de publicidad

MCP son las siglas de Model Context Protocol: un estándar abierto que permite a los modelos de lenguaje conectarse de forma segura con datos y aplicaciones externas.

Traducido: es un enchufe común. En lugar de que cada herramienta y cada flujo tengan su propia conexión a medida, el agente descubre un conjunto de “herramientas” aprobadas para una plataforma, las llama, y recibe la respuesta de vuelta ya estructurada, dentro de su contexto.

Esa capa de tool calling es la que importa. Formaliza cómo un agente se conecta a los datos de una cuenta publicitaria. Y al formalizarlo, te ahorra el patrón de siempre: un script de usar y tirar por cada tarea, mantenido a mano, que se rompe cada vez que algo cambia.

El MCP propone lo contrario: una interfaz reutilizable que cualquier host de IA compatible puede invocar.

Qué expone hoy el servidor MCP de Google Ads

En su versión actual, Google lo plantea como un puente estandarizado hacia la API de Google Ads: el agente analiza y recupera datos de campaña usando lenguaje natural, y el servidor se encarga de la autenticación, la consulta y el parseo.

La ficha técnica que conviene tener delante:

• Modo: solo lectura (versión actual)

• Lenguaje: Python

• Transporte: entrada/salida estándar (stdio)

• Autenticación: OAuth 2.0 o cuenta de servicio

Y las herramientas que expone, orientadas a descubrir cuentas y reportar:

• list_accessible_customers: devuelve los IDs y nombres de las cuentas a las que tienes acceso.

• search: ejecuta consultas en GAQL (el lenguaje de consulta de Google Ads) para sacar métricas, presupuestos y estados.

• get_resource_metadata: inspecciona qué campos hay disponibles para un recurso, por ejemplo “campaign”.

La guía insiste además en la flexibilidad de despliegue: puedes alojarlo en local o llevarlo a una infraestructura como Cloud Run para compartirlo entre varios agentes o servirlo como un servicio.

Traducido: de momento, mira pero no toca.

Por qué “solo lectura” ya cambia el día a día

Aquí está la parte que casi todo el mundo se salta.

Aunque el servidor no pueda escribir (no cambia pujas, no pausa, no toca presupuestos) mueve dónde se gasta el tiempo en performance.

Piensa en la pregunta más repetida de cualquier semana: “¿Cómo va la campaña?”. Si un agente la responde consultando la API y devolviendo algo estructurado y fiable, pasan tres cosas a la vez: reduces los pulls manuales repetitivos, dejas de depender de la cola del analista para preguntas básicas, y estandarizas la forma en que todos piden los datos.

Y cambia algo más profundo: qué entendemos por “interfaz”.

La interfaz deja de ser solo la UI de la plataforma. Pasa a ser la suma de tres cosas:

1. Las herramientas que la plataforma expone.

2. El modelo de permisos que hay detrás de esas herramientas.

3. La gobernanza sobre quién puede preguntar qué, y sobre qué cuentas.

Lo que deberías llevarte de aquí

El acceso estandarizado es una palanca de escala, no una comodidad para developers. Cuando una plataforma expone un mismo conjunto de herramientas, puedes construir comportamientos repetibles (chequeos de pacing semanales, detección de anomalías, consolidados multicuenta, etc.) sin reimplementar el mismo conector una y otra vez.

“Solo lectura” basta para rediseñar reporting, QA y comunicación con stakeholders. La mayoría de las peticiones en una organización de medios son diagnósticas: qué ha cambiado, qué tendencia hay, qué está disparando el gasto. Buena parte del trabajo de narrar el rendimiento se puede automatizar sin tocar una sola puja.

La gobernanza entra en el stack de media ops. Si los agentes consultan cuentas vía OAuth o cuentas de servicio, toca poner foco en la gestión de credenciales, los permisos por herramienta y la auditabilidad de las consultas del agente. Crítico en entornos multimarca o de agencia, donde no da igual quién pregunta qué.

La ventaja se mueve a las preguntas y las rutinas, no al dashboard. Cuando consultar es fácil, gana quien codifica mejores preguntas de medición, define una lógica de pacing consistente y operativiza cómo un insight se convierte en decisión.

El próximo paso

Con el tiempo, esto comprime el bucle entre “pregunta” y “respuesta” en performance. Y reduce la fragilidad de los flujos que hoy dependen de scripts mantenidos por dos o tres especialistas.

Para quien compra medios, el movimiento práctico es tratar los MCP de plataforma como una capa de interfaz emergente, y luego decidir dónde vive el acceso del agente: dentro de tu entorno de analítica interno, dentro del stack de reporting de la agencia, o dentro de un asistente gobernado que usen los equipos de cuenta.

El dashboard deja de ser el producto.

La pregunta pasa a serlo.

Una agencia tarda tres semanas en entregarte un plan de marketing. Te cobra varios miles de euros al mes. Te entrega un PDF de 47 páginas que nadie vuelve a abrir. Y el trimestre siguiente, vuelta a empezar: porque el sistema no es tuyo, es suyo.

No es un problema de talento. Es un problema de arquitectura.

En +MAIN.MIND llevamos meses operando bajo una premisa: una sola persona, con el stack correcto, puede ejecutar lo que antes requería un equipo. Y la pieza que lo cambia todo no es un prompt mejor. Es dejar de usar la IA como un chat y empezar a usarla como un sistema operativo.

He condensado todo este sistema (comandos verificados, plantilla MARKETING.md completa, los 7 ejercicios con prompts listos para copiar y la checklist de seguridad) en una guía descargable: «Tu Plan de Marketing en 30 Minutos: la guía +MAIN.MIND de marketing autónomo con Claude Code».

👉 [Descárgala gratis aquí]

Aquí te enseño exactamente cómo, paso a paso.

El problema: la Espiral de la Muerte del Contexto

Si trabajas en marketing con IA, tu día se parece a esto:

Abres ChatGPT o Claude. Pegas tus guías de marca. Pides un calendario de contenidos. Lo copias a un Google Doc. Necesitas análisis de competencia: chat nuevo, el contexto se ha perdido, vuelves a pegar las guías de marca. Luego copys de anuncios: otro chat. Secuencias de email: otro chat. Posts sociales: otro chat más.

Al final del día tienes 47 pestañas abiertas, 12 documentos sueltos y cero sistema. Cada pieza vive aislada. Tu voz de marca deriva entre canales porque cada conversación empezó de cero.

Lo llamo la Espiral de la Muerte del Contexto: chatear → copiar → pegar → perder contexto → repetir. Y tiene un coste real: estudios del sector sitúan en torno a 12 horas semanales el tiempo que pierde un marketer en cambios de contexto y retrabajo. Más de 600 horas al año reconstruyendo lo que la herramienta debería recordar sola.

La espiral existe porque las interfaces de chat están diseñadas para conversar, no para ejecutar. Son efímeras por diseño. Para escapar necesitas tres cosas que un chat no te da:

1. Contexto persistente. Tus guías de marca, tu panorama competitivo y tus datos de rendimiento deben cargarse solos, no pegarse en cada sesión.

2. Acceso al sistema de archivos. La IA debe leer tus documentos, escribir nuevos y editarlos en su sitio, no generar texto que tú copias a mano.

3. Ejecución autónoma. La IA debe trabajar horas sin supervisión, no pedir aprobación en cada paso.

El cambio de paradigma: de Chat AI a Action AI

Aquí está la distinción que casi nadie está haciendo en español:

• Chat AI es lo que conoces: tú escribes, la IA responde, tú copias y pegas. La IA como buscador inteligente. Cada output requiere que TÚ actúes.

• Action AI es distinto: tú defines criterios de éxito, la IA lee archivos, escribe documentos, ejecuta comandos y se autocorrige. Tú revisas el sistema terminado. La IA como miembro del equipo.

Claude Code es Action AI. No vive en un navegador: vive en tu ordenador. Lee y edita archivos, ejecuta comandos, recuerda contexto entre sesiones y se conecta a tus datos reales vía MCP.

Claude Code: herramienta de Anthropic que ejecuta agentes de IA desde la terminal (o desde VS Code, app de escritorio y web) con acceso al sistema de archivos, ejecución de comandos y conexión a fuentes de datos externas mediante el protocolo MCP.

Y suena técnico, lo sé. “Claude Code” espanta a los perfiles de marketing. Pero te lo digo claro: si has usado ChatGPT, estás cualificado para usar Claude Code. La instalación son dos comandos y diez minutos.

La pieza que casi nadie conoce: la técnica Ralph Wiggum

En diciembre de 2025, Anthropic publicó un plugin oficial con un nombre absurdo y una idea brillante: Ralph Wiggum, bautizado así por el personaje de Los Simpson que fracasa constantemente pero nunca se rinde.

Su creador conceptual, Geoffrey Huntley, lo resume en una frase: “Ralph is a Bash loop”. Un bucle que alimenta al agente con la misma tarea una y otra vez hasta que la completa. Sin humano en medio.

El mecanismo es elegante:

1. Tú lanzas la tarea UNA vez con el comando /ralph-loop.

2. Claude trabaja e intenta terminar la sesión.

3. Un Stop Hook intercepta la salida y comprueba si aparece tu “promesa de finalización” (por ejemplo <promise>PLAN_COMPLETO</promise>)

4. Si no aparece, el mismo prompt vuelve a entrar. Claude ve su trabajo anterior, lee sus propios errores y lo intenta de otra forma.

5. Repite hasta cumplir los criterios o agotar el máximo de iteraciones que tú fijaste.

La filosofía de Huntley: “mejor fallar de forma predecible que tener éxito de forma impredecible”. Los fallos son datos para la siguiente iteración.

¿Resultados reales? El propio Huntley mantuvo un bucle autónomo durante tres meses que construyó un lenguaje de programación completo. En una hackathon de Y Combinator, equipos publicaron seis repositorios en una noche por unos 297 dólares de API: trabajo que como contrato se habría presupuestado en decenas de miles.

El giro mental es este: no le enseñas a la IA qué hacer; le enseñas qué aspecto tiene el éxito.

“Hazme un plan de marketing” es demasiado vago. “Construye un plan de marketing con: ICP objetivo, posicionamiento competitivo, estrategia de canales, calendario táctico y métricas de éxito; emite <promise>PLAN_COMPLETO</promise> al terminar”, eso es verificable. Y lo verificable es automatizable.

La arquitectura: Inteligencia + Persistencia + Integración

Para construir un sistema de marketing autónomo necesitas tres ingredientes:

Inteligencia: el modelo. Los modelos frontier actuales de Anthropic resuelven correctamente tareas complejas de ejecución a la primera en la gran mayoría de los casos. Para trabajo autónomo, ese margen lo es todo: si el modelo acierta 8 de cada 10 veces, el bucle Ralph se encarga del resto automáticamente. Si acierta la mitad, vives arreglando cosas.

Persistencia: Ralph Wiggum. El mecanismo que itera sin supervisión hasta cumplir los criterios.

Integración: servidores MCP. Aquí está la diferencia entre una IA que opina y una IA que opera. MCP (Model Context Protocol) conecta a Claude con tus datos reales: Google Analytics, tu CRM, tus plataformas de anuncios, tu CMS, Notion, Drive. Cuando preguntas “¿cuáles fueron mis cinco posts con mejor rendimiento el mes pasado?”, consulta la API real. No alucina: opera sobre la realidad.

El flujo completo:

Tiempo total: ~30 minutos. Coste: unos pocos euros de API. Y lo crítico: el sistema es reutilizable. Tu MARKETING.md persiste. El próximo trimestre lanzas el mismo comando y tienes plan nuevo en minutos, casi gratis gracias al cacheo de contexto.

Una agencia te factura cada mes para siempre. Tú construyes el sistema una vez.

Instalación: tu sistema operativo de marketing en 10 minutos

(Nota: aquí corrijo los comandos que circulan mal por internet; estos son los oficiales de la documentación de Anthropic.)

Paso 1 — Instala Claude Code.

En Mac, Linux o Windows, la vía estándar es npm (necesitas Node.js 18+):

Si no quieres tocar Node, existe instalador nativo (en Mac/Linux):

Verifica y arranca:

La primera vez se abrirá el navegador para iniciar sesión con tu cuenta de Claude (vale la suscripción Pro/Max o una cuenta de API). Documentación oficial: docs.claude.com.

Paso 2 — Conecta tus datos con MCP.

Desde dentro de Claude Code, añade los servidores que uses. Para nuestro stack en MAIN MIND, los imprescindibles de un sistema de marketing son analítica, Drive/Notion (donde vive el conocimiento de marca) y la plataforma de ads. Cada proveedor publica su servidor MCP; se añaden con claude mcp add o desde la configuración del proyecto. A partir de ahí, Claude consulta datos reales, no inventados.

Paso 3 — Crea tu MARKETING.md.

Este archivo es tu marca en formato legible por máquina. Es el equivalente operativo de lo que en mi investigación doctoral llamo la capa de identidad conversacional: la marca escrita para que un agente la ejecute. Créalo en una carpeta dedicada:

# Guías de Marca

## Empresa
- Nombre, sector, etapa (seed / growth / consolidada)

## ICP objetivo
- Cargos, tamaño de empresa, dolores específicos

## Posicionamiento
- Ayudamos a [quién] a lograr [qué]
- A diferencia de [competencia], nosotros [diferencial]
- Prueba: [resultados, testimonios]

## Voz de marca
- Tono: [profesional cercano / contrarian / etc.]
- Nunca: [jerga corporativa, palabras comodín]
- Siempre: [específico, accionable, con datos]

## Competencia
1. [Competidor 1]: fortalezas / debilidades
2. [Competidor 2]: fortalezas / debilidades

## Métricas de éxito
- Primaria: [MQLs, ARR, CAC...]
- Secundarias: [awareness, rendimiento de contenido...]

Guárdalo como /sistema-marketing/MARKETING.md. A partir de ahora, Claude lo carga automáticamente. Se acabó pegar las guías de marca 47 veces al día.

Paso 4 — Instala el plugin Ralph Wiggum.

Dentro de una sesión de Claude Code:

Listo. Acabas de montar los cimientos de un sistema de marketing autónomo en diez minutos.

El protocolo de 30 minutos: 7 ejercicios

Parte 1. Verificación (10 min)

• Ejercicio 1. Test de entorno (3 min). Abre Claude Code en tu carpeta (cd /sistema-marketing && claude) y pregunta: “¿Puedes ver mi MARKETING.md? ¿Puedes consultar mi analítica vía MCP?” Debe responderte con tus guías y datos recientes. Si no, revisa la configuración MCP.

• Ejercicio 2. Estructura de proyecto (3 min). Pídele: “Crea la estructura de carpetas para nuestro sistema de marketing: /prompts, /outputs, /investigacion y /campanas.” La creará en segundos.

• Ejercicio 3. Modo Plan (4 min). Esto es crítico. El Modo Plan (Shift+Tab dos veces) te deja validar la estrategia antes de gastar un solo token en ejecución. Pide: “Crea un plan para construir nuestra estrategia de marketing del trimestre. No ejecutes: muéstrame solo el plan.” Revisa los pasos de investigación, las fuentes de datos y la estructura de salida. Si tiene sentido, sales del Modo Plan y continúas.

Parte 2. Plantillas (10 min)

Ejercicio 4. Plantilla de plan trimestral (5 min). Pide a Claude que cree una plantilla reutilizable con variables (trimestre, presupuesto, objetivo primario) y este esqueleto: análisis de situación con datos de MCP, panorama competitivo, prioridades estratégicas, mix de canales con presupuesto, calendario semana a semana, KPIs y análisis de riesgos. Y la línea clave al final: “Emite <promise>PLAN_COMPLETO</promise> al terminar.”

Ejercicio 5. Subagente de competencia (5 min). Pide: “Crea un subagente llamado AnalistaCompetencia que investigue competidores y devuelva perfiles estructurados.” Claude lo construye con su propio system prompt, permisos de búsqueda web y esquema de salida. Guárdalo como Skill: a partir de ahora, inteligencia competitiva bajo demanda.

Parte 3. Ejecución autónoma (10 min)

Ejercicio 6. Tu primer bucle Ralph (7 min). El momento:

Y ahora, literalmente, vete a por un café. Verás el progreso por iteraciones: investigando competencia… construyendo estrategia de canales… generando calendario… promesa encontrada, saliendo. Resultado en /outputs/: tu plan completo.

Ejercicio 7. Revisión y refinamiento (3 min). Abre el plan y verifica: ¿el análisis se basa en TUS datos?, ¿la competencia está bien representada?, ¿el reparto de presupuesto tiene lógica?, ¿el calendario es accionable? Lo que falle, añádelo como refinamiento a la plantilla. La próxima ejecución será mejor. Eso es lo que significa que el sistema compone.

Las reglas de seguridad (no te las saltes)

La autonomía exige barandillas. Las cuatro innegociables:

• Max-iterations siempre. Es tu red de seguridad contra bucles infinitos. Sin excepción.

• Trabaja en una carpeta con git. Cada iteración deja rastro en el historial; si algo va mal, reviertes. Y para cancelar un bucle activo: /cancel-ralph.

• Criterios de éxito concretos. Las promesas vagas no funcionan. Lo no verificable no es automatizable.

• Los humanos aprueban la estrategia, no la ejecución. Usa el Modo Plan para validar antes; revisa outputs después. Tu criterio sube de nivel: de operario a director.

Y una nota honesta que el hype suele omitir: ejecutar agentes con permisos amplios en tu máquina exige sentido común. Entorno aislado o carpeta dedicada, datos sensibles fuera, y revisión humana de todo lo que se publique. La autonomía es del proceso, no de la responsabilidad.

El modelo económico (y por qué esto compone)

• Primer plan: ~30 minutos y unos pocos euros de API.

• Segundo plan: ~10 minutos y céntimos, gracias al cacheo de contexto.

• Equivalente en agencia: semanas y miles de euros. Cada trimestre. Para siempre.

Pero el dinero es lo de menos. El cambio profundo es pasar de marketing intensivo en trabajo a marketing intensivo en capital. Tu capital: prompts reutilizables, contexto persistente, subagentes especializados. Tus retornos: componen cada semana, porque cada ciclo mejora el sistema.

Mes 1: ahorras 20 horas con tu primer plan autónomo. Mes 3: tus subagentes ya están entrenados. Mes 6: el sistema entero corre mientras duermes. El coste de oportunidad de NO hacerlo crece exponencialmente, porque tu competencia que sí lo haga estará componiendo ventaja semana a semana.

La regla de claridad antes de ejecutar

Antes de lanzar tu primer bucle, puntúate (0-10):

• ¿Puedes describir tu ICP en una frase? (+2)

• ¿Puedes nombrar a tus 3 competidores y tu diferencia? (+2)

• ¿Conoces tu métrica primaria y su línea base actual? (+2)

• ¿Tu MARKETING.md está completo en todas sus secciones? (+2)

• ¿Has completado un bucle Ralph de principio a fin? (+2)

8 o más: ejecuta ya. Entre 4 y 7: tu cuello de botella son las plantillas y el MARKETING.md; vuelve a la Parte 2. Menos de 4: ninguna automatización arregla una estrategia confusa. Trabaja en manual hasta tener convicción. La IA amplifica la claridad que ya tienes; también amplifica la confusión.

Preguntas frecuentes

¿Necesito saber programar? No. Si sabes escribir un brief, sabes escribir un criterio de éxito. La terminal impone respeto los primeros diez minutos; luego es escribir en lenguaje natural.

¿Esto sustituye a mi equipo o a mi agencia? Sustituye la ejecución repetitiva. La estrategia, el criterio y la responsabilidad siguen siendo humanos. De hecho, los hace más valiosos: liberas horas de operario para invertirlas en pensar.

¿Qué pasa con mi voz de marca? Vive en tu MARKETING.md y se valida en cada ejecución. Paradójicamente, un sistema con contexto persistente es más consistente que 47 chats que empiezan de cero.

¿Cuánto cuesta de verdad? Claude Code funciona con la suscripción de Claude (Pro/Max) o con cuenta de API. Un plan completo se mueve en el orden de pocos euros por ejecución; con cacheo, las siguientes bajan a céntimos.

He condensado todo este sistema (comandos verificados, plantilla MARKETING.md completa, los 7 ejercicios con prompts listos para copiar y la checklist de seguridad) en una guía descargable: «Tu Plan de Marketing en 30 Minutos: la guía +MAIN.MIND de marketing autónomo con Claude Code».

👉 [Descárgala gratis aquí]

Tu competencia está programando reuniones de kickoff con agencias. Tú puedes estar lanzando tu primer bucle esta tarde.

Porque esto es lo que veo cada semana en conversaciones con marcas y profesionales: todo el mundo quiere “aparecer en ChatGPT”, casi nadie sabe decirme cuántas veces aparece hoy, en qué contextos, con qué sentimiento, citado desde qué fuentes. Y lo que no se mide no se puede mejorar. En IA, además, lo que no mides ya lo está midiendo tu competencia.

El GEO ya no es una apuesta: es una industria

Si en 2025 medir la visibilidad en IA era cosa de pioneros, los últimos doce meses han zanjado el debate con dinero encima de la mesa:

• Profound, la plataforma de referencia en medición de visibilidad en IA, cerró en febrero de 2026 una Serie C de 96 millones de dólares con una valoración de 1.000 millones. Unicornio en 18 meses de vida, con más de 700 clientes enterprise y el 10% del Fortune 500.

• Adobe compró Semrush por 1.900 millones de dólares (noviembre de 2025), y lo justificó textualmente por la “visibilidad de marca en LLMs”. La herramienta SEO más popular del mundo fue adquirida, en esencia, por su capacidad de medir la era post-Google.

• HubSpot compró XFunnel, una plataforma de AEO, y Peec AI, la alternativa europea, pasó de cero a más de 1.300 clientes y una Serie A de 21 millones en menos de un año.

Y las marcas están moviendo presupuesto: según el informe de Conductor sobre el estado del AEO/GEO en 2026 (encuesta a más de 250 ejecutivos enterprise), el 12% del presupuesto de marketing digital ya se destina a visibilidad en IA, y el 94% planea aumentarlo este año.

Nadie invierte así en medir algo irrelevante.

Por qué medir (los números que importan)

Te resumo los datos verificados que justifican que esto entre ya en tu cuadro de mando, con sus fechas y sus matices, porque en este tema circula mucho humo:

1. El clic se está muriendo. Pew Research analizó la navegación real de 900 estadounidenses: cuando Google muestra un resumen de IA, solo el 8% de los usuarios hace clic en un resultado tradicional, frente al 15% sin resumen. La mitad. Ahrefs midió sobre 300.000 keywords que un AI Overview reduce el CTR del primer resultado un 34,5% (y su actualización de diciembre de 2025 elevó la caída al 58%). Ya lo anticipábamos en «¿Sigue valiendo de algo aparecer en la primera página de Google?»: la visibilidad se está desacoplando del clic.

2. El tráfico desde IA explota. Adobe Analytics midió que el tráfico desde fuentes de IA generativa hacia el retail estadounidense creció un 1.200% entre julio de 2024 y febrero de 2025, y siguió creciendo un 393% interanual en el primer trimestre de 2026.

3. Y ese tráfico ya convierte mejor. Este es el dato que más me interesa que recuerdes, porque tiene fecha de inflexión: en marzo de 2025, el visitante que llegaba desde un asistente de IA convertía un 38% peor que el resto (Adobe). En marzo de 2026, convierte un 42% mejor. Doce meses para pasar de tráfico curioso a tráfico comprador. Semrush calcula que el visitante medio desde búsqueda con IA vale 4,4 veces más que el de búsqueda orgánica tradicional; Ahrefs reportó en su propia web que el 0,5% de visitas procedentes de IA generaba el 12,1% de sus registros.

4. El terreno de juego es otro. Según el estudio de Semrush, en torno al 90% de las páginas que cita ChatGPT no están en el top 20 de Google. Tu posición en Google ya no predice tu visibilidad en IA. Son dos competiciones distintas, y la segunda casi nadie la está midiendo.

Sobre las predicciones famosas (Gartner y su caída del 25% del volumen de búsqueda para 2026, o del 50% del tráfico orgánico de las marcas para 2028) conviene la honestidad que pedimos siempre aquí: son predicciones, no mediciones, y están discutidas. Pero la dirección que señalan coincide con todos los datos duros anteriores.

Qué medir: las 7 métricas de la visibilidad en IA

Aquí está el corazón del asunto. No existe todavía un estándar formal (eso también hay que decirlo), pero la industria ha convergido en un conjunto de métricas que ya puedes operativizar:

1. AI Share of Voice. De todas las respuestas relevantes para tu categoría, ¿en qué porcentaje apareces tú frente a tus competidores? Es la métrica reina: no mide si apareces, sino cuánto espacio ocupas en la conversación que la IA mantiene con tus clientes.

2. Tasa de citación (citation rate). ¿Con qué frecuencia tu dominio aparece como fuente de las respuestas? Estar mencionado y ser citado son cosas distintas: la cita es el nuevo enlace, y ya exploramos cómo conseguirla en «Cómo lograr que Copilot, ChatGPT o Gemini citen tu contenido».

3. Cobertura de prompts. Sobre un conjunto definido de preguntas que tus clientes hacen de verdad (”mejor agencia de X”, “cómo resolver Y”), ¿en cuántas apareces? Este set de prompts es tu nuevo “keyword research”, y conviene construirlo desde la escucha real del cliente.

4. Posición y contexto de mención. No es lo mismo ser la primera recomendación que la séptima, ni aparecer como líder que como “alternativa barata”. El orden y el encuadre importan tanto como la presencia.

5. Sentimiento. ¿Qué dice la IA de ti cuando te menciona? Aquí se juega la reputación: los modelos heredan y amplifican lo que las fuentes dicen de tu marca. Es la capa donde la medición conecta con la identidad conversacional de la que tanto hemos hablado.

6. Fuentes que alimentan tu presencia. ¿Desde dónde te conocen los modelos? El análisis de Profound sobre ~30 millones de citas es revelador: ChatGPT se apoya masivamente en Wikipedia (en torno al 48% de sus citas principales), mientras Perplexity y los AI Overviews de Google beben sobre todo de Reddit. Y solo el 11% de los dominios son citados a la vez por ChatGPT y Perplexity: la visibilidad no se transfiere entre motores. Hay que medir motor a motor, como ya apuntamos en «Por qué tu web ya no es suficiente».

7. Tráfico y conversión desde LLMs. La única métrica que vive en tu propia casa: cuántas visitas te envían ChatGPT, Perplexity, Gemini o Copilot, y qué hacen al llegar. Desde mayo de 2026, GA4 incluye un canal nativo “AI Assistant”, pero solo reconoce ChatGPT, Gemini y Claude; para el resto necesitas un grupo de canales personalizado con regex. Y un aviso importante: una parte sustancial de las sesiones desde apps de IA llega sin referrer y se esconde en tu tráfico directo. Tu tráfico de IA real es mayor del que ves.

A estas siete añadiría una octava emergente: la actividad de crawlers y agentes de IA en tu web (GPTBot, ClaudeBot, PerplexityBot…). Si los agentes van a comprar por nosotros (lo vimos en «Tu marca ya tiene un nuevo cliente: se llama IA y no tiene paciencia» y en «La marca que un agente de IA puede leer»), saber si pueden leerte y qué leen es medición de primera necesidad.

Cómo medirlo: el stack en tres capas

La buena noticia: no necesitas presupuesto enterprise para empezar. El mercado se ha estratificado y hoy hay opciones desde 0 euros hasta seis cifras anuales. La arquitectura que recomendamos en +MAIN.MIND tiene tres capas:

Capa 1. Monitorización de respuestas. Una herramienta que pregunte sistemáticamente a los modelos y registre menciones, citas, posición y sentimiento. Desde Otterly.AI (29 $/mes) o Rankscale (~20 €/mes) para empezar, pasando por Peec AI (~89 €/mes, nuestra favorita en el segmento medio europeo) o el AI Toolkit de Semrush (99 $/mes), hasta Profound o Brandlight en enterprise. Para una foto gratuita inicial: el AEO Grader de HubSpot o el AI Visibility Checker de Ahrefs.

Capa 2. Analítica propia. GA4 con canal de IA bien configurado (nativo + regex personalizada), para medir tráfico, engagement y conversión de lo que sí llega a tu web.

Capa 3. Señales de servidor. Logs o Cloudflare AI Crawl Control para saber qué bots de IA te leen, con qué frecuencia y qué contenido.

En el paper que acompaña a este artículo (abajo te cuento) analizamos en detalle más de 15 herramientas, con precios, cobertura de modelos y para quién tiene sentido cada una.

Lo que las herramientas no te van a contar

Rigor obliga: toda esta medición tiene límites estructurales, y desconfía de quien te los oculte.

Los LLMs no son deterministas: la misma pregunta produce respuestas distintas, así que toda métrica es un muestreo estadístico, no un ranking. La personalización agrava el problema: lo que la herramienta mide en una sesión limpia no es exactamente lo que ve cada usuario con su historial y su memoria activada. Nadie tiene el volumen real de prompts (los “AI volumes” que verás por ahí son estimaciones propietarias). Y las plataformas cambian sin avisar: cuando ChatGPT modificó el formato de sus enlaces en mayo de 2026, los referrals se dispararon más de un 150% en una semana (Similarweb) y todas las series históricas se movieron de la noche a la mañana.

¿Conclusión? Triangula (respuestas + analítica + servidor), lee tendencias y no valores absolutos, y mide siempre contra competidores, no contra ti mismo en el vacío.

Empieza ya

Si llevas tiempo leyéndonos, sabes que aquí no nos gusta el humo sino los sistemas. Ya te propusimos la auditoría de visibilidad que deberías hacer hoy y el ritual de los 5 minutos de cada lunes. El siguiente nivel es convertir esa auditoría puntual en un programa de medición continuo: define tus 25-50 prompts críticos, elige herramienta según tu tamaño, configura GA4 esta semana, y establece tu línea base de Share of Voice antes de invertir un euro más en contenido GEO. Lo que el paper de Princeton que dio nombre al GEO demostró (mejoras de visibilidad de hasta el 40% con tácticas concretas como añadir estadísticas y citas) solo es comprobable si tienes un “antes”.

📄 Descarga el paper: “Medir la visibilidad de tu marca en la IA”

Hemos condensado toda esta investigación en un paper descargable: el marco completo de medición, análisis de 15+ herramientas con precios y cobertura, la guía de configuración de GA4 paso a paso y las limitaciones que debes conocer antes de comprar nada.

👉 [Descárgalo gratis aquí]

Y si quieres que lo midamos contigo

En +MAIN.MIND ayudamos a marcas y empresas a medir y mejorar su visibilidad en IA: auditoría inicial, programa de medición continuo y estrategia GEO con nuestro playbook propio. Y si lo tuyo es tu marca personal, que también es citada, recomendada u omitida por la IA cada día, en +MIND.Brands aplicamos la metodología A.L.M.A. para que cuando alguien pregunte por un experto de tu sector, la respuesta lleve tu nombre.

Escríbenos a hola@mainmind.es.

Porque no basta con ser visible. Hay que ser citable. Y para saberlo, primero hay que medir.

Fuentes citadas en este artículo: Pew Research Center (jul. 2025), Ahrefs (abr. y dic. 2025), Adobe Analytics (mar. 2025 – abr. 2026), Semrush AI Search Study (2025), Conductor State of AEO/GEO 2026, Profound Citation Patterns (2025), Similarweb (may. 2026), Gartner (predicciones feb. 2024 y 2025), Aggarwal et al., “GEO: Generative Engine Optimization”, KDD 2024.

Abre ChatGPT. Mira el cursor parpadeando dentro de la caja.

Ahí está la pregunta que se hace casi todo el mundo: “¿Qué le pido?”

Y ahí mismo, en esa caja de texto, es donde se queda casi todo el mundo. No por torpeza. Porque la herramienta los entrena para eso. La caja de chat te dice, sin decírtelo: háblame, pídeme algo, una cosa cada vez. McLuhan lo escribió hace sesenta años: el medio es el mensaje. La interfaz no es neutra. La interfaz te dicta cómo piensas.

Y si piensas en preguntas sueltas, vas a recibir respuestas sueltas. Para siempre.

Esta newsletter va de lo que hay debajo de esa caja.

La punta del iceberg

Llevo meses viendo el mismo patrón en empresas, en clientes, en alumnos. Todos quieren el prompt perfecto. Coleccionan plantillas. Comparten en grupos de WhatsApp el último truco para que el modelo escriba mejor. Se han convertido en cazadores de prompts.

Es entendible. Y es la trampa.

Porque el prompt perfecto es la punta del iceberg. Lo que ves. Lo que sobresale del agua. Y cualquiera que haya navegado lo sabe: la punta es lo que menos importa. El peligro, y la fuerza, están debajo.

Hemingway tenía una teoría del iceberg para escribir: lo que se ve en la página se sostiene por todo lo que el autor sabe y no escribe. La superficie pesa solo por la masa que la sostiene. Con la IA pasa exactamente igual. Tu prompt vale lo que vale el sistema que tienes debajo. Sin sistema, es una frase bonita flotando.

Debajo del agua hay dos mundos

Cuando bajas la línea de flotación no encuentras una cosa. Encuentras dos capas conectadas.

La primera es tu sistema de pensamiento. Aquí viven los frameworks, las metodologías, los prompts estructurados, no sueltos, la identidad conversacional, los flujos de trabajo, etc. Esta capa no es técnica. Es cognitiva. Es cómo encuadras el problema antes de tocar el modelo. Es la diferencia entre preguntar y diseñar.

La segunda es la infraestructura. Más abajo, lo que casi nadie ve: modelos de lenguaje, APIs, agentes, automatización con n8n, Supabase, la nube, etc. El sustrato. Lo que convierte una idea en algo que funciona solo, a las tres de la mañana, sin ti delante.

Y aquí va la parte contraintuitiva. La gente cree que el salto difícil es bajar hasta la infraestructura: aprender a programar, montar servidores. Mentira. El salto difícil es el primero: dejar de preguntar y empezar a pensar en sistemas. La infraestructura hoy casi se resuelve sola. El pensamiento, no.

Donella Meadows lo dejó en un modelo precioso. En su iceberg, arriba están los eventos, debajo los patrones, más abajo las estructuras, y en el fondo los modelos mentales. La gente reacciona a los eventos. El que toca las estructuras mueve el sistema entero. Tu prompt es un evento. Tu forma de encuadrar es el modelo mental. Ahí está la palanca.

Repasando:

• McLuhan, 1964. “El medio es el mensaje.” La interfaz no es neutra: te entrena para pensar de una manera. La caja de chat te dice, sin decírtelo, háblame, pídeme una cosa cada vez. Si la herramienta te educa para hacer preguntas sueltas, vas a vivir dando preguntas sueltas y recibiendo respuestas sueltas. Para siempre. El formato condiciona el pensamiento antes de que escribas la primera palabra.

• Hemingway, teoría del iceberg de la escritura. Lo que se ve en la página se sostiene por todo lo que el autor sabe y no escribe. La superficie tiene peso solo por la masa que la sostiene debajo. Con la IA es idéntico: tu prompt vale lo que vale el sistema que tienes debajo. Sin sistema, es una frase bonita flotando.

• Donella Meadows, pensamiento sistémico. Su iceberg tiene cuatro niveles: arriba los eventos (lo que pasa), debajo los patrones, más abajo las estructuras, y en el fondo los modelos mentales. La gente reacciona a los eventos. El que cambia las estructuras y los modelos mentales mueve el sistema entero. Tu prompt es un evento. Tu forma de encuadrar el problema es el modelo mental. Ahí está toda la palanca.

Tres pensadores, tres siglos distintos de pensamiento, una misma forma. Cuando una metáfora aparece tres veces de forma independiente, no es una metáfora. Es una ley.

La pregunta que lo cambia todo

Y por eso esta newsletter se llama como se llama.

La verdadera pregunta no es qué preguntarle a la IA. Es qué preguntarte a TI MISMO para diseñar la solución.

Léelo otra vez. Es un giro de 180 grados. Dejas de mirar la pantalla y empiezas a mirarte a ti. Dejas de ser prompter y empiezas a ser arquitecto.

Lo veo como una escalera de tres preguntas. La primera, la de interfaz: “¿qué le pido a la IA?”. Transaccional, una pregunta una respuesta, sirve para salir del paso. La segunda, la estratégica: “¿qué problema estoy resolviendo de verdad?”. Aquí se queda la mayoría de la gente brillante, y no está mal, pero todavía no hay sistema. Y la tercera, la de arquitectura: “¿qué sistema tengo que diseñar para que la respuesta se construya sola?”. Esta es la pregunta del que ha bajado al fondo. Ya no piensa en una respuesta. Piensa en una máquina que produce respuestas, una y otra vez, sin él delante.

Por qué importa más que nunca

Un dato incómodo: todos tenemos el mismo modelo.

Tú, yo, tu competencia, la multinacional de al lado. Todos abrimos la misma caja con el mismo cerebro detrás. El modelo dejó de ser ventaja. Es una commodity por veinte euros al mes.

Entonces, ¿qué te diferencia? Tu sistema de pensamiento. La calidad con la que encuadras los problemas. La arquitectura que montas alrededor del modelo. Eso no se compra. Se construye.

Por eso la industria entera dejó de hablar de prompt engineering y empezó a hablar de diseño de contexto, de sistemas, de agentes. El valor se mudó. Ya no está en la frase mágica. Está en lo que rodea al modelo: el contexto que le das, las herramientas que le conectas, la memoria, los flujos, la orquestación.

La IA es la salida. Tu pensamiento es el sistema.

¿Qué puedes hacer?

Algo concreto, que se hace en una tarde. Coge una tarea que ya le pides a ChatGPT suelta (pongamos, escribir respuestas a reseñas, o resumir reuniones, o sacar posts de un artículo) y en vez de pedírsela otra vez, haz este ejercicio en tres pasos.

Primero, escribe el problema real, no la tarea. No “escríbeme un post”, sino “necesito convertir cada cosa que publico en cinco piezas sin perder mi voz”. Segundo, lista lo que el sistema necesitaría saber siempre para resolverlo solo: tu tono, tus ejemplos buenos, tus reglas, lo que nunca harías. Eso es contexto, no prompt. Tercero, pregúntate qué tendría que pasar para no volver a hacerlo a mano: ¿un GPT personalizado con ese contexto cargado?, ¿un flujo en n8n que lo dispare solo cuando publicas? Ahí ya no estás prompteando. Estás diseñando.

No necesitas saber programar para hacer esto. Necesitas cambiar la pregunta.

Bajar del iceberg no es magia. Es haberse quedado a vivir abajo.

La próxima vez que abras la caja de chat, no te preguntes qué pedirle. Pregúntate qué sistema vas a diseñar.

He montado una página donde explico, paso a paso, la metodología que usamos en +MAIN.MIND para bajar del iceberg: de prompter a arquitecto. Incluye un diagnóstico corto para que veas en qué nivel estás hoy. → Baja del iceberg: descubre en qué nivel estás.

Te voy a enseñar a montar dos, con la misma lógica con la que los monto para clientes: la identidad de marca antes que la herramienta. Sigue los pasos y en una tarde tienes uno funcionando.

⚙️ Lo que necesitas: una cuenta de ChatGPT (Plus), una cuenta de n8n (gratis self-host o ~20€/mes) y un Notion. Nada más.

Primero, el criterio: ¿qué es un agente?

Un chatbot conversa: conduces tú. Un copiloto es IA dentro de otra herramienta. Un agente lo configuras una vez y después percibe, razona y actúa solo.

La línea que los separa es una: autonomía sobre la escritura. Si solo lee, es un asistente. Si escribe en un sistema real sin que aprietes un botón, es un agente. Ten esto presente: vamos a cruzar esa línea.

PARTE 1 · El agente que LEE (empieza por aquí: riesgo cero)

Un radar diario que cada mañana te da cinco titulares de tu mercado, con fuente. Es el caso perfecto para arrancar porque solo lee: no toca ningún sistema crítico.

Paso 1. En chatgpt.com → GPTs → Crear → pestaña Configurar (no el modo conversacional, ahí es donde casi todos se quedan).

Paso 2. Nombre y descripción.

Paso 3. Pega la identidad en Instrucciones. La estructura que funciona:

Eres el radar de insight de [TU MARCA].

Cuando te pidan el radar del día, busca en la web noticias de las

últimas 24-48 h relevantes para [tu sector]. Devuelve SIEMPRE 5 puntos:

categoría — titular — 3 líneas (qué pasó, por qué importa, qué vigilar)

— fuente con URL real.

Reglas duras: solo 5 puntos; cada uno con fuente verificada; nunca

inventes datos; ignora lo genérico. Tono sobrio, de analista interno.

Paso 4. Sube tu manual de marca y tus fuentes en Conocimiento. Activa solo Búsqueda web.

Paso 5. Pruébalo: pídele el radar de hoy. Listo. Tu primer agente.

Es útil, pero es pasivo: solo trabaja cuando abres el chat. ¿Y si quiero que actúe sin mí? Vamos a por ello.

PARTE 2 · El agente que ACTÚA (cruzar la línea)

Un agente de briefing: del email caótico del cliente a un brief estructurado, guardado solo en Notion.

Paso 1. Crea otro GPT (identidad propia, no reutilices el anterior). Sus instrucciones producen un brief de 10 puntos e incluyen la regla dura más importante: la línea roja de tu marca.

Punto 7 — Restricciones y LÍNEAS ROJAS.

LÍNEA ROJA: [tu marca] no participa en [lo que tu marca no hace nunca].

Si el encargo la viola, señálalo EXPLÍCITAMENTE y NO generes rutas

creativas hasta resolver la tensión. Protege la marca aunque el

cliente pida lo contrario.

Esta regla es la que hace que el agente, cuando le pides una rebaja que tu marca no haría, se niegue. Lo probé en directo pidiendo un Black Friday con 30% de descuento a una marca premium. El agente se plantó y no desarrolló la campaña. Una máquina defendiendo la marca mejor que muchos humanos con prisa. Eso es marca metida dentro del software.

Paso 2. En Configurar → Crear nueva acción, pega un esquema OpenAPI con una operación enviarBrief que mande cliente, asunto y brief a tu webhook de n8n. (El esquema completo, listo para pegar, está en la guía descargable.)

Paso 3. La regla de oro de seguridad: la API key de Notion o de email nunca va en el GPT. Va en n8n. La interfaz no guarda secretos; el orquestador sí.

Paso 4. En el chat, tras el brief, escribe “guárdalo en Notion”. El GPT llama a la Action, n8n se dispara y la ficha aparece en Notion. Acabas de pasar de chatbot a agente.

PARTE 3 · n8n, el orquestador (4 nodos)

El “cerebro” que recibe lo que manda el GPT y lo guarda. Cuatro nodos en fila:

1. Webhook — la puerta de entrada (POST, path brief). Copia su URL de producción y pégala en la Action del GPT.

2. Set — ordena los datos que llegan (cliente, asunto, brief).

3. Notion — crea la página en tu base de datos.

4. Respond — le devuelve al GPT el enlace.

El error que casi me cuesta una demo: en n8n hay que pulsar Publish para que un cambio aplique en producción. Guardar no basta. Una noche dejé un filtro sin publicar y un flujo entró en bucle hasta el amanecer: el aviso del agente volvía a dispararlo, una y otra vez. Un agente que actúa, actúa de verdad. También cuando te equivocas. Por eso esto va de criterio, no de magia.

Lo único que cambia entre el GPT, n8n o Lovable son las herramientas. La identidad es la pieza estable; las herramientas, la escalable. El mismo prompt vive en los tres sitios.

No sólo estas herramientas

El patrón se replica: para crear el agente, GPTs, Gemini Gems o Claude Projects; para orquestar, n8n, Make o Zapier; como agentes nativos, el Agent Builder de OpenAI y los agentes de Claude. Elige lo que encaje con tu equipo. El concepto no cambia.

Descárgate la guía completa (con todo listo para pegar)

Lo de arriba es el mapa. Si quieres el paquete completo (los prompts íntegros del agente que lee y del que actúa, el esquema OpenAPI de la Action listo para copiar, la guía de n8n nodo a nodo con los valores exactos y las diapositivas):

👉 Descárgalo en mainmind.es/agentes-ia

Los hay que están aprovechando ese hueco. Y los que cobran 800–2.500 € por enseñarte a aprovecharlo. Este artículo es el manual completo que ellos venden y que aquí te doy entero.

Traducido: Google ha liberado la pieza más cara del stack de voice agents (el modelo en tiempo real). El trabajo de mercado ya no es técnico, es comercial. Y eso, para cualquiera que sepa pitchar a un dentista, un gimnasio o una inmobiliaria, es una ventana enorme.

Vamos a ello (en nuestra web podrás descargar la guía en PDF)

Por qué este momento (y no antes)

Hace dieciocho meses, montar un agente de voz exigía: un modelo de transcripción (Whisper o equivalente), un LLM para razonar, un motor TTS para responder, y un orquestador para mantener latencias por debajo de 800 ms. Cada pieza tenía coste, cada integración tenía fricción, y el resultado sonaba a robot.

Hoy Gemini Flash con Live API hace las tres cosas en un solo endpoint, con latencias por debajo de 500 ms y voces que ya no delatan a la máquina en los primeros tres segundos. Google AI Studio te da una UI gratuita para prototipar todo eso sin escribir una línea de backend.

Lo que esto significa para tu negocio:

• Una demo funcional con dominio público, en marcha, en menos de cuatro horas.

• Coste de prototipo: 0 €. Coste de producción ligera: entre 5 y 40 € al mes según volumen.

• Pitch de venta con prueba viva, no con presentación: el cliente coge el móvil, marca, y habla con su propia recepcionista IA antes de firmar nada.

Esa última frase es el negocio. El resto del artículo es la mecánica.

Para quién pagaría esto hoy mismo

No todos los negocios son cliente. Antes de montar nada, este es el filtro:

Sí, encaja:

• Clínicas dentales y médicas privadas. Volumen alto de llamadas de cita, FAQs muy repetitivas, pérdida directa de ingreso cuando suena fuera de horario.

• Gimnasios y boutique fitness. Llamadas de información sobre tarifas y horarios, alta tasa de no-respuesta porque el monitor está dando clase.

• Inmobiliarias pequeñas. Cada llamada perdida es un lead que se ha ido a la competencia.

• Talleres y servicios técnicos. Presupuestos, urgencias, agenda.

• Asesorías y gestorías. Filtrado y derivación.

• Restauración con reservas. Específicamente los que aún operan con teléfono fijo.

No encaja (todavía):

• Negocios B2B con ventas consultivas largas. Aquí el agente molesta más que aporta.

• Profesionales liberales con cartera cerrada y boca a boca. No tienen el problema.

• Cualquier sector con regulación dura de grabación de llamadas sin haber resuelto antes el RGPD y el consentimiento expreso.

Apunta uno solo de los nichos del primer grupo y construye la demo pensando en él. La especialización es lo que cierra ventas.

Manos a la obra

A partir de aquí es ejecución. Calcula entre tres y seis horas la primera vez que lo haces. A partir del tercer cliente, baja a noventa minutos.

Paso 1. Diseña el cerebro

Antes de tocar AI Studio, el agente necesita un system prompt que defina personalidad, alcance y lógica operativa. Esto es el 70% del resultado final. Un prompt mediocre con la mejor tecnología da un agente que parece un IVR de los 90.

Abre Gemini (gemini.google.com vale) y pídele que te genere el guion:

“Ayúdame a crear un system prompt para un agente de voz IA para [Nombre del negocio]. Debe atender consultas sobre [servicios principales], explicar los precios cuando se pregunten, mantener un tono [tono deseado: cercano profesional / formal / fresco], gestionar objeciones típicas como [objeción 1: ‘es muy caro’] y [objeción 2: ‘me lo pienso’], capturar nombre y teléfono antes de cerrar cualquier llamada, y derivar a un humano cuando detecte que la consulta sale de su alcance.”

Lo que te devuelva, iteralo. El prompt útil contempla siete bloques:

1. Saludo de apertura. Una frase. Identifica el negocio, ofrece ayuda. Sin pedir permiso para hablar.

2. FAQs reales. Las 10–15 preguntas que el negocio recibe de verdad, con la respuesta exacta que daría el dueño.

3. Política de precios. Qué dice cuando preguntan precio. Casi nunca debe dar el precio final por teléfono: agendar visita o consulta es mejor conversión.

4. Captura de datos. Nombre y teléfono mínimo. Email si aplica. Motivo de llamada.

5. Gestión de objeciones. Una respuesta breve para cada una. No te enrolles: una objeción mal gestionada en voz es peor que un silencio.

6. Derivación a humano. Cuándo decir “le paso con alguien del equipo”, aunque ese alguien sea un email que se manda automáticamente.

7. Cierre. Confirmación de datos capturados y despedida.

Probablemente quieras añadir lo que no debe hacer: no inventar precios, no prometer disponibilidad sin verificar, no hablar de la competencia, no extenderse más de tres frases por turno.

Guarda el texto. Es tu activo principal y lo vas a reutilizar (con variantes) en cada cliente.

Paso 2. Configura el agente en Google AI Studio

1. Entra en aistudio.google.com con tu cuenta Google.

2. En la barra lateral abre Build → Create conversational voice apps (según versión también lo verás como Stream Realtime o Live; la funcionalidad es la misma).

3. Pega tu system prompt en el campo System Instructions.

4. Selecciona Gemini 2.0 Flash (o la versión Flash más reciente disponible). Es la que prioriza latencia baja, requisito innegociable para que la conversación suene natural. Pro suena mejor en texto pero introduce pausas que en voz se notan como duda.

5. Elige voz e idioma. Para español castellano, prueba todas las disponibles y descarta las que tengan acento neutro latinoamericano si el cliente es local. La voz importa más de lo que crees: una voz creíble baja la resistencia del que llama en los primeros cinco segundos.

6. Ajusta los parámetros de temperatura. Para un recepcionista quieres temperatura baja (0.3–0.5): respuestas consistentes, no creativas. Si lo subes, el agente improvisa, y improvisar en negocio es perder.

Pulsa Generar y, lo más importante, pruébalo con el micrófono. No leas la respuesta: escúchala. Si el saludo suena torpe, si pregunta lo que no debe, si se enrolla, no reescribas todo el prompt: añade una corrección en lenguaje natural en el mismo chat (”Asegúrate de pedir siempre el teléfono antes de cerrar la llamada”, “No menciones precios sin que el usuario los pida”). El modelo se reajusta en caliente y verás el cambio en el siguiente intento.

Itera mínimo cinco veces antes de dar el agente por bueno. La primera versión nunca lo es.

Paso 3. Genera la interfaz web

Mismo workspace en AI Studio. En el área de prompt:

“Genera el código HTML, CSS y JavaScript para una landing moderna y profesional para [Nombre del negocio]. Sector: [sector]. Tono visual: [profesional / cercano / premium]. Incluye un hero con título y subtítulo, una sección de servicios con tres elementos, una sección de testimonios placeholder, y un botón destacado de interacción por voz que conecte directamente con este agente para que el usuario pueda hablar con él al instante. Paleta: [colores del cliente o por defecto neutros]. Tipografía: [sans serif moderna].”

Pulsa Run / Preview. AI Studio devuelve el código y una previsualización funcional.

Aquí hay dos modos de trabajar:

• Demo rápida: aceptas lo que te genera, ajustas copy de servicios, listo.

• Demo seria: iteras el prompt cinco o seis veces hasta que la landing parezca del cliente y no del modelo. Esto es lo que separa una demo que cierra venta de una que el cliente mira con educación y olvida.

Lo que sí debes ajustar siempre antes de enseñarla:

• Nombre real del negocio en todos los sitios.

• Servicios reales con copy propio.

• Teléfono y email reales si el cliente quiere que aparezcan.

• Imagen del exterior del local o del equipo si la tienes (puedes pedirla en el primer email de outreach: “necesito una foto del local para personalizar la demo”).

• Eliminar todo lo que diga “Lorem ipsum” o “placeholder”.

Diez minutos de ajuste fino en el copy es la diferencia entre “interesante” y “esto lo quiero”.

Paso 4. Publica en vivo

No pagues hosting para una demo. Tres opciones, en orden de menor a mayor control:

Opción A — GitHub Pages. Gratis para siempre, dominio usuario.github.io/proyecto. Crea repo, sube index.html, activa Pages en Settings → Pages. Cinco minutos. Limitación: el dominio no inspira confianza para una venta seria.

Opción B — Vercel. Gratis hasta volúmenes que ningún prototipo va a alcanzar. Arrastras la carpeta a vercel.com, deploy en 30 segundos, dominio proyecto.vercel.app. Permite conectar dominio propio si después el cliente compra uno.

Opción C — Lovable. Si quieres iterar visualmente, conectar dominio propio desde el inicio y ofrecer al cliente acceso al editor visual cuando cierre el contrato. Es el camino que estoy usando en buena parte de los builds actuales del estudio. Cuesta una suscripción, pero a partir del segundo cliente se paga sola.

Resultado: una URL pública que puedes enviar a cualquier dueño de negocio y que él puede llamar desde su móvil sin instalar nada.

Lo que esta guía no resuelve

Soy honesto con esto porque es lo que separa al que monta diez demos y no cierra ninguna del que cobra:

Lo que el prototipo de AI Studio sí hace:

• Conversación de voz en tiempo real.

• Respuesta a FAQs entrenadas en el system prompt.

• Captura básica de datos por conversación.

• Demo pública desplegable.

Lo que el prototipo no hace:

• Conexión a CRM. Que cada lead capturado entre en HubSpot, Pipedrive o el CRM del cliente. Aquí necesitas pasar de AI Studio a la Gemini Live API directa con un backend mínimo (Cloud Functions, n8n, Make).

• Agenda real. Sincronización con Google Calendar o Calendly del cliente para reservar citas de verdad, no decir “alguien te llamará”. Integración vía MCP o API directa.

• Grabación y transcripción persistente. Por cumplimiento RGPD y para revisión de calidad.

• Multi-idioma con detección automática. Si el negocio recibe llamadas en castellano, catalán y francés (frecuente en Cataluña, Baleares, frontera francesa), el switch de idioma no lo resuelve la UI gratuita.

• Dashboard de métricas para el cliente. Llamadas atendidas, duración media, tasa de derivación, leads capturados.

Mi recomendación de roadmap:

• Cliente 1–3: cobra setup + mensual con el prototipo AI Studio + Lovable. Que el cliente reciba un email con cada conversación, ya es valor demostrable.

• Cliente 4 en adelante: invierte en una arquitectura propia: Gemini Live API + backend en Cloud Run + integración con n8n o Make para CRM y agenda. Una vez montada, replicas en cada cliente nuevo en menos de un día.

La primera versión te paga la segunda. Esa es la lógica.

El siguiente paso

Si has llegado hasta aquí, ya tienes el manual completo. Lo que falta es ejecutar.

Para acelerarte el arranque, he preparado un deck PDF descargable con la versión imprimible de esta guía: checklist por cada paso, plantillas de prompt, scripts de outreach y la calculadora de pérdida por llamadas perdidas que necesitas en la llamada de cierre.

→ Descarga el deck “Voice Agents 24/7. Manual de campo”

Si después de leerlo y montar tu primer agente quieres que te ayudemos a estructurar el modelo de negocio, integrar el agente con el resto de tu stack o construir la versión robusta con Live API, ese es nuestro trabajo en +MAIN.MIND. Pero antes, monta el tuyo. Sin haberlo construido al menos una vez no se vende bien.

La mayoría de organizaciones de marketing del planeta están construidas para un mundo que ya no existe. Estructura secuencial, equipos por silos, mucha coordinación humana entre piezas que podrían moverse solas. Lo que proponen como reemplazo es un concepto que probablemente vas a leer en todas partes los próximos seis meses: el brand code, que en castellano vamos a llamar código de marca.

Su definición: una base de conocimiento legible por máquina que codifica la estrategia de marca, los insights del cliente y las reglas de negocio, sobre la que pueden actuar tanto personas como agentes de IA.

Traducido: tu marca deja de ser un documento que se lee. Empieza a ser un sistema que se ejecuta.

Esta idea no es nueva para nosotros. En +MAIN.MIND llevamos unos años desarrollando una metodología que aborda exactamente este territorio, pero con dos capas más profundas que un código de marca genérico. La llamamos ETHOS, y materializa lo que en el plano académico denominamos Identidad Conversacional de Marca (Conversational Identity).

Este análisis es parte de +MAIN.MIND, la newsletter donde cada semana te enseño a hacer que la IA trabaje para ti. Si has llegado desde Google, esto es lo que te estás perdiendo:

Suscríbete ahora

ENLACES DE INTERÉS:

¿Qué es la Identidad Conversacional?

Identidad Conversacional y Código de Marca en nuestra web: Marcas que un agente de IA puede operar.

No vamos a desplegar la metodología completa en este newsletter — es trabajo de doctorado y materia de los próximos artículos. Pero vale la pena explicar por qué este momento la coloca en su sitio natural.

Por qué el manual de marca clásico ya no funciona

El manual de identidad de marca, tal y como las grandes agencias lo han entregado durante treinta años, fue diseñado para una situación concreta: dar a un equipo humano de marketing un documento de referencia que consultar cuando dudaran. Es un libro. Está pensado para que alguien lo abra, lo lea, decida, y cierre.

Hay tres razones por las que esto se rompe en 2026.

Razón uno: el lector ya no es humano la mayoría de las veces. Cuando un agente de IA está generando 40 variaciones de un copy para campaña, no abre el PDF de la marca. No puede. Y si pudiera, no sabría qué partes son innegociables y cuáles son sugerencias. Un manual de marca está escrito para interpretarse. Un agente necesita instrucciones que pueda ejecutar.

Razón dos: el manual asume un mundo lento. Una marca que actualiza su manual una vez cada tres años podía permitírselo cuando el ritmo del mercado era anual. Hoy, cuando una empresa puede testear 300 piezas de creativo en una semana, el manual queda obsoleto entre el momento en que se entrega y el momento en que se imprime.

Razón tres: el manual separa lo que la operación une. Tono de voz, posicionamiento, paleta, restricciones legales, datos de cliente, histórico de campañas, voz por canal — todo eso vive en documentos distintos, en formatos distintos, en sistemas distintos. Para una persona, esto es manejable. Para un agente, es ruido.

El código de marca del que habla HBR es una respuesta a esto: una capa única, estructurada, legible y ejecutable.

Lo que falta en la conversación pública

Hasta aquí la idea como la cuentan las consultoras norteamericanas. Lo que no se está diciendo en el debate, y donde nosotros llevamos un año trabajando, es algo más fino: codificar las reglas de marca no es suficiente. Una marca no es solo un sistema de reglas. Es una manera de estar en el mundo. Tiene una personalidad. Tiene gestos. Tiene una forma de mirar.

Un agente que ejecuta una marca tiene que saber, sí, que no se puede usar la palabra “transforma” en titulares. Pero también tiene que saber por qué — porque esa marca apuesta por una conversación adulta con el lector, no por la épica del cambio. Tiene que saber qué hace esa marca cuando un cliente le hace una pregunta incómoda. Tiene que saber qué silencios respeta. Tiene que saber cómo se ríe.

Eso es lo que codifica la Identidad Conversacional de una marca, y por eso nuestra metodología tiene un nombre propio. Llamamos ETHOS al sistema completo, recuperando la palabra que Aristóteles colocó hace 2.400 años en el centro de la retórica: el carácter del que habla, lo que decide si lo que se dice es creíble incluso antes de lo que se dice. ETHOS estructura una marca en cinco capas (Esencia, Temperamento, Habla, Operación, Sintonía) y produce un entregable al que llamamos Codex ETHOS: el documento estructurado, legible por máquina, que cualquier agente puede ejecutar.

La diferencia con un código de marca genérico está exactamente ahí: en el nivel de profundidad con el que la personalidad de esa marca queda estructurada para que una máquina pueda operar desde dentro de ella, no por encima de ella.

Tres consecuencias inmediatas

Si esta tesis es correcta, y todo lo que vemos en el día a día con clientes nos dice que lo es, hay tres consecuencias prácticas para cualquier responsable de marketing, fundador o CMO leyendo esto.

Una. El próximo briefing de identidad de marca que pidas a una agencia no debería terminar con un PDF. Si la agencia no te entrega también una versión estructurada, legible por máquina, con instrucciones operativas concretas, te están entregando un producto que se vuelve obsoleto el día que tu equipo abra el primer agente de IA. Pregunta por el código de marca. Es la pregunta diferencial de 2026.

Dos. El activo más infravalorado de tu empresa ahora mismo es el conocimiento tácito de las personas que llevan más años contigo. Saben cómo habla la marca, qué dirías y qué nunca dirías, dónde están las líneas rojas. Sacar ese conocimiento de sus cabezas y meterlo en archivos estructurados es probablemente el proyecto interno con mayor retorno que puedes lanzar este trimestre. Cuesta semanas. Vale años.

Tres. La pregunta sobre qué externalizar a un agente no es técnica, es estratégica. No se trata de “¿qué tareas puedo automatizar?”. Se trata de “¿qué partes de mi marca son sistema y qué partes son juicio?”. El sistema se codifica. El juicio se preserva. Confundir las dos cosas es la forma más común de fallar con IA en marketing.

Cómo empezamos

Lo que estamos haciendo nosotros, en abierto: cada cliente con el que trabajamos ahora arranca con un proceso ETHOS. No reemplaza el manual de marca clásico — lo complementa, lo estructura, y lo coloca en una capa donde puede ser ejecutado.

En las próximas semanas vamos a abrir parte de este trabajo. No la metodología completa (es propiedad intelectual nuestra y materia de la tesis doctoral), sino los principios operativos y algunos ejemplos. Si quieres seguir esa conversación, este newsletter es el sitio.

Una marca que un agente puede leer no es ciencia ficción. Es la condición mínima para competir en los próximos dos años. La pregunta no es si tu marca va a tener que volverse legible para máquinas. La pregunta es si vas a llegar a tiempo.

Referencias:

• Redesigning Your Marketing Organization for the Agentic Age

Empiezo con un dato que conviene leer dos veces.

El click-through rate del primer resultado orgánico de Google cae un 58% cuando aparece un AI Overview encima. Lo midió Ahrefs en diciembre de 2025 sobre una muestra masiva de búsquedas. Pew Research, con metodología independiente, lo deja en un 46,7% (los usuarios hacían click el 15% de las veces cuando no había resumen de IA, el 8% cuando sí lo había).

Traducido: la página de resultados de Google que conocías está siendo reemplazada por una caja resumen redactada por una IA. El usuario lee, resuelve su duda y no visita tu web. Aunque estés el primero. Aunque tu SEO sea impecable.

Esto no es una tendencia incipiente que estamos vigilando. Es lo que ya está ocurriendo. Mientras lees esto, miles de personas están preguntándole a ChatGPT algo que un cliente tuyo también acabará preguntando.

La escala del cambio

Cuatro números que reconfiguran la conversación:

• 900 millones de usuarios semanales activos en ChatGPT a inicios de 2026. Hace un año eran 400 millones.

• 34-45 millones de usuarios mensuales activos en Perplexity, con cerca de 780 millones de consultas mensuales.

• 73,3% del mercado de búsqueda con IA en manos de ChatGPT + Microsoft Copilot, según ALM Corp.

• 25% de caída prevista en el volumen de búsqueda tradicional para 2026, según Gartner.

Si lo pones todo junto, el cuadro es claro: la gente está aprendiendo a preguntar en vez de buscar. Y cuando pregunta, hay un modelo en medio que decide a quién cita y a quién no.

Lo que cambia (sin cliché)

No es que el SEO se haya muerto. Ese es el titular fácil. Lo que ha cambiado es la capa sobre la que se decide la visibilidad.

Antes:

• Había una página de resultados con diez enlaces azules.

• Tu trabajo era posicionarte alto en esa página.

• Si lo conseguías, el usuario te visitaba.

Ahora:

• Hay una respuesta sintetizada redactada por un modelo.

• Tu trabajo es ser una de las 2-7 fuentes citadas dentro de esa respuesta.

• El usuario lee la respuesta y, en la mayoría de casos, no visita a nadie.

Seer Interactive lo midió en septiembre de 2025 con 42 organizaciones, 25 millones de impresiones orgánicas y 1,1 millones de impresiones de pago: el CTR orgánico para consultas informacionales con AI Overviews cayó un 61% respecto a mediados de 2024. Pero, y aquí está el matiz, las marcas citadas dentro de la respuesta de IA obtuvieron 35% más clicks orgánicos y 91% más clicks de pago que las no citadas.

Las clicks no han desaparecido. Se han redistribuido. Y se redistribuyen hacia quien está dentro de la respuesta.

El nuevo mapa: cuatro siglas que conviene saber distinguir

Son disciplinas hermanas. No son la misma cosa.

• SEO (Search Engine Optimization). Lo que llevas haciendo veinte años. Optimizar para motores de búsqueda tradicionales. Foco: posiciones y clicks.

• AEO (Answer Engine Optimization). Optimizar para motores que devuelven una respuesta cerrada, no una lista. Foco: ser la respuesta.

• GEO (Generative Engine Optimization). Optimizar para motores generativos — ChatGPT, Perplexity, Claude, Gemini, AI Overviews. Foco: ser citado dentro de la respuesta generada.

• LLMO (LLM Seeding). Sembrar tu marca en sitios donde los modelos aprenden y consultan: Wikipedia, Reddit, foros sectoriales, listicles, reviews. Foco: existir fuera de tu propia web.

¿La buena noticia? Comparten base técnica: semantic HTML limpio, schema, velocidad, autoridad. ¿La menos buena? El foco cambia. Y la métrica también.

Lo que los modelos premian (y no es lo que crees)

En 2023, investigadores de Princeton e IIT Delhi publicaron el primer paper formal sobre GEO. Estudiaron qué tipo de contenido tenía más probabilidades de ser citado por motores generativos. Las tres palancas con más impacto, según su análisis:

1. Estadísticas. Datos concretos, con cifra y fuente.

2. Citas de fuentes. Atribución explícita a otras autoridades.

3. Citas textuales. Frases auto-contenidas atribuibles, listas para ser extraídas.

Más interesante todavía: el estudio encontró que sitios más pequeños y peor posicionados en SEO clásico podían ganar visibilidad en GEO aplicando estas técnicas. La capa es nueva. Las reglas del juego clásico no se trasladan directamente.

Traducido: si llevas años escribiendo posts conversacionales sin datos ni citas, lo que en marketing de contenidos llamábamos “thought leadership”, los modelos no tienen mucho que extraer de ti. Aunque lo digas bien. Aunque la gente lo lea.

Hay otro patrón interesante. Un estudio del Interamplify Data & AI Research Lab, publicado a inicios de 2026, analizó 3.500 consultas complejas en GPT-4, Gemini, Claude y Perplexity sobre el mercado británico de servicios profesionales B2B. Conclusión: las tácticas tradicionales de SEO (densidad de keywords, link-building heurístico) son estadísticamente irrelevantes dentro de arquitecturas de Retrieval-Augmented Generation. Tres técnicas concretas, justificación técnica, adición de estadísticas, citas de expertos, elevaron la tasa de citación de marca más de un 40% sobre el baseline.

No son revoluciones aspiracionales. Son números de estudios.

Dónde fallan la mayoría de las marcas

He auditado durante los últimos meses una decena larga de marcas para entender por qué los LLMs no las citan. El patrón se repite.

Un caso anónimo, pero real: un estudio de arquitectura premium con web impecable, contenido de calidad y veinte años de obra publicada. Cuando le preguntas a ChatGPT por los mejores estudios de arquitectura de Madrid, el modelo cita a Arquitectura Viva y a Metalocus.

¿Por qué no al estudio? Porque su nombre no aparece en esas fuentes. Porque su contenido propio, por bueno que sea, vive aislado en su propia web. Y porque el LLM confía más en quien escribe sobre ti que en ti mismo.

Esto es lo más contraintuitivo del nuevo juego. Tu mejor inversión en visibilidad ya no es tu propio blog. Es estar en el blog del otro. En la prensa sectorial. En el listicle. En Wikipedia. En el episodio del podcast. En el ensayo que firma un experto reconocido.

Si solo apareces en tu propia web, el modelo lo lee como propaganda. Si apareces en cinco sitios independientes diciendo más o menos lo mismo, lo lee como consenso. Y los modelos citan consenso.

Los 5 movimientos que puedes activar esta semana

Sin necesidad de equipo técnico. Sin presupuesto.

1. Habilita los bots de IA en tu robots.txt. Permite explícitamente a GPTBot, ClaudeBot, PerplexityBot, Google-Extended, CCBot y Bytespider. Muchos CMS los bloquean por defecto. Auditoría de cinco minutos. Si los bots no pueden leerte, no te citan. Fin de la historia.

2. Audita H1, meta y schema básico de tus 10 páginas top. Un solo H1 por página, escrito como pregunta o titular real (no como nombre de servicio). Meta título y description únicos. Schema mínimo: Article, Person, FAQPage, BreadcrumbList. No es opcional ya.

3. Lanza 10 queries de tu marca en ChatGPT y Perplexity. Las que un cliente real escribiría para encontrarte. Documenta si apareces, en qué posición y citado desde qué fuente. Tabla simple, repetible cada trimestre. Es el primer KPI del nuevo dashboard.

4. Identifica los 3 listicles donde deberías estar y no estás. Los “Mejores X para Y” de tu sector. Si tu marca pertenece a la categoría y no aparece en esos listicles, el modelo nunca te incluirá en su respuesta. Defensa básica.

5. Reescribe el último artículo de tu blog en formato citable. Key takeaway arriba (un párrafo de 2-3 frases que responde la pregunta de forma directa, lo que un modelo puede extraer literalmente). Bloque de citas textuales abajo (3-5 frases auto-contenidas, listas para ser citadas tal cual). Le das el trabajo hecho al LLM.

Por dónde no empezar

Hay tres trampas que veo repetidas:

• Trampa 1 · “Vamos a abrir un canal de TikTok”. No. El problema no es de canal nuevo. Es de visibilidad en los canales donde tu cliente ya está consultando. Que son ChatGPT, Perplexity, AI Overviews y un par más.

• Trampa 2 · “Vamos a comprar una herramienta de monitorización de IA”. Útil, pero más adelante. Empieza con 10 queries × 4 motores cada trimestre, lanzadas a mano. Tabla simple. Comparable. Cuando tengas el ritual instalado, automatízalo. Antes no.

• Trampa 3 · “Vamos a hacer mucho contenido”. Más contenido en tu propia web no resuelve el problema. Si los modelos no te citan, es porque no apareces en las fuentes que ellos leen. La inversión correcta es distribución y autoridad cruzada, no producción interna.

El verdadero coste de no moverse

Tres datos para cerrar.

El equipo de Seer publicó en febrero de 2026 que el CTR de AI Overviews ha empezado a recuperarse, pasó de un mínimo del 1,3% en diciembre de 2025 a un 2,4% en febrero. Es decir: la gente ahora hace click más a menudo desde dentro de las respuestas de IA. Aparecer en esas respuestas tiene tracción real.

The HOTH reportó que el tráfico procedente de referencias de IA convierte 9 veces más que el tráfico orgánico estándar.

Y un caso documentado: Tally, un constructor de formularios bootstrapped, reportó que ChatGPT se ha convertido en su fuente número uno de referidos, por encima de Google.

No es marginal. Es el siguiente vector. Y como pasa con cada cambio de capa, los que llegan primero pagan menos.

La guía completa (PDF)

He empaquetado todo esto en una guía gratuita de 28 páginas: las definiciones canónicas, el embudo nuevo, los criterios de citabilidad, el formato extraíble, la arquitectura de hubs, los KPIs y el método “Foto AI-Ready” para medirlo cada trimestre.

Descárgala aquí en PDF

Y otros recursos:

• Tienes una versión más técnica de este artículo en mi página de MEDIUM.

• Enlace a nuestra web: https://mainmind.es/guia-geo-aeo-2026.

Fuentes citadas

• Ahrefs (2025–2026), estudios sobre CTR y AI Overviews.

• Seer Interactive, AIO Impact on Google CTR (septiembre 2025, febrero 2026).

• Pew Research Center, estudio sobre 68.000 búsquedas con y sin AI summary.

• Gartner, predicción de caída del 25% en búsqueda tradicional para 2026.

• Aggarwal et al. (Princeton + IIT Delhi), Generative Engine Optimization (paper original sobre GEO, 2023-2024).

• Interamplify Data & AI Research Lab, GEO: Empirical Analysis of Citation Prominence (2026).

• ALM Corp, ChatGPT 900M weekly active users (marzo 2026).

• First Page Sage, datos de uso de ChatGPT.

• The HOTH, datos de conversión de tráfico de IA.

Roberto Carreras es founder de +MAIN.MIND. Doctorando UCLM en Identidad Conversacional. 20+ años en marca y marketing con clientes como Coca-Cola, IKEA y Alhambra. Ex-Voikers (adquirida por LLYC). Esta newsletter sale los jueves a personas que prefieren trabajar con criterio antes que con prisa.

Claro que no. Porque la estás usando mal.

Esta semana di una sesión a un grupo en su mayoría con nivel básico de IA, y al ordenar el material me di cuenta de que el contenido merecía una entrada propia. Aquí va. Cinco escalones para dejar de pelotear con la IA y empezar a sacarle partido de verdad.

Escalón 1: deja de escribir poco

La IA generativa responde mejor cuanto más fina es la instrucción. Suena obvio, pero la realidad es que casi nadie lo hace. Escribimos prompts cortos porque la caja de texto incomoda, porque le damos a Enter sin querer, porque venimos del mundo Google y del “hotel Lisboa”.

Dos trucos que cambian el resultado por completo:

1. Dicta el prompt. Activa el micro y cuéntale tu necesidad como si se la explicaras a un compañero nuevo. “Soy una librería en el centro de Gijón especializada en cómic y ediciones cuidadas, organizamos talleres de lettering, nuestro público es joven, publicamos en Instagram cuando podemos pero no crecemos, necesito un calendario realista...” Tres minutos hablando y la calidad del input se multiplica.

2. Escribe el prompt en un Word, no en el chat. Te quitas la presión del cursor, no envías por error, puedes pegar referencias, ejemplos y estilos. Luego copias y pegas. Tu prompt deja de ser una frase y se convierte en un documento de trabajo.

Escalón 2: la fórmula que nadie aplica

Cuando le pides a la IA “hazme una nota de prensa de mi librería”, te da una genérica que sirve para cualquier librería del mundo. Le faltan ingredientes. Si vienes de marketing esto te suena, pero conviene recordarlo:

• Rol. “Eres editor de contenidos de una librería independiente con diez años de oficio.” Asignar un rol cambia el peso de la respuesta.

• Contexto. Quién eres, qué vendes, dónde estás, qué te diferencia, qué problema tienes.

• Objetivo. ¿Vender, construir comunidad, que descubran? Cada uno produce un texto radicalmente distinto.

• Tono y estilo. Cercano, técnico, literario. Mejor aún: pega tres ejemplos de textos tuyos previos para que la IA pille la voz.

• Formato. Estructura exacta de salida. Asunto, preheader, apertura, secciones, cierre.

• Público. No es lo mismo escribir para un cliente fiel que para alguien que entra por primera vez.

Aplica esos seis ingredientes y el resultado sube dos peldaños sin tocar nada más.

Escalón 3: el movimiento que lo cambia todo

Aquí está la idea que más impacto tiene. La que nadie explica y la que separa al usuario básico del avanzado.

Usa la IA para escribir los prompts de la IA.

Si tienes una necesidad, no le pidas que la resuelva directamente. Pídele primero que te ayude a construir el prompt perfecto para esa tarea. “Ayúdame a redactar un prompt para una IA generativa de texto que me ayude a crear contenidos para una librería que…” y le cuentas todo.

Lo que devuelve no es la solución, es la instrucción. Y esa instrucción, copiada y ejecutada en una nueva conversación, da un resultado de otro nivel.

Esto vale para todo: investigaciones profundas, imágenes, vídeo, landings, guiones. La IA es mejor escribiendo prompts para sí misma que tú escribiéndolos a pelo. Asume esa humildad operativa y todo cambia.

Escalón 4: del prompt suelto a la librería de prompts

Si haces la misma tarea cada semana (una newsletter, una ficha de producto, un post de LinkedIn…) no empieces de cero cada vez. Construye un Prompt Maestro y guárdalo.

Un prompt maestro lleva rol, contexto fijo (tu marca, tu posicionamiento, tu voz), las reglas del juego (lo que sí, lo que no), la estructura de salida y un “cómo te pediré las cosas”. Luego, cuando vas a producir, solo cambias dos o tres variables.

El mismo trabajo que antes te llevaba dos horas se hace en siete minutos. Esa es la verdadera ganancia de productividad. No la velocidad de un prompt: la sistematización de una tarea repetitiva.

Escalón 5: GPTs, Gems y agentes propios

Cuando una tarea se repite mucho y el prompt maestro es estable, el siguiente paso es empaquetarlo como un GPT (en ChatGPT), una Gem (en Gemini) o un Proyecto (en Claude). Le das instrucciones, le subes documentos de conocimiento (newsletters anteriores, fichas de estilo, briefings), defines los iniciadores de conversación y lo dejas listo.

A partir de ahí, lanzarlo es responder a dos preguntas y producir el contenido. Y lo más importante: si mañana se incorpora alguien a tu equipo, tiene la versión sénior de ti misma haciendo esa tarea, no la versión genérica de ChatGPT.

Para crear el GPT, vuelve al escalón 3: pídele a Claude o ChatGPT que te genere las propias instrucciones del GPT. Otra vez la misma jugada.

Lo que viene después

Esos cinco escalones son el suelo. Por encima hay un mundo: orquestar agentes que hablan entre ellos, automatizar flujos completos con n8n o Make, conectar Vertex AI con tu CRM, montar productos enteros sobre Lovable y Supabase. Pero ese camino solo funciona si la base está sólida, y la base es esto: saber pedir, dejar que la IA escriba tus prompts, sistematizar, empaquetar.

A recorrer ese camino, si lo necesitas, te ayudamos desde +MAIN.MIND.

Bonus: protege tus datos

Antes de cerrar, un recordatorio que casi nadie atiende.

En ChatGPT: Configuración → Controles de datos → desactiva “Mejorar el modelo para todos”.

Lo mismo con audios y vídeos. Si vas a pegar información sensible (datos de clientes, números de tu negocio, contratos, analíticas médicas), hazlo con esa casilla apagada. No es paranoia, es higiene.

La IA no te va a salvar si la usas como un buscador. Te va a transformar el oficio si la usas como una socia exigente a la que le explicas bien lo que quieres.

Esta semana, prueba solo el escalón 3 con una tarea que hagas habitualmente. Pídele a la IA que te escriba el prompt antes de resolver el problema. La diferencia la notas en la primera ejecución.

Roberto Carreras, una de las voces de referencia del marketing, la comunicación y la innovación en España, presenta hoy +MAIN.MIND, un ecosistema español de marketing orquestado con inteligencia artificial. La compañía nace para responder a una pregunta que el sector lleva tiempo evitando: ¿qué pasa cuando el marketing deja de ser un encargo puntual y se convierte en una conversación continua entre marcas, personas y agentes inteligentes?

Por qué nace +MAIN.MIND

El marketing está cambiando más en los últimos dos años que en los veinte anteriores. Las marcas ya no compiten solo por aparecer en una página de resultados, sino por estar presentes en las respuestas que dan ChatGPT, Claude, Perplexity o Gemini. La relación con el cliente ya no se sostiene sobre campañas aisladas, sino sobre conversaciones continuas en buscadores, redes, mensajería y agentes propios. Y la productividad ya no se mide por el tamaño del equipo, sino por la capacidad de orquestar a personas y máquinas trabajando juntas.

+MAIN.MIND nace exactamente para operar en ese mundo. No como una agencia tradicional a la que se le ha añadido una capa de inteligencia artificial, sino como un ecosistema construido desde cero alrededor de dos ideas: marketing conversacional (el que dialoga con humanos y con modelos al mismo tiempo) y marketing de orquestación, el que combina criterio humano senior con agentes de IA trabajando de forma coordinada en cada cliente.

Cinco unidades, una sola lógica

+MAIN.MIND opera a través de cinco unidades especializadas que comparten infraestructura, equipo y agentes:

• +MAIN.Brands. Agencia AI-first de estrategia de marca, comunicación y contenido para empresas que quieren construir marca relevante en un entorno donde el algoritmo y el humano la consumen a la vez.

• +MIND.Brands. Unidad dedicada a la marca personal de profesionales, líderes, autores y referentes que quieren tener presencia, autoridad y voz propia en el nuevo escenario digital y conversacional.

• +Sales.MIND. División de ventas con IA que orquesta prospección, cualificación y outreach B2B asistido por agentes para equipos comerciales y solopreneurs.

• +MAIN.Academy. Academia de formación en inteligencia artificial aplicada al marketing, la comunicación y las ventas, con programas abiertos y formaciones a medida para empresas.

• +MAIN.LAB. Laboratorio de innovación donde +MAIN.MIND diseña y construye los agentes de IA a medida que utilizan tanto el propio ecosistema como sus clientes.

Los cuatro primeros empleados de MAIN MIND son ordenadores

Una particularidad poco habitual: los primeros cuatro empleados oficiales de +MAIN.MIND no son personas, son ordenadores con nombre propio. Cada uno está dedicado a una función concreta dentro del ecosistema y trabaja 24 horas al día, los 7 días de la semana, ejecutando los agentes que sostienen el servicio.

• PACO, Piloto Autónomo de Creación y Orquestación. Es el centro neurálgico operativo: orquesta los workflows del ecosistema y coordina al resto de máquinas.

• VERA, Vigilante de Estrategia y Resultados Automatizados. Responsable de analítica, reporting continuo y medición del impacto en clientes.

• NORA, Núcleo Operativo de Respuesta Automatizada. Gestiona las interfaces conversacionales y la atención automatizada a clientes y usuarios finales.

• LUIS, Laboratorio de Inteligencia y Síntesis. Se ocupa de la investigación, la monitorización de tendencias y el análisis profundo, tanto para clientes como para el propio ecosistema.

PACO, VERA, NORA y LUIS no son metáforas ni mascotas: son máquinas físicas, presentes en la infraestructura de +MAIN.MIND, sobre las que corren los agentes que generan, ejecutan, miden y reportan. Son la base sobre la que el equipo humano puede dedicarse a lo importante.

El equipo humano: profesionales senior orquestando agentes

Las personas de +MAIN.MIND son profesionales senior del marketing y la comunicación. Su rol no es ejecutar tareas mecánicas, de eso se ocupan los agentes, sino orquestar soluciones, diseñar estrategia, supervisar la calidad y aportar criterio.

Es un cambio profundo de modelo: lo que tradicionalmente hacía la base de la pirámide en una consultora o agencia (analizar, redactar, producir, monitorizar…) lo hace ahora la inteligencia artificial, mientras el talento humano dedica su tiempo a lo que de verdad mueve la aguja de un cliente.

La estructura de plantilla es deliberadamente atípica. El fundador, Roberto Carreras, lidera el ecosistema y trabaja con una red de profesionales senior orquestada, no contratada a tiempo completo, alrededor de cada proyecto. Es el equipo que cada cliente necesita en cada momento, sin la grasa estructural de una agencia tradicional, ni la rotación característica de los puestos junior.

Un modelo long-tail: servicio premium para quienes no podían permitírselo

El cambio más relevante que propone +MAIN.MIND no es tecnológico, es de modelo de negocio. Las grandes consultoras y agencias llevan décadas trabajando casi en exclusiva con clientes capaces de financiar equipos de quince o veinte personas. +MAIN.MIND propone justo lo contrario: llevar un servicio premium y muy senior a la long tail del mercado (empresas medianas, profesionales independientes, marcas personales, clínicas, despachos, restaurantes, marcas emergentes…) que hasta hoy no tenían acceso real a este nivel de marketing y comunicación.

¿Cómo? Sustituyendo con inteligencia artificial la base operativa de la pirámide y reservando el talento humano para la dirección, el criterio y la estrategia. El resultado es un servicio de altísima calidad, muy senior, a un precio y con una estructura que hasta ahora eran simplemente imposibles. Para muchos clientes, +MAIN.MIND es la primera vez que pueden trabajar con un equipo de este nivel.

Clientes en el arranque público

+MAIN.MIND inicia esta etapa pública con una cartera diversa que incluye a Salesforce, Wone Health, la Fundación Universitaria San Pablo-CEU y sus Universidades, PARIX, la psicóloga y autora Silvia Congost, la divulgadora científica Ana Ibáñez, el chef con Estrella Michelín Jesús Segura, Redondo Arquitectos, una red de farmacias y un conjunto creciente de clientes medianos en sectores tan distintos como la salud, la educación, la arquitectura, la restauración, la formación y los servicios profesionales.

Sobre Roberto Carreras

Fundador de +MAIN.MIND, Roberto Carreras lleva más de dos décadas trabajando en marketing, comunicación e innovación, con un foco creciente en inteligencia artificial aplicada. Conferenciante, profesor y emprendedor, ha acompañado a marcas, instituciones y profesionales en sus procesos de transformación digital. Fue uno de los profesionales pioneros en unir marketing en IA en 2019 mediante Voikers, compañia que se integró en LLYC en 2023.

Desde +MAIN.MIND lidera ahora una apuesta clara por un marketing conversacional, orquestado con agentes y, sobre todo, accesible para quien antes quedaba fuera del radar de las grandes firmas.

Llevamos dos años llamando “agente” a cualquier cosa que tenga un modelo de lenguaje dentro. Vamos a separar lo que se mezcla, porque si no tienes clara esta distinción, vas a construir un chatbot y pensar que tienes un agente.

Hay tres niveles. Un chatbot es una conversación donde tú conduces en cada turno, ChatGPT, Claude.ai, Gemini en su modo básico. Un copiloto es IA integrada dentro de otra herramienta que tú sigues conduciendo, Notion AI, Gamma, Cursor, Lovable. Y un agente es un sistema que tú configuras una vez y que después percibe, razona, actúa y aprende. Solo. Mientras duermes.

La línea que los separa es una: autonomía sobre escritura. Si tu sistema solo lee información, es un asistente. Si escribe en un sistema real, un CRM, un email, un CMS, una base de datos, sin que tú aprietes un botón en cada turno, es un agente.

Gartner proyecta que el 40% de las aplicaciones empresariales tendrán agentes embebidos a final de 2026. KPMG dice que el 37% de las empresas ya los están desplegando en producción. Esto no es Web3. Esto no se va a quedar en hype. Esto es la nueva capa de software.

Esta guía es parte de +MAIN.MIND, la newsletter donde cada semana te enseño a hacer que la IA trabaje para ti. Si has llegado desde Google, esto es lo que te estás perdiendo:

Suscríbete ahora

Suscríbete ahora

La anatomía: 5 piezas o no es un agente

Todo agente tiene cinco piezas. Si falta una, lo que tienes no funciona como debería.

El modelo es el cerebro: Claude, GPT, Gemini, Llama. Intercambiable. Es la pieza que la mayoría de la gente cree que es “el agente”, pero es solo una parte.

La memoria es lo que el agente sabe sin que se lo digas cada vez. Memoria a corto plazo (la conversación actual) y a largo plazo (documentos, manuales, históricos, perfiles de cliente). Sin memoria, el agente empieza de cero cada vez.

Las herramientas son lo que le da manos. APIs y servicios que puede invocar: leer Gmail, escribir en Notion, buscar en la web, enviar un mensaje en Slack, crear una tarea en un CMS. Sin herramientas, el agente piensa pero no actúa.

La identidad es quién es, cómo habla, qué no hace nunca. Tu marca traducida a instrucciones. Y es la pieza donde casi todo el mundo se equivoca, porque es una pieza de marca, no de software. Si tu agente no tiene identidad, genera outputs genéricos que no suenan a ti.

Y el bucle es el ciclo que lo hace agente: percibir → razonar → actuar → observar el resultado → ajustar. Sin bucle, es un prompt de un solo uso.

5 agentes que van a reventar marketing este año

Antes de construir nada, necesitas saber qué construir. Estos son los cinco casos de uso con ROI más claro para cualquier equipo de marketing o comunicación. No son teóricos, son los que están ya en producción en empresas reales.

• Agente de reputación. Monitoriza reseñas y menciones 24/7. Redacta respuesta con el tono de tu marca. Publica las que cumplen criterios, escala a humano las críticas serias. Para cualquier marca con presencia en Google Business, Trustpilot o App Store. Con 50 localizaciones y 500 reseñas al mes, la calidad de respuesta humana es imposible a escala. Y la calidad de respuesta ya es factor de visibilidad en ChatGPT y Perplexity, no solo en SEO.

• Agente editorial. De un brief en una frase: estructura SEO, drafts multicanal (web, LinkedIn, newsletter, nota de prensa), variantes A/B, empuje al CMS para revisión. Un 60% más rápido en ciclos de contenido manteniendo la voz documentada.

• Agente de insight. Cada mañana, un brief de cinco puntos en tu inbox con competencia, tendencias, regulación y prensa relevante. Con fuentes. Sin abrir Feedly. Sin scroll en X. Es el caso más fácil para empezar porque el agente solo lee, cero riesgo, valor inmediato.

• Agente de briefing creativo. Del email desordenado del cliente al brief estructurado con objetivo, audiencia, KPIs, restricciones, tres propuestas creativas y la lista de información que falta. Listo para que el equipo lo trabaje. Ahorra horas a cualquier director de cuentas.

• Agente de performance. Chequea campañas en Meta y Google cada hora, detecta anomalías, propone ajustes y, con autonomía limitada, los ejecuta. Mejoras del 20-30% en CPA reportadas en producción. Riesgo alto si ejecuta sin tope, empezar siempre por “propone, no ejecuta”.

Construye tu primer agente en 30 minutos (Nivel 1)

Vamos al lío. Voy a usar como ejemplo un agente de briefing creativo porque es el más universal, pero el flujo funciona para cualquiera de los cinco casos.

Lo que necesitas: una cuenta de Claude (Pro o superior) y 30 minutos.

Paso 1. Abre un Claude Project.

En claude.ai, sidebar izquierda → Projects → New Project. Ponle un nombre descriptivo: “Agente Briefing [Tu empresa]”.

Un Project es el contenedor donde vive tu agente: su memoria, su identidad y sus conversaciones.

Paso 2. Dale memoria: sube tus archivos de conocimiento.

Esto es lo que hace que tu agente deje de ser un chatbot genérico. En la sección “Project Knowledge”, sube tres archivos:

1. Tu manual de marca o guía de estilo. Si no tienes uno formal, un documento de texto con tu tono de voz, tus valores, lo que dices y lo que nunca dirías. Diez líneas bastan para empezar.

2. La plantilla de output que quieres. Para un agente de briefing, yo uso una estructura de diez puntos: resumen ejecutivo, objetivo de negocio, objetivo de comunicación, audiencia con insight, mensaje clave, tono, restricciones y mandatorios, KPIs propuestos, información que falta, y tres rutas creativas iniciales. El punto 9 (“información que falta”) es el que distingue un buen brief de uno autocomplaciente.

3. Uno o dos ejemplos de outputs buenos. Un brief anterior que te gustó, un informe que quedó redondo, una propuesta que cerró. La IA aprende más de un buen ejemplo que de diez instrucciones.

Paso 3. Define la identidad: escribe las instrucciones.

En la sección “Instructions” del Project, escribe quién es tu agente. No qué hace, quién es. Esto es la pieza de marca, no la de software.

Recuerda ¿Qué es la Identidad Conversacional? y Identidad Conversacional. El sistema que define cómo una marca habla, piensa y decide cuando conversa con humanos y con inteligencia artificial.

Un ejemplo real:

“Eres un planner senior con 15 años de experiencia en consultoría creativa. Tu trabajo es transformar comunicaciones desordenadas de clientes en briefs estructurados y accionables. Hablas de forma directa, concreta, sin relleno. Defiendes el manual de marca incluso cuando el cliente pide algo que lo viola, señalas la tensión y propones alternativas, pero no la ignoras. Si el input no es un brief o no contiene información suficiente, preguntas antes de inventar. Nunca inventas datos. Nunca generas routes creativas que contraigan una restricción del manual.”

Paso 4. Testa con tres casos.

Antes de darlo por bueno, mándale tres inputs distintos. Uno fácil (email normal de cliente), uno con trampa (una petición que viola tu manual de marca: el agente debe señalarlo, no obedecerlo), y uno absurdo (un mensaje que no es un brief: el agente debe preguntar, no generar un brief vacío).

Si los tres dan buen resultado, tu agente está listo. Si no, la corrección casi siempre va a las instrucciones: refuerza la regla que se salta con un ejemplo concreto y vuelve a probar.

El resultado es un agente que cualquier persona de tu equipo puede usar mañana. Sin código. Sin setup técnico. Sin API. Le pegas el email del cliente y te devuelve un brief profesional en 20 segundos.

El salto: de agente lite a agente autónomo (Nivel 2)

El Nivel 1 es potente pero requiere que tú estés ahí pegando inputs. El Nivel 2 es el mismo agente con las mismas instrucciones, pero con autonomía real: se dispara solo, procesa solo, escribe en tus herramientas solo.

La arquitectura son siete nodos en secuencia:

Gmail detecta un email con “BRIEF” en el asunto → el agente de Claude lo procesa con la misma identidad del Nivel 1 → un nodo estructura los datos (cliente, título, fecha) → Notion crea una página con el brief completo en tu base de datos → Slack avisa a tu equipo → Gmail marca el email como procesado.

Las herramientas: n8n (la plataforma de automatización, 20€/mes o gratis si lo self-hosteas), la API de Claude (céntimos por uso), y las conexiones a Gmail, Notion y Slack (todas gratuitas con sus APIs).

El coste total en producción: menos de 100€ al mes en infraestructura. Lo que hace el agente cada día habría requerido una persona dedicada o varias horas de un director de cuentas.

Lo más importante de entender: entre el Nivel 1 y el Nivel 2, lo que cambia son las herramientas. Lo que NO cambia es la identidad. El mismo prompt vive en las instrucciones del Claude Project y en el System Message del nodo AI Agent de n8n. La identidad es la pieza estable. Las herramientas son la pieza escalable.

Las tres reglas que te ahorrarán problemas

Después de meses construyendo agentes para clientes y para +MAIN.MIND, estas tres reglas se han demostrado no negociables:

• Empieza por lo que solo lee. El agente de insight (caso 3) es perfecto para arrancar. Solo lee webs, noticias y datos. No escribe en ningún sistema crítico. Cero riesgo. Cuando tengas confianza, pasa a agentes que escriben.

• La identidad va antes que la herramienta. Todo el mundo quiere ir directo a n8n o a la API. Error. Si tu agente no tiene identidad, quién es, cómo habla, qué no hace nunca, el output es genérico, inconsistente y potencialmente peligroso para tu marca. Dedica más tiempo a las instrucciones que a las conexiones técnicas.

• Nunca permitas que un agente ejecute presupuesto sin revisión humana. Un agente que propone ajustes de campaña es valioso. Un agente que ejecuta presupuesto sin tope es una bomba. La promesa creíble de 2026 es: el agente prepara, propone y, con tu aprobación, ejecuta. Defiende esa línea.

Lo que puedes hacer hoy

Si todo esto te parece demasiado, haz solo una cosa: abre un Claude Project, sube tu manual de marca (aunque sea un borrador), escribe tres líneas de identidad, y mándale un email real de un cliente tuyo. Mira qué sale.

Vas a ver algo que no esperabas: tu marca hablando con criterio sin que tú estés detrás. Tu tono aplicado sin que nadie lo vigile. Tu estructura de trabajo replicada sin que nadie la copie a mano.

Eso es un agente. No magia. Tu conocimiento empaquetado en un sistema que trabaja mientras tú haces otra cosa.

Y si quieres ir más lejos (montar el Nivel 2, conectar herramientas, poner el agente en producción…) escríbeme. Es exactamente lo que hacemos.

Si quieres una guía en PDF paso a paso de este artículo escríbeme también para recibirla:

mainmind.es · hola@mainmind.es

Voy a explicarte qué hacen, en qué se diferencian, y cómo puedes usarlas para crear un sistema de diseño real para tu marca o la de tu cliente. Con un flujo paso a paso que puedes aplicar este fin de semana.

Suscríbete ahora

Google Pomelli: tu web se convierte en tu dirección creativa

Pomelli es lo que Google llama una herramienta de marketing con IA. Pero lo que realmente hace es algo más profundo: le das la URL de tu web y extrae lo que ellos llaman el “Business DNA” de tu marca — colores, tipografías, tono de voz, estilo visual, patrones de diseño. Todo automático. Sin briefings. Sin cuestionarios. Sin que tengas que explicar nada.

Con ese ADN, Pomelli genera campañas completas: posts para redes, banners publicitarios, creatividades para Google Ads, emails, miniaturas de YouTube. Todo coherente con tu marca. Todo editable con lenguaje natural (“haz el texto más grande”, “cambia el fondo a azul oscuro”…) sin tocar Photoshop ni Canva.

Desde enero incluye Pomelli Animate (vídeos a partir de piezas estáticas con Veo 3.1 de DeepMind) y Photoshoot (fotografía de producto profesional generada con IA) Está en beta pública, gratis, y desde marzo disponible en más de 170 países.

Lo potente no es que genere posts. Lo potente es que entiende tu marca antes de generar nada. Eso es lo que lo separa de Canva con IA o de cualquier herramienta genérica: no parte de una plantilla, parte de ti.

La limitación: si tu web está desactualizada o tiene mala calidad visual, Pomelli va a extraer un ADN débil. Lo que entra condiciona lo que sale. Siempre.

Pruébalo en 5 minutos: tu primera campaña con Pomelli

Entra en labs.google.com/pomelli con tu cuenta de Google. Te pide una sola cosa: la URL de tu web. Pégala y espera.

En 30-60 segundos Pomelli habrá escaneado tu sitio y te mostrará tu Business DNA, una ficha con los colores que ha detectado, las fuentes, el estilo visual y el tono de voz que interpreta de tu contenido.

Revísalo. Esto es importante. Si el DNA no te representa, el problema está en tu web, no en Pomelli. Es un diagnóstico brutal de cómo la IA percibe tu marca ahora mismo y un argumento potente para actualizar tu sitio si llevas años sin tocarlo.

Si el DNA es correcto, dale una instrucción de campaña. Algo concreto: “campaña de verano para lanzar nuestro nuevo servicio de consultoría” o “serie de 5 posts para Instagram presentando nuestro equipo”. Pomelli genera varias opciones, como posts completos con imagen, copy y formato adaptado a cada canal. Edita lo que quieras con lenguaje natural directamente en la herramienta y descarga.

Un truco que funciona bien: pídele primero una campaña genérica para ver cómo interpreta tu marca. Si el resultado se siente “tuyo”, el DNA está bien calibrado y puedes confiar en las siguientes generaciones. Si se siente ajeno, vuelve al DNA y ajusta manualmente el tono o los colores antes de generar más.

Claude Design: de la idea al prototipo sin abrir Figma

Claude Design se lanzó el 17 de abril y Figma perdió un 7% en bolsa ese mismo día. No es una exageración, es la señal de lo que viene.

Claude Design vive dentro de claude.ai. Le describes lo que necesitas (una landing, una app, un pitch deck, un one-pager, una creatividad, etc.) y genera una primera versión funcional. No una imagen estática: HTML real, clickeable, testeable. La refinas con conversación, con comentarios inline en elementos específicos, con edición directa de texto, o con sliders que Claude genera para que ajustes espaciado, color y layout en tiempo real.

Pero lo que lo hace verdaderamente diferente es esto: Claude Design puede leer tu código fuente y tus archivos de diseño para extraer automáticamente tu sistema de diseño. Colores, tipografías, componentes, espaciado, jerarquía visual. Lo extrae de lo que ya tienes (tu repo de GitHub, tus archivos de Figma…) y lo aplica a todo lo que genere después.

Eso significa que no generas diseños sueltos. Generas diseños coherentes con tu sistema. Cada prototipo, cada slide, cada creatividad respeta las mismas reglas visuales. Sin tener que repetir el briefing cada vez.

Y cuando el diseño está listo, Claude lo empaqueta en un bundle que puedes pasar a Claude Code con una sola instrucción. Del prototipo al código de producción en una conversación. Eso es lo que Figma no hace y lo que ninguna otra herramienta de IA ha conseguido resolver limpiamente.

Funciona con Opus 4.7, el modelo más capaz de Anthropic. Disponible para suscriptores Pro, Max, Team y Enterprise.

Pruébalo ahora: tu primer design system con Claude Design

Abre claude.ai y busca el icono de paleta en la barra lateral izquierda, ese es Claude Design. Abre un proyecto nuevo y empieza con algo así:

“Diseña un sistema de identidad visual para una marca de [tu sector]. El tono es [tus 3 adjetivos]. Los colores deben transmitir [tu emoción objetivo]. Genera: paleta de 5 colores con roles (primario, secundario, acento, fondo, texto), 2 familias tipográficas con jerarquía de pesos, y un componente hero section de ejemplo aplicando todo el sistema.”

Claude genera el sistema visualmente en el canvas. Aquí es donde la cosa se pone interesante: no aceptes la primera versión. Refina. “El primario es demasiado agresivo, bájalo a algo más cálido.” “La tipografía del body es demasiado geométrica para el tono que busco, prueba con una serif humanista.” “Añade un ejemplo de tarjeta de servicio con esta paleta.”

Cada iteración tarda segundos. En 20 minutos tienes un sistema que antes llevaba días.

Si ya tienes web o código, usa la función de importación: Claude Design lee tu repositorio de GitHub o tus archivos de Figma y extrae las reglas visuales que ya estás usando. Es como hacerle una auditoría de diseño instantánea a tu propia marca. A partir de ahí, puedes pedirle que detecte inconsistencias, que proponga mejoras, o que aplique ese sistema a nuevos diseños.

Para equipos, el flujo más potente es este: generas el sistema en Claude Design, lo compartes con tu equipo vía URL interna (tiene colaboración en tiempo real), lo refináis juntos, y cuando está listo le dices “prepara el handoff para Claude Code”. Claude empaqueta todo, tokens, componentes, estructura…, en un bundle que Claude Code puede implementar directamente. Del concepto al código sin salir del ecosistema.

Un detalle que me parece clave: pídele que genere también un DESIGN.md (un archivo markdown con todas las reglas del sistema documentadas) Ese archivo se lo puedes dar a Lovable, a Cursor, a cualquier herramienta de desarrollo, y el código que generen respetará tu sistema de diseño. Es la pieza que conecta diseño y desarrollo sin handoffs manuales.

Lo que las dos herramientas no hacen (y que tú sí debes hacer)

Pomelli es extraordinario para generar creatividades rápidas con coherencia de marca. Claude Design es extraordinario para prototipar y construir sistemas visuales completos. Pero ninguna de las dos sustituye una cosa: saber quién eres como marca antes de pedirles nada.

Si no tienes claro tu tono de voz, tus valores, tu público, tu posicionamiento la IA va a generar cosas bonitas pero vacías. Coherentes visualmente pero sin alma. Es el equivalente a tener un diseñador brillante al que nunca le hiciste un briefing.

Por eso el flujo completo que yo uso empieza antes de la IA. Y es el que te voy a compartir ahora.

Suscríbete ahora

Cómo crear un sistema de diseño con IA: el flujo completo

Esto es lo que hago con los clientes de +MAIN.MIND y lo que estamos productizando en las soluciones que estamos desarrollando. No es teoría, es el proceso real, paso a paso.

Paso 1. Define tu identidad antes de tocar ninguna herramienta.

Antes de generar nada necesitas responder cinco preguntas. Puedes hacerlo tú solo o puedes pedirle a Claude que te entreviste (funciona extraordinariamente bien como facilitador de briefing)

Las preguntas:

• ¿Cuál es tu propuesta en una frase? No lo que haces, lo que prometes. “20 minutos al día para reconectar con tu cuerpo” es una promesa. “Clases de yoga online” es una descripción.

• ¿A quién le hablas? No demographics — psicografía. No “mujeres 35-50”, sino “profesionales que sienten que han perdido conexión con su cuerpo y no tienen tiempo para largas rutinas”.

• ¿Cómo hablas y cómo no hablas? Esto es clave. Define 3 adjetivos que sí te representan y 3 que jamás. Una frase que suene a ti y una frase que te haga gritar “esto no soy yo”. La diferencia entre “Hoy no toca, mañana tampoco, pero el lunes empezamos suave” y “TRANSFORMA tu vida en 30 días!!!” es la distancia entre una marca con voz propia y una marca genérica.

• ¿Qué arquetipo eres? El Cuidador, el Explorador, el Sabio, el Creador... No es un ejercicio espiritual — es un atajo para que la IA entienda tu tono, tu energía, tu forma de relacionarte con el cliente.

• ¿Qué emoción debe sentir alguien que te descubre por primera vez? Calma, confianza, curiosidad, urgencia, pertenencia. Una emoción. Una.

Con estas cinco respuestas tienes un brief que vale más que cualquier cuestionario de 40 preguntas.

Paso 2. Genera tu sistema de diseño con Claude.

Ahora sí abres Claude. Le das tu brief completo, las cinco respuestas, y le pides que genere un sistema de diseño. No una paleta bonita: un sistema completo.

Lo que deberías pedirle:

• Paleta cromática con roles (color primario, secundario, acento, fondo, texto) y sus códigos hex. Pídele que justifique por qué cada color encaja con tu arquetipo y tu emoción objetivo.

• Tipografía: una familia para titulares (display), una para cuerpo (body), y opcionalmente una para datos o etiquetas (mono). Con pesos específicos. Con jerarquía clara: H1, H2, H3, body, caption.

• Voz: 5 pares de “esto sí / esto no” con ejemplos reales aplicados a tu sector. No genéricos — específicos. “Di ‘te acompañamos en tu ritmo’ / No digas ‘programa intensivo de alto rendimiento’.”

• Componentes clave: cómo debería verse un botón principal, una tarjeta de contenido, un hero section, un formulario. Con las reglas de tu sistema aplicadas.

• Identidad Conversacional, esa es mi tesis.

Si usas Claude Design, puedes hacer esto visualmente: le das el brief, te genera prototipos con el sistema aplicado, y lo refinas en tiempo real con conversación. El resultado es un sistema de diseño vivo, no un PDF que nadie consulta.

Paso 3. Extrae el ADN visual con Pomelli para creatividades.

Aquí es donde Pomelli entra como complemento perfecto. Si ya tienes web (o la has prototipado con Claude Design), le das la URL a Pomelli y dejas que extraiga el Business DNA. Compáralo con el sistema que has definido en el paso anterior, si coinciden, tienes coherencia real. Si no, sabes qué corregir en tu web.

Con el DNA validado, usa Pomelli para generar la batería de creatividades: posts para redes sociales, banners, ads. Todo alineado con tu sistema. Todo editable. Todo descargable. En minutos, no en semanas.

Paso 4. Documenta y versiona.

Un sistema de diseño que no está documentado no es un sistema, es una colección de decisiones que nadie recuerda. Pídele a Claude que genere un DESIGN.md con todas las reglas: tokens de color, tipografías, espaciado, componentes, voz, ejemplos de uso. Un archivo markdown que cualquier herramienta puede leer y que cualquier persona de tu equipo puede consultar.

Versiona tu sistema. Tu marca va a evolucionar. Tener v1, v2, v3 documentadas te permite comparar cambios, entender por qué se tomó cada decisión, y no reinventar la rueda cada vez que haces un ajuste.

Lo que esto significa para tu negocio

Hace dos años, crear un sistema de diseño profesional costaba entre 5.000€ y 30.000€ y llevaba semanas. Hoy, con Claude Design, Pomelli y un buen brief, puedes tener un sistema funcional en una tarde (siempre y cuando sepas lo que quieres, sino tendrás basura) Con coherencia visual, voz definida, creatividades producidas y un archivo de documentación listo para escalar.

No vas a reemplazar a un director creativo con 20 años de experiencia. Pero sí vas a hacer el 80% del trabajo que antes necesitaba uno. Y si eres una pyme, un freelance o un emprendedor, ese 80% es exactamente lo que necesitas para competir visualmente con marcas que tienen diez veces tu presupuesto.

La ventaja competitiva en diseño ya no es tener más presupuesto. Es tener más claridad sobre quién eres y saber trasladar esa claridad a las herramientas que acaban de democratizar la ejecución.

Primero sabes quién eres. Luego le enseñas a la IA a representarte. Ese es el orden. Y no funciona al revés.

En MAIN MIND construimos sistemas de diseño con IA para marcas que saben quiénes son →

Durante años me conté una película. La película del tipo que puede con todo. El que anticipa, resuelve, conecta, entrega, lidera y además lo hace rápido. Y esa película no era del todo mentira: ese perfil me permitió construir ser pionero en el 2.0, formar proyectos innovadores como MUWOM, anticiparme a la IA, crear Voikers e integrarlo en LLYC, cosas reales, trabajar con clientes buenos, crear +MAIN.MIND, dar conferencias, escribir esta newsletter... (aquí puedes ampliar información de ese “Roberto Carreras”) Me permitió ser, como mínimo, bueno en lo que hago.

Pero había un precio que no aparecía en la factura.

Ese precio era no saber parar. No saber decir que no. No saber distinguir entre lo urgente y lo importante. No saber cuándo el motor necesitaba mantenimiento y no más gasolina. Confundir ser productivo con ser valioso. Creer que si no daba al máximo, no era suficiente.

No voy a entrar en detalles porque esto no es un consultorio. Pero sí quiero decir algo que creo que le pasa a más gente de la que lo admite: los que más producimos somos a veces los que peor nos conocemos. Porque producir es una forma extraordinaria de no mirarse.

Lo que estoy aprendiendo

Estoy aprendiendo que conocerme no es un lujo. Es una herramienta de trabajo. Y probablemente la más importante.

Conocerme me está enseñando a identificar cuándo digo “sí” porque quiero y cuándo digo “sí” porque me da miedo decepcionar. Me está enseñando que no todos los proyectos son míos, que algunos los cargo porque confundo ayudar con demostrar mi valor. Me está enseñando que la diferencia entre un buen mes y un mal mes no es cuánto facturo sino cuánto de lo que hago tiene sentido.

Hay una frase que me repito últimamente y que me está cambiando la forma de trabajar:

“Si hoy sólo hiciera una cosa, ¿cuál sería suficiente?”

Esa pregunta es brutal. Porque te obliga a distinguir entre lo importante y lo que solo alimenta la sensación de estar haciendo algo. Y cuando la respondes con honestidad, el 80% de lo que tenías “pendiente” se cae solo.

No estoy diciendo que ahora trabaje menos. Estoy diciendo que estoy empezando a elegir mejor. A priorizar desde la calma y no desde la ansiedad. A decir que no sin sentir que se acaba el mundo. A cerrar el portátil sabiendo que lo que hice hoy era suficiente, no perfecto, suficiente.

Eso es lo que celebro este 1 de mayo. No productividad. Claridad.

Y ahora, lo que sí sé hacer: cómo construir tu primer agente de IA

Vamos a la parte práctica. Porque esta newsletter no es un diario, sino un sitio en el que sales con algo útil (las experiencias personales lo son, espero haberte removido alguna idea al menos ;-)

Voy a contarte cómo construyo yo un agente de IA desde cero. No la versión teórica. La versión real, la que uso cada semana para crear herramientas que antes habrían requerido un equipo técnico y meses de desarrollo. Y que ahora me lleva una tarde.

Hace unos días en una conferencia en el evento “PARIX IA 2026” que se celebra en Matadero de Madrid (la puedes ver aquí) construí una app en directo delante de un auditorio. Se llama Editorial Radar: le das la sinopsis de un libro y te devuelve un análisis del mercado editorial, huecos de catálogo, tendencias y posicionamiento estratégico. La construí en minutos. Delante de gente que llevaba toda la mañana oyendo hablar de IA en abstracto.

No fue magia. Fue un proceso que cualquiera puede replicar. Y tiene cuatro pasos.

Paso 1. Piensa el flujo antes de tocar nada

Este es el paso que todo el mundo se salta, y es el que lo cambia todo. Antes de abrir Claude, antes de escribir un prompt, antes de tocar una herramienta, necesitas pensar qué hace exactamente tu agente. No “en general”. En concreto.

Yo lo hago con una pregunta: ¿qué entra, qué pasa dentro, y qué sale?

Ejemplo real. Para Editorial Radar: entra una sinopsis de libro. Dentro, la IA analiza el mercado, identifica competencia y detecta huecos. Sale un informe con categoría, tendencias y recomendación de posicionamiento.

Tres frases. Eso es tu flujo. Si no puedes describirlo en tres frases, todavía no sabes lo que quieres construir, y la IA tampoco lo va a saber.

Yo dibujo esto en Figma. No necesitas Figma, te vale un papel, una servilleta, una nota en el móvil. Lo importante es visualizar: pantalla de entrada, proceso, pantalla de resultado. Tres cajas. Tres flechas. Ya tienes la arquitectura.

Paso 2. Pelotea con Claude hasta que el PRD esté blindado

Aquí es donde la mayoría de la gente se equivoca. Abren Lovable o Cursor o la herramienta que sea y empiezan a construir directamente. Error. Construir sin un buen brief es como edificar sin plano, vas a acabar tirando paredes.

Lo que yo hago es abrir Claude y pedirle que me construya el PRD (Product Requirements Document) completo. Pero no le digo “hazme un PRD”. Le digo algo así:

“Quiero construir una app en Lovable que haga X. La entrada es Y. La salida es Z. El usuario es [perfil]. La estética debe ser [descripción]. Las pantallas son: home con input, pantalla de carga con pasos visibles, y pantalla de resultados con secciones navegables. Genera el PRD completo con especificaciones de diseño, flujo de datos, system prompt para la IA interna, y el prompt inicial para Lovable.”

Un solo mensaje. Claude te devuelve un documento de 3.000-5.000 palabras con todo especificado: colores, tipografías, componentes, lógica de negocio, llamadas a API, textos de interfaz. Todo.

La clave es iterar aquí. No en el código. Si el PRD no está claro, lo que construyas después va a fallar. Si el PRD está blindado, Lovable lo clava a la primera el 80% de las veces.

Paso 3. Ejecuta con Lovable (y conecta con la API)

Coges el prompt que Claude te generó para Lovable y lo pegas. Lovable construye la app en 2-4 minutos. Frontend, lógica, diseño, todo de una vez.

Pero aquí viene el truco que convierte una demo bonita en una herramienta real: la conexión con la API de Claude. Necesitas una API key de Anthropic (cuesta céntimos por uso) y configurar una Edge Function en Lovable para que las llamadas sean seguras. Suena técnico pero no lo es, Claude te explica paso a paso cómo hacerlo y Lovable lo implementa con un prompt.

Cuando la app está conectada a la API, deja de ser una maqueta. Es un producto real que procesa datos, genera análisis y devuelve resultados. Algo por lo que un cliente pagaría. Algo que hace tres años habría costado 20.000€ y cuatro meses de desarrollo.

Paso 4. Itera hablando, no programando

Aquí es donde este flujo se separa de todo lo anterior. Cuando quieres cambiar algo (un color, un texto, una funcionalidad, una sección nueva, etc.) no abres código. Le dices a Lovable o a Claude qué quieres cambiar. En español. En lenguaje normal.

“Añade un gráfico de radar con las cinco dimensiones del análisis.” “Cambia el botón de rojo a verde cuando el análisis termine.” “Añade un PDF descargable con el informe completo.”

Cada cambio tarda segundos. Cada iteración te acerca al producto final. El ciclo de construir-probar-mejorar que antes duraba semanas ahora dura minutos.

Lo que esto significa para ti

No necesitas ser técnico. No necesitas saber programar. No necesitas un equipo de desarrollo. Necesitas tres cosas: un problema bien definido, saber describir lo que quieres, y una tarde libre.

Piénsalo: ¿qué proceso repetitivo tienes en tu trabajo que podrías convertir en una herramienta? ¿Un generador de propuestas comerciales que se adapte a cada cliente? ¿Un analizador de competencia que monitorice tu sector? ¿Un sistema de briefing que estandarice cómo recibes información de tus clientes? ¿Un dashboard que te diga en qué punto está cada proyecto?

Cualquiera de esas cosas se puede construir con este flujo. En una tarde. Por el coste de un café.

La IA no te quita el trabajo. Te da la capacidad de construir herramientas que antes solo podían construir los que tenían dinero para un equipo técnico. Eso es democratización real, no la de los discursos, la de los hechos.

Donde se cruzan las dos cosas

Hay algo que conecta la primera parte de esta newsletter con la segunda. Y es que conocerte mejor también te hace construir mejor.

Cuando sabes qué problema quieres resolver, de verdad, sin autoengaño, el agente que construyes es preciso. Cuando no lo sabes, construyes herramientas que nadie necesita solo por la emoción de construir. He estado ahí. Ya no quiero volver.

La pregunta correcta antes de crear cualquier agente no es “¿qué puede hacer la IA?” Es “¿qué necesito yo?” Y para responder eso, tienes que conocerte. Saber qué te sobra, qué te falta, y dónde tu tiempo se va sin que te des cuenta.

Así que este 1 de mayo, mi propuesta es doble.

1. Pregúntate si estás trabajando para algo o huyendo de algo. No juzgues la respuesta. Solo mírala.

2. Elige un proceso de tu trabajo que te roba tiempo y dibuja el flujo en tres frases. Qué entra. Qué pasa dentro. Qué sale. Si te animas, ábrele una conversación a Claude y pídele el PRD. Verás cómo algo que parecía imposible empieza a tomar forma en minutos.

Un paso hacia dentro. Un paso hacia fuera. Los dos se necesitan.

Feliz Día del Trabajo. Que sea el primero de muchos en los que celebres claridad, no velocidad.

Roberto Carreras.

Así que retomo una idea que tenía sobre cómo mejorar. Y qué idea va a ser mejor que la tuya, que es para quien escribo y a quien le interesa lo que hacemos.

Trato de aportar tanto contenido útil, conocimiento, lecciones, trucos, consejos, informes, etc., que enviar cada día la newsletter la hace indigerible… Así que voy a la voy a repensar en función de lo que decidáis la mayoría.

Por eso, me gustaría aprovechar que sois tantas las personas que estáis, por las que tiene sentido esto, que quiero que me ayudéis a dar lo que realmente necesitáis.

Así que antes del artículo, una pequeña encuesta, que me ayuda a mi y, sobre todo a vosotros, así que de todo corazón, os agradezco vuestra respuesta.

Y, por otra parte, ¿qué formato prefieres?

Y en cuanto a la tipología de contenido, os animo a que me dejéis algún comentario de qué es lo que más os interesa, os apetece recibir, comentar, etc., cualquier idea es bienvenida, aunque voy a intentarlo.

Sobre todo, darte las gracias porque al final el que estés ahí me obliga a estar al tanto para filtrar aquello que pueda resultaros útil de lo que hago cada día en mi trabajo, en mi investigación del doctorado, en mi labor como profesor, gracias a mi eterna curiosidad de aprendedor… Es para mi un placer compartir aquello que aprendo en el camino.

Un abrazo y gracias.

Hecho con 🖤 por Roberto Carreras.

Voy a compartir aquí lo que conté allí, porque el argumento aplica a cualquier sector, no solamente al editorial. Si trabajas con contenido, con marca, con producto o con comunicación, esto va contigo.

La primera provocación: predije lo que iban a decir los otros ponentes

Antes de que empezara PARIX, le pedí a Claude que analizara el trabajo público de los ponentes del evento (artículos, entrevistas, intervenciones anteriores) y generara un briefing predictivo de lo que diría cada uno. Con nivel de confianza incluido.

El resultado fue un dossier con las tesis probables de cada ponente, los datos que usarían, las citas que repetirían y los giros argumentales que harían. Con un 91% de certeza predictiva según el propio modelo:

Lo enseñé al inicio de mi charla. No para presumir de Claude. Sino para demostrar algo que la audiencia no se esperaba: la IA ya puede analizar el pensamiento público de una persona y anticipar su argumento antes de que lo dé. Eso cambia radicalmente cómo preparas un evento, una negociación, una reunión con un cliente, o un pitch. Y la mayoría de la gente no lo está usando para eso.

Aquí lo puedes utilizar y trastear.

Las tres ideas que sostuvieron la charla

Idea 1: La herramienta no te cambia. El hábito sí.

Gutenberg no cambió el mundo porque inventó la imprenta. Lo cambió porque la imprenta creó lectores. Y los lectores crearon pensadores. Y los pensadores crearon revoluciones.

ChatGPT no te va a cambiar porque sepas usarlo. Te va a cambiar cuando cambie la pregunta que te haces antes de abrir el ordenador. Mientras la pregunta siga siendo “¿qué le pido a la IA?”, sigues en el sitio de siempre. Cuando la pregunta pase a ser “¿qué problema estoy resolviendo realmente?”, ahí empieza el cambio.

Idea 2: El verdadero salto no es de herramienta, es de comportamiento.

Yo no uso Claude porque sea mejor que ChatGPT en un benchmark. Lo uso porque me cambió el comportamiento. Antes pensaba en soluciones. Ahora pienso en problemas bien definidos. Antes redactaba. Ahora orquesto. Esa es la diferencia real, y no tiene nada que ver con qué modelo es más rápido o más barato.

Idea 3: El que más lo usa no es el más inteligente. Es el que mejor pregunta.

Hay una paradoja brutal en esto: cuanto más lo uses para pensar por ti, menos pensarás. El verdadero valor no está en lo que te da la IA. Está en la calidad de lo que le das tú. Las personas que sacan más partido de estas herramientas no son las más técnicas. Son las que saben definir problemas con claridad, dar contexto con precisión y evaluar resultados con criterio.

El iceberg: lo que ves y lo que hay debajo

Enseñé un diagrama que resumía toda la charla. Arriba, lo que la mayoría de la gente ve: una caja de ChatGPT donde escribes algo y esperas un resultado. La “pregunta superficial”: ¿qué le pido a la IA?

Debajo del agua, lo que realmente produce resultados. Dos capas.

La primera es el sistema de pensamiento: Identidad Conversacional, metodologías, frameworks, prompts estructurados, arquitectura de decisiones, flujos de trabajo. Todo lo que convierte una pregunta genérica en un input que genera outputs profesionales.

La segunda es la infraestructura: modelos de lenguaje, APIs, agentes, bases de datos vectoriales, automatización con herramientas como n8n, computación en la nube, Supabase.

El mensaje del diagrama, y de toda la charla, es este: la IA es el motor. Tu pensamiento es el sistema. Sin sistema, tienes un motor potentísimo que no sabe adónde ir.

La demo que lo cambió todo: una app en directo

A mitad de la conferencia, paré de hablar de teoría y abrí el portátil delante de toda la sala.

La pregunta al público fue: ¿cómo posicionar un libro? No en Google. No en Amazon. En la IA. Porque cuando alguien le pregunta a ChatGPT, Claude o Perplexity “recomiéndame un libro sobre X”, los modelos responden. Y responden con nombres concretos. La pregunta es: ¿aparece el tuyo?

Para demostrarlo, construí una app en directo. Se llama “Editorial Radar”. Le das una sinopsis o una temática de libro y la app analiza el mercado editorial español, identifica huecos de catálogo, detecta tendencias de consumo y te sugiere el posicionamiento estratégico.

La construí con Claude (que generó el PRD completo) y Lovable (que construyó la app en minutos). En directo. Delante de un auditorio de profesionales del libro que llevaban toda la mañana oyendo hablar de IA en abstracto. Y de repente estaban viendo cómo se materializa en un producto funcional — específico para su sector — en tiempo real.

No fue un truco. Fue la demostración práctica de las tres ideas: el problema estaba bien definido (cómo posicionar un libro en el nuevo ecosistema), el comportamiento era el de orquestar (no programar, sino describir la intención), y la calidad del output dependía completamente de la calidad de la pregunta.

Identidad Conversacional: tu estilo en la era de la IA

La segunda mitad de la charla se centró en algo que llevo meses investigando ,tanto en la práctica con clientes como en mi tesis doctoral. Lo llamo Identidad Conversacional de Marca.

La idea es simple: si todo el mundo usa las mismas herramientas de IA para crear contenido, ¿cómo diferencias tu voz, tu estilo, tu marca? La respuesta no es “usando mejor prompt”, es definir quién eres antes de pedirle nada a la IA.

Enseñé cómo funciona esto con un caso real de cliente (Wone Health): cómo a partir de una identidad de marca bien definida, la IA genera contenido visual y textual coherente, diferenciado y con un estilo reconocible, sin que ninguna pieza parezca “hecha por IA”. Fotos editoriales generadas con IA que parecían salidas de una sesión profesional. Campañas completas con un estilo visual consistente. Todo partiendo de una Identidad Conversacional bien construida.

GEO para libros: posicionar tu título donde la gente ya busca

La última demo fue sobre GEO, Generative Engine Optimization, aplicado al mundo editorial. La tesis: el descubrimiento de libros ya no pasa solo por Amazon, librerías o reseñas. Cada vez más lectores le preguntan a la IA qué leer. Y los modelos de lenguaje tienen sus propios criterios para recomendar.

Investigué en directo, con Claude buscando en la web, cómo los editores independientes pueden posicionarse en un entorno donde Amazon y los LLMs están cambiando la forma en que la gente descubre libros. Y las oportunidades son enormes porque casi nadie en el sector editorial está pensando en esto todavía.

El cierre: la pregunta que me importaba que se llevaran

Terminé la charla con dos slides en pantalla:

“¿Cuál es el problema de vuestro sector que lleváis años viendo y que aún nadie ha resuelto bien?”

“Porque ese problema, hoy, tiene solución. Y probablemente os llevaría menos tiempo del que creéis construirla.”

Eso es lo que quería que se llevaran. No una lista de herramientas. No un tutorial de prompts. Sino la convicción de que el problema que llevan años viendo, el que comentan en cenas, el que mencionan en pasillos de ferias del libro, el que dan por imposible, hoy tiene solución. Y la solución empieza por hacer la pregunta correcta.

La mejor herramienta de marketing no es ChatGPT, ni Claude, ni Perplexity. La mejor herramienta de marketing es hacerse buenas preguntas. Todo lo demás viene después.

Disfruta el viaje.

Escríbeme para conseguir a presentación completa en PDF ¿Quieres que llevemos esta conferencia a tu equipo o evento? → hola@mainmind.es

La idea: dejas de escribir código línea a línea, le describes a la IA lo que quieres, y ella construye. Desde entonces, herramientas como Lovable (mi favorita), Cursor o Bolt han convertido esa idea en producto real. Millones de personas que nunca habían tocado una línea de código están creando aplicaciones funcionales.

Pues bien. Google acaba de hacer exactamente lo mismo con el diseño.

Se llama Stitch. Y lo que han presentado esta semana no es una herramienta de diseño con IA pegada encima. Es un canvas donde describes la intención de lo que quieres crear (el objetivo de negocio, lo que quieres que sienta el usuario, lo que te inspira) y la IA genera interfaces de alta fidelidad, flujos completos y prototipos interactivos. Sin wireframes. Sin Figma. Sin pasar por el aro de saber diseñar.

Lo han llamado “vibe design”. Y aunque el nombre suene a moda, lo que hay debajo es serio.

Qué hace Stitch en concreto

Voy a ir al grano porque hay mucho humo con estos lanzamientos y lo que importa es qué puedes hacer realmente.

Un canvas infinito que acepta de todo como contexto. Imágenes, texto, código, URLs, capturas. Lo arrastras al canvas y la IA lo usa como punto de partida. No empiezas con un wireframe vacío. Empiezas con todo lo que ya tienes en la cabeza o en el navegador.

Un agente de diseño con memoria. No genera una pantalla y se olvida. Recuerda la evolución del proyecto, critica lo que has hecho, propone alternativas. Y puedes lanzar varios agentes en paralelo para explorar cinco direcciones a la vez sin perder el hilo. Eso, con herramientas tradicionales, es un lujo que solo se permiten los equipos grandes.

Suscríbete ahora

Le hablas y actúa. Esto me parece lo más potente. Le dices “dame tres variaciones del menú”, “cambia la paleta de colores”, “diseña una landing entrevistándome sobre lo que necesito”, y lo hace mientras hablas. En tiempo real. El agente funciona como un sparring creativo con capacidad de ejecución inmediata. Algo que ningún humano puede hacer: escuchar, diseñar y mostrar resultados al mismo tiempo.

Prototipado con un clic. Pulsas Play y navegas tu app como si estuviera construida. Stitch genera automáticamente las pantallas que faltan basándose en la lógica del flujo. El ciclo de diseñar-probar-iterar que antes eran días pasa a ser minutos.

DESIGN.md: un archivo markdown con las reglas de tu sistema de diseño (colores, tipografías, componentes…) que puedes exportar e importar en cualquier proyecto. Diseñas un sistema una vez y lo aplicas a todo lo que hagas después. Limpio.

Y salida directa a código. A través de MCP, un SDK y exportaciones a herramientas como AI Studio, lo que diseñas llega al pipeline de desarrollo sin handoff. Sin PDFs de specs. Sin esa conversación eterna de “esto no es lo que diseñamos”.

Lo que realmente se está comprimiendo

A ver. Lo que Google ha hecho con Stitch es comprimir en un solo bucle una cadena que hasta ahora tenía seis o siete eslabones:

investigación → wireframes → diseño visual → prototipo → feedback → iteración → handoff a desarrollo.

Cada eslabón tenía su herramienta. Su especialista. Sus reuniones de alineación. Sus tres rondas de “¿puedes mover esto dos píxeles a la izquierda?”.

Stitch no mejora esa cadena. La elimina. Describes la intención, iteras hablando, pruebas con un clic, y el output va directo a código. Lo que antes eran semanas de proceso, con Stitch son una tarde.

Y aquí viene lo importante: esto no es nuevo. Es el mismo patrón que llevamos viendo un año.

La IA no ha eliminado la escritura. Ha eliminado el borrador en blanco. La IA no ha eliminado la programación. Ha eliminado el boilerplate. Y ahora, con Stitch, la IA no elimina el diseño. Elimina el wireframe, el prototipo estático y el handoff.

En los tres casos se repite lo mismo: desaparece la fase mecánica. Sobrevive, y se revaloriza, el criterio.

Suscríbete ahora

Quién debería preocuparse y quién debería alegrarse

Si tu trabajo es mover píxeles, tienes un problema. No mañana, ya. Lo que Stitch hace con interfaces de alta fidelidad en tiempo real es mejor que el 80% de los outputs de diseño que se producen en agencias. Y es instantáneo.

Ahora, si tu trabajo es entender qué necesita un negocio y traducirlo en una experiencia que funcione (qué problema resolver, qué debe sentir el usuario, dónde están las fricciones) entonces Stitch es la mejor noticia del año. Porque eso que tú sabes hacer y la IA no, ahora se ejecuta en minutos en vez de en semanas.

Si eres founder o emprendedor sin equipo, esto es lo que llevabas esperando. Tu idea deja de necesitar un diseñador y tres meses. Necesita una buena descripción de lo que quieres lograr y ganas de iterar.

Si diriges una agencia y vendes “hacemos pantallas bonitas”, el reloj corre. Si vendes “entendemos tu negocio y diseñamos la experiencia correcta”, Stitch multiplica lo que puedes ofrecer con el mismo equipo.

Lo que yo veo detrás de todo esto

Trabajo con Lovable a diario construyendo las herramientas de +MAIN.MIND. Ya no programo: describo intenciones, itero, y construyo productos reales. Lo que Stitch hace con diseño es exactamente lo mismo que Lovable lleva un año haciendo con código. Y cuando juntas las dos cosas, lo que tienes es la capacidad de ir de idea a producto funcional sin intermediarios técnicos.

Eso no significa que desaparezcan los diseñadores ni los desarrolladores. Significa que cambia radicalmente lo que necesitas saber para crear. El conocimiento que se revaloriza es el estratégico: qué construir, para quién, y por qué. El conocimiento que pierde valor es el de ejecución mecánica: cómo maquetarlo, cómo prototiparlo, cómo pasarlo a código.

Hace dos años la gente decía “lo del vibe coding no va conmigo, yo no soy técnico”. Hoy hay carniceros en Chile construyendo apps con IA. El diseño acaba de entrar en esa misma fase.

La pregunta ya no es si sabes diseñar. Es si sabes lo que quieres crear.

En +MAIN.MIND integramos IA en los procesos que importan —> antes de que sea requisito →

Suscríbete ahora