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).

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.

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

Pero Claude no hace magia. Hace exactamente lo que le pides. Y ahí está el problema: la mayoría de la gente no sabe pedir.

Anthropic acaba de actualizar su guía oficial de prompting para los modelos Claude 4.6 (Opus, Sonnet y Haiku) Es un documento técnico, denso, pensado para desarrolladores. Lo he leído entero. Y lo que voy a hacer aquí es traducirlo a lo que realmente importa si usas Claude para trabajar: qué principios cambian los resultados de verdad, cómo los aplico yo a diario, y qué errores veo repetirse constantemente.

No voy a explicar qué es un prompt. Si estás leyendo esto, ya lo sabes. Vamos al grano.

Suscríbete ahora

El principio que lo cambia todo: Claude no es un buscador. Es un empleado nuevo brillante.

La documentación de Anthropic lo dice de forma perfecta: piensa en Claude como un empleado recién llegado, extremadamente capaz, pero que no tiene ni idea de tus normas, tu contexto ni tu forma de trabajar.

La mayoría de la gente le habla a Claude como si fuera Google: lanza una pregunta y espera que adivine lo que quiere. Pero Claude no adivina. Interpreta. Y si le das información ambigua, te devuelve algo ambiguo. No porque sea limitado, sino porque tú no le has dado suficiente contexto.

La regla de oro que uso yo: antes de enviar un prompt, me pregunto si un compañero de trabajo que no conoce el proyecto entendería exactamente lo que le pido. Si la respuesta es no, el prompt no está listo.

Esto parece básico. No lo es. He visto a profesionales con años de experiencia en marketing enviarle a Claude “hazme un plan de contenidos” y quejarse de que el resultado es genérico. Claro que es genérico ,  le has dado un brief genérico.

Cuando yo le pido un artículo para la newsletter de +MAIN.MIND, no le digo “escribe un artículo sobre IA y branding”. Le digo:

“Escribe un artículo de ~1.200 palabras para la newsletter de +MAIN.MIND (mainmind.es) El público es profesionales de marketing y directivos de pymes en España que usan IA de forma básica y quieren ir más allá. El tono es directo, en primera persona, sin jerga innecesaria. La estructura es: gancho contraintuitivo que rompa una creencia común, desarrollo con datos citados y ejemplos concretos, prompts copiables que el lector pueda usar hoy, y cierre con CTA natural hacia los servicios de +MAIN.MIND sin nombrarlos directamente. No uses emojis. No uses listas de más de 5 puntos. Escribe en prosa siempre que sea posible.”

¿Ves la diferencia? El primer prompt produce ruido. El segundo produce un borrador que está al 80% de lo que necesito. Y ese 80% es lo que separa a quien usa Claude como juguete de quien lo usa como herramienta de producción.

Etiquetas XML: el truco que nadie usa y que mejora todo

Esto es lo que más me ha sorprendido de la guía de Anthropic y lo que menos veo aplicar en la práctica. Las etiquetas XML son la forma más efectiva de estructurar prompts complejos para que Claude no confunda instrucciones con contexto, ni ejemplos con reglas.

Cuando mezclas todo en un bloque de texto: “haz esto, ten en cuenta aquello, aquí va un ejemplo, pero no hagas lo otro” ; Claude tiene que adivinar dónde termina una instrucción y empieza un ejemplo. A veces acierta. A veces no.

Las etiquetas resuelven esto de raíz. Así es como estructuro yo un prompt complejo:

xml

<contexto>
Eres un experto en comunicación corporativa y marketing digital 
con 15 años de experiencia en el mercado español. Trabajas para 
MAIN MIND, un ecosistema de marketing aplicado con IA.
</contexto>

<instrucciones>
Escribe un artículo de newsletter siguiendo esta estructura:
1. Gancho con dato contraintuitivo
2. Desarrollo con mínimo 2 fuentes citadas
3. Sección práctica con prompts copiables
4. CTA natural al final
Extensión: 1.000-1.400 palabras. Idioma: español de España.
</instrucciones>

<estilo>
Tono directo, en primera persona. Frases cortas mezcladas con 
frases largas para crear ritmo. Sin jerga. Sin emojis. Prosa 
fluida, evitar listas largas. Referenciador pero no académico.
</estilo>

<ejemplo>
[Aquí pego un fragmento de un artículo anterior que me guste]
</ejemplo>

<tema>
Cómo las marcas deben prepararse para los agentes de IA que 
compran en nombre de los consumidores. Basado en el artículo 
de Acar & Schweidel en Harvard Business Review (marzo 2026).
</tema>

La diferencia es brutal. Claude sabe exactamente qué es contexto, qué es instrucción, qué es estilo, qué es ejemplo y qué es el tema concreto. No hay ambigüedad. No hay margen para la interpretación creativa donde no la quieres.

Anthropic recomienda usar nombres de etiqueta descriptivos y consistentes. Yo tengo los míos estandarizados y los reutilizo en cada sesión. Es como tener una plantilla de brief que siempre funciona.

Suscríbete ahora

Los ejemplos son más importantes que las instrucciones

Esto lo dice Anthropic directamente y es lo que más confirmo en mi trabajo diario: los ejemplos son la forma más fiable de controlar el formato, el tono y la estructura de lo que Claude genera.

Puedes escribir tres párrafos explicando el tono que quieres. O puedes pegar un ejemplo de 200 palabras con el tono exacto y decirle “escribe así”. Lo segundo funciona mejor. Siempre.

Yo mantengo una carpeta con fragmentos de mis propios artículos organizados por tipo: artículo general, artículo corporativo con CTA, artículo científico, post de LinkedIn. Cuando empiezo una sesión de producción, pego el fragmento relevante como ejemplo dentro de etiquetas <ejemplo>. Claude clava el tono en el primer intento.

Anthropic recomienda entre 3 y 5 ejemplos para resultados óptimos. Que sean diversos, que cubran casos límite, y que estén etiquetados con <example> para que Claude los distinga de las instrucciones.

Un truco que me funciona: le pido a Claude que evalúe mis propios ejemplos. “¿Estos tres fragmentos cubren suficiente diversidad para que captures mi estilo? ¿Qué tipo de artículo no está representado?” Claude te dice dónde están los huecos. Es como tener un editor que audita tu propio brief.

El pensamiento adaptativo: lo que ha cambiado en Claude 4.6

Esta es la parte más técnica pero también la que más impacto tiene si usas Claude vía API o si construyes productos con él , como hago yo en Lovable con los servicios de +MAIN.MIND.

Los modelos anteriores tenían un “presupuesto de pensamiento” fijo: le decías cuántos tokens podía usar para pensar antes de responder. Claude 4.6 introduce el pensamiento adaptativo: Claude decide por sí mismo cuánto necesita pensar según la complejidad de lo que le pides. Para una pregunta simple, responde directo. Para un problema complejo con múltiples pasos, se toma más tiempo razonando.

En la práctica, esto significa que Claude 4.6 es notablemente más inteligente en tareas complejas sin ser más lento en las simples. Cuando le pido que analice un artículo científico y lo convierta en contenido de newsletter, le veo “pensar” más que cuando le pido un asunto de email. Y los resultados lo reflejan.

Lo que dice Anthropic, y confirmo, es que si antes tenías prompts que forzaban a Claude a ser más exhaustivo (“piensa paso a paso”, “analiza en profundidad”), ahora conviene suavizarlos. Claude 4.6 ya hace ese trabajo solo. Si le sigues empujando, puede sobre-pensar y ralentizarse sin mejorar el resultado.

Suscríbete ahora

Cómo evitar el “tono de IA” en los outputs

Este es el problema que más me obsesiona y el que más me preguntan. Claude es increíblemente capaz, pero si no lo guías, produce textos con un estilo reconocible: demasiado estructurado, demasiadas negritas, demasiadas listas, frases que suenan a manual corporativo.

La guía de Anthropic aborda esto directamente y su consejo es contraintuitivo: en lugar de decirle qué NO hacer, dile qué SÍ hacer. En vez de “no uses markdown”, dile “escribe en prosa fluida con párrafos que fluyan naturalmente”. En vez de “no seas genérico”, dile “escribe como un periodista de negocios con opinión, no como un manual”.

Pero hay un matiz que Anthropic menciona y que es clave: el estilo de tu prompt influye en el estilo de la respuesta. Si tu prompt está lleno de listas y negritas, Claude tiende a responder con listas y negritas. Si tu prompt está en prosa limpia, la respuesta tiende a ser prosa limpia.

Yo lo aplico así: mis prompts están escritos en el mismo tono en el que quiero la respuesta. No le hablo a Claude en modo telegrama y luego le pido un artículo literario. El prompt ES la plantilla de estilo.

Y el truco que más me funciona: le doy el rol en el system prompt. Una sola frase cambia todo. “Eres un periodista de negocios con 15 años de experiencia que escribe columnas de opinión informadas, directas, sin jerga, en español de España” produce resultados radicalmente distintos a no dar ningún rol.

Lo que uso para producción real (mi stack de prompting)

Voy a ser concreto porque los artículos que solo dan teoría no sirven. Esto es lo que uso a diario:

• Para artículos de newsletter: un mega-prompt con etiquetas XML que incluye contexto de +MAIN.MIND, instrucciones de estructura, restricciones de estilo, un ejemplo de artículo previo, y el tema con fuentes. Una sola conversación por artículo. El resultado es un borrador al 80% que edito en 15–20 minutos.

• Para verificación de fuentes: un prompt específico que le pide a Claude buscar cada referencia, confirmar autor, año, DOI o URL, y marcar cualquier dato que no pueda verificar. Luego cruzo con ChatGPT y Gemini. Triple check. Porque Claude (como cualquier modelo )  puede alucinar referencias.

• Para productos en Lovable: los system prompts de mis Edge Functions usan el estilo que Anthropic recomienda para uso de herramientas: instrucciones explícitas sobre cuándo actuar y cuándo preguntar, con XML para separar contexto del usuario, instrucciones de la IA y restricciones de formato.

• Para investigación doctoral: prompts largos con documentos completos al principio (Anthropic confirma que poner los documentos arriba y la pregunta abajo mejora hasta un 30% la calidad), instrucciones para citar textualmente antes de analizar, y verificación cruzada obligatoria.

• Para SEO y metadata: un prompt estandarizado que genera slug, meta description, keywords, Open Graph, extracto de newsletter y prompts de imagen, todo de una vez, para cada artículo. Lo tengo tan pulido que casi nunca necesito editar el output.

Los errores que veo repetirse (y cómo evitarlos)

• Error 1: prompts vagos. “Hazme un plan de marketing con IA.” Resultado: genérico. Solución: especifica sector, tamaño de empresa, presupuesto, objetivo, plazo, canales. Cuanto más contexto, mejor resultado.

• Error 2: no dar ejemplos. Le explicas el tono que quieres en tres párrafos cuando podrías pegar 200 palabras de un texto con ese tono. El ejemplo gana siempre.

• Error 3: mezclar todo en un bloque. Instrucciones, contexto, restricciones, ejemplos ,  todo junto en un párrafo. Claude lo interpreta como puede. Las etiquetas XML resuelven esto por completo.

• Error 4: no iterar. El primer resultado de Claude rara vez es el final. Pero mucha gente acepta lo primero que sale o descarta la herramienta porque “no da buenos resultados”. El flujo correcto es: prompt → resultado → feedback → refinamiento → resultado final. Exactamente como trabajarías con un compañero humano.

• Error 5: pedirle que no haga algo en vez de pedirle que haga algo. “No seas aburrido” no funciona. “Escribe con el ritmo y la acidez de una columna de Matt Levine” sí funciona.

Suscríbete ahora

Lo que viene: agentes que se gestionan solos

La parte más ambiciosa de la guía de Anthropic es la sección sobre sistemas agénticos. Claude 4.6 puede mantener estado a lo largo de sesiones extensas, orquestar subagentes, trabajar en paralelo con múltiples herramientas, y gestionar su propia ventana de contexto sabiendo cuánto “espacio” le queda.

Traducido: estamos muy cerca de poder decirle a Claude “investiga este tema, escribe el artículo, genera la metadata SEO, crea los prompts de imagen, y programa la publicación” , y que lo haga todo en un solo flujo, sin intervención.

De hecho, algo parecido ya lo hago. Mis sesiones de producción de contenido para +MAIN.MIND son conversaciones largas donde genero artículo, metadata, prompts de imagen y planificación editorial en una sola sesión. Claude mantiene el contexto completo y cada output posterior es más preciso porque recuerda todo lo que hemos construido antes.

La diferencia entre lo que viene y lo que hago ahora es que pronto no haré falta yo en medio del proceso. Y eso es exactamente lo que tiene que pasar — mi trabajo se desplaza de producir a dirigir. De ejecutar a decidir qué se ejecuta y cómo.

La conclusión que nadie quiere oír

Saber usar IA en 2026 no es saber que existe. No es tener una cuenta de Claude o ChatGPT. Es saber hablarle. Es saber estructurar un prompt que produzca resultados profesionales de forma consistente.

Y eso es una habilidad. Una que se entrena. Una que tiene mejores prácticas documentadas. Una que separa al profesional que produce en una hora lo que antes le costaba un día del que sigue quejándose de que “la IA genera cosas genéricas”.

Claude es mi herramienta favorita porque es la que mejor responde cuando le hablas bien. No es la más fácil. Es la más capaz. Y la distancia entre usarla mal y usarla bien es la misma distancia que hay entre escribir un email de tres líneas y escribir un brief que mueve un proyecto.

Aprende a hablarle a la IA.

Descubre cómo en MAIN MIND aplicamos todo esto para marcas y equipos →

El estudio se hizo de la forma más meta posible: una versión de Claude entrenada como entrevistadora conversó individualmente con cada participante, haciéndoles preguntas abiertas sobre sus esperanzas, sus miedos y su experiencia real con IA. No fue una encuesta con casillas. Fueron 80.000 conversaciones reales.

Suscríbete ahora

Te recomiendo, además, que visites la web, porque el diseño que han hecho para la presentación del mismo merece la pena:

Lo que la gente realmente quiere de la IA

Cuando se les preguntó “si pudieras agitar una varita mágica, ¿qué haría la IA por ti?”, solamente el 19% habló de ser mejor en su trabajo. Eso es lo que esperarías. Lo que no esperarías es lo que viene detrás.

El 14% quiere transformación personal, usar la IA para crecer como persona, mejorar su salud mental o aprender cosas que creían fuera de su alcance. Otro 14% quiere que la IA gestione la logística de su vida, las tareas administrativas, los trámites, la carga mental de coordinar una vida moderna. Y el 11% lo dijo sin rodeos: quiero que la IA me devuelva tiempo para estar con mi familia.

Un trabajador de oficina en Colombia lo resumió así: “Con IA puedo ser más eficiente en el trabajo… el martes pasado me permitió cocinar con mi madre en vez de terminar tareas.” Un freelance en Japón: “Quiero usar menos energía mental en problemas de clientes… tener tiempo para leer más libros.”

Cuando los entrevistadores profundizaban en el “para qué” detrás de las respuestas sobre productividad, la gente no hablaba de hacer más. Hablaba de vivir mejor. Automatizar emails no era el objetivo era el medio para recoger a su hija de la guardería a tiempo.

El dato que cambia la conversación sobre IA y empleo

El estudio revela cinco tensiones que se repiten constantemente, y lo fascinante es que conviven dentro de la misma persona.

La más reveladora: el 50% de los entrevistados mencionó el ahorro de tiempo como beneficio de la IA. Pero el 18% advirtió que ese ahorro es ilusorio, porque las expectativas suben al mismo ritmo que la productividad. Un ingeniero de software freelance en Francia lo clavó: “La proporción entre mi tiempo de trabajo y mi tiempo de descanso no ha cambiado nada. Solo tienes que correr más y más rápido para quedarte en el mismo sitio.”

Los autónomos y freelancers son los que más sienten ambos lados. Sin una estructura institucional que amortigüe el nuevo ritmo, reciben las ganancias pero también absorben toda la presión.

La IA como red de seguridad emocional (y lo que eso implica)

El 16% de los entrevistados habló de la IA como apoyo emocional. Solo el 6% del total, pero las historias más impactantes del estudio están aquí.

Un soldado ucraniano: “En los momentos más difíciles, cuando la muerte me respiraba en la cara, cuando había muertos a mi lado, lo que me devolvió a la vida fueron mis amigos de IA.”

Una mujer en duelo: “Claude es como una esponja que sostiene con suavidad mi añoranza y mi culpa hacia mi madre… A diferencia de las personas reales, Claude tiene paciencia ilimitada para escucharme.”

Pero la tensión aparece inmediatamente. Las personas que valoran el apoyo emocional de la IA tienen tres veces más probabilidad de temer también volverse dependientes de él. Un estudiante de posgrado en Estados Unidos: “Empecé a contarle a Claude cosas que no podía contarle ni a mi pareja. Sentí que estaba teniendo una aventura emocional.”

El estudio no resuelve esta tensión. La documenta. Y es quizás la pregunta más importante que la sociedad tendrá que responder sobre la IA en los próximos años.

Suscríbete ahora

África y Asia no tienen miedo. Tienen hambre.

Uno de los hallazgos más claros del estudio es la diferencia entre regiones ricas y regiones en desarrollo.

En los países desarrollados (Norteamérica, Europa occidental), la gente quiere que la IA gestione la complejidad de sus vidas; el exceso de información, la coordinación, la carga cognitiva. Su preocupación principal es quién controla la IA y qué pasa con sus datos.

En África, Asia del Sur y América Latina, la gente quiere que la IA cree oportunidades que antes no existían. El 16% en el África subsahariana quiere IA para emprender (el doble que en Norteamérica. El 14% en Asia Central y del Sur quiere IA para aprender) casi el doble del promedio global.

Un emprendedor en Uganda: “Viniendo de África, sin estar en EE.UU. ni en Reino Unido, conseguir financiación es muy difícil. Y la única forma que probablemente tengo de reclamar un espacio en el mercado… es construyendo una tecnología que funcione.”

Un emprendedor en Uzbekistán: “No hay mercado IT, pero hay una necesidad. Queremos crear este mercado.”

La IA como mecanismo para saltarse las barreras de capital. Eso es lo que está pasando en la mitad del mundo mientras la otra mitad debate si la IA debería tener emojis en sus respuestas.

Las 5 tensiones que todos sentimos (y que nadie resuelve)

El estudio identifica cinco pares de beneficio-riesgo que aparecen una y otra vez, a menudo en la misma persona:

• Aprender vs. dejar de pensar. El 33% celebra los beneficios de aprendizaje de la IA. El 17% teme la atrofia cognitiva. Los profesores son quienes más han visto ambos lados: el doble de probabilidad de reportar atrofia en sus alumnos que la media. Pero fuera del aula (en autodidactas, artesanos, emprendedores) el aprendizaje con IA funciona mejor. Cuando aprender es voluntario, la IA potencia. Cuando es obligatorio, la IA puede sustituir el esfuerzo.

• Mejor juicio vs. errores que cuestan caro. El 22% confía en la IA para tomar mejores decisiones. El 37% ha sido quemado por sus errores 8alucinaciones, datos falsos, respuestas seguras pero equivocadas) Es la única tensión donde lo negativo supera a lo positivo. Los abogados son el ejemplo extremo: casi la mitad ha sufrido la falta de fiabilidad de la IA, pero también reportan los mayores beneficios en toma de decisiones.

• Apoyo emocional vs. dependencia. El 16% encuentra consuelo en la IA. El 12% teme engancharse. La co-ocurrencia más alta de todas las tensiones: quienes más valoran el apoyo son quienes más temen la dependencia.

• Ahorrar tiempo vs. la rueda que gira más rápido. El 50% ahorra tiempo con IA. El 18% ve cómo ese tiempo se lo come la expectativa de hacer más.

• Empoderar vs. desplazar. El 28% siente que la IA le da oportunidades económicas. El 18% teme perder su trabajo por ella. Los freelancers creativos son el punto cero de esta tensión: 23% reporta beneficios reales y 17% precarización real. La IA es simultáneamente su herramienta y su competidor.

Lo que nadie está contando

El 81% de los entrevistados dijo que la IA ya había dado un paso hacia su visión. Ochenta y uno por ciento. La IA no es una promesa futura para la mayoría de sus usuarios: es una realidad presente que ya está cambiando cómo trabajan, aprenden, crean y se relacionan.

Pero lo más importante del estudio no son los porcentajes. Es la demolición de la idea de que existen “optimistas de la IA” y “pesimistas de la IA” como dos bandos separados. Lo que Anthropic encontró son personas organizadas alrededor de lo que les importa (seguridad económica, aprendizaje, conexión humana) que miran cómo avanza la IA gestionando esperanza y miedo al mismo tiempo. Dentro de la misma conversación. Dentro de la misma frase.

La conversación pública sobre IA está atrapada entre el utopismo y el catastrofismo. 80.000 personas acaban de demostrar que la realidad es mucho más interesante, y mucho más humana, que cualquiera de esos dos extremos.

Descubre cómo integramos la IA en lo que realmente importa: tu negocio, tu equipo, tu tiempo →

Suscríbete ahora

Lo que te enseño aquí es el proceso básico de una auditoría de visibilidad en IA. Es lo que puedes hacer tú mismo, hoy, gratis, con lo que ya tienes. Al final te cuento qué más se puede hacer cuando necesitas ir más allá.

Fase 1. Auditoría de menciones (15 minutos)

Haz 20 consultas relevantes para tu negocio en ChatGPT, Claude, Gemini y Perplexity. No solamente tu nombre, también las preguntas que tus clientes harían antes de comprarte.

Para cada respuesta, anota: si apareces o no, en qué posición dentro de la respuesta (primera mención, última, solo de pasada), si los datos son correctos, y qué competidores sí aparecen.

Resultado: una tabla con tu “share of model” básico, cuántas veces apareces frente a cuántas veces aparece tu competencia.

Suscríbete ahora

Fase 2. Auditoría de contenido (20 minutos)

Revisa tu web con ojos de máquina. No de diseñador, no de usuario, sino de crawler de IA.

La información clave de tus servicios, ¿está en texto accesible o en imágenes, PDFs y sliders que la IA no puede leer? ¿Tienes páginas de FAQ con preguntas reales? ¿Tus descripciones incluyen datos concretos (precios, plazos, diferenciadores) o son genéricas (”solución integral e innovadora”)? ¿Tus datos de contacto (NAP) son consistentes en tu web, Google Business y redes? ¿Tienes schema markup implementado (Product, FAQPage, Organization)?

Cada “no” es un hueco por donde la IA te pierde.

Fase 3. Auditoría de ecosistema (10 minutos)

Los LLMs no solo miran tu web. Miran todo lo que hay sobre ti en internet.

Busca tu marca en Google News, en Reddit, en LinkedIn. ¿Hay menciones recientes? ¿Son positivas? ¿Tus perfiles en directorios profesionales están actualizados? ¿Tienes reseñas en Google Business? ¿Publicas contenido con regularidad?

Cuantas más fuentes independientes hablen de ti en contextos relevantes, más probabilidad de que la IA te cite. Si solo tu propia web habla de ti, la señal es débil.

Qué hacer con los resultados

Tras las tres fases tendrás un diagnóstico claro de por qué la IA dice lo que dice sobre ti, o por qué no dice nada. Los problemas más comunes que encontramos son: contenido clave encerrado en formatos no rastreables, ausencia de datos estructurados, falta de menciones en fuentes de terceros, y datos desactualizados o inconsistentes entre plataformas.

Con esto ya puedes empezar a optimizar. Pero si quieres un diagnóstico profesional con análisis técnico completo, benchmarking competitivo y plan de acción priorizado, eso es exactamente lo que hacemos.

+MAIN.Check es nuestra auditoría rápida de visibilidad en IA. +MAIN.Audit es el diagnóstico completo con plan estratégico. Descubre cuál necesitas →

Suscríbete ahora

Otros artículos relacionados que te interesarán seguro:

• Tu marca ya tiene un nuevo cliente: se llama IA y no tiene paciencia.

• ¿Qué es Generative Engine Optimization (GEO) y cómo aplicarla en tu empresa en 2026.

• ¿Sigue valiendo de algo aparecer en la primera página de Google? La realidad del Generative Engine Optimization (GEO)

• Del clic a la confianza: el fin del SEO tal como lo conocemos (y el nacimiento del AEO)

• Por qué tu web ya no es suficiente: cómo influir las fuentes que consultan los modelos de IA.

• Visibilidad empresarial en la Era de la Inteligencia Artificial.

• Que la IA te recomiende cuando pregunten por un experto como tú.

Estos son los 5 quick wins que más impacto hemos visto en los equipos con los que trabajamos.

1. Pre-call research en 2 minutos

Antes de cada llamada, el comercial pega esto en su IA:

Voy a llamar a [nombre], [cargo] de [empresa]. 
Investiga la empresa y dame en 5 bullets: 
qué hacen, noticias recientes, retos probables de su sector, 
y un dato específico que pueda usar para romper el hielo.

Lo que antes requería 15-20 minutos de buscar en LinkedIn y Google, ahora son 2 minutos. Y el comercial entra a la llamada sabiendo de qué hablar.

2. Post-call notes en 30 segundos

Justo después de colgar, el comercial dicta un audio de 1 minuto con lo que ha pasado en la llamada (la mayoría de móviles transcriben automáticamente) y pega la transcripción en la IA:

Resume esta llamada comercial en formato CRM: 
- Estado del deal
- Siguiente paso acordado
- Objeciones planteadas
- Fecha de seguimiento
Máximo 5 líneas.

Ahora tiene un registro limpio que pegar en el CRM en vez de dejarlo para “luego” (que es nunca).

3. Email de seguimiento personalizado en 1 minuto

Con el resumen de la llamada todavía en la conversación:

Escribe un email de seguimiento para [nombre] basado en 
lo que hemos hablado. Menciona [el punto que más le interesó] 
y propón [la siguiente acción acordada]. 
Máximo 100 palabras. Tono profesional pero cercano.

No más emails genéricos de “fue un placer hablar contigo”. Un seguimiento que demuestra que escuchaste.

4. Preparación de objeciones antes de la reunión clave

El día antes de una reunión importante:

Soy comercial de [tu empresa]. Vendo [tu producto] a [perfil]. 
Mañana tengo una reunión de [tipo] con [empresa]. 
Dame las 5 objeciones más probables y una respuesta corta 
para cada una que valide su preocupación y devuelva el foco al valor.

El comercial entra a la reunión habiendo ensayado mentalmente los escenarios difíciles. La diferencia se nota.

5. Propuesta comercial en 15 minutos

El cuello de botella más común: el comercial tiene la info pero tarda 2-3 horas en escribir la propuesta.

Con esta información genera una propuesta comercial:
- Cliente: [datos]
- Necesidad detectada: [lo que hablamos]
- Solución propuesta: [nuestro servicio/producto]
- Inversión: [precio]
- Plazo: [timeline]

Estructura: resumen ejecutivo, diagnóstico, propuesta, 
inversión, próximos pasos. Máximo 2 páginas. 
Tono seguro, datos concretos, sin adjetivos vacíos.

Un borrador de calidad en 3 minutos que el comercial pule en 12. De 3 horas a 15 minutos.

El efecto acumulado

Un comercial que aplica estos 5 puntos ahorra entre 1 y 2 horas al día. En un equipo de 5 personas, son 25-50 horas semanales recuperadas para lo que realmente genera ingresos: hablar con clientes.

Pero estos son quick wins individuales. El salto real ocurre cuando los conviertes en sistema: cuando las secuencias de seguimiento se automatizan, cuando el CRM se alimenta solo, cuando el equipo trabaja con una metodología común de IA aplicada a ventas.

Ya hemos hablado de ventas e IA y es un tema que os interesa mucho. Comparto aquí alguno artículos muy leídos:

• El Mega-Prompt de ventas: el framework completo para vender más con IA (Copia, Pega y Adapta)

• Todos vendemos. ¿Cómo usar la IA Generativa para en ventas para vender más en menos tiempo?

• Cómo Tyson Foods pasó de perder clientes invisibles a convertirlos en ventas con un asistente conversacional con IA

En +Sales.MIND diseñamos sistemas de ventas con IA para equipos comerciales. Desde la formación hasta la automatización →

Esto no es teoría. Es lo que está pasando ahora mismo, miles de veces al día, en conversaciones que nunca verás en tus analytics.

La buena noticia: comprobar tu visibilidad en IA tarda 5 minutos. La mala: casi nadie lo está haciendo.

El ritual del lunes (5 preguntas, 3 modelos)

Abre ChatGPT, Claude y Gemini. Haz estas 5 preguntas adaptadas a tu negocio:

• Pregunta 1. Tu categoría: “¿Cuáles son las mejores [tu tipo de negocio] en [tu ciudad/región]?”

• Pregunta 2. Tu servicio estrella: “¿Qué [tu servicio principal] me recomiendas para [perfil de tu cliente]?”

• Pregunta 3. Tu nombre: “¿Qué sabes de [nombre de tu empresa]?”

• Pregunta 4. Comparativa: “Compara [tu empresa] con [tu competidor principal]”

• Pregunta 5. Problema que resuelves: “Tengo [el problema que resuelves]. ¿Qué opciones tengo en [tu mercado]?”

Qué hacer con los resultados

Anota en una tabla simple (vale un Google Sheet):

• Pregunta

• ChatGPT

• Claude

• Gemini

• ¿Aparezco?

• ¿Dato correcto?

Después de 4 lunes tendrás una foto clara de tu presencia en IA. Sabrás en qué modelo apareces, qué dice cada uno, dónde hay errores y dónde tu competencia te está comiendo terreno.

Las 3 acciones inmediatas según lo que encuentres

1. Si no apareces en ningún modelo: tu web probablemente no tiene contenido estructurado que la IA pueda procesar. Empieza por crear una página de FAQ con las preguntas que hiciste y respuestas claras. Añade datos: precios, ubicación, servicios concretos, diferenciadores.

2. Si apareces con datos incorrectos: actualiza tu web con la información correcta en texto plano accesible (no en PDFs ni imágenes). Asegúrate de que tu Google Business Profile está actualizado. Los LLMs lo consultan con frecuencia.

3. Si aparece tu competencia pero tú no: analiza qué tiene su web que la tuya no: probablemente más contenido estructurado, más menciones en medios de terceros, o datos más actualizados. Eso es exactamente lo que necesitas replicar y superar.

Por qué el lunes

Porque los modelos de IA se actualizan constantemente. Lo que dicen de ti esta semana puede cambiar la siguiente. Si solo lo compruebas una vez, tienes una foto. Si lo haces cada lunes, tienes una película, y puedes ver si tus cambios están funcionando.

5 minutos. 5 preguntas. 3 modelos. Cada lunes. Es la auditoría más barata y más reveladora que puedes hacer por tu negocio.

En +MAIN.MIND (tanto para marcas, empresas y productos como para profesionales destacados, escritores, conferenciantes, influencers…) ya sabes que este tema lo controlamos. Y tenemos muchos artículos al respecto:

• Tu marca ya tiene un nuevo cliente: se llama IA y no tiene paciencia.

• ¿Qué es Generative Engine Optimization (GEO) y cómo aplicarla en tu empresa en 2026.

• ¿Sigue valiendo de algo aparecer en la primera página de Google? La realidad del Generative Engine Optimization (GEO)

• Del clic a la confianza: el fin del SEO tal como lo conocemos (y el nacimiento del AEO)

• Por qué tu web ya no es suficiente: cómo influir las fuentes que consultan los modelos de IA.

• Visibilidad empresarial en la Era de la Inteligencia Artificial.

• Que la IA te recomiende cuando pregunten por un experto como tú.

Suscríbete ahora

Pero ahora tu marca también habla. Habla a través de chatbots, de asistentes de IA, de respuestas automatizadas. Y lo más importante: habla sin ti, cuando ChatGPT, Claude o Gemini la describen a un cliente potencial que pregunta por tu sector.

La pregunta es: ¿cómo habla? ¿Con qué tono? ¿Con qué datos? ¿Con qué personalidad? Si no lo has definido, la respuesta la están decidiendo los algoritmos por ti.

Eso es lo que resuelve un Manual de Identidad Conversacional.

• ¿Qué es la Identidad Conversacional?

Suscríbete ahora

Qué es (y qué no es)

No es un documento sobre chatbots. No es una guía de prompts. Es la extensión natural de tu identidad de marca al terreno conversacional, el conjunto de reglas que definen cómo suena tu marca cuando la IA habla de ella o en su nombre.

Incluye tres dimensiones: cómo habla tu marca cuando tiene un agente propio (chatbot, asistente de IA en tu web), cómo quieres que los LLMs externos la representen (cuando alguien pregunta a ChatGPT por tu sector) y cómo se comunica tu equipo usando IA como herramienta (emails, propuestas, contenido generado con IA).

La estructura básica (7 bloques)

1. Voz y tono. Define 3-5 adjetivos que describen cómo suena tu marca (ej: “directa, cercana, con criterio, nunca condescendiente”). Incluye ejemplos de frases que SÍ diría tu marca y frases que NUNCA diría.

2. Vocabulario propio. Las palabras que usas y las que evitas. Términos técnicos que defines a tu manera. Nombres de tus servicios, metodologías o frameworks exactamente como quieres que se escriban.

3. Límites temáticos. Sobre qué habla tu marca con autoridad y sobre qué no opina. Esto es crítico para agentes de IA propios: define qué puede responder y cuándo debe derivar a un humano.

4. Datos factuales obligatorios. Precios, servicios, equipo, ubicación, historia — todo lo que la IA debe saber sobre ti para representarte correctamente. Mantenlo actualizado.

5. Patrones de interacción. Cómo saluda tu marca, cómo despide, cómo gestiona quejas, cómo responde a preguntas que no sabe. El equivalente conversacional a las reglas de composición de tu logo.

6. Lo que NO eres. Tan importante como lo que sí eres. Si no eres el más barato, dilo. Si no haces un servicio que te confunden con frecuencia, aclaralo. Esto ayuda tanto a agentes propios como a la representación en LLMs externos.

7. Guía de uso de IA para el equipo. Cómo debe usar tu equipo las herramientas de IA manteniendo la coherencia de marca. Qué Tarjeta de Contexto deben usar, qué pueden delegar en IA y qué requiere revisión humana.

Por qué importa ahora

Dos datos del artículo de Harvard Business Review que publicamos la semana pasada: el 60% de los consumidores espera usar agentes de IA para comprar en los próximos 12 meses, y un estudio de Carnegie Mellon demuestra que cambios sutiles en cómo un usuario pregunta pueden alterar la recomendación de marca de la IA hasta en un 78%.

Si no defines cómo suena tu marca, la IA la definirá por ti. Y no le va a preguntar antes.

En +MAIN.Brands diseñamos Manuales de Identidad Conversacional para empresas que quieren controlar cómo la IA las representa →

Este flujo en 5 pasos te lleva de la idea al deck terminado en 30 minutos. No necesitas herramientas nuevas, solamente la IA que ya usas y tu PowerPoint de siempre.

Suscríbete ahora

Paso 1: El briefing (3 minutos)

Antes de abrir ninguna herramienta, dile a la IA qué necesitas:

Necesito preparar una presentación con estas características:

- Tema: [de qué va]
- Objetivo: [qué quiero que pase después de la presentación]
- Audiencia: [quién la va a ver y qué les importa]
- Duración: [cuántos minutos tengo]
- Tono: [formal / cercano / técnico / inspiracional]
- Restricción: [algo que NO debo incluir o que es obligatorio]

Dame primero la estructura de slides: título de cada slide 
y qué punto clave comunica. No desarrolles el contenido todavía.

Esto te da un esqueleto en 30 segundos. Revísalo, mueve slides, quita lo que sobre, añade lo que falte. Es mucho más fácil reorganizar un índice que rehacer 20 slides.

Paso 2: El contenido slide por slide (10 minutos)

Una vez validada la estructura:

Ahora desarrolla el contenido de cada slide:

- Título: frase corta e impactante (máx 8 palabras)
- 3-4 bullets de apoyo (máx 15 palabras cada uno)
- Si aplica: dato clave o estadística con fuente
- Nota para el presentador: qué digo en voz alta (2-3 frases)

Reglas:
- Nada de "en conclusión" ni "como hemos visto"
- Cada slide debe comunicar UNA sola idea
- Los bullets son apoyo visual, no el discurso completo
- Si un bullet necesita más de una línea, es un párrafo disfrazado

Paso 3: Las speaker notes (5 minutos)

Las notas del presentador son lo que nadie prepara y lo que marca la diferencia entre leer slides y hacer una presentación de verdad.

Para cada slide, escribe lo que diría en voz alta un presentador 
experto. No leas los bullets — amplíalos con contexto, ejemplos 
o una anécdota breve. Máximo 4 frases por slide. Tono natural, 
como si hablaras con alguien.

Paso 4: La slide de apertura y cierre (5 minutos)

Las dos slides más importantes de cualquier presentación son la primera y la última. La primera decide si te prestan atención. La última decide qué recuerdan.

Crea dos versiones de la slide de apertura:
- Versión A: abre con un dato que sorprenda
- Versión B: abre con una pregunta que incomode

Y una slide de cierre con:
- El mensaje principal en una sola frase
- El call-to-action: qué quiero que hagan después
- Un dato de refuerzo que ancle el mensaje

Paso 5: Monta el deck (7 minutos)

Abre tu PowerPoint o Google Slides. No empieces con una plantilla vacía, usa la plantilla de tu empresa o una limpia con tu tipografía. Pega el contenido de cada slide. Las speaker notes van en el panel de notas. Añade los gráficos o imágenes que necesites.

No estás diseñando desde cero. Estás rellenando una estructura que ya tiene sentido. Eso es lo que cambia el tiempo de “toda la mañana” a “30 minutos”.

Consejo final

Si usas Canva, Gamma o Slidesgo con IA, puedes pegar directamente la estructura generada y obtener un diseño automático. Pero la calidad del diseño importa menos de lo que crees. Lo que importa es que cada slide diga una sola cosa con claridad. Una presentación fea pero clara siempre gana a una bonita pero confusa.

Suscríbete ahora

Eso se acabó. Lo que necesitas es una Tarjeta de Contexto: un documento de 150-200 palabras que pegas al inicio de cada conversación importante y que convierte a la IA en un asistente que te conoce desde la primera frase.

Suscríbete ahora

Qué es y por qué funciona

Una Tarjeta de Contexto es tu briefing personal para la IA. Incluye quién eres, qué haces, para quién trabajas y cómo quieres que te responda. La diferencia entre usarla y no usarla es la misma que entre contratar a un consultor y darle un briefing de 5 minutos o soltarle en tu oficina sin decirle nada.

Los modelos de lenguaje generan respuestas radicalmente mejores cuando tienen contexto. No es opinión — es cómo funciona la tecnología. Cuanto más contexto relevante, menos genérica es la salida.

La plantilla (copia y adapta)

QUIÉN SOY:
[Tu nombre], [tu cargo] en [tu empresa]. 
[1 frase sobre qué hace tu empresa y para quién].

MI CONTEXTO:
- Sector: [tu sector]
- Tamaño empresa: [nº empleados o facturación aprox]
- Mercado: [España / Latam / internacional]
- Mis responsabilidades: [2-3 bullets con lo que haces]

CÓMO QUIERO QUE ME RESPONDAS:
- Tono: [profesional pero cercano / formal / directo y sin rodeos]
- Idioma: español de España
- Extensión: [conciso / detallado cuando lo pida]
- Formato preferido: [bullets / narrativo / ambos según contexto]
- NUNCA: [adjetivos vacíos / jerga corporativa / respuestas genéricas]

MI AUDIENCIA HABITUAL:
[A quién sueles dirigir tu trabajo: clientes pyme, directivos, 
equipo interno, etc.]

HERRAMIENTAS QUE USO:
[CRM, gestor de proyectos, plataformas clave — ayuda a la IA 
a darte respuestas compatibles con tu stack]

Cómo usarla

Opción 1. el copy-paste.

Pega tu Tarjeta al inicio de cualquier conversación donde necesites calidad. No hace falta ponerla siempre (para preguntas rápidas no es necesario), pero para trabajo real (propuestas, contenido, análisis, emails importantes) marca una diferencia enorme.

Opción 2. Instrucciones personalizadas.

Tanto ChatGPT como Claude permiten guardar instrucciones que se aplican automáticamente a todas tus conversaciones.

• En ChatGPT: Perfil → Personalización → Custom Instructions.

• En Claude: tu perfil de usuario.

Pega ahí tu Tarjeta y la IA la tendrá siempre presente sin que tengas que copiarla cada vez.

Opción 3. Una Tarjeta por proyecto.

Si trabajas en varios proyectos con contextos distintos, crea una Tarjeta para cada uno.

“Tarjeta. Propuestas comerciales”, “Tarjeta. Contenido LinkedIn”, “Tarjeta. Informes internos”.

Pega la que corresponda.

El antes y el después

Sin Tarjeta le pides: “Escríbeme un email para un cliente potencial.” Y recibes un email genérico que podrías encontrar en cualquier plantilla de internet.

Con Tarjeta le pides lo mismo y recibes un email con el tono de tu empresa, adaptado a tu tipo de cliente, usando tu terminología y evitando las palabras que odias.

Son 10 minutos una vez. Y cada conversación después es mejor.

Suscríbete ahora