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

La IA no está despidiendo a nadie. Está cerrando la puerta a los que aún no han entrado.

El informe, titulado “Labor market impacts of AI: A new measure and early evidence” y publicado el 5 de marzo de 2026 por los investigadores Maxim Massenkoff y Peter McCrory, introduce un concepto nuevo (observed exposure) que cambia cómo deberíamos medir el impacto real de la IA en el mercado laboral. Y lo hace con datos propios de uso de Claude cruzados con datos del mercado de trabajo de Estados Unidos.

Esto es lo que necesitas saber.

Suscríbete ahora

La diferencia entre lo que la IA puede hacer y lo que realmente está haciendo

Hasta ahora, los estudios sobre IA y empleo medían el riesgo teórico: cuántas tareas de un trabajo podrían ser realizadas por un modelo de lenguaje. El problema es que la capacidad teórica y el uso real son cosas muy diferentes. Que la IA pueda, en teoría, autorizar recetas médicas no significa que lo esté haciendo.

Lo que Anthropic ha hecho es cruzar dos cosas: la capacidad teórica (basada en el estudio de Eloundou et al. de OpenAI, 2023) con los datos reales de uso de Claude en contextos profesionales (su Anthropic Economic Index) El resultado es una métrica nueva (observed exposure) que mide no lo que la IA podría automatizar, sino lo que ya está automatizando en la práctica.

Y la brecha es enorme. En la categoría de informática y matemáticas, por ejemplo, la capacidad teórica cubre el 94% de las tareas. Pero el uso real observado solo cubre el 33%. La IA está lejos de alcanzar su potencial teórico. Lo que significa que el impacto laboral que vemos hoy es solo una fracción de lo que viene.

Los 10 trabajos más expuestos (con datos reales, no teóricos)

El informe identifica las profesiones con mayor exposición observada, es decir, donde la IA ya está realizando tareas de forma automatizada en entornos reales de trabajo:

Los programadores informáticos encabezan la lista con un 74,5% de cobertura. Su tarea principal automatizada: escribir, actualizar y mantener programas de software. Les siguen los representantes de atención al cliente con un 70,1%, cuyas tareas de atender consultas, gestionar pedidos y resolver quejas se procesan cada vez más a través de APIs. Los especialistas en entrada de datos alcanzan el 67,1%, y los especialistas en historiales médicos el 66,7%.

Lo que llama la atención es que los analistas de investigación de mercado y especialistas en marketing aparecen en quinto lugar con un 64,8% de exposición. Su tarea principal automatizada: preparar informes de resultados, ilustrar datos gráficamente y traducir hallazgos complejos a texto escrito. Esto es directamente relevante para cualquier profesional de comunicación y marketing.

En el otro extremo, el 30% de los trabajadores tiene exposición cero: cocineros, mecánicos, socorristas, bartenders. Los trabajos con componente físico siguen fuera del alcance de la IA.

La buena noticia (con matiz)

El hallazgo principal del estudio es que no hay un aumento sistemático del desempleo en las profesiones más expuestas a la IA desde el lanzamiento de ChatGPT en noviembre de 2022. Usando datos de la Current Population Survey de Estados Unidos, los investigadores compararon las tasas de desempleo entre los trabajadores del cuartil más expuesto y los de exposición cero. La diferencia es estadísticamente indistinguible de cero.

Esto contradice las predicciones más alarmistas. No estamos ante un colapso del empleo. La IA, por ahora, no está provocando despidos masivos.

Pero los autores son claros en que esto no significa que el impacto no exista. Significa que aún no es lo suficientemente grande como para ser visible en los datos de desempleo agregado. Y advierten que los efectos de la IA podrían parecerse más a los del comercio con China o la difusión de internet — graduales, difusos y difíciles de aislar de otros factores económicos — que al impacto repentino del COVID.

La mala noticia: los jóvenes ya lo están notando

El dato más preocupante del informe no tiene que ver con el desempleo. Tiene que ver con la contratación.

Los investigadores detectaron que la tasa de inicio de nuevos empleos entre trabajadores jóvenes (22 a 25 años) en las profesiones más expuestas ha caído un 14% desde el lanzamiento de ChatGPT, comparado con las profesiones no expuestas. Las tasas de contratación en trabajos no expuestos se mantienen estables en torno al 2% mensual, mientras que la entrada en trabajos expuestos ha bajado medio punto porcentual.

No se trata de despidos. Se trata de puertas que se cierran antes de abrirse. Las empresas no están echando a sus empleados experimentados. Están dejando de contratar juniors para los puestos que la IA puede cubrir parcialmente. Los autores señalan que este efecto no se observa en trabajadores mayores de 25 años.

Esto conecta con los hallazgos de Brynjolfsson et al. (2025), que documentaron una caída del 6 al 16% en el empleo de trabajadores de 22 a 25 años en ocupaciones expuestas, atribuyéndola principalmente a una desaceleración de la contratación, no a un aumento de los despidos.

El mensaje implícito es claro: si eres un profesional experimentado, la IA te hace más productivo. Si eres un junior que acaba de terminar la carrera, la IA puede estar compitiendo contigo por tu primer puesto de trabajo.

Qué perfil tiene el trabajador más expuesto

Los datos demográficos del informe rompen algunos estereotipos. Los trabajadores en el cuartil más expuesto a la IA son, en promedio, más mayores (42,9 años frente a 41), más mujeres (54,4% frente a 38,8%), más educados (el 37,1% tiene título universitario frente al 13,3%), y cobran un 47% más (32,69 dólares/hora frente a 22,23).

La IA no está amenazando a los trabajadores precarios de los sectores manuales. Está amenazando a los trabajadores de cuello blanco, con formación universitaria, que trabajan en oficinas y ganan sueldos por encima de la media. Exactamente el perfil de la mayoría de lectores de esta newsletter.

Suscríbete ahora

Lo que esto significa para tu negocio

Los autores del informe son deliberadamente cautos. Reconocen que sus datos son observacionales, no causales. Reconocen que su métrica se basa solo en el uso de Claude (un modelo entre varios). Y reconocen que los efectos de la IA sobre el empleo podrían tardar años en materializarse completamente.

Pero tres implicaciones prácticas son difíciles de ignorar.

La primera es que la brecha entre capacidad teórica y uso real es tu ventana de oportunidad. La IA puede hacer mucho más de lo que las empresas están implementando. Las organizaciones que cierren esa brecha primero tendrán una ventaja competitiva enorme — en productividad, en velocidad y en costes. Las que esperen a que la brecha se cierre sola estarán en desventaja.

La segunda es que la estrategia de talento tiene que cambiar ya. Si la contratación de juniors se está frenando en las profesiones expuestas, las empresas que sigan necesitando talento humano en esas áreas (y lo necesitarán — la IA no hace todo) van a competir por un pool de candidatos más reducido. Invertir ahora en formación de tu equipo actual en herramientas de IA es más barato y más efectivo que intentar contratar después.

Y la tercera es que las proyecciones del mercado laboral ya lo reflejan. El informe muestra que las ocupaciones con mayor exposición observada son las que el Bureau of Labor Statistics proyecta que van a crecer menos hasta 2034. La correlación es clara: por cada 10 puntos porcentuales de aumento en la exposición, la proyección de crecimiento de empleo cae 0,6 puntos porcentuales.

La honestidad como diferencial

Lo más notable de este informe no son los datos. Es quién lo publica. Anthropic es una empresa de IA que gana dinero vendiendo IA. Y ha publicado un estudio que dice, esencialmente: “la IA todavía no ha destruido empleos, pero hay señales tempranas de que puede frenar la contratación de jóvenes, y los trabajos más expuestos son los de las personas más educadas y mejor pagadas.”

Esa honestidad (publicar datos que podrían no favorecer tu narrativa comercial) es exactamente lo que diferencia a las empresas que construyen confianza a largo plazo. Los datos están disponibles públicamente en Hugging Face para que cualquier investigador los replique.

La IA no te ha quitado el trabajo. Pero está redefiniendo quién consigue el siguiente. Y la diferencia entre estar del lado correcto de esa línea no es saber más de IA, es estar ya usándola.

Descubre cómo preparar a tu equipo para el nuevo mercado laboral →

Otros artículos interesantes:

• La IA se está comiendo los trabajos y no, no vas a salvarte por tener un título universitario colgado en la pared.

• ¿Te va a quitar el trabajo la Inteligencia Artificial?

• Me entrevistó un robot… y conseguí el trabajo.

• El “Iceberg Laboral”: la IA ya puede reemplazar el 12% del trabajo en EE. UU. (y nadie lo está viendo)

Este es el cambio más importante que va a vivir tu negocio en los próximos 24 meses, y la mayoría de las empresas ni siquiera lo ha detectado. Un artículo reciente publicado en Harvard Business Review por los investigadores Oguz A. Acar y David A. Schweidel documenta cómo marcas globales como Pernod Ricard, Sephora o Amazon ya están adaptando sus estrategias a un mundo donde el cliente que investiga, compara y decide no es una persona, es un agente de IA.

La IA ya habla de tu marca. La pregunta es: ¿qué dice?

El caso de Pernod Ricard es revelador. Cuando el equipo digital de la compañía analizó lo que los principales modelos de IA decían sobre sus marcas de licores, se encontraron con datos incompletos y errores graves. ChatGPT clasificaba Ballantine’s, un whisky escocés asequible y de mercado masivo, como un producto de prestigio. Imagina lo que eso significa cuando un consumidor le pregunta a la IA “recomiéndame un whisky barato para una cena informal” y tu producto ni aparece porque la IA cree que es premium.

El equipo de Pernod Ricard acuñó el concepto de “share of model”, la medida de con qué frecuencia y de qué forma aparece tu marca en las respuestas de la IA comparada con la competencia. Y empezaron a trabajar activamente para corregirlo: haciendo consultas regulares a todos los modelos populares, catalogando las respuestas y ajustando el contenido web para que los LLMs reflejaran correctamente su posicionamiento.

Para una pyme esto es a la vez una amenaza y una oportunidad enorme. Las grandes marcas llevan ventaja en SEO tradicional porque tienen presupuestos enormes. Pero en el mundo de la IA generativa, el terreno de juego se nivela. Lo que importa no es cuánto gastas en publicidad, sino cómo de bien estructurada, clara y accesible está la información sobre tu producto para que un modelo de lenguaje la entienda y la recomiende.

Aquí, nosotros somos unos cracks, tanto con marcas, productos o servicios, como con marcas personales.

Los tres tipos de relación entre marca, cliente e IA

Acar y Schweidel identifican en su investigación tres modos de interacción que ya coexisten en el mercado y que van a definir cómo compra la gente en los próximos años.

1. El agente de la marca atiende al cliente humano. No es el chatbot clásico que responde preguntas frecuentes. Es un sistema de IA propio que ayuda al consumidor a explorar productos, tomar decisiones y completar acciones. Sephora, por ejemplo, tiene un sistema que cruza su catálogo de 140.000 tonos de piel con el historial de compras de más de 34 millones de miembros de su programa de fidelización. Los clientes que usan estas herramientas tienen tres veces más probabilidad de completar una compra y devuelven un 30% menos de productos.

2. El agente del consumidor actúa en nombre de la persona. Claude ya tiene una funcionalidad llamada “computer use” que permite a un agente navegar pantallas, rellenar formularios y completar compras de forma autónoma. El consumidor le da instrucciones generales (”encuéntrame el mejor seguro de coche para mi perfil”) y el agente investiga, compara y ejecuta. Tu marca no habla con un humano, habla con un algoritmo que representa al humano.

3. Intermediación total: IA hablando con IA. En este escenario, ni el consumidor ni la marca intervienen directamente. El agente del cliente negocia con el agente de la marca. ChatGPT ya lo hace parcialmente con OpenTable: busca restaurantes, selecciona opciones, rellena datos de reserva y confirma — sin que el usuario toque nada más que el primer mensaje. Y por el lado del restaurante, sistemas como Hostie gestionan las solicitudes, evalúan disponibilidad y confirman automáticamente.

Según una encuesta de Kearney a consumidores estadounidenses de julio de 2025, el 60% espera usar agentes de IA para realizar compras en los próximos 12 meses. OpenAI ya colabora con Stripe, PayPal, Walmart y Shopify para facilitar compras directamente dentro de ChatGPT.

Lo que esto significa para tu negocio (y no, no solo para las grandes marcas)

Es fácil leer estos ejemplos y pensar “eso es para Sephora, Amazon y Lamborghini, no para mi empresa de 15 empleados”. Pero la lógica aplica a cualquier negocio que venda algo, ya hemos hablado aquí de la importancia de GEO, del AEO, sel Share of Model, del posiconamiento en IA, de cómo lograr que la IA hable de ti…

• Tu ficha de producto, tu web, tu contenido ahora tienen dos audiencias. Los humanos y las IAs. Y las IAs no leen como los humanos. No ven diseño bonito, no se emocionan con un claim publicitario, no escanean visualmente una página. Procesan texto estructurado, datos claros y hechos verificables. Si tu web tiene la información de producto enterrada en un PDF, en una imagen o en un slider de JavaScript que la IA no puede leer, para los modelos de lenguaje tu producto no existe.

• El concepto de “share of model” aplica a tu escala. No necesitas un equipo de 20 personas. Necesitas hacer una cosa: preguntarle a ChatGPT, Claude y Gemini sobre tu categoría de producto y ver qué dicen. “¿Cuáles son las mejores asesorías fiscales para autónomos en Madrid?” “¿Qué software de gestión recomiendas para una tienda online pequeña?” “¿Cuál es el mejor restaurante italiano en Valencia?” Si tu marca no aparece, tienes un problema. Si aparece con información incorrecta, tienes un problema peor.

• La estructura de tu contenido importa más que nunca. Las marcas que mejor posicionan en respuestas de IA son las que tienen información clara, estructurada y actualizada en texto plano accesible. Esto incluye descripciones de producto con datos concretos (precios, características, diferenciadores), páginas de FAQ con preguntas reales y respuestas directas, contenido que responde exactamente a las preguntas que un consumidor haría y datos estructurados (schema markup) que los modelos de IA pueden interpretar fácilmente.

Las tres preguntas que tu empresa debe responder ya

Los investigadores de HBR proponen un marco de tres etapas que cualquier empresa, independientemente de su tamaño, debería recorrer.

• Primera: ¿Necesito un agente de IA propio? No todo el mundo necesita uno. Si tu producto es de compra recurrente, rutinaria y de bajo riesgo emocional (consumibles, suscripciones, suministros), un agente puede aportar mucho valor. Si tu producto es de alta implicación personal (lujo, experiencias, regalos, servicios creativos), el contacto humano sigue siendo clave. La investigación citada en HBR muestra que la gente rechaza la IA en compras con significado personal, en decisiones de alto riesgo y en contextos donde el esfuerzo humano es parte del valor. Lamborghini lo tiene claro: no va a automatizar la experiencia de conducción porque sus clientes compran precisamente eso, la experiencia.

• Segunda: ¿Cómo convenzo al cliente de usar mi agente y no uno genérico? Los agentes de consumidor (ChatGPT, Claude, Gemini) tienen una ventaja inherente: el cliente los percibe como imparciales, como un asesor que trabaja para él. Tu agente de marca, en cambio, tiene un sesgo percibido. Para competir necesitas ofrecer algo que el agente genérico no puede: conocimiento profundo de tu producto y datos propietarios que ningún modelo externo tiene. Sephora gana esta batalla porque su IA sabe cosas sobre tu piel que ChatGPT nunca sabrá.

• Tercera: ¿Cómo hago que las IAs de mis clientes me recomienden? Esta es la pregunta del millón para la mayoría de las empresas. La investigación de Harvard Business School citada en el artículo demuestra que ajustes específicos en la información de producto pueden convertir una marca ignorada por los LLMs en una marca recomendada. Y un estudio de Carnegie Mellon muestra que cambios sutiles en cómo los consumidores formulan sus consultas pueden alterar la probabilidad de que una marca sea elegida hasta en un 78%. La clave está en entender cómo preguntan tus clientes y asegurarte de que tu contenido responde exactamente a esas preguntas.

Qué puedes hacer esta semana (lista sin excusas)

No necesitas un presupuesto de Fortune 500. Necesitas una tarde y algo de disciplina.

• Audita tu presencia en IA. Abre ChatGPT, Claude y Gemini. Haz las 10 preguntas que un cliente haría antes de comprarte. Anota qué dicen, qué omiten y qué se equivocan. Esa es tu línea base.

• Revisa tu web con ojos de máquina. ¿La información clave está en texto accesible o escondida en imágenes, PDFs y desplegables? ¿Tienes FAQ con preguntas reales? ¿Tus descripciones de producto son concretas (con datos, precios, diferenciadores) o genéricas (”solución integral e innovadora”)?

• Estructura tus datos. Implementa schema markup básico: Product, FAQPage, Organization, LocalBusiness. Esto es lo que los modelos de IA usan para entender quién eres, qué vendes y por qué importas.

• Monitoriza y repite. Haz esta auditoría una vez al mes. Los modelos de IA se actualizan constantemente. Lo que dicen de tu marca hoy puede cambiar en 30 días. Esto no es un proyecto, es un proceso.

El futuro ya tiene fecha

No estamos hablando de algo que “pasará algún día”. OpenAI ya integra pagos con Stripe y PayPal dentro de ChatGPT. Google está construyendo capacidades de compra dentro de Gemini. El 60% de los consumidores espera usar agentes de IA para comprar en los próximos 12 meses.

Como señalan Acar y Schweidel en Harvard Business Review, las conexiones que históricamente formaban la base de la relación marca-cliente están siendo rediseñadas, a veces mediadas y en ocasiones completamente gestionadas por inteligencia artificial. Las empresas que quieran competir tendrán que operar en todo el espectro: desde la interacción humana directa hasta la intermediación autónoma entre agentes.

La buena noticia: las pymes que se muevan rápido tienen una ventaja. Son más ágiles, pueden adaptar su contenido en días (no en trimestres) y no necesitan aprobaciones de siete departamentos para cambiar una descripción de producto. El momento de empezar no es cuando la IA ya ha decidido ignorarte. Es ahora.

Descubre cómo optimizar tu marca para el nuevo ecosistema de IA →

La buena noticia: puedes desactivarlo sin perder ninguna funcionalidad. ChatGPT funciona exactamente igual con el entrenamiento desactivado.

Hazlo ahora. Tarda 2 minutos.

Ajuste 1: desactiva el entrenamiento del modelo

Este es el importante. El que debes hacer ahora mismo.

Ruta: Perfil (icono arriba a la derecha) → Settings → Data Controls → Improve the model for everyone → Desactívalo. Te comparto una captura del proceso en mi pantalla: v

Eso es todo. A partir de ese momento, ninguna conversación nueva se usará para entrenar los modelos de OpenAI. Tu historial de chats sigue disponible, puedes seguir usando ChatGPT exactamente igual. Lo único que cambia es que tus conversaciones dejan de alimentar el modelo.

Importante: esto solo afecta a conversaciones nuevas. Lo que ya hayas escrito antes de desactivarlo puede que ya se haya procesado. No hay vuelta atrás para los datos anteriores.

Si usas ChatGPT en el móvil, tienes que hacer lo mismo dentro de la app. Abre la app → toca tu perfil → Settings → Data Controls → desactiva el toggle. La configuración de web y móvil son independientes.

Ajuste 2: usa Chats Temporales para conversaciones sensibles

Aunque hayas desactivado el entrenamiento, OpenAI retiene tus conversaciones hasta 30 días por razones de seguridad y cumplimiento legal. Si tienes una conversación especialmente sensible (datos financieros, información de clientes, documentos internos), usa un Chat Temporal.

Cómo: En la parte superior de cualquier conversación, haz clic en el menú desplegable que dice “ChatGPT” y selecciona Temporary Chat.

En un Chat Temporal, la conversación no se guarda en tu historial y se elimina automáticamente a los 30 días. No se usa para entrenamiento independientemente de tu configuración general.

Ajuste 3: controla la Memoria de ChatGPT

ChatGPT tiene una función de “memoria” que recuerda cosas sobre ti entre conversaciones: tu nombre, tu trabajo, tus preferencias. Útil, pero significa que hay datos personales almacenados de forma persistente.

Ruta: Perfil → Settings → Personalization → Memory → Desactívalo si prefieres que no recuerde nada entre sesiones.

Si quieres mantener la memoria activa pero limpiar lo que ya ha guardado: en ese mismo menú, pulsa Manage Memory para ver exactamente qué sabe ChatGPT sobre ti y eliminar puntos concretos. También puedes pulsar Clear ChatGPT’s Memory para borrarlo todo de golpe.

Dos minutos. Tres ajustes. Hecho.

Lo que debes saber (y nadie te dice)

• Los planes de pago no te protegen automáticamente. Si usas ChatGPT Plus o Pro en tu cuenta personal, el entrenamiento viene activado por defecto. Solo los planes Enterprise, Team y Edu lo tienen desactivado de serie.

• Desactivar el entrenamiento no borra tus datos de los servidores. OpenAI retiene las conversaciones hasta 30 días para monitorización de abuso, aunque hayas desactivado el toggle. La eliminación inmediata completa solo existe en planes Enterprise con Zero Data Retention (ZDR).

• Los “me gusta” y “no me gusta” también cuentan. Cuando pulsas el pulgar arriba o abajo en una respuesta de ChatGPT, esa conversación puede usarse para entrenamiento aunque tengas el toggle general desactivado. Es una excepción que poca gente conoce.

• Regla de oro: nunca pegues en ningún modelo de IA información que no estarías dispuesto a ver publicada. Ni contraseñas, ni datos bancarios, ni información personal de terceros, ni código propietario crítico. Ningún ajuste de privacidad sustituye al sentido común.

Descubre cómo podemos ayudarte →

Ese ciclo (reunión, notas, emails, actualización) consume entre 2 y 3 horas diarias del profesional medio que trabaja con conocimiento y ordenador.

No es una estimación; según datos de Microsoft Work Trend Index (2025), el trabajador del conocimiento dedica el 57% de su jornada a comunicarse sobre el trabajo en lugar de a hacerlo. La IA no va a hacer tu trabajo creativo por ti. Pero puede encargarse de ese 57% para que tú hagas el tuyo.

Este artículo te enseña un flujo concreto que puedes implementar hoy (con herramientas gratuitas) para automatizar la parte más repetitiva de tu día.

El flujo de 4 pasos que funciona para cualquier profesional

Voy a usar el ejemplo más universal que existe: acabas de salir de una reunión de 45 minutos. Tienes que convertir lo que se ha hablado en notas claras, emails de seguimiento y una actualización de estado. Lo que normalmente te lleva 45-60 minutos adicionales, vas a hacerlo en 5.

Paso 1. Graba y transcribe automáticamente

La base de todo es tener una transcripción. No notas a mano, no tu memoria: una transcripción literal de lo que se ha dicho.

Herramientas que hacen esto gratis o casi gratis en 2026: la propia funcionalidad de transcripción de Google Meet, Microsoft Teams o Zoom (ya incluida en la mayoría de planes), o herramientas como Fireflies, Otter o TL;DV que se conectan a tu videollamada y transcriben automáticamente.

Lo único que tienes que hacer: activar la grabación al empezar la reunión. Nada más.

Y avisar, claro ;-)

Cuando termine la reunión, tendrás un archivo de texto con todo lo que se ha dicho, quién lo ha dicho y en qué minuto. Ese archivo es la materia prima que alimenta los tres pasos siguientes.

Paso 2. De transcripción a notas estructuradas en 30 segundos

Abre ChatGPT, Claude, Gemini, o el asistente de IA que uses. Pega la transcripción y usa este prompt:

Analiza esta transcripción de reunión y genera:

1. RESUMEN EJECUTIVO (máx 5 líneas): qué se ha decidido
2. PUNTOS CLAVE discutidos (máx 6 bullets)
3. DECISIONES TOMADAS: lista con responsable de cada una
4. ACCIONES PENDIENTES: tarea + responsable + fecha límite
5. TEMAS ABIERTOS que requieren seguimiento

Formato limpio, profesional, listo para compartir.
Idioma: español.

[PEGA AQUÍ LA TRANSCRIPCIÓN]

En 30 segundos tienes un acta de reunión mejor estructurada que la que escribirías en 20 minutos. Y lo más importante: no se te escapa nada. La IA procesa toda la conversación, incluidas las ideas que se mencionaron de pasada y que tú habrías olvidado.

Paso 3. Genera los emails de seguimiento

Sin cambiar de conversación (esto es clave, porque la IA ya tiene todo el contexto), lanza este segundo prompt:

Basándote en las notas de la reunión que acabas de generar, 
escribe los emails de seguimiento necesarios:

1. Email al equipo completo: resumen + acciones asignadas
2. Email al responsable de la decisión principal: confirmación 
   + próximos pasos
3. Si hay algún tema pendiente con cliente/proveedor externo: 
   borrador del email correspondiente

Tono profesional pero cercano. Español de España. 
Cada email máximo 150 palabras. Incluye asunto.

Lo que tardabas 30-40 minutos en redactar (pensando el tono, recordando qué se dijo exactamente, decidiendo a quién copiar) ahora lo tienes en un minuto. Tu trabajo se reduce a revisar, ajustar si hace falta, y darle a enviar.

Paso 4. Actualiza el documento de estado

El último paso es el que más pereza da y más se posterga: actualizar el Excel, el Notion, el documento compartido o el tablero de proyecto con lo que ha salido de la reunión. Un prompt más:

Genera una actualización de estado basada en la reunión, 
con este formato:

- Proyecto/tema: [nombre]
- Estado: [en curso / bloqueado / completado]
- Último avance: [qué se decidió hoy]
- Próximo hito: [qué tiene que pasar y cuándo]
- Riesgos/bloqueos: [si los hay]

Una entrada por cada tema tratado en la reunión.

Copia el resultado y pégalo donde corresponda. En 30 segundos has actualizado un reporte que normalmente postergas hasta el viernes.

Lo que acabas de automatizar (y lo que no)

En cuatro pasos que llevan menos de 5 minutos, has generado lo que normalmente te costaba entre 45 y 90 minutos después de cada reunión: acta estructurada, emails de seguimiento personalizados y actualización de estado.

Si tienes una media de 3 reuniones al día, eso son entre 2 y 4 horas diarias que recuperas. A la semana, entre 10 y 20 horas. Al mes, el equivalente a una semana laboral completa dedicada a trabajo que realmente importa.

Pero quiero ser honesto con lo que la IA no ha hecho aquí: no ha tomado las decisiones de la reunión. No ha leído el tono de la sala cuando alguien no estaba de acuerdo pero no lo dijo. No ha decidido qué email necesita un tono más delicado porque la relación con ese cliente está tensa. No ha priorizado qué acción es urgente de verdad y cuál puede esperar. Eso sigues haciéndolo tú. Y eso es precisamente lo que te pagan por hacer.

La IA se encarga de la fontanería. Tú te encargas de la arquitectura.

Por qué esto es solo el principio

El flujo que te acabo de enseñar es manual: copias, pegas, revisas, envías. Funciona y puedes empezar hoy. Pero es la versión 1.0.

La versión 2.0 conecta la transcripción directamente a la IA mediante una automatización (herramientas como n8n, Make o Zapier) para que las notas, los emails y la actualización de estado se generen automáticamente al terminar cada reunión, sin que tengas que abrir ningún chat.

La versión 3.0 integra todo esto con tu CRM, tu gestor de proyectos y tu email, de modo que las acciones se crean como tareas reales, los emails se preprograman y el reporte de estado se actualiza solo.

Cada versión multiplica el ahorro. Y cada versión requiere un poco más de diseño, de arquitectura de flujos, de entender qué automatizar y qué no.

Los profesionales que empiezan con la versión 1.0 hoy son los que en seis meses van a estar operando en la 3.0. Los que siguen tomando notas a mano seguirán preguntándose por qué nunca les llega el día.

El primer paso es siempre el mismo: graba tu próxima reunión.

Descubre cómo llevamos la automatización de tu negocio al siguiente nivel →

En este artículo te doy un framework completo de prompts, listo para copiar y pegar, que cubre todo tu ciclo de ventas: desde la investigación del cliente hasta el cierre y la gestión de objeciones.

Es un sistema probado que puedes usar hoy mismo con ChatGPT, Claude, Gemini o cualquier modelo de lenguaje que uses para transformar tu proceso comercial.

Por qué el 80% de los vendedores usa mal la IA

Según el informe State of AI in Sales de ZoomInfo, el 45% de los profesionales de ventas ya usa IA al menos una vez por semana. Sin embargo, la mayoría se limita a dos tareas: resumir notas de reuniones y escribir correos de seguimiento. Eso es como comprar un Ferrari para ir al supermercado.

El dato que debería preocuparte: los equipos que integran IA de forma estratégica en todo su flujo comercial cierran un 45% más de deals que los que la usan de forma casual (Sopro, 2025) Y según Bain & Company, los vendedores solo dedican el 25% de su tiempo a vender realmente — el resto se lo comen tareas administrativas que la IA podría automatizar.

La diferencia entre un vendedor que usa IA y un vendedor que vende con IA es la calidad de sus instrucciones. Los prompts que le das a la IA determinan si obtienes una respuesta genérica que podrías haber escrito tú mismo o un análisis estratégico que transforma tu siguiente llamada comercial.

Lo que vas a encontrar aquí es un sistema de prompts organizados por cada fase del ciclo de ventas. Están diseñados para encadenarse, de modo que la salida de uno alimenta al siguiente. Así es como los mejores equipos comerciales están operando ya en 2026.

Si, además, trabajas tu Identidad Conversacional, el resultado será brutal.

El Framework V.E.N.T.A.: 5 Fases, 5 Mega-Prompts

He diseñado este framework con un acrónimo fácil de recordar: V.E.N.T.A. Cada letra corresponde a una fase del ciclo comercial, y cada fase tiene su mega-prompt listo para adaptar.

V - Vigilar. Investigación de prospecto

Antes de escribir un solo email o hacer una llamada, necesitas entender a quién te diriges. Este prompt convierte 5 minutos de investigación manual en un briefing estratégico completo.

EL PROMPT:

Actúa como un analista de inteligencia comercial senior con 15 años 
de experiencia en ventas B2B en el mercado español.

CONTEXTO:
- Mi empresa: [nombre de tu empresa]
- Lo que vendemos: [descripción breve de tu producto/servicio]
- Nuestro cliente ideal: [perfil ICP]
- Prospecto a investigar: [nombre de la empresa y persona de contacto]

TAREA:
Investiga y crea un briefing comercial sobre este prospecto que incluya:

1. SITUACIÓN DE LA EMPRESA:
   - Sector, tamaño aproximado y posición en el mercado
   - Últimas noticias relevantes (últimos 6 meses)
   - Principales competidores directos
   - Retos típicos de empresas de este perfil en su sector

2. ANÁLISIS DE NECESIDAD:
   - 3 problemas que probablemente tenga y que nosotros podríamos resolver
   - Señales de compra potenciales (crecimiento, cambio de equipo, nuevos lanzamientos)
   - Presupuesto probable para soluciones como la nuestra

3. MAPA DE DECISIÓN:
   - Quién probablemente decide (cargo)
   - Quién influye en la decisión
   - Quién podría bloquearla
   - Criterios de compra habituales en este tipo de empresa

4. ÁNGULO DE ENTRADA:
   - La frase de apertura más efectiva para un primer contacto
   - El "dolor" más probable al que debería apelar
   - Un dato o insight específico de su sector que demuestre expertise

Formato: briefing ejecutivo, máximo 500 palabras, con bullets. 
Sé específico y evita generalidades.

• CÓMO USARLO: rellena los campos entre corchetes con tu información real. Cuanto más contexto le des sobre tu empresa y tu ICP, más preciso será el output. Si usas un modelo con acceso a búsqueda web (como Claude con web search o ChatGPT con browsing), los resultados incluirán datos actualizados sobre la empresa.

• QUÉ OBTIENES: un briefing de prospecto que normalmente requeriría 30-45 minutos de research manual, en menos de 2 minutos. La clave es el punto 4 (Ángulo de Entrada), que te da directamente la apertura para tu primer contacto.

E — Enganchar. Primer contacto personalizado

Con el briefing del paso anterior, ahora puedes generar un primer contacto que no suene a plantilla. Este es el prompt que más impacto inmediato tiene en tasas de respuesta.

EL PROMPT:

Actúa como un copywriter especializado en ventas consultivas para 
el mercado español. Tu estilo es directo, profesional pero cercano, 
y nunca suena a "email de vendedor".

CONTEXTO:
[Pega aquí el briefing generado en el paso anterior]

- Canal de contacto: [email / LinkedIn / WhatsApp]
- Mi rol: [tu cargo]
- Mi empresa: [qué hacemos en una frase]

TAREA:
Genera 3 versiones de primer contacto, cada una con un ángulo diferente:

VERSIÓN A — "El insight":
Abre con un dato o tendencia específica de su sector que demuestre 
que entiendes su negocio. No menciones tu producto hasta la segunda 
mitad del mensaje.

VERSIÓN B — "El espejo":
Menciona un reto específico que empresas similares a la suya están 
enfrentando. Haz que se identifique con el problema antes de sugerir 
que existe una solución.

VERSIÓN C — "La pregunta":
Abre con una pregunta que sea imposible de ignorar porque toca 
directamente un punto de dolor relevante. No vendas nada. 
Solo busca iniciar una conversación.

REGLAS:
- Máximo 100 palabras por mensaje (para email/LinkedIn) o 40 palabras (WhatsApp)
- Sin adjetivos vacíos ("innovador", "líder", "solución integral")
- Sin el cliché de "espero que estés bien"
- Tono: como si le escribieras a alguien que respetas profesionalmente
- Incluye UN solo call-to-action claro al final (pregunta, no petición)
- Escribe en español de España

• POR QUÉ FUNCIONA: Las tres versiones te permiten hacer A/B testing real. Pruébalas con 10 prospectos cada una y mide cuál genera más respuestas. En nuestra experiencia, la “Versión B — El Espejo” suele tener las mejores tasas de respuesta porque activa el sesgo de reconocimiento: cuando alguien describe tu problema con precisión, automáticamente le atribuyes autoridad.

N — Negociar. Preparación de la reunión de ventas

Tienes la reunión. Ahora necesitas prepararte como un profesional, no como alguien que improvisa. Este prompt te crea un guion de conversación completo.

EL PROMPT:

Actúa como un director comercial con experiencia en ventas 
consultivas de alto valor en España.

CONTEXTO:
- Prospecto: [nombre empresa y persona]
- Lo que sabemos: [pega briefing + notas de conversaciones previas]
- Lo que vendemos: [tu producto/servicio y precio aproximado]
- Reunión: [tipo: discovery call / demo / negociación / cierre]

TAREA:
Crea un guion de conversación para esta reunión que incluya:

1. APERTURA (2 min):
   - Frase de conexión personal (referencia a algo específico del prospecto)
   - Planteamiento del objetivo de la reunión
   - Pregunta para establecer la agenda juntos

2. DESCUBRIMIENTO (15 min):
   - 5 preguntas de diagnóstico ordenadas de general a específica
   - Para cada pregunta: qué información busco y por qué importa
   - Preguntas de seguimiento si la respuesta es vaga
   - La "pregunta incómoda" que nadie hace pero que revela la necesidad real

3. PRESENTACIÓN DE VALOR (10 min):
   - El puente: cómo conectar lo que ha dicho con lo que ofrezco
   - 3 argumentos de valor ordenados por impacto probable
   - Un caso de éxito breve y relevante para su contexto
   - Datos específicos (números, porcentajes, plazos)

4. MANEJO DE OBJECIONES:
   - Las 5 objeciones más probables para este perfil de cliente
   - Para cada una: respuesta recomendada (técnica "sentir-encontrar")
   - La objeción oculta que probablemente no diga pero esté pensando

5. CIERRE:
   - Señales de compra a detectar durante la conversación
   - 3 opciones de cierre (directo, alternativo, de prueba)
   - Próximo paso concreto a proponer

Formato: esquemático, fácil de consultar durante la llamada.

• CONSEJO AVANZADO: Después de la reunión, vuelve a la IA con las notas de lo que realmente ocurrió. Pídele que compare su guion con la conversación real y que identifique qué ajustar para el siguiente paso. Esta retroalimentación es lo que convierte a un vendedor bueno en uno excepcional.

T — Transformar. Gestión de objeciones en tiempo real

Estás en medio de una negociación y el cliente te lanza una objeción que no esperabas. Este prompt es para tener preparado en otra ventana mientras hablas por teléfono o videollamada.

EL PROMPT:

Actúa como un coach de ventas experto en negociación comercial en 
mercados hispanohablantes.

SITUACIÓN:
- Estoy en una [llamada / reunión / negociación] con [cargo del cliente]
- Mi producto: [qué vendo y a qué precio]
- La objeción que acaba de plantear: "[escribe la objeción literal]"
- Contexto adicional: [lo que sabes sobre su situación]

DAME EN 30 SEGUNDOS:
1. Qué hay DETRÁS de esa objeción (la razón real, no la excusa)
2. Una respuesta en una frase que valide su preocupación sin ceder
3. Una pregunta de rebote que devuelva el foco al valor
4. Si la objeción es de precio: una reformulación en términos de ROI

REGLAS:
- Respuesta corta y directa (máx 100 palabras)
- Nada de teoría, solo lo que digo literalmente
- Tono: firme pero empático
- Nunca sugerir bajar el precio como primera opción

• USO PRÁCTICO: Tenlo abierto en una pestaña durante tus llamadas. Cuando el cliente lance una objeción, escríbela literalmente mientras hablas (basta con la frase clave) y obtén una respuesta en tiempo real. No es hacer trampas — es tener a tu mejor director comercial susurrándote al oído.

Las objeciones más comunes que este prompt maneja especialmente bien: “Es demasiado caro”, “Ya trabajamos con otro proveedor”, “Necesito consultarlo internamente”, “No es el momento”, “Envíame una propuesta y ya la miro”.

A — Ampliar. Seguimiento y expansión de cuenta

El 80% de las ventas requiere al menos 5 contactos de seguimiento, pero el 44% de los vendedores abandona después del primero (datos de Brevet) Este prompt crea secuencias de seguimiento que aportan valor en cada toque, no presión.

EL PROMPT:

Actúa como un estratega de account management especializado 
en ventas B2B en España.

CONTEXTO:
- Cliente/prospecto: [nombre y empresa]
- Estado actual: [elige: post-reunión sin respuesta / propuesta enviada / 
  cliente actual para upselling / lead frío a reactivar]
- Última interacción: [qué pasó y cuándo]
- Lo que ofrecemos: [producto/servicio relevante]

TAREA:
Diseña una secuencia de 5 toques de seguimiento a lo largo de 30 días:

PARA CADA TOQUE incluye:
- Día y canal (email, LinkedIn, WhatsApp, llamada)
- El mensaje exacto a enviar
- El valor que aporta ese mensaje (dato, artículo, caso de éxito, insight)
- Qué busco con ese toque específico (respuesta, avance, reunión)

REGLAS:
- NUNCA el clásico "solo quería hacer seguimiento" 
- Cada toque debe aportar algo nuevo de valor
- Escalar la urgencia de forma natural (sin presionar)
- Alternar canales para no saturar por el mismo medio
- El toque 5 debe ser un "break-up email" elegante que genere FOMO
- Si es para upselling: identificar oportunidades de venta cruzada 
  basadas en lo que ya usa el cliente
- Si es lead frío: encontrar un gancho de reactivación 
  (cambio en su empresa, noticia del sector, nueva regulación)
- Español de España, tono profesional pero cercano

LA SECUENCIA QUE MÁS CONVIERTE: En nuestra experiencia con equipos comerciales, la estructura que mejor funciona es:

• Toque 1 (día 1): valor puro sin pedir nada.

• Toque 2 (día 4): caso de éxito relevante.

• Toque 3 (día 10): pregunta específica que requiere respuesta.

• Toque 4 (día 18): novedad o dato que cambia el contexto.

• Toque 5 (día 28): cierre elegante con puerta abierta.

Cómo encadenar los prompts: el efecto multiplicador

Cada prompt por separado es útil. Pero la magia ocurre cuando los encadenas en una sola conversación de chat:

1. Paso 1: empieza con el prompt V (Vigilar) para un prospecto real.

2. Paso 2: sin abrir una conversación nueva, lanza el prompt E (Enganchar) — la IA ya tiene todo el contexto del briefing.

3. Paso 3: cuando consigas la reunión, en la misma conversación usa el prompt N (Negociar). La IA recuerda quién es el prospecto, qué le dijiste y qué ángulo funcionó.

4. Paso 4: después de la reunión, añade tus notas y usa T (Transformar) para preparar respuestas a las objeciones que surgieron.

5. Paso 5: cierra con A (Ampliar) para diseñar el seguimiento basado en todo lo que ya sabe la IA sobre ese prospecto.

Este encadenamiento es lo que marca la diferencia entre usar IA como herramienta y usar IA como sistema. En un solo hilo de conversación tienes un CRM inteligente, un coach de ventas y un estratega comercial trabajando para ti.

Los errores que arruinan hasta el mejor prompt

Antes de que copies y pegues, hay tres errores que veo constantemente en equipos comerciales que empiezan a usar IA para vender:

• Error 1: No dar contexto suficiente. “Escríbeme un email de ventas” no es un prompt, es una lotería. La IA necesita saber qué vendes, a quién, en qué fase estás y qué tono quieres. Los campos entre corchetes de mis prompts no son opcionales — son la diferencia entre un resultado genérico y uno que convierte.

• Error 2: Usar el output tal cual. La IA te da un borrador de muy alta calidad, no un producto terminado. Tu trabajo es añadir tu experiencia, tu conocimiento del cliente y tu criterio. El mejor prompt del mundo no sustituye a un vendedor que conoce a su cliente.

• Error 3: No iterar. Si la primera respuesta no es exactamente lo que necesitas, no empieces de cero. Dile a la IA qué cambiar: “Hazlo más directo”, “Quita la parte del precio”, “Añade un dato sobre su sector”. La iteración es donde se genera el valor real.

El dato que lo cambia todo: 12 horas a la semana

Según los datos más recientes, los profesionales de ventas que usan IA de forma estructurada ahorran una media de 12 horas semanales. Doce horas. Eso son 624 horas al año: el equivalente a 78 jornadas laborales completas dedicadas a vender en lugar de a tareas administrativas.

Los equipos que usan IA reportan un 81% de incremento en ingresos frente al 66% de los que no la usan. Un 86% consigue ROI positivo en el primer año. Y los equipos de alto rendimiento son 1,4 veces más propensos a anticipar las necesidades del cliente.

Pero aquí viene lo que nadie te dice: el 74% de las empresas que invierten en IA para ventas no consiguen escalar los resultados. No porque la tecnología no funcione, sino porque les falta sistema. Les falta metodología. Les falta alguien que conecte la herramienta con el proceso comercial real.

Un prompt te soluciona una tarea. Un framework te soluciona una semana. Pero un sistema de ventas con IA integrada en tu CRM, tus workflows y la formación de tu equipo... eso te soluciona el trimestre.

De los prompts al sistema: el siguiente paso

Este artículo te da las herramientas. Pero si eres honesto contigo mismo, sabes que hay una distancia entre tener los prompts y transformar realmente tu proceso comercial.

Las preguntas que quedan por resolver no son de prompting, son de estrategia: ¿Cómo integro esto en mi CRM sin que mi equipo lo vea como una carga más? ¿Cómo mido qué está funcionando realmente? ¿Cómo formo a 10 o 20 vendedores para que lo usen de forma consistente? ¿Cómo automatizo las partes repetitivas para que el equipo se enfoque solo en vender?

Si estás en el punto en el que los prompts ya no son suficientes y necesitas un sistema completo de ventas potenciado con IA (investigación automatizada, secuencias inteligentes, formación de equipo, integración con tus herramientas…), eso es exactamente lo que hacemos.

Descubre cómo podemos ayudarte →

Ya hemos hablado aquí muchas veces sobre la importancia del buen promptting, artículo como La guía definitiva del buen prompting: desde hablarle en voz alta hasta afinar cada palabra en Word como un profesional o El prompt espejo: cómo convertir cualquier IA en un experto que piensa contigo.

Así que hoy toca compartir con más produndidad. Después de meses construyendo prompts y soluciones específicas de investigación para clientes de sectores tan distintos como iluminación urbana, turismo, salud mental, cultura o el sector farmacéutico, he destilado un patrón que funciona. Una estructura que convierte a la IA en un analista estratégico de verdad, no en un generador de párrafos bonitos.

Aquí te cuento entera esa estructura:

Cómo hacer prompts de investigación con IA: la guía definitiva

El error más común: preguntar en genérico

“Investiga sobre el mercado de X en España”. Eso no es un prompt de investigación. Es una invitación a que la IA te escriba un artículo de Wikipedia. La IA es extraordinariamente buena siguiendo instrucciones precisas y extraordinariamente mediocre cuando le das carta blanca.

La diferencia entre una respuesta genérica y un análisis que realmente puedas usar está en la estructura de lo que pides. Piensa en esto: tú no le dirías a un consultor recién contratado “investiga el mercado” sin darle un briefing. ¿Por qué hacerlo con la IA?

Los 7 bloques de un prompt de investigación profesional

1. Contexto situacional: quién eres y desde dónde partes

La IA necesita saber quién le habla. No es lo mismo investigar un mercado para una startup que para una multinacional. No es lo mismo posicionar a un newcomer que a un líder consolidado.

Incluye siempre:

• Quién es la empresa o el proyecto (sector, tamaño, especialización)

• Cuál es su situación actual (años en el mercado, posicionamiento, fortalezas conocidas)

• Qué tiene y qué le falta.

Ejemplo: “Se trata de una empresa mediana del sector salud, con 12 años de trayectoria, posicionada como referente en su comunidad autónoma pero sin presencia digital relevante a nivel nacional.”

Este párrafo cambia completamente el tipo de investigación que la IA va a producir.

2. Objetivo estratégico: el “para qué” de la investigación

Aquí es donde la mayoría de los prompts fallan. Dicen qué quieren saber, pero no para qué lo quieren saber. Y eso importa enormemente, porque la misma información se presenta de forma completamente diferente según el objetivo.

Define con claridad:

• ¿Qué decisión vas a tomar con esta información?

• ¿Es para una propuesta comercial, una licitación pública, una estrategia de posicionamiento, un plan de negocio?

• ¿Hay un plazo o hito concreto?

Ejemplo: “El objetivo es elaborar una propuesta comercial para presentar a la dirección de marketing antes del 15 de abril, donde demostremos un conocimiento profundo de su mercado y oportunidades.”

Cuando la IA sabe para qué sirve su trabajo, prioriza mejor, estructura mejor y profundiza donde realmente hace falta.

3. Áreas de investigación: el mapa del territorio

Aquí es donde tú marcas el terreno. No dejes que la IA decida qué investigar: díselo tú. Este es el bloque más largo del prompt, y con razón. Piensa en él como el índice de tu informe ideal.

Un buen mapa de investigación incluye entre 5 y 8 áreas. Estas son las que más se repiten en investigaciones estratégicas:

• Análisis de mercado: tamaño, crecimiento, segmentación, tendencias macro.

• Panorama competitivo: quiénes son, qué hacen bien, dónde fallan, cómo comunican.

• Perfil del cliente objetivo: quién decide, qué le preocupa, cómo compra, qué consume.

• Tendencias e innovación: tecnologías emergentes, cambios regulatorios, modelos disruptivos.

• Marco regulatorio: normativas, certificaciones, licitaciones, incentivos.

• Estrategias de posicionamiento: thought leadership, canales, eventos, asociaciones.

• Casos de éxito y benchmarks: quién lo ha hecho bien y qué podemos aprender.

Pero aquí viene la clave: cada área debe tener sub-preguntas específicas. No escribas “análisis competitivo” y punto. Escribe exactamente qué quieres saber de los competidores.

Ejemplo dentro del bloque competitivo:

• Los 10 principales competidores directos e indirectos.

• Su propuesta de valor diferencial.

• Su estrategia de contenido y thought leadership.

• Su presencia en canales digitales y redes sociales.

• Casos de éxito que comunican públicamente.

• Gaps de mercado que no están cubriendo.

4. El perfil del decisor: para quién es realmente la información

Este bloque se olvida siempre y es uno de los más potentes. Si le dices a la IA quién va a leer el resultado, adapta el tono, la profundidad y los énfasis de una manera que te sorprenderá.

• ¿El informe lo lee un CEO que quiere titulares y números?

• ¿Un director de marketing que necesita insights accionables?

• ¿Un técnico que necesita datos duros con fuentes?

• ¿Un comité de evaluación de una licitación pública?

Ejemplo: “El documento será evaluado por un comité técnico de una administración pública que valora el conocimiento demostrado del territorio, la solidez metodológica y la viabilidad de las propuestas.”

Con una sola frase, acabas de cambiar todo el enfoque del output.

5. Formato de entrega: cómo quieres recibir la información

La IA es mucho más útil cuando sabe exactamente qué forma debe tener su respuesta. No es lo mismo un informe ejecutivo de 2 páginas que un análisis de 30. No es lo mismo una lista de bullets que una narrativa estratégica.

Especifica:

• Estructura general: ¿Quieres un executive summary al inicio? ¿Secciones con headers claros?

• Longitud aproximada: No tiene que ser exacta, pero un rango ayuda.

• Elementos obligatorios: Datos cuantitativos, fuentes, gráficos sugeridos, citas relevantes.

• Entregables adicionales: ¿Necesitas un plan de acción? ¿Una matriz DAFO? ¿Un roadmap?

Ejemplo de estructura de entrega:

“Entrega el resultado en un único informe con: (1) Executive summary de 1 página con hallazgos clave y recomendaciones, (2) Informe detallado por secciones con datos cuantitativos y fuentes, (3) Matriz de oportunidades priorizadas, (4) Propuesta de 5 iniciativas concretas con timeline.”

6. Nivel de profundidad y fuentes: la diferencia entre Wikipedia y McKinsey

Este es el bloque que separa una investigación de juguete de una profesional. Explicita qué nivel esperas.

• ¿Quieres datos con fuentes citables?

• ¿Priorizas informes sectoriales, datos oficiales, estudios académicos?

• ¿Necesitas un mínimo de fuentes?

• ¿Hay fuentes que deban consultarse obligatoriamente (INE, Eurostat, informes sectoriales específicos…)?

Ejemplo: “Prioriza fuentes primarias: informes sectoriales, datos de organismos oficiales, estudios de mercado de consultoras reconocidas y publicaciones especializadas. Cita siempre la fuente y el año del dato.”

También puedes indicar qué NO quieres: “Evita generalidades y afirmaciones sin datos que las respalden”.

7. Instrucciones de comportamiento: el meta-prompt

Este es el bloque más sutil y el que más impacto tiene. Aquí no le dices a la IA qué investigar, sino cómo comportarse mientras investiga.

Algunas instrucciones de comportamiento que transforman el resultado:

• “Antes de investigar, confirma que has entendido el briefing y presenta tu plan de investigación.”

• “Si te falta información clave para producir un resultado de calidad, pregunta antes de empezar.”

• “Prioriza insights accionables sobre descripciones genéricas.”

• “Si encuentras datos contradictorios, señálalos y argumenta cuál es más fiable.”

• “No rellenes con texto genérico las áreas donde no encuentres información de calidad. Mejor indica las limitaciones.”

• “Una vez confirmado el plan, ejecuta sin interrupciones hasta completar.”

Estas instrucciones son las que convierten a la IA de un asistente obediente en un analista con criterio.

La plantilla que lo une todo

Aquí tienes la estructura completa que puedes copiar y adaptar:

CONTEXTO
[Quién es la empresa/proyecto, situación actual, fortalezas, limitaciones]

OBJETIVO
[Para qué se necesita esta investigación, qué decisión se va a tomar, deadline]

DESTINATARIO
[Quién va a leer/evaluar el resultado y qué valora]

ÁREAS DE INVESTIGACIÓN
1. [Área 1]
   - Sub-pregunta específica
   - Sub-pregunta específica
2. [Área 2]
   - Sub-pregunta específica
   - Sub-pregunta específica
[...]

FORMATO DE ENTREGA
[Estructura, longitud, elementos obligatorios, entregables adicionales]

NIVEL DE PROFUNDIDAD
[Tipo de fuentes esperadas, requisitos de citación, qué evitar]

INSTRUCCIONES DE COMPORTAMIENTO
[Cómo quieres que actúe la IA durante la investigación]

Tres errores que arruinan un buen prompt

1. Demasiado largo sin jerarquía. Un prompt de 3.000 palabras sin estructura clara confunde más que ayuda. Usa headers, numeración y sangría para que la IA procese la jerarquía de tus instrucciones.

2. Pedir todo a la vez. Si necesitas una investigación de 10 áreas, considera dividirla en fases. Primera pasada: mercado y competencia. Segunda: cliente y posicionamiento. La IA trabaja mejor con foco.

3. No pedir que confirme el plan antes de ejecutar. Esta instrucción simple te ahorra horas. Si la IA te muestra su plan de investigación antes de ejecutar, puedes corregir el rumbo antes de que produzca 20 páginas en la dirección equivocada.

Una reflexión final

El prompt de investigación es un ejercicio estratégico en sí mismo. Cuando te sientas a escribir un buen prompt, estás haciendo algo que tiene un valor enorme: estás pensando en qué necesitas saber realmente y por qué.

Eso, antes de la IA, se llamaba definir un briefing. Y los mejores profesionales siempre supieron que un buen briefing es la mitad del trabajo hecho.

La IA no ha cambiado esa verdad. Solo ha hecho que el coste de un mal briefing sea mucho más visible, porque ahora recibes el resultado malo en 30 segundos en lugar de en 3 semanas.

Así que la próxima vez que necesites que la IA investigue algo de verdad, no empieces escribiendo el prompt. Empieza pensando en qué decisión vas a tomar con esa información. Todo lo demás se estructura solo a partir de ahí.

En +MAIN.MIND ayudamos a empresas pequeñas y medianas, proyectos y personas con valores y propósito, marcas personales, organizaciones con impacto, en definitiva a aquellxs que hacen cosas que importan y un mundo mejor, a integrar la Inteligencia Artificial en su día a día.

Si quieres sacarle el partido a la IA: escríbenos.

Si tu marca no aparece en las respuestas generadas por IA, para un número creciente de usuarios, simplemente no existes.

Es algo que controlo especialmente, aquí de hecho ya hemos publicado algún artículo que ha tenido mucho éxito, como:

• Cómo lograr que Copilot, ChatGPT o Gemini citen tu contenido en sus respuestas.

• ¿Cómo posicionar tu contenido en las respuestas de inteligencia artificial?

GEO: Qué es la Generative Engine Optimization y cómo aplicarla en tu empresa en 2026

El cambio de paradigma: de los enlaces azules a las respuestas generadas

Durante más de dos décadas, la visibilidad digital se ha construido sobre un modelo claro: optimizar contenido para que aparezca en las primeras posiciones de Google, donde los usuarios hacen clic en enlaces azules. Ese modelo está mutando.

Los motores de búsqueda generativos no muestran listas de enlaces. Procesan cientos de fuentes, sintetizan la información y generan una respuesta única. Ellos deciden qué datos incluir y qué marcas mencionar. La implicación es directa: el CTR orgánico en muchas categorías ha caído entre un 30% y un 70% en España durante el último año, mientras que las respuestas generativas absorben la atención del usuario antes de que llegue a hacer clic en ningún sitio.

Los datos que explican la urgencia de este cambio son contundentes:

• ChatGPT supera los 800 millones de usuarios semanales y Google Gemini alcanza los 750 millones de usuarios mensuales.

• El 58% de los usuarios ya ha sustituido los buscadores clásicos por herramientas de IA para descubrir productos y servicios, según datos de Capgemini.

• El 63% de los sitios web registra tráfico procedente de motores de búsqueda con IA, según Ahrefs.

• El 64% de los consumidores está dispuesto a comprar productos sugeridos por IA, según datos de Master of Code.

• Gartner estima que en 2028, hasta el 25% de las búsquedas se realizarán en motores generativos, una migración que ya está en marcha.

• En España, casi 6 de cada 10 búsquedas ya no generan un clic directo hacia un sitio web, delegando en la IA la prescripción de soluciones.

Esto no es el futuro. Es el presente. Y las empresas que no se adapten quedarán invisibles para una audiencia que cada día crece más.

GEO vs SEO: diferencias clave que debes entender

GEO no reemplaza al SEO. Lo complementa y lo amplía. Pero entender sus diferencias es fundamental para diseñar una estrategia efectiva.

• Fuente de las respuestas. El SEO tradicional posiciona enlaces en una lista ordenada. GEO busca que tu contenido sea la fuente que la IA usa para construir su respuesta sintetizada.

• Factores de posicionamiento. En SEO, los backlinks y la autoridad de dominio son determinantes. En GEO, la autoridad de citación, la probabilidad de que la IA te cite como fuente fiable, reemplaza al enlace como moneda de cambio. Los modelos de lenguaje solo citan entre 2 y 7 fuentes por respuesta, frente a los 10 enlaces de una página de Google.

• Intención del usuario. Las consultas en motores generativos son más largas, conversacionales y específicas. Ya no se busca “agencia marketing Cuenca”, sino “¿qué agencia de marketing con experiencia en IA me recomiendas para una pyme en Castilla-La Mancha?”.

• Métrica de éxito. La posición en el ranking deja de ser la métrica principal. Lo que importa es tu cuota de mención dentro de las respuestas generadas: cuántas veces y con qué sentimiento la IA referencia tu marca cuando los usuarios hacen preguntas relevantes.

Qué dice la investigación: el estudio fundacional de Princeton

El concepto de GEO fue formalizado en un paper académico publicado por investigadores de Princeton, Georgia Tech, Allen Institute for AI e IIT Delhi, presentado en la conferencia KDD 2024. Este estudio es la referencia científica de todo lo que hoy se construye en torno a GEO.

Los hallazgos principales son reveladores:

• Las estrategias GEO pueden aumentar la visibilidad hasta un 40% en las respuestas de motores generativos. Este dato fue validado también en Perplexity.ai, con mejoras de hasta el 37%.

• Las tácticas más efectivas identificadas en el estudio son la inclusión de estadísticas verificables, la adición de citas y fuentes, y la optimización de fluidez del texto. La combinación más potente —optimización de fluidez + adición de estadísticas— superó a cualquier estrategia individual en más de un 5,5%.

• El keyword stuffing no funciona en GEO. Mientras que en SEO clásico rellenar de palabras clave podía ofrecer resultados, en motores generativos esta táctica tiene un rendimiento pobre. Los LLMs priorizan la calidad semántica y la densidad informativa, no la repetición de términos.

• GEO democratiza la visibilidad. Los sitios web que ocupan posiciones bajas en los resultados tradicionales son los que más se benefician de las estrategias GEO. El método de citar fuentes generó un aumento del 115% en visibilidad para sitios en la quinta posición del SERP, mientras que la visibilidad del primer resultado bajó un 30%. Esto representa una oportunidad enorme para pymes y creadores independientes.

Los 5 pilares de una estrategia GEO efectiva

Una estrategia GEO sólida se construye sobre cinco principios interconectados. No son tácticas aisladas, sino un sistema que debe trabajar en conjunto.

1. Contenido estructurado y citable

Los modelos de lenguaje no leen contenido como lo hace una persona. Descomponen cada página en fragmentos individuales y evalúan cada uno por su relevancia, claridad y densidad informativa. Cada sección debe funcionar de forma autónoma como respuesta potencial.

Cómo aplicarlo:

• Comienza cada sección respondiendo directamente a la pregunta que plantea el encabezado, sin rodeos ni introducciones innecesarias.

• Usa una jerarquía de encabezados limpia (H2, H3) que señale con claridad el tema de cada fragmento.

• Incluye definiciones precisas desde la primera frase de cada bloque temático.

• Añade secciones de preguntas frecuentes que respondan a las consultas más comunes de tu sector.

• Estructura la información en “bloques de conocimiento” que la IA pueda extraer y reutilizar directamente.

2. Autoridad demostrada con datos y fuentes

La autoridad en GEO no se declara, se demuestra. Los motores generativos priorizan contenido con datos verificables, estadísticas actualizadas y referencias a fuentes fiables. Si publicas algo que nadie más tiene (un benchmark, un dataset único, un framework propio…), la IA tiene razón para citarte por encima de alternativas genéricas.

Cómo aplicarlo:

• Incluye datos cuantitativos siempre que sea posible, sustituyendo afirmaciones genéricas por evidencias concretas.

• Cita fuentes originales y reconocidas en tu sector.

• Publica investigación original: encuestas propias, casos de estudio detallados, análisis con datos reales.

• Desarrolla frameworks y metodologías propietarias que aporten un valor diferencial.

• Mantén una fecha visible de “Última actualización” en todos tus contenidos.

3. E-E-A-T potenciado para IA

El modelo E-E-A-T (Experiencia, Especialización, Autoridad, Confiabilidad) de Google se ha consolidado como el filtro definitivo para los sistemas de búsqueda generativa. Pero en GEO, su importancia se amplifica porque los LLMs evalúan la credibilidad no solo del contenido, sino del ecosistema completo de señales que rodean a tu marca.

Cómo aplicarlo:

• Incluye bios de autor detalladas con credenciales verificables.

• Asegura la consistencia de tu información en todas las plataformas donde tu marca tiene presencia.

• Genera menciones en medios de terceros: prensa especializada, comunidades, directorios profesionales.

• Mantén perfiles activos en plataformas que los LLMs utilizan como fuente: LinkedIn, Reddit y YouTube son de las más citadas por los principales modelos de lenguaje.

• Publica contenido regularmente para señalar actividad y relevancia continuada.

4. Optimización técnica para rastreadores de IA

Los crawlers de IA necesitan acceso limpio a tu contenido. La base técnica que sustenta un buen SEO sigue siendo crítica en GEO: tiempos de carga rápidos, arquitectura web limpia, optimización móvil y datos estructurados.

Cómo aplicarlo:

• Implementa schema markup (JSON-LD) para clarificar entidades, relaciones y contexto.

• Asegura que tu archivo robots.txt permita el acceso a los crawlers de IA (GPTBot, Google-Extended, PerplexityBot, ClaudeBot, etc.)

• Usa HTML semántico con una estructura de encabezados coherente.

• Optimiza la velocidad de carga: los motores generativos valoran la accesibilidad técnica de las fuentes.

• Revisa que tus páginas más importantes estén correctamente indexadas y no presenten problemas de rastreo.

5. Presencia multicanal y reputación distribuida

Los motores generativos no solo consultan tu web. Evalúan todo tu ecosistema digital: menciones en prensa, reseñas, discusiones en foros, presencia en redes profesionales, publicaciones en medios especializados. Cuantas más fuentes independientes hablen de tu marca en contextos relevantes, más clara es la señal de credibilidad para la IA.

Cómo aplicarlo:

• Invierte en digital PR: consigue cobertura en medios de tu sector.

• Gestiona activamente tus reseñas en Google Business, directorios profesionales y plataformas relevantes.

• Participa en comunidades donde tus clientes buscan información (Reddit, foros especializados, grupos de LinkedIn)

• Publica contenido sustancial en plataformas de terceros, no solo en tu web.

• Mantén coherencia en tu NAP (Nombre, Dirección, Teléfono) en todas las plataformas, especialmente si operas a nivel local.

Cómo medir tu visibilidad GEO

La medición es el mayor reto en GEO actualmente. A diferencia del SEO, donde llevamos años afinando dashboards de Google Analytics, la visibilidad en IA no tiene un panel unificado.

Métricas clave que debes monitorizar:

• Cuota de mención (Share of Model) Es el porcentaje de veces que tu marca aparece en las respuestas generadas por IA frente a tus competidores. Puedes medirlo de forma manual haciendo consultas relevantes en ChatGPT, Perplexity, Gemini y Google AI Overviews, o usar herramientas como Semrush Enterprise AIO o Profound para automatizarlo.

• Tasa de inclusión. El porcentaje de consultas objetivo donde tu URL o marca es citada en la respuesta de la IA.

• Sentimiento de la mención. No basta con aparecer. Importa cómo te menciona la IA: si te recomienda, si te compara favorablemente, si te posiciona como referente o como una opción más.

• Tráfico desde motores de IA. En GA4 puedes identificar sesiones procedentes de ChatGPT, Perplexity y otros motores generativos. Complementa con análisis de logs del servidor para detectar patrones de crawlers de IA.

• Auditoría con prompts avanzados. Haz preguntas directas a los principales modelos: “¿Qué empresa recomiendas para [tu servicio] en [tu ubicación]?”, “¿Quién es referente en [tu sector]?”. Si apareces, tu GEO funciona. Si no, necesitas optimizar.

Plan de acción: empieza hoy con estos 7 pasos

Si estás leyendo esto y aún no has trabajado tu GEO, estás en una posición que se parece mucho a la del SEO en 2005: quienes empezaron antes, construyeron ventajas que sus competidores tardaron años en igualar. La mayoría de las pymes todavía no han comenzado, lo que representa una oportunidad de primer movimiento significativa.

1. Audita tu visibilidad actual. Pregunta a ChatGPT, Perplexity y Gemini sobre tu sector, tus servicios y tu ubicación. ¿Apareces? ¿Aparecen tus competidores? Documenta los resultados.

2. Identifica tus 5-10 contenidos principales y optimízalos con la estructura GEO: respuestas directas al inicio, datos verificables, fuentes citadas, secciones FAQ, encabezados claros.

3. Publica investigación original. Un caso de estudio detallado, una encuesta a tu sector, un análisis con datos propios. Dale a la IA una razón para citarte que ningún competidor pueda replicar fácilmente.

4. Revisa tu accesibilidad técnica. Verifica que los crawlers de IA pueden acceder a tus páginas más importantes. Implementa schema markup en tus contenidos clave.

5. Amplifica tu presencia multicanal. Publica en LinkedIn con regularidad, participa en discusiones relevantes, busca menciones en medios especializados.

6. Establece un sistema de medición. Define las consultas clave de tu negocio, monitoriza mensualmente tu presencia en los principales motores generativos y compara con tus competidores.

7. Itera cada trimestre. El GEO no es un proyecto puntual. Los motores generativos evolucionan constantemente, y tu contenido debe actualizarse al mismo ritmo. Añade datos nuevos, refresca estadísticas y marca cada actualización con una fecha visible.

8. ⚠️ Te dejo la mejor opción 💌 AQUÍ.

La oportunidad para las pymes españolas

España es un terreno especialmente fértil para el GEO. La rápida adopción de la IA por parte de la población, combinada con el peso de las pymes en el tejido económico y la exigencia de transparencia de la normativa europea, crea un escenario donde las empresas que se posicionen ahora construirán una ventaja difícil de revertir.

La integración de GEO con elementos de proximidad cultural, lingüística y geográfica es clave. Las consultas conversacionales en español tienen matices que los modelos de lenguaje están aprendiendo a interpretar cada vez mejor. Una pyme en Cuenca que optimice su contenido para ser citada cuando alguien pregunte “¿qué empresa en Castilla-La Mancha puede ayudarme con automatización de marketing con IA?” tiene una oportunidad real de captar clientes que antes nunca la habrían encontrado.

El GEO no es una moda pasajera ni un concepto abstracto. Es la evolución natural de la visibilidad digital en un mundo donde la IA media cada vez más conversaciones entre las marcas y las personas que necesitan sus servicios. La pregunta no es si debes invertir en GEO. La pregunta es cuánto te está costando cada mes que la IA recomiende a tu competencia y no a ti.

Preguntas frecuentes sobre GEO

¿Qué es exactamente GEO (Generative Engine Optimization)?

GEO es la práctica de optimizar contenido digital para que sea citado, referenciado y recomendado por motores de búsqueda basados en inteligencia artificial, como ChatGPT, Google AI Overviews, Perplexity y Gemini. Su objetivo es que tu marca forme parte de las respuestas generadas por IA cuando los usuarios buscan información relevante para tu sector.

¿GEO sustituye al SEO tradicional?

No. GEO complementa al SEO añadiendo requisitos específicos de estructura, citabilidad y densidad de datos que el SEO por sí solo no cubre. Las marcas que mejor funcionan en GEO son las que ya tienen una base sólida de SEO tradicional.

¿Es relevante el GEO para mi pyme?

Sí. El GEO es relevante para cualquier empresa con presencia online, desde clínicas y despachos profesionales hasta restaurantes y consultoras. Si tus clientes potenciales hacen preguntas sobre tus servicios a asistentes de IA, y cada vez más lo hacen,, necesitas estar presente en esas respuestas.

¿Cuánto tarda en dar resultados una estrategia GEO?

Depende del motor generativo. Google AI Overviews usa la web en tiempo real, por lo que contenido bien optimizado puede empezar a citarse en semanas. ChatGPT se basa en modelos entrenados periódicamente, por lo que los resultados pueden tardar más. Como en SEO, es un trabajo estratégico de constancia.

¿Cómo sé si la IA ya menciona a mi competencia y no a mí?

Haz una auditoría rápida: pregunta a ChatGPT, Perplexity y Gemini sobre los servicios que ofreces, usando las mismas palabras que usarían tus clientes. Documenta quién aparece y quién no. Eso te dará una foto clara de tu punto de partida.

La muerte de la fricción visual

LA IA se está volviendo invisible. Nano Banana 2 integra la inteligencia de Gemini Flash con la capacidad de búsqueda en tiempo real de Google. ¿Qué significa esto? Que el modelo no solo imagina, sino que entiende el contexto actual. Si le pides un gráfico sobre tendencias de consumo en 2026, no se inventa la estética; consulta el conocimiento del mundo real para darte precisión.

La capacidad de mantener la consistencia de hasta cinco personajes y catorce objetos en un mismo flujo de trabajo elimina el mayor problema del contenido generado por IA: la falta de cohesión. Ya no es una imagen aislada; es un ecosistema de contenidos coherente. Para el lector, esto significa que el coste de iteración ha caído a prácticamente cero.

Antes de seguir, te comparto por aquí algunos artículos sobre imágenes e IA que he escrito y que han tenido un alto impacto:

• Ya no necesitas un diseñador para prototipar tu próxima idea (y eso cambia las reglas del juego)

• Cómo escribir prompts de imagen con IA que funcionan a la primera (sin ser diseñador)

• El fin del contrato visual: por qué ya no puedes creer a tus ojos.

• De la servilleta a la pantalla: cómo crear storyboards animados con Nano Banana y Midjourney.

• ¿El fin de la sesión de fotos tradicional? Cómo la IA generativa está rediseñando el e-commerce de moda.

• De una foto vieja a un documental vivo: Workflow creativo con Gemini, Grok, Claude y ElevenLabs.

• Cómo crear imágenes con IA: 8 componentes de un prompt visual.

El método de las Tres C

Para sacar provecho a Nano Banana 2, yo utilizo un sistema que llamo el Flujo de Creatividad Aumentada. No se trata de pedir por pedir, sino de dirigir.

1. Contextualización Basada en Datos: empieza tus prompts aprovechando el acceso a la búsqueda real. No digas “un coche moderno”, di “un vehículo eléctrico con estética aerodinámica basada en las tendencias de diseño de 2026 observadas en el sector lujo”.

2. Consistencia de Identidad: define tus personajes u objetos clave al inicio. Nano Banana 2 permite hasta 14 objetos recurrentes. Mantén esos descriptores fijos en tus prompts sucesivos para crear una narrativa visual sin saltos extraños.

3. Corrección y Refinamiento: aprovecha la velocidad “Flash”. No busques el prompt perfecto a la primera. Genera, observa el error, y pide el cambio. La baja latencia te permite pivotar tres veces en un minuto hasta que la iluminación y la textura sean exactas a lo que imaginas.

Si entiendes que la velocidad es una ventaja competitiva y que la calidad ya no es negociable, estás listo para dejar de ser un espectador.

Referencias:

• Nano Banana 2: Combining Pro capabilities with lightning-fast speed.

• Introducing Nano Banana 2 in the Gemini app.

Si los LLM digitalizaron el conocimiento humano acumulado en la red, los modelos de base neural como ZUNA buscan digitalizar los estados humanos en tiempo real. Es decir, son capaces de crear una capa de interfaz invisible entre el pensamiento y la ejecución.

El contexto ha cambiado. Es arquitectura de escala, pesos abiertos y herramientas para desarrolladores. Es el paso de la IA generativa a la IA Cognitiva.

La transición del dato al estado

Durante décadas, el electroencefalograma (EEG) ha sido el patito feo de los datos biométricos en tecnología. Es ruidoso, desordenado y depende críticamente de cómo se coloquen los electrodos en el cuero cabelludo. Si mueves un músculo de la cara, la señal se contamina. Si el protocolo de captura cambia un milímetro, los datos dejan de ser comparables.

Sin embargo, Zyphra ha decidido tratar estas señales no como un problema médico, sino como un dominio de pre-entrenamiento masivo.

Se trata de un cambio de paradigma, ya que ZUNA no es un modelo entrenado para una tarea específica (como detectar una epilepsia), sino un Modelo Fundacional de 380 millones de parámetros entrenado con 2 millones de horas de canal de datos EEG. Al igual que GPT aprendió la estructura del lenguaje antes de saber escribir poemas, ZUNA ha aprendido la gramática de las señales neuronales.

La evidencia es técnica pero demoledora. Utilizando una arquitectura de autoencoder de difusión enmascarada, el modelo es capaz de reconstruir señales faltantes, eliminar el ruido de forma mucho más eficiente que los métodos estándar (como la interpolación de splines esféricos de MNE) y, lo más inquietante, predecir señales en coordenadas del cráneo donde ni siquiera hay un sensor.

La barrera de entrada para crear interfaces cerebro-computador (BCI) acaba de desplomarse. Lo que antes requería un equipo de neurocientíficos y meses de limpieza de datos, ahora empieza a ser accesible con una GPU de consumo y un repositorio de GitHub o en Hugging Face.

De la intención a la acción

El fin de la fricción en entornos industriales

Imagina a un operario en una planta logística de alta precisión. Sus manos están ocupadas, su entorno es ruidoso para comandos de voz. Al integrar un modelo como ZUNA en un dispositivo wearable ligero, la máquina no espera a que el operario pulse un botón. Detecta el estado de carga cognitiva o la intención de movimiento antes de que se ejecute. El resultado, además de eficiente, es una extensión del cuerpo mediante agentes inteligentes que actúan como una prótesis cognitiva.

Marketing de respuesta emocional real

En el mundo del contenido, siempre hemos luchado con el sesgo de declaración: lo que el usuario dice que le gusta frente a lo que realmente siente. Un modelo capaz de reconstruir y limpiar señales de EEG en tiempo real permite medir el ROI emocional con una precisión quirúrgica. Más allá de analizar clics, se podría analizar la respuesta neural ante una narrativa de marca, eliminando el ruido del entorno para quedarnos con la esencia de la conexión.

Hemos pasado décadas aprendiendo el lenguaje de las máquinas: desde el código binario hasta los prompts de texto. Lo que ZUNA nos está diciendo es que, por primera vez, la máquina está aprendiendo el lenguaje de nuestra biología. Podría ser el primer paso hacia una tecnología que no requiere que nos adaptemos a ella, sino que se sincroniza con nuestro estado cognitivo en tiempo real. El futuro no se teclea, se piensa.

Paper → ZUNA: Flexible EEG Superresolution with Position-Aware Diffusion Autoencoders.