En esta clase vemos los canales del marketing digital, sus tipos, herramientas, embudos, audiencias y conceptos básicos como landing page, conversión, CTA y mucho más. Es un poco larga, pero esencial para comprender cómo profundizar en los experimentos y la planificación.

Reflexiona sobre el público al que te quieres dirigir en el más corto plazo dentro de la planificación del proyecto y genera al menos 2 buyer persona para tener argumentos sobre cómo abordar la comunicación con ellos.

Vemos cómo funciona la memoria en ChatGPT y la gestión por proyectos en Perplexity.

La sesión se centra en el análisis de dos conceptos fundamentales en el uso de inteligencias artificiales: memoria y temperatura, aunque este último no se desarrolla en profundidad durante la grabación. El ponente advierte desde el inicio 00:00:23 que la presentación que tenía preparada está obsoleta debido a las rápidas actualizaciones en las funcionalidades de las IA, particularmente en ChatGPT.

Limitaciones temporales de los modelos de IA: Se explica 00:01:33 que los modelos se entrenan con datos de Internet hasta una fecha específica de corte, momento en que concluye la fase de entrenamiento. Cualquier información posterior a esa fecha no estará disponible para el modelo, como ejemplos de eventos recientes 00:02:24. Para solucionar esta limitación, las IA implementan funciones de búsqueda en Internet 00:02:43, que ahora se activan automáticamente en los modelos modernos 00:03:15 sin necesidad de activación manual por parte del usuario.

Configuración de personalización en ChatGPT: El ponente demuestra 00:04:11 cómo acceder a la sección de personalización, donde se pueden establecer instrucciones específicas sobre el comportamiento del modelo. En su caso, ha configurado únicamente que responda en español de España 00:04:44, evitando configuraciones más específicas que podrían no ser apropiadas para todos los contextos de uso 00:05:05.

Sistema de memoria de ChatGPT: Se identifican dos funciones principales activas por defecto 00:05:56: "Hacer referencia a las memorias guardadas" y "Hacer referencia al historial de chats". La primera permite que ChatGPT guarde interpretaciones de información relevante del usuario 00:06:11, mientras la segunda utiliza conversaciones recientes como contexto 00:06:34. El ponente critica la falta de control granular 00:07:03, especialmente sobre qué constituye "conversaciones recientes" y cuántas se incluyen 00:07:16.

Gestión de memoria específica: Se demuestra 00:07:40 cómo acceder y gestionar las piezas de memoria guardadas, mostrando un ejemplo donde ChatGPT ha almacenado información sobre el ordenador del usuario 00:07:50. Estas memorias pueden eliminarse individualmente si es necesario 00:08:02.

Funcionalidad de Proyectos: Desde hace relativamente poco tiempo 00:08:22, ChatGPT incluye la función "Proyectos" en su versión gratuita, que funciona como carpetas organizativas para chats 00:08:35. Los proyectos permiten asociar archivos 00:09:00 y mantener memoria contextual entre chats creados dentro del mismo proyecto 00:09:27. Sin embargo, existe una limitación importante: los chats movidos posteriormente a un proyecto no transfieren su contexto a otros chats del mismo proyecto 00:09:39.

Limitaciones actuales de los Proyectos: Basándose en información de septiembre de 2025 00:11:07, se detalla que los usuarios gratuitos tienen un límite de 5 archivos por proyecto 00:11:49. Las instrucciones personalizadas específicas por proyecto están disponibles solo en planes de pago 00:12:43, y en la versión gratuita no se heredan automáticamente en nuevos chats 00:13:01. El control de memoria específico por proyecto (Project Only Memory Control) no está completamente operativo 00:14:45.

Actualización sobre el estado actual: Al consultar sobre cambios recientes 00:14:34, se confirma que no ha habido cambios sustanciales desde septiembre. Los proyectos mantienen aislamiento organizativo pero con memoria compartida limitada 00:15:04. Los archivos del proyecto sí están disponibles como contexto 00:15:16, y la memoria global no se mezcla automáticamente entre proyectos 00:15:21.

Comparación con otras plataformas: Se critica a Gemini 00:16:09 por la ausencia de funcionalidades organizativas, limitándose únicamente a la opción de "fijar" conversaciones 00:16:34, lo cual resulta insuficiente cuando se acumulan múltiples chats fijados 00:16:39. En contraste, se destaca Perplexity 00:17:19 por sus "espacios" que ofrecen funcionalidades más completas, incluyendo opciones públicas/privadas 00:17:32, invitación de colaboradores 00:17:37, e integración de instrucciones, tareas, enlaces y archivos 00:17:39.

Conocimientos adquiridos

Gestión de la obsolescencia informativa: Los modelos de IA tienen fechas de corte en su entrenamiento, lo que significa que información posterior no estará disponible. Las funciones de búsqueda en Internet son la solución implementada para acceder a información actualizada, y en los modelos modernos esta búsqueda se activa automáticamente.

Configuración estratégica de personalización: Es recomendable mantener configuraciones mínimas en la personalización global de ChatGPT para evitar aplicar restricciones inadecuadas en todos los contextos de uso. Configuraciones específicas como el idioma son apropiadas, pero instrucciones más detalladas pueden ser contraproducentes.

Funcionamiento dual de la memoria en ChatGPT: El sistema opera con dos tipos de memoria: memorias guardadas (interpretaciones que la IA almacena proactivamente) e historial de chats (conversaciones recientes utilizadas como contexto). Ambas pueden gestionarse independientemente, aunque el control sobre el historial es limitado.

Optimización del uso de Proyectos: Para maximizar la efectividad de los proyectos en ChatGPT, es preferible crear chats directamente dentro del proyecto desde el inicio, ya que mover chats existentes no transfiere su contexto. Los archivos asociados al proyecto están disponibles para todos los chats dentro del mismo.

Limitaciones de la versión gratuita: Las funcionalidades avanzadas como instrucciones personalizadas por proyecto y control granular de memoria están reservadas para planes de pago. Los usuarios gratuitos deben trabajar con limitaciones de 5 archivos por proyecto y repetir instrucciones en cada chat nuevo.

Diferencias entre plataformas: Cada plataforma de IA tiene fortalezas organizativas diferentes: ChatGPT ofrece proyectos con funcionalidades básicas, Gemini carece de herramientas organizativas avanzadas, y Perplexity proporciona espacios con características colaborativas más completas.

Importancia del contexto en la efectividad: La gestión adecuada de la memoria y el contexto es crucial para obtener respuestas más precisas y personalizadas de las IA. Comprender cómo cada plataforma maneja esta información permite optimizar la interacción y los resultados obtenidos.

Concienciación

Evolución constante de las capacidades de IA: La experiencia del ponente con información obsoleta en pocos meses 00:00:27 ilustra la velocidad de evolución en el campo de la inteligencia artificial. Esto requiere una mentalidad de aprendizaje continuo y verificación regular de las funcionalidades disponibles, ya que las capacidades y limitaciones cambian frecuentemente.

Necesidad de verificación de información: El caso donde ChatGPT proporcionó respuestas incorrectas sobre sus propias funcionalidades 00:03:44 demuestra que incluso las IA pueden tener información desactualizada sobre sí mismas. Esto subraya la importancia de contrastar información y no asumir que las respuestas son siempre precisas, especialmente sobre características recientes.

Importancia de la gestión estratégica del contexto: La comprensión de cómo funcionan los diferentes tipos de memoria y contexto 00:06:01 revela que el uso efectivo de IA no es simplemente hacer preguntas, sino gestionar estratégicamente la información que se proporciona y cómo se organiza para obtener mejores resultados.

Limitaciones de control del usuario: La falta de control granular sobre aspectos como qué constituye "conversaciones recientes" 00:07:16 evidencia que, a pesar de los avances, los usuarios aún tienen control limitado sobre el comportamiento de las IA. Esto requiere adaptarse a las limitaciones existentes mientras se esperan mejoras futuras.

Diferenciación entre plataformas: La comparación entre ChatGPT, Gemini y Perplexity 00:16:09 demuestra que no todas las IA son equivalentes en términos de funcionalidades organizativas y de gestión. La elección de plataforma debe basarse en necesidades específicas más que en popularidad o familiaridad.

Valor de la organización en el trabajo con IA: La funcionalidad de proyectos y espacios 00:08:26 revela que el trabajo efectivo con IA a largo plazo requiere organización y estructura, similar a cualquier otro flujo de trabajo profesional. No es suficiente con hacer consultas aisladas; se necesita un enfoque sistemático.

Brecha entre versiones gratuitas y de pago: Las diferencias significativas en funcionalidades entre versiones gratuitas y de pago 00:12:43 sugieren que el uso profesional serio de IA puede requerir inversión económica para acceder a capacidades completas, especialmente para proyectos complejos o colaborativos.

Empresas mencionadas

• El ponente menciona tener versión Pro de Perplexity 00:16:56 y considera que usaría ChatGPT Pro si la tuviera 00:17:57, sugiriendo que las versiones de pago ofrecen valor significativo

• La elección entre plataformas parece depender más de las necesidades organizativas y funcionales que del coste

• ChatGPT se posiciona como líder en funcionalidades de memoria 00:00:54

• Perplexity destaca por sus capacidades organizativas y colaborativas 00:17:47

En esta clase vemos el enfoque clásico del marketing de atracción y los embudos de conversión. Debajo verás que he puesto el enlace a la presentación como recurso. En el artículo de destino, no sólo está la presentación, sino un artículo que explica cómo han evolucionado los embudos en los últimos años y qué tener en cuenta en el momento presente a la hora de implementar nuestra estrategia.

Te propongo lo siguiente para trabajes en tu proyecto:

Objetivo: mejorar tu plan de marketing (hecho con ayuda de IA) incorporando el nuevo embudo de conversión (flywheel) y los puntos de contacto (touchpoints) clave en una experiencia omnicanal coherente.

1. Punto de partida: tu plan actual

1. Recupera el plan que ya has elaborado (objetivos SMART, audiencias, buyer persona y acciones de marketing).

2. Escribe un resumen de máximo 8 líneas que responda a:

   • ¿Qué quieres conseguir (objetivo principal)?

   • ¿Quién es tu buyer persona principal?

   • ¿Qué canales vas a utilizar?

   • ¿Cuál es tu oferta o contenido principal?

2. Reorganiza tu plan en formato flywheel

Vas a reestructurar tu plan según el modelo flywheel, dividido en 3 fases: Atraer – Involucrar – Deleitar.

1. Crea un esquema con tres columnas o tres bloques: ATRAER, INVOLUCRAR y DELEITAR.

2. Para cada fase, anota al menos 3 acciones concretas que ya tengas en tu plan o que decidas añadir:

   • ATRAER: acciones para captar la atención de tu buyer persona (ej.: anuncios, posts, contenidos descargables, SEO, redes sociales…).

   • INVOLUCRAR: acciones para que la persona avance hacia la conversión (ej.: ver ficha de producto, ver página de servicios, ver vídeo, descargarse un recurso, añadir al carrito, solicitar información, asistir a un webinar…).

   • DELEITAR: acciones después de la conversión para fidelizar y generar recomendación (ej.: emails de bienvenida/onboarding, contenidos exclusivos para clientes, encuestas de satisfacción, programa de referidos, ofertas para clientes actuales…).

3. Marca con un asterisco (*) las acciones que consideres más importantes en cada fase (máximo 2 por fase).

3. Identifica tus touchpoints omnicanal

Ahora vas a listar los principales puntos de contacto (touchpoints) entre tu proyecto y tu buyer persona, teniendo en cuenta varios canales.

1. Crea una tabla con dos columnas:

   • Columna 1: Etapa del viaje (Awareness, Consideración, Conversión, Postventa/Deleite).

   • Columna 2: Touchpoints (canal + breve descripción del mensaje/acción).

2. Rellena la tabla con al menos:

   • 2 touchpoints en Awareness (primer contacto con la marca).

   • 2 touchpoints en Consideración (cuando compara, se informa, valora opciones).

   • 2 touchpoints en Conversión (cuando se registra, compra o contacta).

   • 2 touchpoints en Postventa/Deleite (cuando ya es cliente/lead y sigues en contacto).

3. Señala con un subrayado los touchpoints que consideres críticos (si fallan, se rompe el recorrido).

4. Revisa y mejora 3 de tus objetivos SMART

A partir de tu nuevo esquema flywheel y de los touchpoints:

1. Elige 3 objetivos SMART de tu plan (si tienes más, selecciona los que te parezcan más importantes).

2. Reescríbelos para que:

   • Al menos 1 objetivo esté claramente relacionado con la fase ATRAER (ej.: visitas cualificadas, leads nuevos).

   • Al menos 1 objetivo esté claramente relacionado con la fase INVOLUCRAR (ej.: tasa de conversión en la web, descargas de un recurso, asistencia a un webinar, “añadir al carrito”, etc.).

   • Al menos 1 objetivo esté claramente relacionado con la fase DELEITAR (ej.: porcentaje de clientes recurrentes, valor medio de segunda compra, reseñas positivas, recomendaciones, tasa de apertura de emails postventa).

3. Indica debajo de cada objetivo:

   • A qué fase del flywheel pertenece (Atraer, Involucrar o Deleitar).

   • Qué touchpoint o touchpoints están directamente implicados en ese objetivo.

5. Opcional: utiliza la IA para pulir tu trabajo

Si quieres, puedes usar este prompt (adaptándolo a tu caso) en tu herramienta de IA para mejorar tu trabajo, pero la decisión final debe ser tuya:

“Este es mi plan de marketing con objetivos SMART, buyer persona y acciones: [pega aquí tu resumen, el esquema flywheel y la tabla de touchpoints].
Quiero que me indiques:

• Si hay acciones desequilibradas entre Atraer, Involucrar y Deleitar.

• Si falta algún touchpoint importante en el recorrido.

• Cómo podría mejorar 1 objetivo de cada fase (Atraer, Involucrar, Deleitar) para que sea más realista y esté mejor conectado con los touchpoints.”

Tu entrega final debe incluir:

• El esquema flywheel con acciones en cada fase.

• La tabla de touchpoints omnicanal.

• Los 3 objetivos SMART revisados e indicación de fase + touchpoints asociados.

• Breves conclusiones.

La analítica web es fundamental para comprender qué ocurre en nuestro sitio web. Desde dónde llegan los usuarios, cuándo, con qué dispositivo, desde qué lugar, en qué idioma y lo que es más importante, qué hacen allí; dónde van, dónde hacen clic o qué contenidos les gustan más.

Ya sabemos que lograremos un mejor posicionamiento si las visitas son me mayor calidad. Unas visitas son de calidad si son duraderas y si el usuario interactúa en las páginas.

Veamos una introducción a la herramienta por excelencia. Google Analytics 4.

Gracias a la IA podemos generar o interpretar código fácilmente. Cuando hablamos de código nos referimos a desarrollar pequeños (o no tanto) proyectos web, aplicaciones, widgets o ajustes. La idea de esta clase es perder el miedo a trabajar con código y tener una nociones mínimas de los lenguajes con los que se escriben las páginas web.

Detalles de la discusión

• Introducción al uso de la inteligencia artificial para generar código funcional, tomando como ejemplo la creación de una página web con una cuenta regresiva diseñada para descansos en cursos formativos.

• Proceso de implementación del código: desde la copia del texto generado por la IA hasta su guardado en un archivo local con extensión .html para que el navegador pueda interpretarlo.

• Metodología de edición en tiempo real utilizando editores de texto como el Bloc de notas o herramientas más avanzadas y ligeras como Notepad++, permitiendo ver cambios inmediatos al recargar el navegador.

• Análisis de la estructura de un documento web, desglosando las etiquetas fundamentales como head (cabecera) y body (cuerpo del contenido).

• Personalización visual a través de CSS, explorando conceptos como degradados de color en formato hexadecimal y el uso de la herramienta de inspección del navegador para realizar pruebas rápidas.

• Integración de elementos multimedia externos, como la inserción de GIFs animados desde plataformas como Giphy y la corrección de problemas de visualización ajustando las proporciones de ancho y alto.

• Evolución del prompt para añadir funcionalidades complejas, como la creación de una variable de minutos simple o la implementación de un selector de fecha interactivo para el usuario.

• Introducción al modo "lienzo" de las herramientas de IA modernas, que facilita la previsualización y edición directa del código sin salir del chat.

Conocimientos adquiridos

• Lenguajes de la web: Se han diferenciado los tres pilares del desarrollo frontend. El HTML se encarga de la estructura y el contenido (el "esqueleto"), el CSS define la estética y el diseño (la "piel"), y JavaScript gestiona la lógica y la interactividad (los "músculos").

• Flujo de trabajo con código: El aprendizaje se centra en que no es necesario ser programador para manipular archivos técnicos. Basta con entender cómo cambiar una extensión de archivo y cómo abrirlo con el programa adecuado según se quiera visualizar o editar.

• Manipulación de variables: Se ha aprendido a localizar dentro de un script de JavaScript los valores específicos que controlan el comportamiento de la página, como las fechas de finalización o los minutos de un temporizador.

• Gestión de imágenes en web: Se ha profundizado en la importancia de mantener la proporcionalidad. Un concepto clave es trabajar preferiblemente solo con el atributo de ancho (width) para que el navegador calcule el alto de forma automática, evitando que la imagen se deforme.

Concienciación

• Perder el miedo a la sintaxis: El código suele intimidar por su apariencia, pero entenderlo como un "lenguaje de marcas" donde cada etiqueta tiene una apertura y un cierre ayuda a desmitificar su complejidad. Es una herramienta de creatividad, no solo de ingeniería.

• La IA como tutor de programación: La capacidad de pedirle a una IA que nos explique su propio código o que lo adapte a nuestras necesidades específicas transforma la forma en que aprendemos informática, permitiendo un enfoque orientado a proyectos desde el primer minuto.

• Experimentación segura: El uso del "Inspector de elementos" del navegador es una excelente práctica para aprender. Permite romper y cambiar cosas en una página web sin riesgo de dañar el archivo original, fomentando la curiosidad técnica.

Empresas mencionadas

• Microsoft (Windows): Citado como el sistema operativo base para explicar la gestión de extensiones de archivos y el uso del Bloc de notas.

• Mozilla (Firefox): Mencionado como el navegador predeterminado para visualizar el resultado del código generado.

• Notepad++: Recomendado como un editor de código gratuito, ligero y eficiente para trabajar con lenguajes web.

• Giphy: Utilizado como repositorio externo para buscar y enlazar recursos visuales animados.

• Google (Google Fonts): Sugerido como herramienta para mejorar la tipografía y el diseño visual de los proyectos.

• OpenAI (ChatGPT): La herramienta central utilizada para la generación del código y la explicación de los conceptos técnicos a través de sus diferentes modos de interfaz.

Revisión técnica

• Actualización de fechas: El vídeo menciona el año 2025 como futuro, lo cual es correcto en el contexto de la simulación, pero se debe advertir al alumno que cualquier código de "cuenta atrás" fallará o mostrará que el tiempo ha expirado si la fecha grabada en el script es anterior a la fecha actual del sistema.

• Riesgo de Hotlinking: El procedimiento de copiar la URL de un GIF directamente de Giphy e insertarla en el código (como se hace en el vídeo) puede llevar a errores si el proveedor cambia la ruta de la imagen o bloquea el acceso externo. Lo ideal para un proyecto estable sería descargar el archivo o usar una API oficial.

• Compatibilidad de extensiones: Aunque el vídeo se centra en Windows, el proceso de cambiar la extensión de un archivo puede variar significativamente en macOS o Linux (donde las extensiones a veces están ocultas o se gestionan de forma distinta), lo que podría confundir a usuarios de otros sistemas.

• Obsolescencia de URLs: El fallo que ocurre en el vídeo con la URL inicial de Giphy es un ejemplo perfecto de por qué no se debe confiar ciegamente en los enlaces que genera una IA, ya que suelen sufrir de "alucinaciones" o referenciar recursos que ya no existen.

Veamos una introducción a los CRM, otro canal propio corazón de nuestra estrategia.

• Introducción al concepto de CRM y su diferenciación fundamental respecto al ERP, centrando el CRM en el ciclo de ventas y la relación con el cliente.

• Explicación del proceso de venta mediante ejemplos cotidianos, como una visita al dentista o la compra de un vehículo, donde se registran microconversiones.

• Análisis de las ventajas principales: centralización de la información, aumento de la tasa de conversión y automatización de procesos comerciales.

• Presentación de herramientas populares en el mercado, comparando opciones comerciales líderes con soluciones de código abierto y software libre.

• Demostración práctica de Odoo instalado en un entorno local mediante una máquina virtual, mostrando la activación de módulos y la gestión de un tablero Kanban.

• Visualización del flujo de una oportunidad B2B, desde la creación del contacto hasta el registro de actividades y la previsión de ingresos.

Conocimientos adquiridos

• CRM vs. ERP: Mientras que el ERP gestiona la operativa interna (facturas, stock, contabilidad), el CRM es la herramienta estratégica para el front-office, enfocada en atraer y retener clientes.

• El embudo de ventas: Un CRM permite visualizar el recorrido del cliente a través de etapas. No es solo una agenda; es un sistema para monitorizar cada interacción que acerca al usuario a la compra final.

• Tableros Kanban para ventas: Esta metodología visual facilita la organización de oportunidades por estados (nuevo, calificado, propuesta enviada), permitiendo un control rápido del pipeline comercial.

• Integración y escalabilidad: Las herramientas modernas son modulares. Un sistema integral como Odoo permite que una oportunidad ganada en el CRM se convierta directamente en un presupuesto y, finalmente, en una factura contable sin duplicar datos.

Concienciación

• La trampa del software gratuito: Es vital entender que muchos modelos SAS (Software as a Service) ofrecen capas gratuitas muy limitadas. Lo que empieza como una solución sin coste puede volverse una carga financiera alta a medida que el negocio escala o requiere funciones avanzadas.

• Soberanía de datos: La opción de instalar software en servidores propios (On-premise) frente a la nube ofrece mayor control y privacidad, aunque requiere conocimientos técnicos superiores.

• El CRM no vende solo: Una herramienta es tan buena como los datos que se introducen en ella. La disciplina del equipo comercial al registrar reuniones, llamadas y notas es lo que realmente genera inteligencia de negocio.

Empresas mencionadas

• HubSpot: Referente en marketing de atracción; excelente integración pero con costes elevados en sus planes premium.

• Salesforce: El estándar de la industria para grandes corporaciones, robusto y con un ecosistema muy amplio.

• Zoho: Una opción versátil y modular con una buena relación entre funcionalidad y precio.

• Odoo: Plataforma de código abierto que destaca por su capacidad de ser instalada en local y su estructura de módulos interconectados.

• Otras menciones: Pipedrive (popularidad), Bitrix24 (versión gratuita generosa), Dolibarr (interfaz clásica pero rápida) y SugarCRM.

Revisión técnica

• Aclaración conceptual sobre SAS o SaaS y Software Libre: En la transcripción hay un momento de duda donde se menciona que SAS es "lo contrario" a ser libre. Conviene precisar que SAS es un modelo de distribución (software como servicio en la nube), mientras que Software Libre se refiere a la licencia del código. Un software puede ser libre y ofrecerse como SAS (como Odoo Online).

• Vigencia de las herramientas: Se mencionan herramientas como VTiger calificándolas de "antiguas". Aunque siguen operativas, es importante advertir al alumno que su interfaz y comunidad de soporte pueden estar por detrás de opciones como Odoo o ERPNext.

• Requerimientos técnicos: La mención a Oracle VirtualBox y Ubuntu es excelente para perfiles técnicos, pero podría asustar al alumno de marketing puro. Sería recomendable subrayar que la mayoría de estas herramientas ofrecen versiones en la nube que no requieren instalación técnica.

• Terminología: Se usa el término "factura pro forma" como paso previo a la factura. Es técnicamente correcto, pero en el flujo de CRM/ERP actual, el paso intermedio suele ser el "presupuesto aceptado" o "pedido de venta".

Explicamos los conceptos de arquitectura cliente servidor y API vemos el panel para desarrolladores de OpenAI.

En esta sesión se explora la infraestructura técnica que permite el funcionamiento de la web moderna y la integración de la inteligencia artificial en aplicaciones propias. Los puntos clave tratados son:

• Arquitectura Cliente-Servidor: Se explica cómo funciona la navegación web básica, donde el servidor aloja el código y el cliente (el navegador) lo descarga e interpreta para el usuario.

• Modelo SaaS (Software as a Service): Se analiza el cambio del software de instalación local al modelo de suscripción en la nube, poniendo como ejemplo el funcionamiento de ChatGPT.

• Concepto de API: Se define la API como el puente tecnológico que permite que dos aplicaciones de software hablen entre sí sin intervención humana directa.

• Plataforma OpenAI: Se realiza un recorrido por la interfaz para desarrolladores, diferenciándola de la cuenta estándar de usuario, y se explican apartados como la documentación y el dashboard.

• Consumo y Facturación: Se detalla el sistema de prepago por uso, la diferencia de costes entre modelos de texto y generación de imágenes, y la unidad de medida utilizada: los tokens.

Conocimientos adquiridos

Tras analizar el contenido, es fundamental asentar los siguientes conceptos técnicos y operativos:

La anatomía de una petición API

Para que nuestra web se comunique con una IA, no basta con "enviar un mensaje". A nivel de código (usualmente JavaScript o Python), una petición requiere importar una librería específica, definir un modelo (como GPT-4 o versiones mini) y enviar un prompt. El sistema devuelve una respuesta que la aplicación debe procesar para mostrarla al usuario final.

Gestión de costes mediante Tokens

A diferencia del software tradicional, las APIs de IA se pagan por consumo. Un token es aproximadamente el equivalente a cuatro caracteres en inglés o una fracción de palabra. El coste varía drásticamente según el modelo elegido: los modelos más potentes son significativamente más caros que los modelos "mini" o "nano", que están optimizados para tareas rápidas y económicas.

Integración y Automatización

El uso de APIs no se limita a la programación pura. Es la tecnología base que utilizan herramientas de automatización como Zapier. Comprender cómo funciona una API permite entender cómo se pueden conectar aplicaciones (como un Excel con un Calendario) para crear flujos de trabajo inteligentes.

Concienciación

Es vital entender que el modelo de negocio tecnológico ha mutado hacia el pago recurrente. El SaaS es sumamente beneficioso para los proveedores porque asegura ingresos constantes, pero para el profesional o la empresa implica una gestión activa de las suscripciones y el consumo. En el caso de las APIs, existe un factor de eficiencia económica: no siempre necesitamos el modelo más inteligente y caro para tareas sencillas. Aprender a elegir el modelo adecuado (balanceando coste y capacidad) es una competencia crítica para cualquier desarrollador o implementador de soluciones de IA.

Empresas mencionadas

• OpenAI: Empresa creadora de ChatGPT y Sora, proveedora de la plataforma API analizada.

• Google (Gemini): Mencionado como alternativa de IA con costes competitivos.

• Perplexity: Citada como otra herramienta de IA que opera bajo modelos similares.

• Zapier: Plataforma de automatización que conecta aplicaciones mediante sus APIs.

Revisión técnica

• Confusión de versiones de modelos: En la transcripción se menciona el modelo "GPT 5.2". En la fecha actual, dicha versión no existe comercialmente (estamos en la era de GPT-4o y versiones similares). Es probable que el ponente se refiera de forma genérica a modelos futuros o haya cometido un desliz numérico.

• Cuentas independientes: Se menciona que la cuenta de la API y la de ChatGPT son servicios distintos y requieren registros independientes. Si bien los paneles de gestión son diferentes (chat.openai.com vs platform.openai.com), actualmente se puede acceder a ambos con las mismas credenciales de OpenAI, aunque el sistema de facturación y el saldo sí están separados.

• Coste de imágenes: El ponente señala que la mayor parte del gasto se fue en imágenes. Es importante precisar que modelos de imagen como DALL-E tienen un precio fijo por imagen generada (según resolución), a diferencia del texto que fluctúa por tokens, lo que explica por qué el gasto sube tan rápido en ese apartado.

• Interpretación de código: El código JavaScript mostrado utiliza `await`, lo que implica programación asíncrona. Sería recomendable aclarar que para que esto funcione en un entorno real, debe ejecutarse en el lado del servidor o con medidas de seguridad estrictas para no exponer la "API Key" en el navegador del cliente.

Te explico lo que necesitas para publicar un sitio web. Hosting y dominio.

Banahosting:
Destaca un alojamiento web de alto rendimiento, seguridad avanzada y
flexibilidad a precio competitivo. Servidores ubicados en Estados Unidos
y Europa, garantizan una velocidad de carga excepcional y
disponibilidad constante. Panel cPanel.

Hosting de Loading.
Producto nacional, situado en Orihuela, Alicante. Ofrecen buen
servicio, un excelente soporte y precio similar al anterior. Panel Plesk.

Adicionalmente, Siteground
es hoy por hoy uno de los servicios de hosting más potentes. Si quieres
que tus webs vuelen como el viento y no te importa pagar un poco
más, este es el tuyo.

000Webhost
tiene una versión totalmente gratuita en un subdominio de ellos. Tiene
bastantes limitaciones técnicas, pero es suficiente para instalar y
probar Wordpress.

260mb.net, nuevo hosting gratuito que aún no he probado pero que tiene buena pinta.

En este capítulo vemos cómo se instala WordPress en un hosting y samos un paseo por las principales funcionalidades.

• Introducción al concepto de WordPress como herramienta de creación web y sus dos vertientes principales: la versión SaaS y la versión de software libre.

• Definición de SaaS (Software as a Service) como un modelo de entrega basado en la nube donde el usuario accede a aplicaciones vía navegador sin gestionar infraestructuras técnicas.

• Comparativa entre WordPress.com (SaaS), enfocado en la facilidad de uso a cambio de cuotas mensuales más elevadas, y WordPress.org (Software Libre), que ofrece control total y ahorro de costes al instalarlo en un hosting propio.

• Repaso de alternativas en el mercado como Wix, SquareSpace, Shopify y PrestaShop, analizando sus modelos de negocio y especializaciones.

• Uso de herramientas de análisis como BuildWith para conocer la cuota de mercado de WordPress y las tecnologías utilizadas en cualquier sitio web.

• Explicación de los requisitos técnicos mínimos para la instalación: lenguajes frontend (HTML, CSS, JS) y backend (PHP y bases de datos MySQL/MariaDB).

• Demostración práctica de la gestión técnica desde un panel de control (cPanel), incluyendo la creación de subdominios, gestión de archivos y bases de datos.

• Proceso de instalación automatizada de WordPress y configuración inicial de usuarios y permisos de administrador.

• Recorrido por el panel de administración de WordPress: entradas, páginas, medios, comentarios, temas y plugins.

• Tutorial de edición básica utilizando el editor de bloques (Gutenberg) para crear contenidos con textos, imágenes y jerarquía de encabezados.

Conocimientos adquiridos

• Diferenciación técnica: Has aprendido que mientras el frontend se encarga de lo que el usuario ve (diseño e interacción básica), el backend gestiona la lógica y la base de datos que sustenta la web.

• Arquitectura de WordPress: El sistema se divide fundamentalmente en contenidos dinámicos (entradas de blog) y contenidos estáticos (páginas), permitiendo una organización flexible mediante categorías y etiquetas.

• Gestión de Hosting: Ahora comprendes que un servidor ofrece diversas herramientas críticas más allá del almacenamiento, como la gestión de cuentas de correo, copias de seguridad y el gestor de archivos público (public_html).

• Extensibilidad mediante Plugins y Temas: WordPress es "limitado" de forma nativa, pero su verdadero potencial reside en su ecosistema, permitiendo transformar un blog en una tienda online o una academia mediante complementos externos.

• Seguridad básica: La importancia de utilizar contraseñas seguras y mantener el sistema actualizado para mitigar ataques, dada la popularidad de la herramienta.

Concienciación

• La soberanía digital: Optar por la versión de software libre frente a modelos SaaS cerrados no solo supone un ahorro económico significativo, sino que otorga al creador la propiedad real de sus datos y la libertad de migrar de proveedor sin restricciones.

• Curva de aprendizaje vs. Control: Herramientas como Wix o Shopify seducen por su aparente sencillez inicial, pero pueden convertirse en "jaulas de oro" donde añadir funcionalidades personalizadas resulta extremadamente costoso o imposible.

• Comunidad y actualización: El éxito de WordPress no se debe solo a su código, sino a la comunidad global que organiza eventos y mantiene el software. Participar en este ecosistema es clave para mantenerse al día en un sector que evoluciona mensualmente.

Empresas mencionadas

• WordPress (.com y .org): El gestor de contenidos líder del mercado.

• Wix: Plataforma SaaS de diseño web intuitivo.

• Adobe Dreamweaver: Software clásico de desarrollo web, ahora integrado en Creative Cloud.

• SquareSpace: Servicio SaaS conocido por sus diseños minimalistas orientados al sector creativo.

• Shopify: Plataforma especializada en comercio electrónico bajo modelo de suscripción y comisiones.

• PrestaShop: CMS especializado en e-commerce con opciones de software libre y SaaS.

• BanaHosting: Proveedor de servicios de alojamiento web utilizado para la demostración.

• BuildWith: Buscador y analizador de tecnologías web.

• WooCommerce: Plugin de WordPress para transformar sitios web en tiendas virtuales.

Revisión técnica

• Vigencia de versiones: En la transcripción se menciona PHP 7.4 como recomendado. Es importante notar que esta versión ya ha alcanzado su fin de vida (EOL). Para instalaciones actuales, se recomienda encarecidamente utilizar PHP 8.1 o superior por motivos de seguridad y rendimiento.

• Claridad en subdominios: El proceso de creación del subdominio en el cPanel se menciona de forma rápida. Sería ideal aclarar que la propagación DNS de un nuevo subdominio suele ser casi instantánea, a diferencia de un dominio principal que puede tardar hasta 24-48 horas.

• Seguridad en WordPress: Se menciona que es "usual" que ataquen WordPress. Sería constructivo matizar que los ataques no suelen ser al "core" de WordPress, sino a plugins o temas desactualizados y por el uso de credenciales débiles (ataques de fuerza bruta).

• Diferenciación Gutenberg vs. Clásico: Se advierte que algunos temas usan editores "modernos" y otros "clásicos". Para el alumno, sería útil definir explícitamente que el editor moderno se llama Gutenberg y que la tendencia actual de WordPress es el FSE (Full Site Editing).

Vemos el concepto de no code platforms como herramientas para crear aplicaciones y sitios web.

En esta sesión exploramos el salto del desarrollo web tradicional hacia la creación de aplicaciones móviles y de escritorio. El punto de partida es la distinción fundamental entre los conceptos no-code y low-code. Mientras que el primero permite a perfiles no técnicos construir herramientas mediante interfaces visuales de arrastrar y soltar, el segundo ofrece un camino intermedio donde, aunque la base es visual, es necesario realizar ciertos ajustes de código para configuraciones avanzadas.

Centramos el análisis en una herramienta específica, denominada en la sesión como Bubble, la cual cuenta con el respaldo de Amazon. Analizamos su modelo de negocio, que se asemeja al sistema de autónomos: el desarrollo es gratuito mientras estás construyendo tu proyecto, pero una vez decides publicar y salir al mercado, los costes se elevan significativamente. Esto se debe a que este tipo de plataformas son extremadamente potentes y permiten crear desde Marketplaces hasta aplicaciones de gestión tipo SaaS mediante el uso de plantillas preconfiguradas o asistentes de inteligencia artificial.

Finalmente, abordamos la realidad técnica tras estas interfaces. Aunque el diseño sea intuitivo ("pinta y colorea"), la verdadera complejidad reside en la integración de servicios externos a través de APIs. Conectar un mapa o un calendario requiere una configuración técnica que marca la diferencia entre un prototipo simple y una aplicación funcional. También discutimos el techo de cristal de estas herramientas: la escalabilidad. El código generado suele ser menos eficiente y más lento, lo que a menudo obliga a proyectos serios a migrar hacia desarrollos a medida una vez validado su modelo de negocio.

Conocimientos adquiridos

La dualidad No-Code vs. Low-Code

Es vital entender que no son términos intercambiables. El no-code democratiza la creación, permitiendo que cualquiera con una idea pueda prototipar. Sin embargo, el low-code es la herramienta del desarrollador moderno que busca agilidad sin perder el control sobre la lógica del programa. La elección de una u otra dependerá de la profundidad técnica que requiera el proyecto y de los conocimientos del equipo.

El papel crítico de las APIs

Independientemente de si usamos código o interfaces visuales, las APIs son el lenguaje universal de internet. Aprender a generar claves API y configurar permisos en plataformas de terceros (como Google Maps o pasarelas de pago) es una competencia técnica esencial. Sin esta capacidad de conexión, una aplicación queda aislada y pierde gran parte de su valor en el ecosistema digital actual.

El Producto Mínimo Viable (MVP) y la migración tecnológica

El uso de plataformas visuales es ideal para validar un MVP. Permite facturar y obtener feedback de clientes reales con una inversión inicial contenida. No obstante, el éxito puede traer consigo problemas de rendimiento. Entender cuándo una aplicación ha "superado" las capacidades de su plataforma original es crucial para planificar una transición hacia el desarrollo de código propio sin interrumpir el servicio.

Concienciación

Debemos ser conscientes de que el uso de estas plataformas implica un compromiso entre rapidez y eficiencia. Aunque la inteligencia artificial facilite enormemente el montaje inicial, existe una curva de aprendizaje real vinculada a la gran cantidad de sensores y funcionalidades que integran los dispositivos móviles modernos. No se trata solo de mover cajas en una pantalla, sino de entender cómo interactúan los elementos entre sí.

Por otro lado, el aspecto económico no debe subestimarse. El coste de mantenimiento de una aplicación en estos entornos es elevado, lo que nos obliga a ser muy rigurosos con la viabilidad financiera del proyecto desde el primer día. La facilidad para crear no debe nublar nuestro juicio sobre la rentabilidad a largo plazo.

Empresas mencionadas

• Amazon: Citada como la entidad que respalda y avala el proyecto Bubble.

• Google: Mencionada por sus servicios de mapas y calendario (Google Maps y Google Calendar).

• Meta: Referenciada en relación a los asistentes de inteligencia artificial aplicados al editor.

• Adressless: Ejemplo de startup real que utilizó herramientas visuales para validar su modelo antes de migrar al desarrollo de código propio.

Revisión técnica

Identificación de herramientas

A lo largo de la transcripción se hace referencia constante a Bubble.io como una plataforma no-code de creación de apps avalada por Amazon. Drag and drop, precios desde 59$, plantillas de marketplace.

Actualización de precios y modelos

Los precios mencionados (plan gratuito y salto a 59$) son altamente volátiles. En las plataformas no-code actuales, el coste no solo depende de la publicación ("ir a Live"), sino cada vez más de las unidades de carga de trabajo (Workload Units). Es un punto que debería matizarse para evitar que el alumno subestime los costes operativos cuando la aplicación empiece a tener tráfico real.

Escalabilidad y rendimiento

Si bien es cierto que las plataformas no-code generan código más pesado, la afirmación de que "no son capaces de proveer un servicio potente" ha quedado parcialmente obsoleta. Hoy en día, muchas aplicaciones de alto rendimiento operan sobre Bubble gracias a optimizaciones en sus motores de ejecución. La decisión de migrar a código (como en el caso de Adressless) suele estar más motivada por el coste de las unidades de computación o la necesidad de un control total sobre la infraestructura que por una incapacidad técnica total de la herramienta.

Nociones sobre ciberseguridad y email marketing con herramientas como Mailchimp.

En esta sesión exploramos el ecosistema del correo electrónico desde dos perspectivas: la seguridad del usuario y la estrategia profesional de email marketing. Comenzamos analizando cómo gestionar el correo no deseado en Gmail, identificando herramientas para bloquear remitentes, marcar como spam o denunciar ataques de phishing. El phishing se describió como un ataque que suplanta la identidad de empresas reales, frecuentemente bancos, para sustraer credenciales. También revisamos la importancia de la reputación del dominio a través de herramientas como MX Toolbox, que permiten verificar si una empresa ha sido incluida en listas negras (blacklists) por prácticas abusivas.

Posteriormente, analizamos las causas técnicas del spam involuntario. Se presentó el caso de una entidad cuyo WordPress fue vulnerado debido a la falta de actualización, convirtiendo su dominio en un emisor de virus y correos fraudulentos. Aprendimos a identificar estos correos sospechosos revisando detalles técnicos como el remitente real, la dirección de respuesta (reply-to) o el destino de los enlaces al pasar el cursor sobre ellos.

En la segunda parte de la clase, cambiamos al "sombrero de empresa" para entender el marketing automation. Utilizamos Mailchimp como herramienta de referencia para explicar la gestión de audiencias (público), la creación de segmentos y el diseño de campañas mediante editores de bloques. Finalmente, empleamos la inteligencia artificial para diseñar una estrategia completa de automatización dirigida a un buyer persona específico (Susan), estructurando el contenido según las etapas del embudo de ventas: atracción, consideración, decisión y posventa.

Conocimientos adquiridos

Métricas esenciales de campaña

Para evaluar el éxito de un envío, es fundamental monitorizar diversos indicadores:

• Tasa de apertura (Open Rate): Indica cuántos destinatarios abrieron el correo; una media aceptable se sitúa en torno al 25%.

• Tasa de clic (CTR): Porcentaje de usuarios que interactuaron con los enlaces internos.

• Tasa de rebote (Bounce Rate): Correos que no llegaron a su destino por errores en la dirección, buzones llenos o servidores caídos.

• Tasa de cancelación: Usuarios que solicitan la baja, algo obligatorio por ley de protección de datos.

Marketing Automation vs. Email Marketing

Mientras que el email marketing tradicional se centra en envíos aislados, el marketing automation permite crear flujos o secuencias automáticas basadas en el comportamiento del usuario. Por ejemplo, si un usuario no abre un correo informativo, el sistema puede enviar automáticamente un refuerzo días después.

El embudo de ventas para Susan

La estrategia se divide en fases lógicas para guiar al cliente:

• Atracción (Awareness): Captar el interés del usuario desconocido mediante una secuencia de bienvenida y la entrega de contenido de valor, como una guía gratuita.

• Consideración: Ofrecer comparativas y testimonios para ayudar al usuario que ya está evaluando opciones.

• Decisión: Incentivar la compra final mediante descuentos, financiación o mensajes de urgencia.

• Posventa: Fidelizar al cliente con consejos de mantenimiento y beneficios exclusivos.

Concienciación

Es vital comprender que la mera apertura de un correo de spam puede confirmar al atacante que nuestra cuenta está activa, especialmente si se descargan imágenes que contienen píxeles de seguimiento. La recomendación técnica es nunca interactuar ni responder a correos sospechosos.

Desde el punto de vista empresarial, el mantenimiento de las plataformas web (como WordPress) no es opcional. Una web desactualizada no solo es un riesgo de seguridad, sino que puede arruinar la reputación de nuestro dominio y afectar negativamente a todas nuestras comunicaciones futuras si acabamos en una lista negra. La ética y la legalidad en la captación de datos son los únicos caminos para asegurar que nuestros correos lleguen a la bandeja de entrada y no al olvido del spam.

Empresas mencionadas

• Gmail (Google): Gestor de correo utilizado para las demostraciones de seguridad y filtrado.

• MX Toolbox: Herramienta técnica para verificar la reputación de dominios y listas negras.

• WordPress: Sistema de gestión de contenidos mencionado por su vulnerabilidad cuando carece de mantenimiento.

• Mailchimp: Plataforma líder de email marketing analizada por sus funciones de automatización y gestión de contactos.

• Nil Patel (Ubersuggest): Citado como ejemplo de remitente lícito que puede acabar en spam si el usuario ignora sus mensajes.

• Lancôme: Utilizada como ejemplo de una marca suplantada en un ataque de phishing.

Revisión técnica

Clarificación sobre la Tasa de Apertura

En el vídeo se menciona que una tasa de apertura del 63% es inusualmente alta y que la media normal es del 25%. Es importante matizar que estos porcentajes varían drásticamente según el sector. En comunicaciones B2B (de empresa a empresa) o en envíos de candidatura personal, como el ejemplo del profesor, las tasas son mayores debido a la relevancia directa para el receptor. En el comercio electrónico masivo, un 20-25% se considera, efectivamente, un éxito sólido.

Seguridad en WordPress

Se afirma que WordPress es susceptible de ataques por su alta popularidad. Aunque es cierto, técnicamente la mayoría de las vulnerabilidades no provienen del núcleo (core) de WordPress, sino de plugins y temas de terceros no actualizados o descargados de fuentes poco fiables. El mantenimiento debe incluir siempre la actualización de estos componentes adicionales.

Concepto de "Warm-up" de dominio

El contenido trata sobre evitar las listas negras. Para una revisión técnica completa, faltaría mencionar el proceso de "calentamiento" (domain warm-up). Cuando una empresa empieza a enviar correos desde un dominio nuevo, no debe enviar miles el primer día; debe aumentar el volumen gradualmente para que los proveedores (Gmail, Outlook) no lo identifiquen automáticamente como un comportamiento de spammer.

Explicamos nociones básicas de imágenes en cuanto a peso, dimensiones, proporciones y formatos de archivo y vemos varias herramientas para comprimir y redimensionarlas, como Squoosh o TinyPNG.

En esta sesión exploramos la optimización de activos visuales y los fundamentos técnicos que condicionan el rendimiento de una web. Comenzamos analizando la herramienta Squoosh, una utilidad enfocada exclusivamente en la optimización y el redimensionado de imágenes. A través de su interfaz, es posible visualizar en tiempo real el "antes y después" de una imagen tras aplicarle algoritmos de compresión, permitiendo ajustar el equilibrio entre la calidad visual y el peso del fichero.

Para contextualizar el peso de las imágenes, realizamos un repaso por los componentes esenciales del hardware de un ordenador utilizando el catálogo de una tienda informática como referencia. Definimos la función de la fuente de alimentación, el procesador (CPU) como centro de cálculo, la placa base como nexo de conexiones y la memoria RAM como el espacio donde se ejecutan las aplicaciones simultáneas. Es fundamental entender que el sistema operativo carga los datos del disco duro en la RAM para enviarlos al procesador, ya que la RAM es significativamente más veloz.

Abordamos también las unidades de medida del almacenamiento, explicando que un terabyte (TB) contiene aproximadamente 1024 gigas, y así sucesivamente en escalas descendentes. En el ámbito de la imagen digital, diferenciamos el peso (MB/KB) de las dimensiones (píxeles) y el aspect ratio o proporción. Finalmente, revisamos los formatos de archivo más comunes (JPG, PNG y el moderno WebP) y las herramientas para procesar imágenes en lote, como TinyPNG o la aplicación FastStone Photo Resizer. Cerramos con una introducción a las inteligencias artificiales generativas como DALL-E 3, Midjourney y Leonardo.ai, destacando sus capacidades artísticas y de edición.

Conocimientos adquiridos

Gestión de almacenamiento y memoria

Es vital diferenciar entre el almacenamiento a largo plazo (disco duro) y la memoria de trabajo (RAM). Mientras que el primero guarda la información de forma permanente, la RAM se vacía al apagar el equipo y su capacidad determina cuántos procesos podemos manejar a la vez sin que el sistema se ralentice. En el diseño web, este principio nos obliga a minimizar el peso de los archivos para que la carga en la memoria del dispositivo del usuario sea lo más eficiente posible.

Optimización estratégica de imágenes

No siempre es necesario utilizar la resolución máxima de una foto. Si un monitor estándar tiene una resolución de 1920 por 1080 píxeles, subir una imagen con dimensiones superiores es un desperdicio de recursos, ya que el usuario no podrá apreciar esos píxeles extra. Al reducir las dimensiones de una imagen para que coincidan con su tamaño de visualización real, podemos reducir el peso del archivo hasta en un 90% sin una pérdida de calidad perceptible en pantalla.

Comparativa de formatos digitales

• JPG: Es el formato estándar para fotografías. Utiliza una compresión con pérdida que permite archivos muy ligeros, aunque carece de transparencia.

• PNG: Ideal para logotipos e ilustraciones, ya que admite transparencias y no pierde calidad con el tiempo, aunque suele pesar más que el JPG.

• WebP: Es el formato recomendado para la web actual. Ofrece una compresión superior a los anteriores manteniendo una excelente calidad visual y soportando transparencias.

Concienciación

Debemos ser conscientes de que el almacenamiento en la nube no es gratuito ni infinito para las empresas. Cuando redes sociales o servicios como WhatsApp comprimen nuestras fotos automáticamente, lo hacen para optimizar sus propios costes de infraestructura. Como profesionales, no debemos delegar esta tarea al azar; el control proactivo sobre la compresión y el redimensionado nos permite garantizar que nuestra marca se vea con la máxima calidad posible bajo el menor peso técnico.

Por otro lado, la evolución de la IA generativa está desplazando a las herramientas de edición clásicas. Aunque programas como GIMP o Photoshop siguen siendo potentes, la capacidad de las nuevas IAs para "pensar" antes de generar y corregir errores históricos (como la representación de manos o texto) marca un cambio de paradigma en la creación de contenido visual.

Empresas mencionadas

• Squoosh (Google): Aplicación web para optimización individual de imágenes.

• PC Componentes: Ejemplo utilizado para analizar especificaciones técnicas de hardware.

• Intel y AMD: Principales fabricantes de procesadores mencionados.

• TinyPNG: Herramienta para compresión de imágenes en lote.

• GIMP: Software libre y gratuito de edición de imágenes, alternativa a Photoshop.

• FastStone: Desarrollador de la herramienta clásica de redimensionado masivo.

• OpenAI (DALL-E 3): Motor de generación de imágenes integrado en ChatGPT.

• Midjourney: Herramienta de pago considerada el estándar de oro en generación artística.

• Leonardo.ai: Plataforma de generación de imágenes con modelos especializados por temáticas.

Revisión técnica

Concepto de deterioro del JPG

En la sesión se afirma que las imágenes JPG "se deterioran a lo largo del tiempo" por el simple hecho de ser vistas por muchos usuarios en una web. Esto es técnicamente incorrecto: un archivo digital no se desgasta por su visualización. El deterioro del JPG ocurre únicamente durante el re-guardado (compresión generacional); cada vez que abres, editas y guardas un JPG, el algoritmo descarta información, lo que acaba provocando artefactos visuales. Una imagen estática en un servidor se mantendrá idéntica sin importar cuántas veces se descargue.

Estado de FastStone Photo Resizer

Se describe la herramienta FastStone como "obsoleta y que dejaron de mantener". Si bien su interfaz tiene una estética antigua, la última versión citada (4.4 de 2022) es relativamente reciente para una utilidad de sistema estable. Sigue siendo plenamente funcional en sistemas modernos de 64 bits y es una recomendación sólida para flujos de trabajo locales.

Diferencia entre Peso y Dimensiones

Es importante reforzar la distinción técnica entre ambos conceptos para el alumno. El peso es la cantidad de bytes que ocupa el archivo en el disco, mientras que las dimensiones representan el mapa de píxeles (resolución). Un error común es reducir el peso mediante compresión agresiva sin tocar las dimensiones, lo que suele dar resultados de baja calidad. El orden técnico correcto siempre debe ser: primero redimensionar al tamaño de uso y después aplicar la compresión necesaria.

Vemos cómo trabajar prompts con herramientas profesionales de generación de imágenes con IA basándonos en Midjourney.

En esta sesión nos sumergimos en el funcionamiento de Midjourney, destacando que es una de las pocas herramientas de inteligencia artificial generativa que no ofrece una versión de prueba gratuita. Exploramos su entorno original en Discord, una plataforma similar a Slack pero orientada a comunidades creativas y de videojuegos, donde se gestionan los canales de generación y se interactúa con los bots de la herramienta. Analizamos la transición de Midjourney desde una interfaz basada puramente en comandos de chat hacia su nueva plataforma web, que ahora integra funciones de vídeo y visualización de tendencias.

El proceso de creación comienza con un prompt que, por defecto, genera una cuadrícula de cuatro imágenes. Aprendimos el significado de los controles básicos: los botones "U" (Upscale) para ampliar o seleccionar una imagen, y los "V" (Variations) para crear nuevas versiones basadas en una de las propuestas. También subrayamos la importancia de redactar los comandos en inglés para evitar errores de traducción interna, ya que la IA ha sido entrenada mayoritariamente en este idioma.

Finalmente, revisamos cómo enriquecer las imágenes mediante parámetros técnicos (como la relación de aspecto, el caos o la estilización) y el uso de referencias artísticas y fotográficas. Vimos ejemplos prácticos que van desde retratos realistas de personajes de ficción hasta la reconstrucción de vehículos clásicos, y cómo los GPTs especializados pueden ayudarnos a redactar comandos mucho más detallados y efectivos que los que haríamos de forma intuitiva.

Conocimientos adquiridos

Parámetros técnicos esenciales

Para dominar el resultado final, es imprescindible conocer los parámetros que modifican el comportamiento del algoritmo:

• Aspect Ratio (--ar): Define las proporciones de la imagen (ej. 16:9 para panorámico o 2:3 para vertical).

• Stylize (--s): Controla cuánta libertad artística se toma la IA; un valor alto genera imágenes más estéticas pero menos fieles al texto literal.

• Chaos (--c): Determina la variedad entre las cuatro imágenes iniciales; a mayor caos, más diferentes serán entre sí.

• Weird (--w): Introduce elementos inesperados o cualidades únicas para resultados menos convencionales.

Jerga fotográfica y artística

Midjourney responde excepcionalmente bien al lenguaje técnico de la fotografía. Incluir conceptos como Golden Hour (hora dorada), iluminación volumétrica o mencionar modelos de cámaras específicos (como la Canon EOS 5D) eleva drásticamente el realismo de la imagen. Del mismo modo, la "fusión estética" permite mezclar estilos de pintores famosos, como Frida Kahlo o Takashi Murakami, para lograr composiciones únicas.

Personalización y "Mood Boards"

La herramienta permite crear un perfil de estilo propio mediante un sistema similar a una aplicación de citas: el usuario elige entre pares de imágenes sus preferencias estéticas. Tras realizar este proceso al menos 200 veces, la IA genera un código de personalización que se puede aplicar a cualquier comando futuro para que el resultado siempre encaje con el gusto personal del usuario.

Concienciación

Es fundamental entender que generar imágenes con IA no es simplemente "escribir algo y esperar". Existe una curva de aprendizaje real que requiere familiarizarse con conceptos de iluminación, composición y óptica. La diferencia entre un usuario promedio y un experto radica en la capacidad de este último para "hablar el idioma" de la IA, utilizando términos precisos de la industria visual.

Por otro lado, debemos ser conscientes del modelo de negocio de estas herramientas. Al ser servicios de pago que consumen una gran capacidad de cómputo (créditos), es estratégico utilizar modos como el Relax para pruebas masivas que no urgentes, reservando el modo Fast o Turbo para trabajos finales. La inversión en una suscripción debe verse como el acceso a un laboratorio artístico de alta gama.

Empresas mencionadas

• Midjourney: Herramienta principal de generación artística analizada.

• Discord: Plataforma de comunicación donde reside la comunidad y el bot de Midjourney.

• Slack: Mencionada como referencia comparativa para el entorno de Discord.

• Leonardo.ai y Stable Diffusion: Otras comunidades de generación de imágenes citadas.

• OpenAI (ChatGPT/GPTs): Utilizada para la creación de prompts optimizados mediante asistentes especializados.

• Canon: Mencionada por su modelo EOS 5D como parámetro de estilo fotográfico.

Revisión técnica

Confusión entre Upscale y Outpainting

Durante la explicación de los botones "U", se menciona que el Upscale permitiría ver "más trozo de la pantera y más fondo" (zoom out). Técnicamente, el Upscale tradicional solo aumenta la resolución y el detalle de la imagen seleccionada. Lo que describe el profesor es la función de Zoom Out o Panning (Outpainting), que son herramientas distintas dentro del menú de edición de Midjourney que se activan tras elegir una imagen.

Precisión sobre las versiones del modelo

La transcripción menciona que Midjourney está en la "versión 7" y hace pruebas comparando la V5 con la V7. En el contexto actual (2024-2026), la versión 6 (V6) es el estándar de alta fidelidad, mientras que la V7 es el modelo en desarrollo más reciente. Es importante que el alumno verifique siempre cuál es el sufijo de versión (--v) que está utilizando, ya que los parámetros aceptados y la estética cambian radicalmente entre modelos.

Exploramos algunos ejemplos de generación de vídeo con Runway ML y mencionamos otras herramientas populares como Krea, Kling, Editores como Clipchamp o Filmora y Suno para música.

En esta sesión exploramos el ecosistema de la generación de vídeo con inteligencia artificial, situando a Runway como el referente actual, equivalente a lo que Midjourney representa para las imágenes. Analizamos cómo estas plataformas integran modelos punteros, como Veo de Google, para ofrecer resultados de alta calidad. El proceso de trabajo profesional no suele partir de un texto (prompt), sino de una imagen previa para garantizar la consistencia estética y el control de los detalles, funcionando de manera similar a un storyboard animado.

Durante la clase, revisamos diversas herramientas integradas en Runway, como la eliminación de fondos en vídeo, el inpainting (añadir objetos) y el motion tracking. También profundizamos en la importancia de los movimientos de cámara (zoom, rotación, inclinación) y cómo estos deben describirse con precisión en los comandos para lograr tomas cinematográficas. Se mostró el uso de Krea AI como una pieza clave para el "escalado" (upscaling) y la transferencia de escena, permitiendo mejorar notablemente la calidad de vídeos que inicialmente presentan defectos o texturas artificiales.

Finalmente, abordamos la fase de postproducción. Dado que las IAs suelen generar clips breves (de unos 5 a 10 segundos), es imprescindible el uso de editores de vídeo como Clipchamp o Filmora para ensamblar las piezas, añadir transiciones y sincronizar música generada por herramientas como Suno. La sesión concluyó con una reflexión sobre las marcas de agua invisibles que Google está implementando para identificar contenido sintético a nivel de código.

Conocimientos adquiridos

Flujo de trabajo: De la imagen al movimiento

La técnica más eficaz para generar vídeo no es el text-to-video, sino el image-to-video. Al partir de una imagen generada previamente (por ejemplo, en Midjourney), el modelo de vídeo se limita a animar los elementos existentes, manteniendo la coherencia de los rasgos del personaje y el estilo del entorno. Esto permite construir secuencias complejas partiendo de una imagen final de una toma anterior para dar continuidad a la siguiente.

Control cinemático y descriptivo

Dominar la generación de vídeo requiere aprender el lenguaje de la cámara. Los términos esenciales incluyen:

• Zoom in / Zoom out: Acercamiento o alejamiento del objetivo.

• Pan: Movimiento lateral de la cámara.

• Tilt: Inclinación vertical (hacia arriba o hacia abajo).

• Motion Tracking: Seguimiento automático de un objeto o vehículo en movimiento.

Mejora y transferencia de escena con Krea

Las herramientas de Enhancer o Inizer son fundamentales para corregir errores anatómicos (como las "manos ortopédicas") o mejorar texturas "plasticosas" típicas de la IA. La transferencia de escena permite situar a un personaje en un entorno completamente distinto manteniendo su esencia, una técnica muy potente para integrar sujetos reales o generados en paisajes futuristas o fantásticos.

Concienciación

Es fundamental entender que la generación de vídeo por IA es un proceso de "ensayo y error" que consume una gran cantidad de recursos y créditos. A menudo, la IA no comprende posturas humanas complejas o movimientos físicos específicos (como ponerse de pie), lo que genera "alucinaciones" visuales o efectos fantasmagóricos. Por ello, se recomienda simplificar las peticiones y no esperar resultados perfectos en el primer intento.

Asimismo, el auge de la música y el vídeo sintéticos está obligando a las grandes plataformas a desarrollar métodos de detección. La ética en la creación implica aceptar y utilizar estas "marcas de agua" o metadatos que diferencian lo humano de lo artificial, garantizando la transparencia en la industria del contenido.

Empresas mencionadas

• Runway: Herramienta líder en generación y edición de vídeo por IA.

• Google: Responsable del modelo de vídeo Veo y de las tecnologías de marcas de agua invisibles.

• Krea AI: Especializada en escalado de imágenes y transferencia de escena.

• Suno: Plataforma de generación de música y canciones con IA.

• Microsoft (Clipchamp): Editor de vídeo gratuito e intuitivo.

• Wondershare (Filmora): Software de edición de pago con funciones avanzadas de IA.

• Kling AI, Luma Labs y Hailuo: Herramientas competitivas en el mercado de generación de vídeo.

Revisión técnica

Audio integrado en el vídeo

Se destaca como una gran novedad que Veo incluya audio automáticamente (maullidos, aleteos). Aunque es un avance significativo, técnicamente el audio generado suele ser ambiental y no sustituye a una postproducción de sonido profesional. Para diálogos o bandas sonoras específicas, sigue siendo necesario el uso de herramientas externas o edición manual.

Límites de duración y créditos

La clase menciona clips de 5 a 8 segundos. Es importante advertir que generar vídeos largos es extremadamente costoso en términos de potencia de cómputo. La estrategia de usar la última imagen de un clip como inicio del siguiente es la solución técnica estándar para superar la limitación de tiempo de las IAs actuales, pero requiere una edición muy cuidadosa para que el "salto" no sea perceptible para el espectador.

Ejemplo de montaje mediante storyboard

Para crear un vídeo profesional con inteligencia artificial, no lanzamos un único comando largo, sino que construimos una secuencia de pequeños clips de entre 5 y 8 segundos que luego ensamblamos en un editor. El flujo de trabajo ideal comienza en una herramienta de generación de imágenes como Midjourney para definir la estética (storyboard) y luego pasamos esos archivos a una herramienta de vídeo como Runway o Luma para darles movimiento.

Veamos una clase introductoria al SEO para saber cómo funciona y la relación con la IA generativa.

• La inteligencia artificial está transformando el panorama del SEO, ya que los usuarios comienzan a utilizarla para informarse o investigar antes que a los buscadores tradicionales.

• El SEO consiste en el posicionamiento en buscadores, siendo el primer paso que realizan la mayoría de los usuarios al navegar por internet.

• El trabajo de copywriting o redacción para web está evolucionando, y los profesionales pasan a ser "prompt writers" para aprovechar la eficiencia de la IA en la generación de textos.

• El objetivo actual no es solo aparecer en Google, sino también lograr que la IA enlace nuestro sitio web como fuente de referencia para generar visitas.

• El posicionamiento se basa en dos claves: la relevancia (SEO on-page), que es la relación entre la búsqueda y el contenido, y la autoridad, que se mide por la importancia del sitio en internet.

• Se utilizan herramientas como Google Search Console para controlar la indexación, que es el proceso mediante el cual el buscador incluye una web en su base de datos.

• La jerga técnica define la SERP como la página de resultados de búsqueda, donde se distinguen anuncios pagados de resultados orgánicos.

Conocimientos adquiridos

1. La métrica del éxito: CTR y Posición Media

• El CTR (Click Through Rate) es la tasa de clics que recibe un resultado en relación con sus impresiones; estar en las primeras posiciones eleva este porcentaje drásticamente.

• Si un resultado aparece a partir de la posición 10 (segunda página), se vuelve prácticamente invisible para el usuario.

2. Arquitectura de información y Long Tail

• En las páginas de categorías se deben trabajar palabras clave genéricas, mientras que en las fichas de producto o artículos se utilizan términos más específicos.

• La estrategia de "long tail" o cola larga consiste en posicionar muchos términos específicos que, sumados, pueden aportar tanto o más tráfico que un término genérico muy competitivo.

3. Clasificación de la Intención de Búsqueda

• Búsqueda Navegacional: El usuario busca una web o marca específica para acceder a ella.

• Búsqueda Informativa: El usuario busca conocer un dato o resolver una duda; es el tipo de búsqueda más suplantado por la IA.

• Investigación Comercial: El usuario investiga y compara productos o servicios antes de decidir una compra.

Concienciación

• El SEO es un medio adquirido: no tenemos el control total sobre las reglas del juego, ya que las imponen empresas externas como Google.

• Los resultados del posicionamiento no son inmediatos, sino que se obtienen y analizan a medio y largo plazo.

• La autoridad en internet se construye consiguiendo que otros sitios hablen de ti y te enlacen, de forma similar a como funciona la fama de un influencer.

Empresas mencionadas

• Google Search Console: Interfaz esencial para monitorizar la salud de la indexación y el rendimiento en el buscador.

• WordPress: Gestor de contenidos utilizado para crear sitios web donde se aplican técnicas SEO mediante plugins.

• DinoRANK: Herramienta de investigación de palabras clave utilizada para analizar volúmenes de búsqueda y competencia.

• ChatGPT y Gemini: Modelos de inteligencia artificial mencionados como herramientas de consulta y generación de contenido.

• IKEA y Amazon: Ejemplos de sitios con gran autoridad y optimización de textos para términos de búsqueda específicos.

Revisión técnica

• Se menciona el uso de *scrappers* y *spinners*; es fundamental advertir que estas técnicas de reescritura automática están obsoletas frente a la capacidad actual de la IA generativa y pueden ser detectadas como contenido de baja calidad.

• La IA generativa utilizada en el ejemplo "alucina" los datos de volumen de búsqueda al darlos en porcentajes; para una estrategia profesional, estos datos deben obtenerse exclusivamente de herramientas de marketing con bases de datos actualizadas.

• La caída de tráfico observada en la analítica de abril requiere un análisis de si hubo cambios estructurales en la web o si coincidió con una actualización del algoritmo de Google, algo común en sitios que dependen de contenido informativo.

Veamos ahora qué cosas tener en cuenta cuando escribimos en sitios web con la intención de posicionar en buscadores e IA.

En esta sesión profundizamos en la optimización de contenidos para buscadores (SEO On-Page), partiendo de la base de una investigación de palabras clave real orientada a artículos técnicos sobre HTML. El proceso comienza agrupando términos por temáticas y buscando variaciones o "sinónimos" técnicos, como el uso de la etiqueta "img" frente a la palabra "imagen", para enriquecer el texto y responder a consultas específicas de los usuarios.

Un pilar fundamental discutido es la estructura jerárquica del contenido mediante encabezados. Se establece una analogía directa con el uso de títulos y estilos en procesadores de texto como Microsoft Word o Google Drive para crear índices automáticos. En el contexto web, esto se traduce en el uso de etiquetas HTML, donde el título de la página debe ser obligatoriamente un único H1 para guiar a los robots, seguido de una estructura lógica de H2 y H3 para las subsecciones.

Posteriormente, abordamos la importancia de la experiencia de lectura. Dado que los usuarios tienden a "escanear" el contenido siguiendo un patrón en forma de F en lugar de realizar una lectura lineal, es crucial el uso de elementos de énfasis como negritas, listas y tablas. Para gestionar estos y otros aspectos técnicos en WordPress, se recomienda la instalación de plugins especializados como Yoast SEO, que permite controlar qué secciones se indexan y analizar la presencia de palabras clave en párrafos clave o enlaces internos.

Finalmente, exploramos la configuración del snippet (el resultado que aparece en Google), que incluye el título SEO, la meta descripción y la URL. También se introdujo el concepto de marcado estructurado a través de Schema.org, una técnica que permite a los buscadores y a las IA entender mejor el contenido semántico y mostrar resultados enriquecidos, como estrellas de valoración o precios de productos.

Conocimientos adquiridos

La prioridad del usuario sobre el algoritmo

Aunque trabajamos con palabras clave, el objetivo principal siempre debe ser escribir para el público real. El tiempo de permanencia del usuario en la página es una métrica de calidad esencial: si un lector dedica el tiempo estimado de lectura (por ejemplo, 10 minutos) a consumir el contenido completo, los buscadores interpretarán que la información es valiosa y mejorarán su posicionamiento orgánico.

Arquitectura de la información en HTML

Una estructura de encabezados coherente no solo facilita la lectura, sino que define la relación entre conceptos. Un H3 es, por definición, una subdivisión del H2 que le precede. Esta jerarquía permite que los buscadores comprendan el peso relativo de cada tema dentro del documento, lo cual es el "camino al éxito" para una indexación correcta.

Optimización de la apariencia en buscadores (CTR)

El título y la meta descripción funcionan como el "escaparate" de nuestro enlace. Un snippet bien redactado aumenta la tasa de clic o CTR. Es fundamental que la URL sea "amigable", sustituyendo espacios por guiones y manteniendo una estructura lógica, pero se advierte del riesgo crítico de cambiar estas URLs en sitios ya posicionados, ya que se perderían todos los enlaces previos.

Concienciación

Es necesario adoptar una postura crítica frente al comportamiento del usuario en la web. La realidad del "escaneo" visual nos obliga a ser extremadamente visuales y directos; si el contenido no presenta puntos de anclaje como negritas o listas, es muy probable que el usuario abandone la página sin consumir la información.

Asimismo, se discutió la ética en el SEO mediante el caso de Decathlon. La empresa utiliza el marcado estructurado para mostrar precios y reseñas en páginas de categoría donde esos datos no corresponden a un producto específico, "engañando" sutilmente al algoritmo para destacar sobre la competencia. Esto nos enseña que el SEO es un campo de batalla competitivo donde la técnica se utiliza a menudo para ganar visibilidad extra.

Empresas mencionadas

• Microsoft (Word) y Google (Drive): Citados como ejemplos de herramientas cotidianas que utilizan jerarquía de encabezados.

• WordPress: Plataforma de gestión de contenidos utilizada para las demostraciones prácticas.

• Yoast SEO: Plugin recomendado para ampliar las funcionalidades de posicionamiento en WordPress.

• Decathlon: Utilizada como ejemplo de éxito en posicionamiento y uso avanzado (y cuestionable) de marcado estructurado.

• IKEA: Ejemplo de cómo las grandes marcas repiten palabras clave de forma estratégica en sus páginas de categoría.

• Amazon: Mencionada como ejemplo de un snippet mal optimizado con texto cortado.

• Schema.org: Entidad que provee el estándar para el marcado de datos estructurados.

Revisión técnica

Riesgos de sobre-optimización

Aunque se muestran ejemplos de IKEA o Decathlon repitiendo términos clave numerosas veces, se debe advertir que abusar de esta técnica (keyword stuffing) puede resultar en penalizaciones si no se hace de forma natural. La recomendación de la clase de priorizar siempre el sentido para el usuario es técnicamente la más segura a largo plazo.

Precisión sobre la indexación

Es importante aclarar que tener una estructura de encabezados perfecta (H1, H2, H3) es un factor de calidad, pero no garantiza el posicionamiento por sí solo. Factores externos como la competencia o la autoridad del dominio son igualmente determinantes, algo que se menciona brevemente pero que el alumno debe tener muy presente para no generar falsas expectativas únicamente con la estructura del texto.

Vemos un prompt avanzado para generar textos con IA teniendo en cuenta el SEO y hacemos pruebas con diversas Ias, humanizadores y herramientas de detección de textos generado por IA.

En esta clase exploramos cómo utilizar la inteligencia artificial para generar contenidos que no solo sean atractivos para el usuario, sino que también estén optimizados para el posicionamiento en buscadores. Partimos de la premisa de que atraer tráfico desde las respuestas de la IA es una de las técnicas más relevantes en el panorama actual. Para ello, trabajamos sobre un prompt avanzado, diseñado originalmente en inglés y traducido para detallar requisitos como el número de palabras, la estructura de encabezados y el tono conversacional.

Uno de los puntos clave fue la integración del contexto del proyecto. No nos limitamos a pedir un texto genérico sobre bicicletas eléctricas urbanas, sino que incorporamos información previa sobre el buyer persona y el arquetipo de marca para que la IA generara contenido alineado con un perfil de cliente específico. Durante la sesión, comparamos la ejecución de este encargo en distintas plataformas: Gemini mostró una estructura correcta pero un formato visualmente "farragoso", mientras que herramientas como Grok y Le Chat destacaron por su velocidad y capacidad para generar tablas y listas detalladas.

Finalmente, sometimos los textos generados a pruebas de fuego con herramientas de detección de IA. Observamos que, por defecto, la mayoría de los modelos son detectados con un alto porcentaje de probabilidad de ser sintéticos. Sin embargo, introdujimos conceptos avanzados como el uso de GPTs "humanizadores" y el ajuste de la temperatura del modelo para lograr textos que pasen los filtros con mayor éxito.

Conocimientos adquiridos

Anatomía de un prompt para SEO

Un encargo eficaz para la generación de artículos debe ser exhaustivo y restrictivo para evitar que la IA divague. Es fundamental definir la extensión mínima de palabras, exigir una jerarquía de títulos multinivel y prohibir explícitamente las "lecciones de SEO" que suelen incluir estos modelos por defecto. Además, solicitar el uso de negritas, tablas y listas mejora drásticamente la legibilidad del resultado final.

Diferencias de rendimiento entre modelos

No todas las IAs responden igual ante el mismo prompt, en nuestras pruebas:

• Gemini cumplió con la estructura pero falló en la riqueza visual de los elementos de énfasis .

• Le Chat fue excepcionalmente rápido pero se quedó por debajo del conteo de palabras solicitado .

• Grok ofreció un equilibrio superior, respetando la extensión y enriqueciendo el texto con historias inspiradoras y consejos de mantenimiento .

El factor temperatura en la humanización

La temperatura es un parámetro técnico que controla la aleatoriedad y creatividad de la respuesta de una IA. Descubrimos que al elevar este valor (por ejemplo, a 0,7), el texto resultante es menos predecible y, por tanto, más difícil de detectar por las herramientas de filtrado de contenido sintético. Esto resulta más efectivo incluso que utilizar herramientas de transformación de texto o humanizers.

Concienciación

Debemos entender que el contenido generado por IA tiene una "huella" estadística que los buscadores y herramientas de detección identifican fácilmente. Aunque el uso de IAs acelera la producción, la calidad percibida y la originalidad siguen siendo factores determinantes para superar a la competencia en los resultados de búsqueda. No se trata de engañar al sistema, sino de usar la tecnología para crear la mejor versión posible de nuestra idea.

La rapidez de respuesta de algunos modelos, como Le Chat, es impresionante, pero la velocidad no siempre garantiza la precisión en el cumplimiento de las instrucciones. Como creadores, nuestra labor es supervisar, corregir y aportar ese contexto humano (como el buyer persona) que la máquina no puede inventar por sí sola con la misma coherencia.

Empresas mencionadas

• DeepSeek: Utilizada para el análisis de palabras clave y estrategias de contenido .

• DeepL: Herramienta empleada para la traducción y refinamiento de los prompts .

• Gemini: Modelo de Google probado durante la sesión para la generación de artículos .

• Grok: Plataforma destacada por su velocidad y precisión en el cumplimiento del prompt .

• Mistral (Le Chat): Modelo francés evaluado por su rapidez de respuesta .

• OpenAI (ChatGPT): Plataforma de referencia para el uso de GPTs y contextualización de proyectos .

• Microsoft (Copilot): Mencionado por su buen rendimiento al trabajar con temperaturas altas .

Revisión técnica

Limitaciones del conteo de palabras

Se observa que los modelos suelen tener dificultades para cumplir con un número exacto de palabras (como las 1.200 solicitadas). Esto se debe a que las IAs trabajan con tokens y no con palabras gramaticales, lo que genera variaciones en la extensión final. Es un punto técnico que conviene explicar para que el alumno no considere el "incumplimiento" como un error del prompt, sino como una limitación del modelo.

Detección de IA y temperatura

La afirmación de que una temperatura de 0,7 reduce drásticamente la detección es una observación empírica valiosa. Sin embargo, técnicamente, aumentar la temperatura también puede incrementar las alucinaciones (datos inventados o incoherencias). El equilibrio entre "humanización" y "veracidad" es un factor crítico que debe ser revisado manualmente por el editor humano antes de publicar cualquier contenido SEO.

En esta clase damos una segunda vuelta de rosca a la generación de código para web con Chats de IA para hacer una página de aterrizaje.

En esta sesión, exploramos el proceso integral de creación de un negocio digital utilizando inteligencia artificial, centrándonos en una tienda de bicicletas eléctricas. Comenzamos con la fase estratégica realizando un análisis DAFO, donde distinguimos los factores intrínsecos (fortalezas y debilidades) de los externos (oportunidades y amenazas). A partir de este análisis, desarrollamos un plan de marketing basado en la metodología Lean Startup, orientándonos a la validación de un producto mínimo viable (MVP) con experimentos reales.

Para personalizar la comunicación, definimos perfiles de buyer persona detallados, como Javier, un ejecutivo urbano de 45 años interesado en estatus y sostenibilidad. Posteriormente, diseñamos flujos de marketing automation por correo electrónico, cubriendo desde la bienvenida hasta la recuperación de carritos abandonados y secuencias de posventa.

El núcleo técnico consistió en la creación de una landing page o página de aterrizaje. Desglosamos sus elementos esenciales: cabecera (hero), llamadas a la acción (CTA), prueba social, formularios y secciones de urgencia. Además, vimos cómo integrar técnicamente un formulario de suscripción de Mailchimp y cómo realizar llamadas a la API de OpenAI mediante JavaScript para incluir un asistente inteligente dentro de la propia página. Finalmente, comparamos la capacidad de diseño de diferentes modelos, destacando la eficiencia de Grok para la maquetación visual.

Conocimientos adquiridos

Planificación estratégica y validación

El análisis DAFO es una herramienta universal que permite evaluar la viabilidad de un proyecto identificando qué capacidades dependen de nosotros y cuáles son factores externos. Junto a esto, el concepto de producto mínimo viable es fundamental para validar la demanda real de un nicho sin realizar inversiones masivas iniciales.

Elementos de conversión en una landing page

Una página de aterrizaje efectiva no es solo estética; debe guiar al usuario hacia la conversión mediante una estructura lógica: un título directo, una oferta clara de preventa y gatillos mentales como la escasez o la urgencia. La integración de prueba social (testimonios) es el factor que consolida la confianza necesaria para el cierre de la venta.

Integración técnica y APIs

Hemos aprendido que el código HTML puede extenderse mediante JavaScript para interactuar con servicios externos. El uso de la función fetch permite que nuestra web "hable" con la API de GPT-4o mini, enviando el texto del usuario y recibiendo una respuesta procesada en tiempo real. También comprendimos el uso de iframes para embeber formularios externos cuando no disponemos de todo el código fuente.

Concienciación

Es vital entender que la inteligencia artificial es una herramienta de apoyo, pero la coherencia del negocio depende de nuestra capacidad para darle contexto. El buyer persona nos enseña que no vendemos productos, sino soluciones a problemas y retos específicos de personas reales.

Por otro lado, la portabilidad entre diferentes plataformas de IA es una habilidad técnica infravalorada. Utilizar un prompt de "traspaso de contexto" nos permite mover todo el conocimiento de un proyecto de una herramienta a otra (como de ChatGPT a Grok) para aprovechar las fortalezas específicas de cada una en diseño o análisis.

Empresas mencionadas

• OpenAI (ChatGPT): Utilizada para la estrategia inicial, generación de buyer personas y como motor de la API integrada.

• xAI (Grok): Destacada por su capacidad superior de diseño y maquetación visual de código.

• Google (Gemini): Mencionada por las limitaciones experimentadas en chats muy extensos.

• Perplexity: Recomendada por su excelente funcionalidad de exportar chats a formatos como PDF, Markdown o DocX.

• Mailchimp: Herramienta clave para la gestión de suscriptores e integración de formularios de captación.

• WooCommerce (WordPress): Citada como la solución estándar para montar la tienda virtual final.

• Booking.com: Usada como ejemplo de técnicas de urgencia en la venta online.

Revisión técnica

Seguridad en el manejo de claves API

En el ejemplo práctico se muestra cómo insertar la API Key directamente en el código JavaScript del cliente. Es importante advertir que esto es una práctica insegura para entornos de producción, ya que cualquier usuario que inspeccione el código de la página podrá robar la clave. Estas llamadas deberían gestionarse siempre desde un servidor (backend) para proteger las credenciales y evitar costes imprevistos.

Uso de iframes vs. Integración nativa

Se propone el uso de un iframe para integrar el formulario de Mailchimp cuando el código directo falla. Aunque es una solución rápida, los iframes presentan limitaciones de diseño (difíciles de hacer responsive) y pueden verse afectados por políticas de seguridad del navegador que impidan su carga. Lo ideal técnicamente es utilizar el código HTML/CSS nativo que proporcionan estas herramientas o conectarse mediante su API.

Optimización de la estructura de exportación

Se menciona que Perplexity permite exportar a DocX pero no siempre respeta la jerarquía de encabezados (H1, H2) correctamente. Para un flujo de trabajo profesional, se recomienda exportar siempre en formato Markdown, que preserva la estructura lógica, y luego convertirlo a documento final para mantener la organización de la información.

Introducción a las herramientas de automatización, breve comparativa entre Zapier, Make, N8N y Power Automate. Ejemplo sencillo con Make para guardar el tiempo de ciudades en una hoja de cálculo.

La sesión comienza abordando la gestión multiusuario en los navegadores modernos. Se explica que navegadores como Chrome y Edge nacen de un proyecto común de software libre llamado Chromium. Se destaca que el uso de perfiles independientes no solo mejora la productividad, sino que es una barrera esencial para la privacidad, evitando que se mezclen contraseñas, historiales y sesiones de trabajo con las personales. A continuación, se retoman conceptos fundamentales de la arquitectura cliente-servidor y el papel de las APIs. Se ilustra con un caso real de integración entre una tienda virtual (PrestaShop) y un sistema de gestión empresarial (ERP). El objetivo es automatizar procesos laboriosos, como la generación de facturas, permitiendo que las aplicaciones "hablen" entre sí sin intervención humana. Finalmente, el grueso de la clase se centra en las herramientas de automatización denominadas "no-code". Se realiza una comparativa entre Zapier y Make, analizando sus costes y capacidades. También se introducen soluciones como N8N, destacando su capacidad para ser instalada en servidores propios, y Power Automate, la apuesta de Microsoft para integrar flujos de trabajo dentro de su ecosistema 365.

Conocimientos adquiridos

Gestión de perfiles en Chromium

• Diferencia entre Chromium (proyecto base), Chrome (Google) y Edge (Microsoft).

• Sincronización selectiva: capacidad de elegir qué datos (contraseñas, métodos de pago, historial) se comparten entre dispositivos.

• Aislamiento de entornos: uso de perfiles específicos para clientes o proyectos para evitar fugas de información o errores de sesión.

Ecosistema de gestión empresarial

• ERP (Enterprise Resource Planning): software centrado en la operativa del negocio como facturación, contabilidad y stock.

• CRM (Customer Relationship Management): herramienta dedicada exclusivamente a la gestión de ventas y fidelización de clientes.

• La importancia de la integración vía API para conectar la venta online con la gestión administrativa.

Herramientas de automatización

• Concepto de Trigger (disparador): la acción inicial que activa un flujo automatizado.

• Comparativa de costes: Make ofrece una cuota gratuita más generosa (1.000 créditos) frente a la veteranía y mayor catálogo de aplicaciones de Zapier.

• Automatización con IA: uso de agentes en N8N y Copilots en Zapier o Power Automate para facilitar la creación de flujos mediante lenguaje natural.

• Ecosistema Microsoft: uso de Power Automate para conectar herramientas como Microsoft Lists y Outlook.

Concienciación

El uso de herramientas de automatización no es solo una cuestión técnica, sino un cambio de mentalidad hacia la eficiencia operativa. Sin embargo, es vital entender que "gratis" no significa "ilimitado". Un flujo mal diseñado puede agotar rápidamente los créditos de una cuenta gratuita, lo que nos obliga a ser estratégicos en el diseño de cada paso. Por otro lado, la soberanía de los datos cobra importancia al hablar de N8N. Mientras que Zapier o Make son servicios en la nube (SaaS) donde dependemos de terceros, las opciones de software libre nos permiten recuperar el control instalando las herramientas en nuestros propios servidores. Esta es una decisión crítica para empresas que manejan información sensible.

Empresas mencionadas

Herramienta / Empresa Función Principal Google Chrome / Chromium Navegador web y proyecto de software libre base. Microsoft Edge / Power Automate Navegador y herramienta de automatización del ecosistema Office 365. Zapier Plataforma líder en automatización con más de 8.000 integraciones. Make (antiguo Integromat) Alternativa visual y económica para la creación de escenarios complejos. N8N Herramienta de automatización potente con versión para hosting propio. PrestaShop Software especializado en la creación de tiendas virtuales.

Revisión técnica

Puntos de mejora y actualizaciones

• Nomenclatura de WhatsApp: En el vídeo se menciona la dificultad de acceder a la API de WhatsApp. Es importante aclarar que actualmente existe la "WhatsApp Business Platform" (vía Cloud API de Meta), que es más accesible para desarrolladores que hace unos años, aunque sigue requiriendo validación de empresa.

• Consumo de créditos: Se explica correctamente que una ejecución no equivale a un crédito. Sería útil enfatizar que en Make, cada operación en un módulo consume 1 crédito, mientras que en Zapier los "Zaps" gratuitos tienen limitaciones severas en pasos multietapa.

• Obsolescencia de Internet Explorer: Aunque se menciona de pasada, conviene recordar a los alumnos que Internet Explorer está oficialmente retirado y que Edge es el estándar absoluto en entornos Windows basados en Chromium.

• Claridad en ERP vs CRM: La distinción es correcta y muy didáctica, un punto fuerte del vídeo para evitar la confusión habitual entre ambos sistemas en perfiles no técnicos.

Vemos un ejemplo de flujo en Make que emplea el Chat con Perplexity para clasificar emails y asignar una etiqueta en Gmail.

La sesión comienza repasando los fundamentos de la arquitectura cliente-servidor, estableciendo que siempre hay una entidad que provee un servicio y otra que lo consume, incluso cuando se trata de comunicaciones entre aplicaciones de software. Este concepto es esencial para entender el funcionamiento de las API (Application Programming Interface), que actúan como el protocolo de comunicación en el entorno digital.

Posteriormente, se analiza el funcionamiento práctico de Make a través de dos escenarios de automatización:

• Automatización del clima: Un flujo sencillo que extrae datos de una hoja de cálculo de Google, consulta una herramienta meteorológica integrada y devuelve la temperatura y velocidad del viento a la misma hoja de cálculo.

• Clasificador de correos con IA: Un escenario más avanzado que utiliza la API de Perplexity para leer correos entrantes en Gmail y clasificarlos automáticamente mediante etiquetas (Urgente, Importante u Otra) basándose en un análisis de texto realizado por un modelo de lenguaje.

Conocimientos adquiridos

A lo largo de la clase se han desgranado conceptos técnicos fundamentales para cualquier profesional que desee dominar la automatización de procesos:

• Modelos de servicio en la nube: Se diferencia entre SaaS (Software as a Service), PaaS (Platform as a Service) e IaaS (Infrastructure as a Service), situando a herramientas como ChatGPT o Make dentro de este ecosistema.

• Funcionamiento de las API: Se explica que las peticiones se realizan habitualmente mediante el protocolo HTTP y que los datos se intercambian en formato JSON, un estándar ligero para el intercambio de información.

• Gestión de créditos en Make: Es vital entender que una única ejecución de un escenario puede consumir múltiples créditos (operaciones), dependiendo de cuántos módulos se activen y cuántos datos se procesen en cada paso.

• Ingeniería de Prompts para APIs: Se introduce la distinción entre el System Prompt (que define el rol y las reglas del asistente) y el User Prompt (que contiene la tarea específica a ejecutar), subrayando que la eficacia de la IA depende directamente de la claridad de estas instrucciones.

Concienciación

La automatización no es una solución mágica que funciona al "instalar y olvidar". El ejemplo del clasificador de correos nos muestra una realidad importante: aunque la tecnología funcione, si el criterio lógico (el prompt) no está perfectamente refinado, el resultado puede no ser útil para el usuario. Es fundamental adoptar un enfoque crítico sobre la calidad de las respuestas de la IA y entender que el coste de estas herramientas suele ser bajo demanda (prepago), lo que exige una monitorización constante del consumo de tokens y créditos para evitar sorpresas económicas.

Empresas mencionadas

• Make: Plataforma de automatización visual de procesos.

• Google (Gmail, Drive, Sheets): Proveedor de herramientas de productividad integradas en los flujos.

• Perplexity: Motor de respuestas e IA utilizado para el procesamiento de lenguaje natural.

• OpenAI / Anthropic / Gemini: Referencias a otros modelos de lenguaje y sus estructuras de costes.

Revisión técnica

Tras analizar el contenido del vídeo, se identifican los siguientes puntos para tener en cuenta en futuras actualizaciones o implementaciones:

• Modelos de Perplexity: En el vídeo se menciona el modelo "Sonar". Es importante recordar que los nombres y capacidades de los modelos en la API de Perplexity cambian con frecuencia; los alumnos deben verificar en la documentación oficial cuál es el modelo vigente más eficiente en términos de coste/beneficio.

• Formatos de Datos: Se menciona el formato JSON de pasada. Para un alumno principiante, podría ser confuso ver un bloque de código JSON sin una explicación previa de su estructura (llave-valor), lo que podría dificultar la comprensión de cómo se "mapean" las variables en Make.

• Límites de Google API: Al hablar de "Watch Emails", no se mencionan los límites de cuota de la API de Google. Si un usuario recibe miles de correos, el trigger de 15 minutos podría causar retrasos o bloqueos por parte de Google si no se gestiona correctamente.

• Seguridad de API Keys: Se muestra brevemente la gestión de claves en la interfaz. Sería recomendable recalcar que estas claves nunca deben compartirse ni exponerse, ya que dan acceso directo al saldo económico de la cuenta del usuario.

Repasamos el concepto de API desde otro punto de vista, creando automatizaciones con plugins visuales para Wordpress.

El contenido comienza explorando las interfaces de desarrollo de las principales IA generativas. Se destaca Google AI Studio como el entorno equivalente a la plataforma de OpenAI para trabajar con Gemini. En este espacio, los usuarios pueden probar funciones experimentales antes de que lleguen al chat convencional, como el editor de imágenes Nano Banana o las capacidades avanzadas de visión a través de la cámara del móvil.

Posteriormente, se menciona la plataforma para desarrolladores de Anthropic y su biblioteca de prompts, aunque se advierte que en el momento de la grabación presentaba problemas técnicos de acceso. Se explica la importancia de las instrucciones de sistema, que permiten preconfigurar el comportamiento de la IA antes de interactuar con ella.

La sesión se desplaza después hacia la aplicación práctica en WordPress. Se detalla la diferencia entre la versión comercial (.com) y la versión de software libre (.org), subrayando que esta última permite una personalización total al instalarse en un hosting propio. Se describe el ecosistema de WordPress basado en entradas para el blog, páginas estáticas, temas para el diseño visual y plugins para extender funcionalidades.

Finalmente, se muestra un caso de éxito real: la automatización de una web educativa. Mediante el plugin WordPress Automatic y la conexión vía API con ChatGPT, se explica cómo crear contenidos masivos (como poemas o efemérides históricas) y generar imágenes con DALL-E de forma programada, gestionando siempre los límites de consumo y costes desde el panel de control de la API.

Conocimientos adquiridos

• Entornos de experimentación (Playgrounds): Herramientas como Google AI Studio permiten testear modelos de lenguaje con mayor control que los chats comerciales, facilitando el ajuste de parámetros y el acceso temprano a nuevas tecnologías.

• Gestión de API Keys: Se comprende que una clave API funciona como una contraseña larga que permite a aplicaciones externas (como un plugin) "hablar" con la IA y consumir sus recursos bajo un control de costes estricto.

• Arquitectura de WordPress: Diferenciación clara entre el núcleo del gestor de contenidos y sus extensiones. La capacidad de WordPress para gestionar roles y usuarios lo convierte en una base sólida tanto para blogs sencillos como para proyectos empresariales.

• Web Scraping y Automatización: Técnica para extraer información estructurada de sitios web externos (usando Xpath) para procesarla con IA y publicarla automáticamente en un sitio propio.

• Control de facturación en IA: Importancia de configurar límites de gasto mensuales (hard limits) y alertas para evitar sorpresas económicas al realizar automatizaciones masivas.

Concienciación

La automatización de contenidos plantea un debate necesario sobre la calidad y la originalidad. Si bien es posible generar cientos de artículos de forma desatendida, el valor real reside en la supervisión humana. Como se observa en el ejemplo de las efemérides, el uso de modelos antiguos o la falta de revisión puede derivar en imágenes imperfectas o textos que carecen de "alma". La IA debe verse como un motor de eficiencia, no como un sustituto del criterio editorial. Además, es vital ser conscientes de que el uso de estas herramientas implica un coste directo por uso; un error en la configuración de un bucle de automatización podría agotar el presupuesto de un proyecto en cuestión de horas si no se establecen los límites adecuados.

Empresas mencionadas

• Google: Proveedor de Gemini y la plataforma AI Studio.

• OpenAI: Creadora de ChatGPT y del modelo de generación de imágenes DALL-E.

• Anthropic: Desarrolladora de los modelos Claude y su plataforma para desarrolladores.

• WordPress: Gestor de contenidos (CMS) líder en el mercado.

• WordPress Automatic: Plugin específico para la integración de fuentes de datos y APIs en sitios web.

Revisión técnica

• Vigencia de modelos: El vídeo menciona "DALL-I" y versiones previas de Gemini. Actualmente, modelos como DALL-E 3 o Gemini 1.5 Pro ofrecen una calidad significativamente superior en coherencia visual y comprensión de contexto, por lo que los resultados mostrados en la clase deben considerarse el estándar mínimo, no el actual.

• Estado de Anthropic: Se menciona que la web de Anthropic estaba caída. Es importante aclarar que su plataforma de desarrolladores (Console Anthropic) es hoy muy estable y su Prompt Library es una de las referencias más sólidas de la industria.

• Seguridad de API Keys: En la transcripción se sugiere que las API Keys son "como contraseñas". Técnicamente, deben tratarse con mayor rigor: nunca deben exponerse en el código cliente (front-end) y siempre deben rotarse si se sospecha de una filtración, algo que no se enfatiza suficientemente.

• Instalación de WordPress: El ponente menciona la instalación "artesanal" como algo complejo. Para un perfil técnico medio, la creación de bases de datos y gestión de archivos vía FTP es conocimiento básico; simplificarlo excesivamente hacia los instaladores automáticos del hosting puede limitar la comprensión del alumno sobre cómo funciona realmente el servidor.

Exploramos formas de obtener noticias de medios digitales como fuente de lectura y para automatizaciones mediante lectores RSS y servicios como Repplit.

• Introducción a la tecnología RSS (Really Simple Syndication) como un formato basado en XML diseñado para la suscripción a contenidos digitales.

• Relación técnica entre XML y HTML, destacando que el primero funciona como un lenguaje de marcas genérico del cual deriva el segundo.

• Aplicación práctica de XML en el diseño de prompts para inteligencia artificial, utilizando etiquetas para segmentar información como contexto o tareas.

• Demostración de la implementación de RSS por defecto en plataformas como WordPress y la visualización de su código fuente.

• Análisis de la estructura de un feed: metadatos del canal y desglose de artículos individuales (items) en orden cronológico inverso.

• Crítica a la evolución de la tecnología y el papel de Google en la pérdida de popularidad de los lectores de feeds nativos tras el cierre de Google Reader.

• Uso de extensiones de navegador, como FeedBro, para interpretar y gestionar las suscripciones a medios digitales de forma organizada y sin publicidad.

• Presentación de Reddit como una plataforma de curación de contenidos y red social orientada a comunidades temáticas.

Conocimientos adquiridos

¿Qué es realmente el RSS?

Aunque parezca una tecnología del pasado, el RSS sigue siendo el estándar de oro para la sindicación de contenidos. Su funcionamiento se basa en un archivo XML que un servidor web genera automáticamente. A diferencia de las redes sociales, donde un algoritmo decide qué ves, el RSS te devuelve el control: tú eliges la fuente y recibes la actualización exacta en el momento en que se publica.

XML como estructura de datos

Es fundamental entender que XML no es solo para suscripciones. Al ser un lenguaje de etiquetas personalizables, permite "desmembrar" la información. En el ámbito de la IA, esto es vital para estructurar prompts complejos. Al encerrar el contexto, las instrucciones y los ejemplos entre etiquetas tipo <contexto>...</contexto>, reducimos la ambigüedad y mejoramos la precisión de la respuesta del modelo.

Curación de contenidos y automatización

Gestionar la "infoxicación" requiere herramientas que agrupen la información. Los lectores de feeds permiten no solo leer, sino también buscar nuevos medios por palabras clave y filtrar por fecha de actualización. Esto es el primer paso para cualquier flujo de trabajo de automatización: identificar y centralizar las fuentes de datos de confianza.

Concienciación

La tecnología RSS representa una internet más abierta y menos dependiente de los ecosistemas cerrados de las grandes tecnológicas. El hecho de que Google dificultara el uso de esta tecnología responde a un interés comercial claro: si el usuario tiene su propio lector de noticias, deja de pasar tiempo en el motor de búsqueda y, por tanto, deja de ver anuncios. Recuperar el uso de lectores de feeds es, en cierta medida, un acto de soberanía digital.

Por otro lado, plataformas como Reddit demuestran que la curación humana sigue teniendo un valor incalculable. La popularidad de las sesiones "Ask Me Anything" (AMA) con figuras relevantes subraya que la comunidad busca interacción directa y transparencia, algo que el contenido puramente algorítmico a veces no logra ofrecer.

Empresas mencionadas

• WordPress: Sistema de gestión de contenidos que integra RSS de forma nativa.

• Google: Mencionada por su influencia en el declive del RSS tras el cierre de Google Reader.

• FeedBro: Herramienta recomendada para la lectura y gestión de feeds desde el navegador.

• Xataka: Ejemplo de medio digital que ofrece feeds estructurados por categorías.

• Reddit: Plataforma de agregación de noticias y discusión comunitaria.

Revisión técnica

• Vigencia de extensiones: Se menciona FeedBro como extensión. Si bien sigue siendo funcional, sería recomendable mencionar alternativas modernas basadas en la nube como Feedly o Inoreader, que ofrecen sincronización entre dispositivos, algo que las extensiones locales suelen omitir.

• Protocolos de seguridad: Se comenta la descarga de un archivo sin extensión al intentar ver un feed y el miedo a un virus. Sería útil aclarar que los navegadores modernos a menudo intentan renderizar el XML o bloquear la descarga por seguridad, y que la falta de extensión es un comportamiento específico de cómo ciertos servidores entregan el tipo de contenido MIME.

• Obsolescencia: La referencia a Google Reader (cerrado en 2013) es útil contextualmente, pero para un alumno actual, el impacto de las redes sociales y los algoritmos de recomendación (TikTok/Instagram) es un ejemplo más vigente de por qué el RSS ha quedado en segundo plano.

Vemos Looker Studio, herramienta de BI de visualización de datos muy orientada a marketing.

El vídeo introduce Looker Studio como la herramienta de visualización de datos por excelencia dentro del ecosistema de Google. Se destaca su naturaleza gratuita y su capacidad para integrarse de manera nativa con otros servicios del gigante tecnológico. El profesor explica que esta aplicación se sitúa en la fase final de un proceso de Business Intelligence (BI), donde primero se recolectan y normalizan los datos —a menudo en un Data Lake— para luego transformarlos en informes visuales, coloridos y fáciles de interpretar para cualquier departamento.

A nivel práctico, se explora la interfaz, muy similar a Google Drive, diferenciando entre los dos elementos que se pueden crear: informes y fuentes de datos. La conexión entre herramientas se realiza mediante de nuevo APIs.

Durante la demostración, se analiza un informe real de SEO, mostrando cómo la herramienta permite interactuar con los datos, filtrar por fechas y personalizar el diseño. Se detalla la diferencia entre dimensiones (datos cualitativos como fechas o consultas) y métricas (datos cuantitativos como clics o impresiones), y cómo estas pueden editarse para adaptar el informe a las necesidades del cliente.

Conocimientos adquiridos

• Concepto de Business Intelligence: Se comprende el BI como un flujo que abarca desde la recogida de datos en empresas omnicanal hasta su representación visual para la toma de decisiones.

• Arquitectura de Looker Studio: Diferenciación clara entre la "fuente de datos" (el conector que trae la información vía API) y el "informe" (el panel visual o dashboard).

• Dimensiones vs. Métricas: Identificación de los datos cualitativos (dimensiones) que categorizan la información y los datos cuantitativos (métricas) que miden el rendimiento.

• Personalización de informes: Capacidad para modificar estilos visuales, tipografías y colores, además de la posibilidad de copiar estilos entre diferentes gráficos para mantener la coherencia de marca.

• Gestión de conectores: Conocimiento de los conectores nativos de Google (Ads, Analytics, Sheets) y los conectores de terceros (partners) para extraer datos de plataformas como Facebook o sistemas CRM.

• Distribución y automatización: Aprendizaje sobre cómo compartir informes mediante enlaces, gestionar permisos de edición y programar envíos automáticos por correo electrónico en formato PDF.

Concienciación

En un entorno empresarial actual, la omnicanalidad genera un volumen de información ingente que, de no ser procesado correctamente, se convierte en ruido. Looker Studio no es solo una herramienta para hacer "gráficos bonitos", sino una plataforma de síntesis. Es fundamental entender que la calidad del informe depende totalmente de la preparación previa del dato; si la fuente no está normalizada, la visualización será errónea. Un punto crítico mencionado en la clase es el impacto de la Inteligencia Artificial en el tráfico web. El análisis del gráfico de clics revela cómo el contenido meramente informativo está sufriendo un descenso debido a que los usuarios resuelven sus dudas directamente en chats de IA. Esto nos obliga a reflexionar sobre la necesidad de monitorizar no solo lo que ocurre, sino el "porqué" externo, utilizando los datos para adaptar las estrategias de contenido a un mercado en constante evolución tecnológica.

Empresas mencionadas

• Google: Desarrollador de la herramienta y principal proveedor de servicios publicitarios y de análisis.

• Google Analytics: Herramienta de analítica web más utilizada para medir el comportamiento del usuario.

• Google Search Console: Servicio para monitorizar la presencia de un sitio web en los resultados de búsqueda de Google (SEO).

• Google BigQuery: Solución de almacenamiento y análisis de datos a gran escala (Data Warehouse) para perfiles profesionales.

• Facebook: Citada como ejemplo de fuente de datos externa a través de conectores de partners.

• YouTube: Plataforma de vídeo cuyos datos pueden ser integrados en Looker Studio.

Revisión técnica

• Nomenclatura: El vídeo se refiere a la herramienta como Looker Studio, lo cual es correcto, pero es importante recordar que anteriormente se conocía como Google Data Studio. Algunos alumnos podrían encontrar tutoriales antiguos con el nombre anterior.

• Interfaz en evolución: El profesor menciona un elemento nuevo llamado "Explorador" y nota cambios en el selector de fechas. Looker Studio es una herramienta SaaS que actualiza su interfaz frecuentemente, por lo que la ubicación de ciertos botones de configuración de estilo podría variar ligeramente respecto a la grabación.

• Limitaciones de conectores gratuitos: Aunque la herramienta es gratuita, se debería enfatizar que muchos conectores de "partners" (como los de Facebook Ads o Instagram) suelen ser servicios de pago mensuales (ej. Supermetrics, Porter Metrics), a diferencia de los conectores nativos de Google que son 100% gratuitos.

• Tráfico e IA: La observación sobre la caída de tráfico por la IA es una hipótesis valiosa y actual, pero técnicamente podría estar influenciada por otros factores como las actualizaciones del algoritmo de Google (Core Updates) que ocurrieron a finales de 2024.

Herramientas paralelas imprescindibles. Notion como navaja suiza de generación de contenidos y útil para trabajar diagramas en Mermaid y NotebookML, que se ha convertido en la herramienta esencial para el estudio.

Notion - La navaja suiza de contenidos 00:00:31
El ponente introduce Notion como una aplicación SaaS (Software as a Service) que funciona como una herramienta integral de gestión de contenidos. La plataforma ofrece cuentas gratuitas y permite la creación de espacios de trabajo compartidos con zonas privadas y públicas 00:00:53. La funcionalidad principal se basa en un editor potente que utiliza bloques de contenido modulares, permitiendo agregar diferentes tipos de elementos mediante un sistema intuitivo 00:01:28.

Se demuestra la creación de un tablero Kanban 00:01:40, herramienta típica de gestión de proyectos que organiza tareas en estados: "Sin empezar", "En curso" y "Terminadas". El ejemplo práctico muestra la creación de una tarea "Clase sobre API" en estado "en curso" 00:02:05, con posibilidad de agregar detalles, comentarios y fechas.

La plataforma incluye plantillas prediseñadas, como el planificador de viaje 00:02:48, que incorpora listas tachables para maletas e itinerarios organizados en tablas. Notion integra una IA propia que funciona con un sistema de créditos gratuitos limitados, requiriendo pago posterior para uso continuado 00:03:29.

Funcionalidades avanzadas de Notion
El ponente destaca la integración con Mermaid 00:06:31, un sistema de diagramación mediante código que permite crear diagramas de flujo de forma automatizada. Esta funcionalidad resulta especialmente valiosa cuando se combina con IA externa, como ChatGPT, para generar código Mermaid que posteriormente se visualiza en Notion 00:07:14. Se presenta un ejemplo práctico del proyecto de bicicletas eléctricas urbanas 00:07:23, donde ChatGPT genera automáticamente código Mermaid para representar flujos de venta con automatizaciones de email 00:08:05.

Como alternativa, se menciona Mermaid Live 00:08:50, un visor online gratuito que permite visualizar código Mermaid sin necesidad de otras herramientas, ofreciendo la misma funcionalidad que Notion para diagramación.

NotebookLM - IA especializada en análisis de fuentes 00:10:05
NotebookLM se presenta como un proyecto de Google con características únicas en el panorama de IA. El ponente menciona una posible integración futura con Gemini 00:10:28, aunque no confirma su disponibilidad en España.

La herramienta se estructura en tres paneles principales 00:11:34: fuentes (panel izquierdo), chat central y notas guardadas (panel derecho). Su característica distintiva es funcionar como una "IA de folio en blanco" 00:11:41 que requiere alimentación previa con contenidos específicos.

Sistema de fuentes y limitaciones
Las fuentes admitidas incluyen enlaces web, archivos PDF, vídeos de YouTube, texto copiado y documentos de Google Drive 00:12:16. La versión gratuita permite hasta 50 fuentes por cuaderno, mientras que la versión Pro amplía este límite a 300 fuentes 00:13:21. Una funcionalidad reciente permite solicitar investigación automática de fuentes 00:12:40.

El sistema de chat presenta una particularidad importante: las conversaciones no se guardan automáticamente y se pierden si no se guardan manualmente como notas 00:13:45. Las respuestas se basan exclusivamente en las fuentes seleccionadas, permitiendo trabajar con subconjuntos específicos de información 00:13:01.

Herramientas de generación de contenido
NotebookLM ofrece múltiples herramientas para crear contenido adicional 00:14:17: mapas mentales, resúmenes en audio y vídeo, informes y cuestionarios. El ponente demuestra la funcionalidad de resumen explicativo 00:14:43, que genera presentaciones con diapositivas automáticas, permitiendo seleccionar estilo, idioma y nivel de detalle.

La calidad del audio generado se destaca como "excelente" 00:16:36, con acento neutro y fluidez natural. El ejemplo mostrado dura 8 minutos y 52 segundos 00:15:23. La función de resumen de audio crea diálogos entre dos personas simulando un podcast 00:16:49, manteniendo un nivel de naturalidad muy alto 00:17:18.

Aplicación práctica en educación
Se presenta un caso de uso real en formación profesional 00:17:40, donde el ponente utiliza NotebookLM para crear recursos educativos para estudiantes de desarrollo de aplicaciones. Los materiales incluyen mapas mentales interactivos 00:18:12 sobre entornos de desarrollo, con navegación tipo árbol.

Nueva funcionalidad: Tabla de datos 00:18:24
La herramienta incorpora recientemente la capacidad de generar tablas de datos estructuradas. El ejemplo práctico muestra la creación de una tabla sobre metodologías de desarrollo 00:19:13, procesando contenido teórico sobre ciclo de vida del software. La generación resulta rápida 00:20:08 y produce tablas densas pero bien estructuradas 00:20:26.

Ventajas competitivas y limitaciones técnicas
El ponente enfatiza la ventaja de NotebookLM sobre chats tradicionales respecto a la ventana de contexto 00:21:42. Mientras los chats normales tienen límites de tokens que impiden analizar documentos extensos, NotebookLM permite subir hasta 50 archivos de cualquier tamaño 00:21:16, incluyendo "libracos enteros en PDF" 00:21:25. Esta capacidad resulta especialmente valiosa para análisis de grandes volúmenes de información que superarían las limitaciones técnicas de otras IA 00:21:52.

Conocimientos adquiridos

Arquitectura modular de herramientas de productividad
Se comprende que las herramientas modernas de gestión de contenidos, como Notion, adoptan arquitecturas modulares basadas en bloques de contenido. Este enfoque permite mayor flexibilidad y personalización, facilitando la creación de soluciones específicas sin requerir conocimientos técnicos avanzados.

Integración de IA en flujos de trabajo
La combinación de diferentes herramientas de IA puede optimizar significativamente los procesos creativos. El ejemplo de generar código Mermaid con ChatGPT para visualizarlo posteriormente en Notion demuestra cómo la interoperabilidad entre plataformas multiplica las capacidades individuales de cada herramienta.

Limitaciones técnicas de ventanas de contexto
Se adquiere comprensión sobre las limitaciones fundamentales de los modelos de IA tradicionales respecto al procesamiento de grandes volúmenes de información. La ventana de contexto, medida en tokens, representa una barrera técnica que herramientas especializadas como NotebookLM superan mediante arquitecturas específicamente diseñadas para el análisis de múltiples fuentes.

Calidad de síntesis de voz con IA
Los avances en síntesis de voz han alcanzado niveles de naturalidad excepcionales, como demuestra NotebookLM. La capacidad de generar diálogos conversacionales que simulan podcasts reales indica una madurez tecnológica que abre nuevas posibilidades para la creación de contenido educativo y divulgativo.

Modelos de negocio freemium en herramientas de IA
Se observa la prevalencia del modelo freemium en herramientas de IA, donde las funcionalidades básicas son gratuitas pero las capacidades avanzadas o el uso intensivo requieren suscripción. Este modelo permite democratizar el acceso a tecnologías avanzadas mientras mantiene la sostenibilidad económica de las plataformas.

Especialización vs. generalización en IA
NotebookLM ejemplifica el valor de la especialización en IA. Mientras que herramientas generalistas como ChatGPT ofrecen versatilidad, las IA especializadas en tareas específicas (como análisis de fuentes) pueden ofrecer capacidades superiores en sus dominios particulares.

Concienciación

Transformación del proceso de creación de diagramas
La demostración de la generación automática de diagramas mediante código Mermaid representa un cambio paradigmático en la visualización de información. La tradicional creación manual de diagramas, que requiere "un montón" de tiempo 00:09:13, se transforma en un proceso automatizado que reduce drásticamente los tiempos de producción y permite mayor iteración y refinamiento conceptual.

Redefinición del concepto de investigación académica
NotebookLM introduce una nueva perspectiva sobre la investigación y análisis de información. La capacidad de procesar simultáneamente múltiples fuentes extensas (hasta 50 documentos completos) y extraer insights específicos mediante consultas dirigidas redefine fundamentalmente los métodos tradicionales de investigación académica y profesional.

Evolución de los materiales educativos
La aplicación práctica en formación profesional 00:17:40 revela cómo la IA puede transformar la creación de recursos educativos. La generación automática de mapas mentales, resúmenes de audio y contenido interactivo sugiere una evolución hacia materiales educativos más dinámicos y personalizados, potencialmente más efectivos para diferentes estilos de aprendizaje.

Democratización de capacidades técnicas avanzadas
Ambas herramientas demuestran cómo tecnologías anteriormente reservadas para especialistas técnicos se vuelven accesibles para usuarios generales. La creación de diagramas complejos, análisis de grandes volúmenes de datos y generación de contenido multimedia de alta calidad se democratizan, reduciendo barreras de entrada en múltiples campos profesionales.

Cambio en la relación con la información
NotebookLM propone un nuevo paradigma en la gestión del conocimiento, donde la IA actúa como un asistente especializado que "conoce" únicamente la información que el usuario le proporciona. Este enfoque contrasta con las IA generalistas y sugiere un futuro donde los profesionales mantendrán "bibliotecas de conocimiento" personalizadas y especializadas.

Reconceptualización de la productividad digital
La integración de múltiples funcionalidades en plataformas unificadas como Notion, combinada con la especialización de herramientas como NotebookLM, sugiere una evolución hacia ecosistemas de productividad más cohesivos y eficientes, donde la interoperabilidad y la especialización coexisten para maximizar la efectividad profesional.

Un caso comparativo en diversas IAs con un prompt de localizar y comparar centros de yoga geolocalizados y organización del calendario.

La sesión presenta un caso práctico comparativo centrado en el análisis de centros de yoga mediante diferentes plataformas de inteligencia artificial con capacidades de geolocalización 00:00:23. El experimento utiliza un prompt estandarizado que solicita información sobre centros de yoga cerca de una calle específica en Granada, España, incluyendo datos sobre distancia, tarifas, tipos de yoga, actividades adicionales como retiros y reputación 00:00:28-00:00:51.

ChatGPT - Versión de Pago vs Gratuita:
La comparación inicial revela diferencias significativas entre las versiones. La versión de pago con razonamiento activado 00:01:04 proporciona respuestas estructuradas con cinco centros de yoga, incluyendo distancias a pie, estilos, tarifas (clases sueltas y bonos mensuales), actividades adicionales y análisis detallado de reputación 00:01:41-00:02:17. Cuando se solicita formato tabular, la respuesta se adapta eficientemente 00:02:57-00:03:05. En contraste, la versión gratuita ofrece una "basura de respuesta" 00:03:24 con información parcial y menor calidad estructural, aunque incluye enlaces directos a Google Maps 00:03:29-00:03:38.

Microsoft Copilot:
Sorprendentemente, la versión gratuita de Copilot produce resultados de calidad similar a ChatGPT de pago 00:05:01-00:05:06, proporcionando cuatro centros con información precisa y consideraciones adicionales sobre clases al aire libre y eventos 00:05:58-00:06:08. Sin embargo, presenta problemas de coherencia cuando se solicitan modificaciones en las tablas, perdiendo el contexto de solicitudes anteriores y cambiando arbitrariamente los campos mostrados 00:07:15-00:08:35. Además, muestra errores en el cálculo de distancias comparado con ChatGPT 00:09:55-00:10:19.

Grok:
Caracterizado por generar respuestas más extensas 00:11:44-00:11:49, Grok en versión gratuita sin razonamiento proporciona información muy detallada con cuatro centros, incluyendo texto introductorio extenso y consulta de 20 fuentes 00:12:40-00:12:47. La calidad de respuesta es comparable a las mejores opciones evaluadas.

Google Gemini - Evolución Temporal:
El análisis revela la evolución significativa de Gemini. La versión 2.0 (febrero) mostraba limitaciones severas, proporcionando únicamente ubicaciones básicas y valoraciones de Google Maps sin información sobre tarifas 00:14:13-00:14:18. La versión 2.5 con razonamiento activado 00:17:17-00:17:24 mejora considerablemente, ofreciendo respuestas detalladas equiparables a Grok y ChatGPT de pago 00:17:44-00:18:06. La función Deep Research genera análisis extremadamente extensos 00:18:38-00:19:42 con capacidad de resumen de audio de una hora 00:20:25-00:20:31.

Claude:
Destaca por su capacidad de síntesis, proporcionando respuestas escuetas pero precisas sin párrafos explicativos 00:21:15-00:21:21. Genera automáticamente tablas comparativas sin solicitud explícita 00:21:40-00:21:47 y ofrece tres centros con información estructurada en listas.

DeepSeek:
Presenta inconsistencias notables: inicialmente omite distancias y precios en la respuesta narrativa, pero los incluye cuando se solicita formato tabular 00:23:17-00:23:28. La respuesta general es inferior a otras opciones evaluadas.

Mistral Local:
La implementación local mediante LM Studio requiere recursos computacionales significativos, utilizando CPU y GPU al máximo rendimiento 00:27:37-00:27:43. El procesamiento consume 7 minutos y medio para razonamiento 00:24:54-00:24:58 y genera respuestas a 1.53 tokens por segundo 00:26:38-00:26:42, resultando en operaciones de aproximadamente 15 minutos totales 00:27:16-00:27:24. La respuesta es escueta pero certera, similar a Claude.

Integración con Calendarios:
La segunda fase del experimento explora la integración con calendarios personales. Gemini no puede acceder a Google Calendar 00:16:14-00:16:30. La solución alternativa utiliza capturas de pantalla del calendario 00:28:27-00:28:33. ChatGPT con razonamiento carece de capacidades de visión en el momento del experimento 00:29:20-00:29:25, generando respuestas excelentes pero inexactas por no poder interpretar la imagen 00:29:33-00:30:16. Grok demuestra capacidades de visión efectivas, proporcionando análisis precisos del calendario y recomendaciones de planificación 00:31:29-00:32:02.

Conocimientos adquiridos

Diferencias entre Versiones de Pago y Gratuitas:
Las versiones de pago de ChatGPT con razonamiento activado proporcionan calidad significativamente superior en estructura, detalle y precisión de respuestas comparado con versiones gratuitas. Sin embargo, algunas plataformas gratuitas como Copilot pueden igualar esta calidad.

Evolución Acelerada de los Modelos:
Los modelos de IA evolucionan constantemente, haciendo que evaluaciones de hace meses queden obsoletas rápidamente. Google Gemini ejemplifica esta evolución, pasando de respuestas deficientes a resultados competitivos en pocos meses 00:13:13-00:13:36.

Especialización por Casos de Uso:
Cada plataforma muestra fortalezas específicas: Grok para análisis detallados y extensos, Claude para síntesis eficiente, ChatGPT para coherencia en conversaciones largas, y Gemini para investigación profunda con Deep Research.

Limitaciones de Coherencia:
Problemas de memoria y coherencia aparecen cuando se realizan múltiples modificaciones a respuestas previas, especialmente notable en Copilot que "olvida" contexto de prompts anteriores 00:09:19-00:09:34.

Capacidades de Visión Variables:
Las capacidades de procesamiento de imágenes varían significativamente entre plataformas y versiones, siendo crucial verificar estas funcionalidades antes de diseñar flujos de trabajo que dependan de análisis visual.

Implementación Local vs Cloud:
Los modelos locales requieren recursos computacionales sustanciales y tiempos de procesamiento considerablemente mayores, pero ofrecen control total y privacidad de datos.

Importancia del Prompt Engineering:
La calidad y especificidad del prompt inicial determina significativamente la utilidad de las respuestas, siendo crucial incluir todos los parámetros requeridos desde el inicio 00:08:46-00:08:54.

Concienciación

Cambio de Liderazgo en el Mercado de IA:
El análisis revela un cambio significativo en la percepción del liderazgo tecnológico. Mientras OpenAI/ChatGPT mantiene prominencia mediática, Google emerge como el potencial líder técnico real 00:34:39-00:35:22. Esta transición sugiere que los recursos empresariales masivos y la capacidad de inversión sostenida pueden superar la ventaja del "first mover" en IA.

Democratización Desigual de Capacidades:
La brecha entre versiones gratuitas y de pago varía dramáticamente entre proveedores, cuestionando las estrategias de monetización y accesibilidad. Algunas plataformas ofrecen capacidades premium gratuitamente mientras otras restringen funcionalidades básicas.

Obsolescencia Acelerada de Evaluaciones:
La velocidad de evolución tecnológica hace que las comparativas pierdan relevancia en períodos muy cortos, sugiriendo la necesidad de evaluaciones continuas en lugar de análisis puntuales para toma de decisiones empresariales.

Complejidad de la Selección Tecnológica:
No existe una solución universalmente superior; la elección óptima depende del caso de uso específico, recursos disponibles, y requisitos de integración. Esta realidad desafía la búsqueda de una "mejor" herramienta única.

Importancia Crítica de las Capacidades Multimodales:
La integración efectiva de texto, imágenes y datos estructurados emerge como diferenciador clave, especialmente para aplicaciones empresariales que requieren análisis de documentos, calendarios y contenido visual.

Sostenibilidad de Modelos de Negocio:
La oferta de capacidades avanzadas gratuitas por parte de algunos proveedores plantea interrogantes sobre la sostenibilidad a largo plazo y posibles cambios futuros en políticas de acceso.

Vemos brevemente qué es Huggingface para identificar el portal de referencia donde se publican las versiones libres y algunos ejemplos de chats con IAs en local con LM Studio.

En esta sesión exploramos el cambio de paradigma que supone pasar de la inteligencia artificial basada en la nube a la IA en local. Hasta ahora, hemos funcionado bajo una arquitectura cliente-servidor donde nuestros datos viajan por Internet mediante APIs hacia servidores de terceros. Sin embargo, existe la posibilidad de ejecutar estos modelos directamente en nuestro propio hardware.

El punto de partida para entender este ecosistema es Hugging Face, que actúa como el repositorio central de la comunidad de código abierto. Aquí, entidades como Meta, Microsoft o Mistral publican versiones libres de sus modelos. Se destaca que, mientras Google comercializa Gemini, libera otros modelos bajo la serie Gemma para uso local. Un aspecto crítico discutido es la relación entre el número de parámetros (como los modelos de 3B o 27B) y los recursos necesarios: a mayor potencia del modelo, mayor consumo de memoria RAM y capacidad de procesamiento requiere nuestro equipo.

Para facilitar esta tarea sin complicaciones técnicas, se presenta LM Studio, una herramienta de escritorio que permite descargar, gestionar y ejecutar modelos de lenguaje de forma sencilla. Durante la clase, se realizan pruebas comparativas entre modelos antiguos y versiones recientes, observando cómo la tecnología ha evolucionado para ofrecer respuestas más rápidas y precisas incluso en modelos ligeros que apenas ocupan unos pocos gigas de memoria.

Conocimientos adquiridos

• Privacidad y soberanía de datos: Al ejecutar una IA en local, la información no sale del dispositivo. Esto elimina el riesgo de que las empresas propietarias de los modelos utilicen nuestros prompts para reentrenar sus sistemas o que se produzcan filtraciones de datos sensibles.

• Parámetros y recursos de hardware: La potencia de una IA local está ligada a sus parámetros (expresados en "billions" o miles de millones). Hemos aprendido que el tamaño del archivo del modelo es proporcional a la memoria RAM que consumirá al cargarse. Por ejemplo, un modelo de 7B parámetros puede requerir unos 4.5 GB de RAM libres.

• Ecosistema Open Source: No toda la IA es cerrada como ChatGPT. Gracias a plataformas como Hugging Face, podemos acceder a modelos de calidad profesional de forma gratuita, permitiendo a individuos y empresas personalizar su propia infraestructura de inteligencia artificial.

• Optimización y latencia: Los modelos modernos, como las últimas versiones de Mistral o DeepSeek, han mejorado drásticamente su eficiencia. Hemos comprobado que la velocidad de respuesta se mide en tokens por segundo y que los modelos actuales pueden ser hasta 50 veces más rápidos que sus predecesores de hace apenas un año.

Concienciación

El uso de la IA en la nube tiene un "coste oculto" que a menudo ignoramos: nuestra privacidad. Cada consulta que hacemos a modelos comerciales es una pieza de información que regalamos y que puede comprometer la propiedad intelectual de una empresa o la intimidad personal. Debemos ser críticos con la dependencia que estamos creando hacia las grandes tecnológicas.

Adoptar IA en local no es solo una cuestión técnica, es un acto de responsabilidad ética y seguridad. Para una empresa, trabajar con modelos dentro de su propia infraestructura es la única forma real de garantizar el cumplimiento de las políticas de protección de datos y evitar fugas de información crítica. Además, nos invita a valorar nuestro propio hardware; tener un equipo potente ya no es solo para diseño o juegos, sino para poseer nuestra propia capacidad de razonamiento artificial.

Empresas mencionadas

• Hugging Face: La plataforma de referencia y comunidad donde se comparten modelos, sets de datos y aplicaciones de Machine Learning.

• Meta: Responsable de la familia de modelos Llama, fundamentales en el sector de código abierto.

• Mistral AI: Empresa francesa que destaca por crear modelos muy eficientes y potentes, como Mistral Small o Ministral.

• DeepSeek: Entidad de origen chino conocida por sus modelos de razonamiento avanzado y su reciente progresión en eficiencia.

• Google: Aunque su producto estrella es Gemini, se menciona por su serie de modelos abiertos Gemma.

• Nvidia: Citada por su modelo Nemotron, diseñado para ofrecer baja latencia.

• Alibaba (Qwen): Gigante del e-commerce que publica modelos de lenguaje y visión bajo la marca Qwen.

• LM Studio: Aplicación de escritorio recomendada para ejecutar LLMs de forma local y sencilla.

Revisión técnica

• Actualización de modelos: El vídeo menciona que DeepSeek R1 era una novedad de hace casi un año, pero en el contexto real de 2025/2026, las versiones R1 y R3 son mucho más recientes. El ritmo de actualización es tan frenético que cualquier mención a "modelos de hace meses" puede quedar obsoleta en semanas.

• Precisión en la geolocalización: Se observa una limitación importante en los modelos locales actuales respecto a la "información del mundo real" o geolocalización. Como se vio en el ejemplo de los centros de yoga, los modelos pueden alucinar ubicaciones o no tener datos actualizados si no tienen acceso a una búsqueda web en tiempo real.

• Requisitos de RAM: Aunque se explica bien la relación RAM/Parámetros, sería necesario aclarar que para modelos con visión o tareas complejas, no solo cuenta la cantidad de RAM, sino la VRAM (memoria de la tarjeta gráfica), que es la que realmente acelera la ejecución en estas aplicaciones.

Exploramos GPTs ya creados y creamos un creador de gemas en Gemini y vemos ejemplos de gemas.

En esta sesión se explora la funcionalidad y creación de agentes personalizados, conocidos como GPTs en el ecosistema de OpenAI y Gemas en el de Google. Se inicia diferenciando el acceso según el plan de suscripción: en la versión gratuita de ChatGPT solo es posible explorar y usar GPTs de terceros, mientras que la creación propia requiere una suscripción de pago. Como alternativa para quienes no disponen de ese plan, se proponen las Gemas de Gemini para desarrollar asistentes personalizados.

El concepto central de estas herramientas es la reutilización y la eficiencia en tareas repetitivas. En lugar de iniciar chats genéricos, un agente permite predefinir un contexto y unas instrucciones específicas para que el usuario solo tenga que aportar el dato variable. Un ejemplo práctico mencionado es un optimizador de vídeos de YouTube que transforma un título y descripción mediante una estructura de comandos sencilla.

La clase profundiza en la configuración técnica de las Gemas, destacando que Google ofrece versiones predefinidas (como tutores o asistentes de programación) que pueden usarse como base para crear versiones personalizadas mediante una "copia" que revela su configuración interna. Se presentan dos casos de estudio detallados:

• Un creador de cartas astrales, donde se debate la limitación técnica de las IA para realizar cálculos astronómicos exactos frente a su capacidad de interpretación basada en documentos aportados.

• Un clasificador automático de correos electrónicos diseñado para integrarse con herramientas de automatización externas como Make y Perplexity AI.

Conocimientos adquiridos

La arquitectura de un agente personalizado

El diseño de una Gema efectiva se basa en una fórmula estructurada que define su comportamiento. Esta estructura incluye el Rol (quién es la IA), la Tarea (qué debe hacer), el Contexto (por qué lo hace), las Reglas (límites del comportamiento), la Condición de parada (cuándo termina su respuesta) y el Formato de salida (cómo entrega la información).

Gestión de la base de conocimientos

Una de las potencias de las Gemas es la sección de "conocimientos", donde se pueden subir hasta 10 archivos (preferiblemente texto plano o Markdown) para que sirvan como fuente única de verdad. Sin embargo, se advierte que al forzar a la IA a usar solo estos documentos, se pueden inhibir funciones nativas como la búsqueda en tiempo real o el uso de herramientas externas.

Integración y automatización

Se introduce el uso de atajos de teclado personalizados dentro de la Gema (por ejemplo, "R" para reiniciar o "Ayuda" para ver instrucciones) para mejorar la experiencia de usuario. Además, se muestra cómo una Gema puede generar prompts específicos para ser utilizados en plataformas de automatización como Make, conectando la IA directamente con servicios como Gmail para clasificar mensajes mediante filtros lógicos y routers.

Concienciación

El uso de estas herramientas conlleva responsabilidades técnicas y legales que el alumno debe considerar:

• Propiedad Intelectual: No se deben subir libros o documentos con derechos de autor (copyright) a las bases de conocimiento de las Gemas, incluso si han sido comprados físicamente, ya que digitalizarlos para alimentar una IA es una infracción legal.

• Fiabilidad vs. Automatización: La automatización total puede fallar si el prompt de sistema no es extremadamente preciso. Es fundamental realizar pruebas constantes y entender que, en tareas críticas, la clasificación manual o la supervisión humana siguen siendo superiores a una IA mal configurada.

• Limitaciones de cálculo: Las IA generativas a veces simulan razonamientos que en realidad son consultas a herramientas externas; al crear un agente "cerrado" con documentos propios, perdemos esa capacidad de cálculo dinámico.

Empresas mencionadas

• OpenAI: Desarrolladora de ChatGPT y los GPTs.

• Google: Creadora de Gemini, las Gemas y el ecosistema Workspace.

• Make: Plataforma de automatización utilizada para conectar Gmail con modelos de IA.

• Perplexity AI: Utilizada como motor de IA económico para tareas de clasificación dentro de automatizaciones.

Revisión técnica

Puntos de mejora y vigencia

• Diferenciación de herramientas: En la clase se menciona una confusión inicial sobre por qué la Gema no podía calcular posiciones planetarias. Es vital aclarar que las Gemas de Google, a fecha de 2026, han evolucionado para permitir una mejor integración con extensiones de Google Workspace, lo que podría mitigar algunas de estas limitaciones si se configuran correctamente los conectores nativos.

• Formatos de archivo: Se recomienda evitar PDFs escaneados o con muchas imágenes debido a la imprecisión del OCR actual del modelo en contextos de agentes personalizados. La recomendación de usar texto plano sigue siendo el estándar de oro para evitar "alucinaciones" por mala lectura de archivos.

• Límite de caracteres: El recordatorio sobre el límite de 8000 caracteres para las instrucciones de la Gema es un punto crítico de diseño instruccional que ahorra errores de guardado al usuario.

Vemos una presentación sobre el consumo energético de la IA y discutimos temas de ética. esta clase es para reflexionar y debatir. Te invito a expresar tus comentarios en los foros.

La sesión comienza abordando la relación entre el consumo energético y la ética en el desarrollo de la inteligencia artificial. Se parte de una premisa importante: los datos analizados corresponden a 2024, por lo que, aunque son recientes, la velocidad del sector obliga a interpretarlos con cautela. Se destaca una dualidad en el consumo; mientras que el número de usuarios crece exponencialmente, también lo hacen los esfuerzos por optimizar los algoritmos para reducir su huella energética.

A través de una serie de comparaciones visuales basadas en el contexto colombiano, se ilustra el impacto real de estas tecnologías. Por ejemplo, se menciona que el consumo de la IA en 2024 era equivalente al gasto energético de las ciudades de Bogotá, Medellín y Cali durante 12 años. También se analizan acciones cotidianas: una sesión de ChatGPT equivale a tener un coche encendido cinco minutos, y generar una sola imagen con DALL-E consume la misma energía que cargar cinco teléfonos móviles. Finalmente, se explica la infraestructura necesaria para sostener este sistema. Los centros de datos requieren una refrigeración constante, lo que explica su ubicación estratégica cerca de masas de agua o en regiones frías como la Patagonia o Aragón.

Conocimientos adquiridos

• Impacto operativo de la IA: El entrenamiento de modelos masivos como GPT-3 emite una cantidad de carbono comparable a realizar un viaje de ida y vuelta en coche a la Luna.

• Necesidades de infraestructura: Los centros de datos no son solo servidores; son instalaciones que demandan un flujo de energía constante e ininterrumpido. Esto posiciona a la energía nuclear como una de las fuentes más viables para las grandes tecnológicas debido a su estabilidad frente a las renovables.

• El ciclo del agua en la computación: La refrigeración es un punto crítico. Un centro de datos puede consumir en media hora el agua que una persona necesita para todo un año, debido a los sistemas de enfriamiento necesarios para los equipos de alta potencia.

• Geopolítica de los datos: La ubicación de los nodos de datos responde a criterios climáticos (ahorro en refrigeración) y de conectividad, como el caso de España por su posición estratégica hacia África.

Concienciación

El desarrollo de la inteligencia artificial plantea un dilema ético y ambiental profundo. A menudo vemos la tecnología como algo inmaterial, "la nube", pero su sustento depende de la extracción de minerales como el litio y el cobalto, y de una demanda energética que se prevé pase del 4% al 30% del consumo global para 2030. Es fundamental reflexionar sobre la paradoja que esto supone: utilizamos la IA para resolver problemas complejos, incluidos los ambientales, pero su propia construcción genera nuevas presiones sobre los recursos naturales. La carrera por el liderazgo tecnológico entre potencias como EE. UU. y China parece priorizar la velocidad de despliegue sobre la sostenibilidad, dejando en manos de la optimización algorítmica y la elección de fuentes energéticas la mitigación de este impacto.

Empresas mencionadas

• OpenAI: Citada como uno de los actores principales en la carrera tecnológica.

• Google: Mencionada por su papel en el despliegue de modelos masivos y servicios en la nube.

• Amazon: Destacada por su inversión en centros de datos en Aragón y sus acuerdos en la Patagonia.

• Microsoft e IBM: Referenciadas como proveedores históricos de infraestructura cloud.

Revisión técnica

• Vigencia de los datos: El ponente advierte repetidamente que los datos de 2024 podrían estar obsoletos. En un campo donde la eficiencia de los modelos mejora mensualmente, las cifras de consumo por "prompt" deben tomarse como estimaciones pedagógicas y no como métricas fijas.

• Ciclo del agua: Existe una imprecisión técnica al analizar el consumo de agua. Aunque el ponente especula con que el agua se evapora y vuelve al ciclo natural, en los centros de datos el problema no es la desaparición del agua, sino su contaminación térmica y la presión hídrica que ejerce sobre los ecosistemas locales durante su captación y vertido.

• Energía Nuclear vs. Renovables: El contenido afirma que las renovables son "incompatibles" por su inestabilidad. Si bien es cierto que los centros de datos necesitan carga base, la tendencia actual es el uso de sistemas de almacenamiento (baterías) y contratos PPA de renovables, no exclusivamente nuclear.

• Información no contrastada: Se menciona una base nuclear de Amazon en la Patagonia basada en información informal. Este punto debe tratarse con cautela, ya que Amazon suele invertir en energía nuclear a través de SMR (pequeños reactores modulares) o acuerdos con plantas existentes, pero la existencia de una "base nuclear" propia en esa zona no es un dato corporativo estándar confirmado.