Marketing con IA práctico

Al finalizar, podrás montar un flujo de investigación de mercado con un asistente IA con buscador (ChatGPT Search, Perplexity, Claude con web tools, Gemini Deep Research) aplicando el patrón Retrieval-Augmented Generation: pedir respuestas siempre ancladas a fuentes verificables y comprobar 2-3 URLs antes de usar el dato.

Al finalizar, podrás decidir qué modelo (Claude, GPT o Gemini) usar para cada tarea de copy aplicando dos evidencias públicas — LMSYS Chatbot Arena (preferencia humana ciega) y HELM (benchmark multimetric de Stanford CRFM) — y ejecutar un flujo en tandem que combine sus fortalezas en lugar de elegir uno fijo.

Al finalizar, podras diseñar un prompt de clasificacion zero-shot/few-shot que procesa reviews, NPS y feedback abierto a escala, produce JSON estructurado con sentiment + categoria cerrada + accion sugerida, y lo lleva a produccion midiendo accuracy contra una muestra anotada a mano.

Al finalizar, podrás diseñar una biblioteca de plantillas Notion organizadas con PARA, donde cada plantilla incorpora variables embebidas ({variable}) y los cinco bloques canónicos (título, cuándo se usa, variables, prompt, ejemplo de output), de modo que tu equipo deje de reinventar prompts y empiece a tratarlos como activos compartidos.

Al finalizar, podrás diseñar e implementar tres automatizaciones realistas con Zapier o Make conectadas a un LLM (form -> clasificación IA -> CRM; post social -> draft email; review -> categorización -> Notion), distinguiendo cuándo usar Zapier (más integraciones, curva suave) frente a Make (visual, lógica condicional rica), y aplicando el modelo canónico Trigger + Filter + Action + el patrón de fallback humano.

Al finalizar, podrás elegir el modelo de generación de imágenes adecuado (Imagen 4 fast, Gemini 3 multimodal o GPT-Image) para cada pieza editorial — cabecera de blog, hero de landing, ilustración recurrente, thumbnail social — usando un rúbrica de 4 dimensiones (text fidelity, style coherence, photo realism, prompt adherence) y un prompt textual replicable.

Al finalizar, podras decidir cuando merece la pena generar video con IA (Sora 2, Veo 3, Runway Gen-4, Pika, Luma, Kling) y cuando no, conociendo costes reales, limites de duracion y los tres casos profesionales en los que la IA gana hoy a stock y rodaje.

Al finalizar, podrás diseñar e implementar un workflow Human-in-the-Loop (HITL) que clasifique emails entrantes de cliente, proponga un draft de respuesta por categoría y escale a humano cuando la confianza es baja o el riesgo contractual está presente, sin permitir nunca el envío directo de IA al cliente.

Al finalizar, podrás calcular el coste real mensual de un workflow IA — sumando precio de tokens, prompt caching y batch API, tiempo humano de revisión y coste esperado de falsos positivos — y compararlo con el valor producido para decidir, antes de pagar la siguiente factura, si el workflow se queda, se ajusta o se cierra.

Al finalizar este capstone podrás decidir, antes de iniciar cualquier workflow IA, si la tarea cae en una zona donde NO debes usar IA: datos sensibles regulados (PII, salud, finanzas) bajo GDPR/HIPAA/AI Act EU, decisiones legales o de alto impacto humano, y comunicaciones donde la empatía o la firma del humano son el valor mismo del mensaje.