Las empresas que escalan el contenido generado por IA lo hacen a sabiendas de que están asumiendo un compromiso, o eso creemos, eligiendo la velocidad y la escala a expensas de la calidad. Estamos de acuerdo en que la IA es más rápida que cualquier humano y que redacta un primer borrador aceptable, pero sabemos que seguimos sacrificando algo importante al utilizarla.
Ahora creo que esta creencia está anticuada. Creo que hemos llegado al punto en el que la IA generativa puede crear contenido indistinguible del vasto corpus de contenido escrito por humanos producido por los profesionales del marketing de contenidos, como yo, en años anteriores.
La IA se ha convertido en una investigadora más exhaustiva, se adhiere mejor a las directrices de marca y tono de voz, es más flexible en su respuesta a los comentarios, más rápida y más eficiente. Ya no existe un compromiso inherente al usar la IA para la creación de contenidos.
Esto no quiere decir que todo el contenido de IA sea, por defecto, bueno; solo que las barreras que impedían que la generación de contenido por IA fuera buena han caído. El acceso a una redacción de primer nivel a través de los LLM sigue siendo desigual, pero no será así por mucho tiempo. El contenido de IA funcionalmente “perfecto” está a la vuelta de la esquina para todos nosotros, y nos interesa reconocerlo.
He aquí por qué.
Mucha gente cree que hay alguna cualidad inherente en la escritura humana que la IA nunca podrá alcanzar, alguna chispa creativa inalcanzable para siempre para nuestros homólogos de silicio.
No voy a afirmar que la IA se acercará jamás a la profundidad de Shakespeare, pero sí afirmaré que “escribir a un gran nivel” es más sencillo y mecánico de lo que la mayoría de la gente asume. La mayor parte de los elementos que constituyen “una gran escritura” son cosas que los LLM pueden hacer muy, pero que muy bien.
He pasado toda mi carrera intentando convertirme en un mejor escritor mediante la introspección en el proceso de escritura, preguntándome por qué algunas cosas funcionan y otras no. No soy un experto en este campo, pero he desarrollado una visión eficaz de la mecánica de la escritura, y un conjunto de principios de redacción que sigo una y otra vez.
Una pequeña instantánea de mis checklists de edición para formar a nuevos redactores.
Por ejemplo, aquí tienes algunos extractos aleatorios de mi checklist de edición:
- ¿Hemos abordado las objeciones más obvias a esta idea?
- ¿Hemos utilizado palabras densas siempre que ha sido posible? (“novedoso” en lugar de “algo nuevo”, “mundial” en lugar de “a escala global”, etc.)
- ¿Hemos sustituido las palabras vacías por ejemplos concretos? (“resultados de negocio”, “los expertos creen”, “analizar datos”, “tomar una decisión”, etc.)
- ¿Evitamos que las cosas difíciles parezcan fáciles?
- ¿Abrimos con la información más importante? (en la introducción, al principio de los párrafos)
- etc.
Estos principios son la forma en la que escribo, en la que edito textos y en la que enseño a escribir. Son extremadamente sencillos, pero ejecutados al unísono, se suman para dar lugar a algo que, por lo general, termina siendo una buena escritura, incluso excelente.
Estos principios son tan sencillos, de hecho, que un LLM puede ejecutarlos a la perfección —y normalmente mejor que yo—. A menudo aplico estos principios de manera desigual, por fatiga, aburrimiento o pereza. Pero en el caso de un LLM, estos principios se pueden configurar una vez y seguirse de forma indefinida. Pueden escalarse uniformemente a cientos, miles, millones de resultados, codificados en prompts del sistema y archivos SKILL (más sobre esto en la siguiente sección).
Si reconoces que existe una receta básica para escribir de maravilla (y creo que así es), los LLM pueden seguirla muy bien. Encadena muchas de estas heurísticas de una manera fiable y podrás construir un proceso de escritura con IA excepcional.
Y, por fin, tenemos la tecnología para hacerlo posible.
Para mucha gente, su visión de la IA todavía está anclada en la experiencia de chat. Pero los LLM —y, lo que es más importante, la infraestructura que los rodea— han progresado enormemente en los últimos meses.
Incluso en sus inicios, los modelos de lenguaje grande mostraron destellos de brillantez sobrehumana en áreas pequeñas. Pero al igual que un niño precoz que imita a sus padres sin entender realmente su comportamiento, era difícil imaginar que estos destellos progresaran hasta convertirse en un estallido de auténtica habilidad para la escritura.
Un puñado de frases coherentes parece estar a un millón de kilómetros de generar de forma fiable miles de palabras de escritura precisa, útil, concisa y acorde a la marca; de identificar y llenar vacíos temáticos, entender la intención de búsqueda predominante, diferenciarse de los artículos de la competencia, y así sucesivamente.
Cuando escribí sobre mi anterior proceso de escritura con IA, vi muchos destellos de brillantez en el resultado, pero el producto final todavía requería intervención humana para crearse.
Una versión temprana de nuestro pipeline de contenido con IA, creado mediante proyectos de ChatGPT y GPTs personalizados.
Pero ese ya no es el caso. Solo siete meses después, las limitaciones de ese proceso han desaparecido. Hoy en día, mi suscripción a Claude de 20 $/mes proporciona acceso a habilidades que parecen casi de ciencia ficción. Puedo:
- Encadenar múltiples procesos de LLM juntos en un flujo de trabajo continuo (Claude Code, OpenAI Codex y otros modelos basados en agentes).
- Proporcionar barreras de seguridad (guardrails) para evitar gran parte del “tambaleo” probabilístico que vemos cuando los LLM generalmente intentan seguir procesos (SKILLs) y animarlos a evaluar su rendimiento de forma recursiva y mejorar por sí mismos.
- Integrar la IA en los flujos de trabajo existentes en otras herramientas (MCP).
- Fundamentar el contenido en cuerpos de investigación, en muestras de textos existentes, en el tono de voz y en las directrices de la marca (RAG, memoria, contexto).
(Y esto ignora las importantes mejoras que los propios modelos insignia han mostrado en los últimos años).
Algunos de los archivos SKILL personalizados que hemos creado para Claude Code.
Toda la infraestructura de vibe-coding desarrollada en el último año ha tenido un impacto transformador en la utilidad de los LLM en general. Los LLM siguen siendo “solo” sistemas de autocompletado sofisticados —y ciertamente no hemos logrado la AGI—, pero empresas como Anthropic y OpenAI han logrado aprovechar ese comportamiento de una manera que parece mucho, muchísimo más útil que la suma de sus partes.
Y lo que es más importante, la tarea que se les presenta —el marketing de contenidos— no es particularmente complicada.
La mayoría de los profesionales del marketing de contenidos pasan la mayor parte de su tiempo creando contenido informativo orientado a palabras clave: artículos útiles sobre “cómo hacerlo” o listas comparativas. Estos son los arquetipos del marketing de contenidos que han resistido el paso del tiempo, y por lo general son bastante sencillos de crear.
Al igual que antes, creo que existe una receta básica para el contenido de búsqueda eficaz. Estos son algunos de los principios básicos que intentamos seguir en nuestro contenido de búsqueda:
- Abordar la intención de búsqueda principal
- Construir sobre el consenso en los resultados de búsqueda existentes
- Llenar cualquier vacío temático evidente entre tus artículos y los de la competencia
- Añadir información nueva y novedosa más allá de los resultados existentes
- Hacer referencia a cualquier contenido existente relevante que ya hayas creado sobre el tema
- Hacer referencia a cualquier contenido externo relevante que pueda ayudar al lector a continuar su exploración
- Priorizar temas que te permitan hacer referencia a tu producto de forma natural
- Garantizar que la estructura del artículo sea mutuamente excluyente, colectivamente exhaustiva
- Garantizar que la estructura del artículo cumpla realmente con la promesa del título
- Captar el interés del lector con el título y la introducción
- Incluir palabras clave y variaciones de palabras clave de forma natural en partes importantes del artículo
- etc.
Estos son conceptos igualmente sencillos que también se suman para dar lugar a un contenido de búsqueda eficaz. Si una persona puede seguir estos procesos, su contenido de búsqueda por lo general funciona bien. Lo mismo ocurre con un LLM. Si Opus 4.6 o GPT 5.4 pueden seguir estos procesos, su resultado también funcionará bien.
Incluso el más opaco de estos procesos es bastante trivial de seguir para un LLM, ya sea proporcionando pasos explícitos a seguir (“utiliza WebFetch para ejecutar una búsqueda site: de ahrefs.com/blog y devuelve los tres primeros artículos…”), ejemplos del resultado deseado (como un archivo de referencia de las introducciones de tus artículos favoritos) o acceso a fuentes de datos fiables (como el Ahrefs MCP).
Una vista previa de un archivo SKILL para recuperar contenido existente de Ahrefs para una palabra clave determinada.
Por mucho que deseemos lo contrario, el contenido de búsqueda eficaz es intensamente formulado (de ahí el éxito del método rascacielos). No hay necesidad de una gran complejidad o novedad, ni de poesía o desacuerdo con las SERP.
Hay algo de margen para la innovación y la experimentación, pero menos de lo que se podría suponer: alejarse demasiado de la ventana de Overton por lo general degrada el rendimiento en lugar de mejorarlo (lo digo después de muchos intentos fallidos de crear contenido de búsqueda “inteligente”).
Si Claude puede refactorizar una base de código de 100.000 líneas, parece arrogante asumir que los modelos de lenguaje grande no pueden escribir una excelente pieza de contenido optimizado para búsquedas. La IA no puede escribir como Shakespeare, pero tampoco lo necesita.
Reflexiones finales
Tanto si te he convencido como si no, en el momento de escribir esto, ya hay partes importantes de mi función que he subcontratado a la IA generativa. Utilizo Claude Code, el Ahrefs MCP y una serie de ~15 SKILLs personalizados, encadenados en secuencia, para actualizar artículos antiguos y crear contenido útil y de alta calidad.
Claude se embarca en su proceso de actualización de contenido.
Estos artículos suenan igual. Tienen el mismo rendimiento. Incluyen mi experiencia y perspectiva. Son tan buenos como cualquier cosa que yo hubiera podido escribir; o mejores, porque de otro modo no habría tenido tiempo de crearlos. No hay ninguna concesión.
Todavía existe una gran brecha en la calidad posible entre un redactor experto que utiliza la IA generativa en todo su potencial y el profano promedio que le pide a ChatGPT que “escriba una publicación de blog”.
Pero esta brecha es mucho más pequeña de lo que solía ser; a largo plazo, se cerrará, a medida que las plataformas de IA continúen democratizando el acceso a toda esta increíble funcionalidad. Las habilidades del “ingeniero de contenidos” se convertirán en un flujo de trabajo más en cada gran plataforma de LLM. El contenido de IA funcionalmente “perfecto” está a la vuelta de la esquina para todos nosotros.
Me siento cómodo defendiendo este argumento porque hay muchas partes de mi trabajo que todavía no puedo subcontratar a la IA; hay otras que no haría, incluso si pudiera (como este artículo).
El camino a seguir solo se encontrará si somos honestos sobre dónde se puede y se debe utilizar la IA. Hasta hace poco, el contenido de IA no era lo suficientemente bueno. Ahora, lo es. Cuanto antes podamos admitirlo, más tiempo tendremos para centrarnos en las partes del marketing donde los humanos tendrán un mandato más largo y feliz.
(Y no echo de menos escribir contenido con la técnica del rascacielos).
¿Tienes preguntas? Estamos en LinkedIn y en X.
