Publicarlos es divertido. Fácil. Y también atraen muchísimo tráfico de búsqueda.
Pero este tipo de artículos, como “Búsquedas principales en Google” o “Preguntas más frecuentes en Google”, solo vale la pena leerlos si los números están actualizados.
Google también lo sabe, lo que explica el pico de tráfico de búsqueda cada vez que actualizamos los artículos.
Así que alguien tiene que mantenerlos al día.
Idealmente, cada mes, alguien (por lo general el autor) tenía que extraer datos nuevos de Ahrefs (o de la API), limpiar la basura y dar formato a las tablas. Los artículos con gráficos personalizados eran peores: especificar el nuevo gráfico, pasarlo a diseño, esperar, revisarlo y devolverlo para que lo modificaran. Solo entonces se pegaba todo en WordPress sin romper el diseño, se actualizaban las fechas y se volvía a publicar.
Un artículo está bien. Es un tedio soportable. ¿Pero 14 artículos? ¿20? Cuanto más publicas, más se convierte en un trabajo pesado. Podía perder toda una tarde y no tener nada que mostrar, excepto un artículo que decía lo mismo que el mes pasado con números ligeramente diferentes.
Es uno de los trabajos más tediosos del equipo de contenido.
Por lo tanto, llegamos a un acuerdo. Los actualizamos cada trimestre. (Y, para ser honestos, hay algunos artículos a los que nunca llegamos).
Avancemos rápido hasta el día de hoy. Ya no hacemos eso. Letaido lo hace por nosotros. Ha estado funcionando silenciosamente durante dos meses. En conjunto, nos ahorra al menos 20 horas por mes. Ahora no solo podemos actualizarlos cada mes, sino que podemos publicar más artículos de este tipo y actualizarlos regularmente también.
Es un verdadero escenario en el que todos ganan: mucho menos trabajo pesado para nosotros y números más frescos y precisos para el lector.
Déjame algunos de esos emojis de fuego, sí, por favor.
Aparentemente, automatizar el marketing de contenidos de esta manera no está de moda admitirlo en 2026, y Gartner dice que más del 40 % de los proyectos de IA de agentes se descartarán para fines de 2027.
Gartner: “el 40 % de los proyectos de IA de agentes fracasarán, lo que hace que los humanos sean indispensables”
Con la cantidad de alardes en LinkedIn y gran parte de las demostraciones de “agentes de IA” siendo meramente performativas, puedo entender la desilusión. Afortunadamente, esta funciona.
Pero funciona precisamente porque es aburrida. No escribe nuestros artículos. Simplemente hace la parte tediosa, que es una gran parte del marketing de contenidos.
Lo llamo el Data Refresh Hub. Es una herramienta que vive en nuestro espacio de trabajo de Letaido.
Una vez al mes, extrae datos nuevos de los 14 conjuntos de datos: volúmenes de palabras clave y preguntas de Keywords Explorer, citas de IA de Brand Radar — limpia cada uno según sus propias reglas y guarda los resultados para que pueda ver exactamente qué guardó y qué descartó. Luego, crea un borrador de WordPress con las nuevas tablas en su lugar y me envía un correo electrónico para informarme que está listo.
Quiero ser honesto sobre lo poco glamuroso que fue construir esto.
Conseguir los datos por sí solos significó tres caminos completamente separados. Podría obtener las tablas de palabras clave de EE. UU. fácilmente a través de Letaido, ya que tiene todos los datos de Ahrefs. Pero las globales no estaban disponibles porque nuestros científicos de datos las hicieron a medida previamente para estos artículos. Así que tuve que conectarlo a un servicio interno separado. Luego tuve que tomar las tablas de citas de IA de Brand Radar, una plataforma a la vez.
Y luego están los problemas que parecen tontos. Una compilación seguía arrojando un error 500 por una pequeña discrepancia de mayúsculas: nuestro código enviaba el campo como Cpc, y la API insistía en CPC, todo en mayúsculas. Perdí una cantidad de tiempo genuinamente vergonzosa en ese.
A pesar de todo esto, quiero decir que fue verdaderamente magia. Después de todo, no codifiqué a mano nada de esto. Lo construí de forma conversacional en Letaido. Letaido hizo todo el trabajo. Incluso el “tiempo perdido” fue Letaido descubriendo cómo solucionarlo, no yo.
Hay dos trabajos que mantuve deliberadamente humanos.
El primero fue juzgar lo que produce el agente.
Tomemos como ejemplo las “preguntas más frecuentes en Google”. Uno asumiría que extraer las preguntas principales es simplemente ordenar por volumen de búsqueda. No lo es. La lista en bruto está llena de cosas que parecen preguntas pero no lo son. “Cómo entrenar a tu dragón” es una película. “Preguntas de qué preferirías” no es una pregunta en absoluto. Las búsquedas de marcas y productos se cuelan. También lo hacen consultas extrañamente específicas que parece que las hubiera escrito un bot.
Una persona los detecta en un segundo. Por lo tanto, ejecutamos una capa de limpieza, que incluye un pase LLM, cuyo único trabajo es tomar esas decisiones a escala. Para la tabla de “personas más buscadas”, trabaja a través de hasta 5.000 candidatos y decide qué es un nombre humano real, qué es “[nombre] patrimonio neto” y qué es simplemente una palabra normal que resulta parecerse a un nombre.
Es bueno en esto, pero no perfecto, que es exactamente la razón por la que reviso cada actualización antes de que vaya a ninguna parte.
Mi colega Louise se topó con una versión más difícil del mismo problema. Construyó un agente que clasifica las empresas de más rápido crecimiento utilizando datos de Ahrefs, y la parte engañosamente difícil fue enseñarle qué cuenta como una marca de ruptura real y qué es solo ruido.
Algunos nombres de empresas también son palabras comunes. No se puede medir el crecimiento de “cursor” o “perplexity” desde cero, porque la gente estaba buscando esas palabras mucho antes de que existieran las empresas. Entonces, el sistema estima cuántas búsquedas ya estaba recibiendo la palabra antes de que surgiera la marca, resta esa línea base y cuenta solo el volumen impulsado por la marca en la parte superior. La empresa permanece en la lista; solo desaparece el ruido preexistente.
Luego tiene que ignorar los picos de un mes que nunca se mantienen, y realmente buscar en Google cada nombre para confirmar que la propia empresa se posiciona para él. De lo contrario, el software “Tropic” desaparece bajo la marca de cuidado de la piel Tropic. Cada una de esas reglas es una decisión que tomó Louise sobre lo que significa “real”. El agente simplemente la hace cumplir.
Todo humano por cierto.
Esta es también la razón por la que el agente nunca publica por su cuenta. Crea un borrador y solo se publica después de que un humano lo confirma.
Nada de esto suena particularmente impresionante. Pero creo que esa es la belleza real de la automatización. Estoy completamente bien con un agente que hace el 90 % del trabajo y me deja el último 10 %. Un agente que hace el 100 % y ocasionalmente publica tonterías en un blog público y en vivo no será un ahorro de tiempo. Está pidiendo a gritos un incendio que apagar.
Por eso sigo comprobando que el contenido sea correcto y le doy a publicar yo mismo.
Originalmente construí el Data Refresh Hub para mis propios artículos. No pensé que fuera nada especial, pero decidí compartirlo en Slack.
Resulta que subestimé lo que hice. Inspiró a mis colegas a comenzar a hacer cosas similares.
Ryan diciendo que el artículo vale la pena publicarlo y que lo inspiró a él y a Louise a investigar cómo automatizar sus propios artículos de “empresas de más rápido crecimiento” y “dominios más citados”.
Louise construyó toda una familia de rankings de empresas de más rápido crecimiento. No solo actualizó los datos; también usó Letaido para agregar juicios, gráficos y todo tipo de datos adicionales.
Nuestro Director de Marketing de Contenidos, Ryan, también configuró el mismo tipo de automatización mensual para su propio contenido de datos. Su reacción, casi palabra por palabra: “Este era mi sueño para la IA: automatización real, que nos ahorrara genuinamente horas de trabajo pesado. Y finalmente está aquí. ¡¡¡BRUJERÍA!!!”
Su versión ahora se ejecuta en un horario: extrae datos nuevos, regenera los gráficos y las tablas, crea los borradores de WordPress, realiza pequeñas ediciones en las fechas y el tamaño de la muestra, y le envía un correo electrónico cuando el artículo está listo para ser revisado.
A nadie se le dijo que hiciera nada de esto. Se extendió porque funcionó, y el hecho de que se extendiera por sí solo (sin que a nadie se le asignara hacer que sucediera), es una clara señal de que es real y no solo una demostración. Las cosas útiles simplemente se copian, sin que nadie necesite convocar una reunión.
Somos tres de nosotros ejecutando una versión de esto ahora.
Casi puedo garantizar que tienes una tarea como esta escondida en tu propio trabajo. La mayoría de los equipos de contenido lo hacen.
Así es como yo lo buscaría.
Comienza con una pregunta. Revisa el trabajo que haces repetidamente y haz dos preguntas sobre cada tarea: ¿se ejecuta en un horario y podrías escribir las reglas de cómo se ve “hecho correctamente”?
Si ambas respuestas son afirmativas, es un candidato. “Extraer los mismos números del mismo lugar todos los meses y cambiarles el formato de la misma manera” se aprueba fácilmente. “Escribir el artículo” no pasa la segunda prueba, y esa es la parte que es posible que quieras seguir haciendo tú mismo de todos modos.
Si lo que estás ejecutando es un trabajo de marketing, simplemente ve a Letaido y dile lo que necesitas. Hará la mayor parte del trabajo duro y tedioso por ti. (Si eres cliente de Ahrefs, obtienes un mes gratis).
Luego, si tuviera que resumir lo que realmente hizo que el nuestro funcionara:
- Automatiza la plomería, no el pensamiento. Extraer, limpiar, formatear, pegar. Todos estos son trabajos mecánicos y es exactamente lo que quieres delegar. Quédate con la parte de pensar.
- Haz que la limpieza sea visible. No dejes que el agente simplemente te entregue una lista terminada. Haz que te muestre qué eliminó y por qué, justo al lado de lo que conservó.
- Mantén a un humano en la puerta. Solo borradores. Deja que una persona publique. Esto te da la mayor parte de la seguridad.
- Bloquea las cosas que el modelo no debe tocar. Estadísticas principales, cifras verificadas, la línea de apertura. Querrás precisarlas para que el agente no pueda reformular silenciosamente un número en algo que ya no es cierto.
Eso es todo lo que es. No es emocionante, y en parte ese es el punto. Los trabajos aburridos y bien definidos son los que la IA maneja bien hoy en día, y están a plena vista en casi todos los flujos de trabajo de contenido.
Reflexiones finales
Esta es una de las mejores partes de la automatización de la IA en este momento. Puede ayudarte con todo el trabajo que temes silenciosamente todas las semanas o meses.
Consigue un agente que lo haga, pero sé el editor que diga que funciona y lo publique en vivo.
Si hay una lección aquí, no es muy llamativa. Pásale a la máquina las cosas aburridas y repetitivas, y quédate con las partes que realmente te necesitan.
Ahora todos somos gestores.
¿Tienes preguntas? Estamos en LinkedIn y en X.
