IA en el equipo de marketing, por dónde empezar sin perder tres meses

En casi todas las empresas con las que trabajo pasa lo mismo: cada persona del equipo de marketing usa ChatGPT o Claude a su manera, nadie sabe qué está funcionando, los prompts buenos viven en el historial de alguien y dirección pregunta «¿y la IA qué nos está dando?» sin que haya una respuesta.

No es un problema de herramientas. Es un problema de método. Esto es lo que hago en las primeras cuatro semanas con un equipo, y funciona igual con cinco personas que con cuarenta.

Semana 1: inventario de tareas, no de herramientas

Antes de hablar de IA, cada persona apunta durante cinco días las tareas que repite y cuánto tardan. Redactar el newsletter, preparar el informe de campañas, responder a los mismos correos, resumir reuniones, adaptar un texto a tres formatos.

El resultado suele sorprender: entre el 30 y el 40 % del tiempo de un equipo de marketing se va en tareas que se parecen mucho entre sí y que tienen una entrada clara y una salida clara. Esas son las candidatas. No «hacer la estrategia» ni «ser creativos», sino las tareas aburridas con formato conocido.

Se eligen tres por persona. Solo tres.

Semana 2: un prompt por tarea, escrito entre dos

Para cada tarea se escribe un prompt con estructura fija: quién es el modelo, qué contexto tiene, qué tiene que hacer, en qué formato responde y dos ejemplos de resultado bueno. Lo escribe la persona que hace la tarea con alguien que ya tiene soltura. Se prueba con casos reales, se corrige, se vuelve a probar.

Lo importante aquí es que el prompt se guarda en un sitio compartido con nombre, versión y para qué sirve. Una hoja de cálculo basta. Lo que no se guarda, se pierde cuando esa persona cambia de equipo.

Dos reglas que ahorran mucho tiempo:

• Contexto antes que instrucciones. Un modelo con el manual de marca, los tres últimos newsletters y la descripción de los clientes escribe mejor que el mejor prompt sin contexto. Los «proyectos» de Claude y ChatGPT existen para esto.
• Formato de salida explícito. «Devuélveme una tabla con estas columnas» o «tres opciones de 40 palabras» evita el 80 % de las correcciones.

Semana 3: política de uso y datos

Esta es la semana que casi todos se saltan y la que más problemas evita. Una página, no un documento legal de veinte:

1. Qué no se pega nunca en un chat. Datos de clientes identificables, contratos, información financiera no pública, contraseñas. Con ejemplos concretos de la empresa.
2. Qué cuentas se usan. Las de empresa, con la retención de datos configurada. No las personales gratuitas.
3. Qué se revisa siempre antes de publicar. Cifras, nombres, afirmaciones legales o médicas, cualquier cosa que el modelo pueda haber inventado.
4. Quién responde las dudas. Una persona, con nombre.

Se firma, se explica en una reunión de media hora y se cuelga donde todos lo vean.

Semana 4: medir y decidir qué sigue

Al cabo de un mes, cada persona compara el tiempo de sus tres tareas antes y después. No hace falta precisión científica: «el informe semanal pasó de tres horas a cincuenta minutos» es un dato suficiente para dirección.

Con esa medición se decide:

• Qué prompts pasan a ser asistentes compartidos. Si cuatro personas usan el mismo flujo, se convierte en un GPT o un proyecto de Claude con el contexto cargado, y deja de depender de que cada una lo haga bien.
• Qué tareas merecen automatizarse. Si la entrada llega siempre por el mismo canal (un formulario, un correo, una hoja), la IA puede ir dentro de un flujo de n8n que corre solo. Ese es el siguiente nivel, y conviene llegar a él con el equipo ya cómodo con la herramienta.
• Qué no ha funcionado. Siempre hay una o dos tareas donde el modelo no da la talla o la revisión cuesta más que hacerlo a mano. Se descartan sin drama.

Lo que veo en los equipos que lo hacen bien

No tienen más herramientas. Tienen menos, mejor configuradas. Tienen prompts con dueño y versión. Tienen una regla clara sobre datos. Y tienen un número que enseñar a dirección cuando pregunta.

Y una cosa más: la persona que lidera esto casi nunca es la más técnica del equipo. Es la que mejor entiende el trabajo y tiene paciencia para explicarlo a una máquina. Si en tu equipo hay alguien así, ya tienes por dónde empezar.