Se habla mucho de lo que la IA promete y muy poco de lo que pasa cuando la usas en un
proyecto real con un cliente que paga. Esto es lo segundo.

El contexto

Un cliente de servicios necesitaba volumen de contenido sostenido: publicaciones semanales,
descripciones de servicio y correos a su base. Con el equipo dedicado que tenía, no daba el
tiempo.

Decidimos apoyarnos en IA para la producción, con una condición desde el arranque:
nada se publica sin pasar por revisión humana. Suena obvio. En la práctica
es la regla que más tentación da de saltarse cuando vas contra reloj.

Lo que salió bien

1. La hoja en blanco dejó de ser un problema

El cuello de botella real casi nunca es escribir: es decidir sobre qué escribir. Generar
treinta ángulos posibles en dos minutos y elegir los seis buenos cambió por completo la
velocidad del proceso.

2. Las variantes salieron casi gratis

Adaptar un mismo mensaje a formatos distintos —el post largo de LinkedIn, el corto de
Facebook, el asunto del correo— era trabajo repetitivo y lento. Ahí el ahorro fue real y
sin costo de calidad.

3. Los borradores subieron de piso

Empezar a editar desde un borrador decente en lugar de una página vacía cambia el ánimo del
proceso. El tiempo se fue a mejorar argumentos en vez de a arrancar.

Lo que salió mal

1. Todo sonaba igual

Este fue el problema más serio y el más difícil de detectar. Pieza por pieza, los textos eran
correctos. Vistos en conjunto —seis semanas de publicaciones seguidas— tenían el mismo ritmo,
la misma estructura y los mismos giros.

El lector no lo identifica conscientemente, pero lo siente: percibe algo plano y deja de
poner atención. Tuvimos que reescribir a mano varias piezas solo para romper el patrón.

2. Inventó datos con total seguridad

Esta es la más peligrosa. Pedimos apoyo con cifras del sector y devolvió porcentajes
redondos, con fuente y año, escritos con absoluta convicción. Al verificarlos,
varios no existían.

Si esas cifras se hubieran publicado, el daño no habría sido un error tipográfico: habría sido
la credibilidad del cliente frente a su propio mercado.

De ahí sale una regla que en Vaca Naranja ya era política y que esto reforzó:
ningún dato entra a una pieza sin fuente verificable y verificada. Si no se
encuentra la fuente original, el dato no se usa. Sin excepciones.

3. No sabía lo que hacía especial al cliente

Los primeros textos eran intercambiables con los de cualquier competidor. Describían
correctamente el servicio y no decían nada que solo ese negocio pudiera decir.

Eso no se arregla pidiendo mejores textos. Se arregla dándole a la herramienta el material
que solo tú tienes: cómo hablan tus clientes, qué objeciones te ponen, qué historia hay
detrás de cómo trabajas.

Las tres reglas que nos quedaron

La conclusión honesta

La IA no nos ahorró el trabajo. Nos movió el trabajo de lugar: menos horas
produciendo, más horas decidiendo y verificando.

El saldo es positivo, pero no por la razón que se anuncia. No es que «hace el trabajo por ti».
Es que te libera de la parte mecánica para que dediques el tiempo a la parte que sí requiere
criterio, que es donde el trabajo vale.

Y hay un requisito previo que ninguna herramienta resuelve: si no tienes claro qué te hace
distinto y a quién le hablas, la IA solo te va a ayudar a producir contenido genérico más
rápido. Esa claridad se construye antes, y es de donde arranca cualquier trabajo serio.