IA generativa aplicada a marketing, no demos.

No, lo amplifica. Un equipo de 3 personas con GenAI bien implantado tiene la capacidad productiva de uno de 12-15 sin GenAI. Pero necesitas el equipo humano: para definir estrategia, hacer QA editorial, gestionar relaciones cliente y juzgar lo que GenAI no puede juzgar (cultura, marca, tono). Sin humano-en-el-loop, GenAI produce contenido genérico que daña marca.

Solo si lo implantas mal. Si lo haces bien (con voice/tone guide, ejemplos few-shot, retrieval-augmented sobre tu propio contenido, fine-tuning cuando aplica y QA editorial humano), la calidad puede superar la producción manual no especializada. Diseñamos los pipelines exactamente para evitar el sabor genérico GPT — es nuestro principal foco de calidad.

Sí. AI Act es vigente en EU desde febrero de 2026. Trabajamos solo con modelos compliance-friendly (OpenAI, Anthropic, Google con DPA firmados; modelos open-weight self-hosted como Llama/Mistral cuando hay restricciones de datos). Implementamos guardrails de PII (no envío de datos personales a APIs externas sin consentimiento), trazabilidad documentada y clasificación de riesgo según AI Act.

Stack típico: GPT-4o y Claude 3.5/4 para tareas core, Gemini 1.5 Pro para análisis de documentos largos, modelos open-weight (Llama 3, Mistral) cuando hay restricciones de datos, Midjourney y Flux para imagen, Sora y Kling para vídeo corto, n8n self-hosted para workflows, Langfuse para observabilidad. Stack actualizado trimestralmente.

PoC de 4-6 semanas: 6.000-15.000€ según alcance. Implantación completa con 3-5 casos de uso en producción: 25.000-80.000€. Mantenimiento mensual: 1.500-6.000€. Costes de API LLM aparte (transparentes, sin markup) — típicamente 200-2.000€/mes según volumen. Audit inicial gratuita.

Funciona con cualquier sector. Lo crítico no es la tecnicidad del cliente sino la disposición a iterar y permitir humano-en-el-loop. Tenemos clientes en agroindustria, hostelería, retail y servicios profesionales — todos sin perfiles técnicos internos. La formación y el handover son parte del proyecto.

Diseñamos las implantaciones con abstracción de modelo (provider-agnostic). Si OpenAI sube precios o sale un modelo mejor (Gemini 2.0, Claude 4, etc.), migramos sin reescribir todo el pipeline. Es parte de la governance que implantamos desde el día uno.

Por caso de uso: tiempo ahorrado × coste hora del equipo + ingresos generados por capacidad incremental − coste de implantación − coste APIs − coste mantenimiento. Reportamos esto trimestralmente con datos reales, no estimaciones. Si un caso de uso no da ROI positivo a 6 meses, lo desactivamos.

Según McKinsey (2025), el 84% de los proyectos GenAI corporativos fallan en producción. Las causas: no definir caso de uso medible (43%), no integrar con stack existente (29%), no diseñar humano-en-el-loop (18%), sobrevender capacidades a stakeholders (10%). Nuestro proceso ataca exactamente esos 4 fallos — por eso de los 120+ workflows que hemos desplegado, 92% siguen activos a 12 meses.

Sí, en modo de aceleración o sparring. Aportamos lo que típicamente falta: experiencia en pipelines de producción robustos, conocimiento de modelos cross-provider, governance y compliance AI Act, y casos de uso aplicados a marketing específicamente. No competimos con tu equipo: lo potenciamos.

Toda la IP del contenido generado en pipelines tuyos es tuya. Configuramos las APIs en modo no-training (los proveedores no usan tus datos para entrenar modelos futuros). Documentamos claramente qué porción del contenido es generación pura vs edición humana. Para uso comercial usamos solo modelos con licencias comerciales explícitas.

Depende del cliente, pero los 3 más comunes y de ROI más rápido son: (1) generación de copy para email marketing y social ads con voice guide, (2) producción de visuales A+ para Amazon y banners ecommerce con Midjourney + brand validation, (3) agente IA conversacional para atención cliente (WhatsApp Business + RAG sobre tu documentación). Todos amortizan en 3-6 meses.