Una sola persona creando contenido, con actualizaciones diarias sin falta. Hasta ahora, he publicado más de una docena de artículos largos, con un promedio de 120,000 vistas cada uno, un crecimiento acumulado de más de 9,000 seguidores y una tasa de marcadores estable entre el 0.5% y el 1%—es decir, una de cada cien personas que lo ve considera que el contenido vale la pena guardarlo para después.
No es que mi escritura sea excepcional. Es porque hay un sistema de producción de contenido con IA operando detrás de escena—desde la selección de temas, la obtención de materiales, la redacción y las ilustraciones hasta la revisión de datos, todo el proceso lo ejecuta la IA; yo solo tomo las decisiones.
El prototipo de este sistema proviene del flujo de trabajo de Claude Code compartido públicamente por @dontbesilent. Él usa este enfoque para publicar 13,000 piezas de contenido al año, operando 7 plataformas simultáneamente, y ganando 700,000 seguidores anuales. Lo tomé y lo modifiqué significativamente según mis necesidades para los artículos largos de X. Esta publicación comparte la versión que estoy usando actualmente después de esas modificaciones.
Concepto Central
@dontbesilent mencionó una vez un problema muy fundamental: la mayoría de las personas usan la IA para contenido de manera fragmentada—le preguntan a la IA cuando tienen una idea, publican la respuesta, y luego se olvidan. La próxima vez que tienen una idea, empiezan desde cero nuevamente.
Su solución es convertir todo el proceso en un ciclo cerrado: las ideas van a una biblioteca de temas → la IA busca en la biblioteca de materiales elementos reutilizables → escribe usando un marco validado → publica → revisión de datos → destila patrones efectivos de vuelta a la metodología. Cada creación agrega algo al sistema, en lugar de reinventar la rueda cada vez.
Adopté esta lógica directamente. A continuación, la versión que modifiqué.
Base de Conocimiento de Cuatro Capas
Uso Obsidian para gestionar el contenido y Claude Code para ejecutarlo. El sistema está dividido en cuatro capas.
Primera Capa: Corpus.
El mayor problema con la escritura de IA no es que escriba mal, sino que no suena a ti. Los lectores de artículos largos leen palabra por palabra; si el "sabor a IA" es muy fuerte, se siente extraño.
Por eso guardo todo lo que he dicho—tweets, puntos de vista discutidos en registros de chat de WeChat, grabaciones y pensamientos fragmentados que anoto. Luego extraigo una guía de estilo de escritura de ellos: me gusta dar las conclusiones antes de dar las razones, prefiero los números sobre los adjetivos, me gusta usar la lógica de otras industrias para explicar el asunto actual, y no uso "frases motivacionales" para cerrar.
La IA lee esta guía antes de cada borrador, así que el primer borrador es al menos un 70-80% como yo. Después de escribir, ejecuto una verificación de "eliminar sabor a IA" para resaltar expresiones que se sienten demasiado mecánicas para que yo las cambie.
¿Qué detecta? Aquí hay algunos errores comunes:
- Palabras de moda de marketing: empoderamiento, ciclo cerrado, conexión, lógica subyacente—eliminar a la vista.
- Hablar por el lector: "Podrías pensar..." "Mucha gente preguntará..."—¿cómo sabes lo que otros piensan?
- Tono instructivo: "Recuerda", "Debes", "El núcleo es solo una frase"—estoy charlando, no dando una clase.
- Datos ficticios: "El 90% de las personas no sabe"—¿de dónde sacaste ese 90%?
- Oraciones cortas independientes para efecto dramático: Una oración. Una palabra. Párrafo. —Esto es lo más "con sabor a IA".
- Eslogans/frases doradas en negrita: Las personas verdaderamente poderosas son todas... —Eliminar.
Estas reglas están almacenadas en el sistema. La IA las ejecuta automáticamente después del primer borrador y marca los aciertos en rojo. Con estos dos pasos, el "toque humano" en los artículos largos mejora significativamente.
Segunda Capa: Biblioteca de Materiales.
Deconstrucciones de 47 cuentas similares, datos de más de 1,100 piezas de contenido, análisis estructural de artículos virales y conceptos y citas reutilizables.
Antes de escribir un nuevo artículo, la IA primero revisa la biblioteca de materiales: quién ha escrito sobre temas similares, qué ángulo obtuvo los datos y qué estructura los lectores están dispuestos a guardar. No es copiar; es elegir un camino basado en los datos de otros.
Después de deconstruir 47 cuentas, varios hallazgos influyeron directamente en mi estrategia de temas:
- El contenido con más de 1M de vistas solo cae en 5 categorías: tutoriales de herramientas esenciales, ciencia de la salud médica, IA + ganar dinero, análisis de personas y colecciones de recursos. Otros tipos casi nunca superan el millón.
- Las tasas de marcadores y la exposición no están necesariamente correlacionadas positivamente. Algunos artículos tienen exposición promedio pero altas tasas de marcadores, lo que indica valor a largo plazo—vale la pena escribirlos repetidamente.
- El crecimiento de seguidores y la exposición tampoco están necesariamente correlacionados positivamente. Una publicación sobre una persona con 119K de exposición ganó 156 seguidores, mientras que un tutorial con 77K de exposición solo ganó 25. Las personas hacen que la gente quiera seguir al individuo; los tutoriales hacen que la gente guarde y se vaya.
Tercera Capa: Canal de Contenido.
Grupo de Temas → Por Profundizar → En Progreso → Publicado. El grupo constantemente tiene una docena de temas listos para escribir y una docena de candidatos que necesitan más material. No escribo solo lo que siento—elijo del grupo basado en la estrategia.
Los temas rotan a través de varias pistas: práctica de proyectos, deconstrucción de la pista de ganar dinero con IA, negocios de base para principiantes y nuevas tendencias de paradigma de IA. Cada pista tiene diferente intensidad—los tutoriales de herramientas más exigentes obtienen la mayor exposición, las introducciones de personas hacen crecer seguidores más rápido, y las revisiones de datos tienen una audiencia estrecha pero buenas tasas de marcadores. Elijo temas según los objetivos actuales: tutoriales para exposición, personas para seguidores y revisiones para valor a largo plazo.
Cuarta Capa: Metodología.
Qué títulos son efectivos, qué temas se vuelven virales, qué estructuras tienen altas tasas de marcadores—todo destilado de mis propios datos de publicación.
Los títulos son la parte más fácil de cuantificar. Después de una docena de artículos largos, los títulos que funcionan bien básicamente caen en cuatro patrones:
Verifica antes de publicar: ¿Hay números específicos? ¿Hay una etiqueta de identidad? ¿Hay un contraste? ¿Sabe el lector lo que obtendrá después de leer el título? Cuantos más aciertos, mejores los datos.
Ilustraciones
Las ilustraciones para los artículos largos de X son cruciales. En el feed, el orden de atención del usuario es imagen HERO > Título > Cuerpo. Si la imagen es mala, nadie hace clic independientemente del título.
Mi principio: El trío de imagen HERO, título y gancho no debe repetir información. La imagen HERO te dice de un vistazo "qué tipo de contenido es", el título proporciona un ancla de datos para hacer que la gente se detenga, y el primer párrafo del cuerpo expande los detalles. Tres cosas transmiten tres capas diferentes de información.
Hay dos estilos de ilustraciones, seleccionados automáticamente según el tipo de contenido:
Los tutoriales usan infografías—fondo blanco, burbujas decorativas de colores claros, tarjetas redondeadas, iconos planos y títulos grandes en español, como un banner limpio de héroe en un sitio web SaaS. Las piezas de opinión usan carteles conceptuales—texto grande como marco, con personajes y texto entrelazados, como un cartel de exposición en lugar de un PPT.
Cada artículo largo recibe una portada más dos o tres infografías internas. La IA genera indicaciones basadas en el contenido del artículo, llama a la API de GPT Image 2 para producir imágenes, y luego las descargo y recorto a la proporción requerida. Lo que solía tomar media hora en Canva ahora toma 10 minutos para tres imágenes.
Datos de Artículos Largos
Aquí hay algunos representativos:
La exposición promedio es de alrededor de 120,000, con una tasa de marcadores del 0.5-1%. La publicación de adivinación con IA tuvo la tasa de marcadores más alta con un 1.01%—la combinación de IA + ganar dinero + asimetría de información hace que los lectores guarden más activamente.
Patrones Crecidos a Partir de los Datos
"Hacer crecer reglas a partir de los datos" es la metodología central de dontbesilent. Aquí hay patrones específicos derivados de mis propios datos de artículos largos de X:
Los títulos deben tener números específicos. "Monetización de 100k en 4 meses", "$155 vs $15", "ROI del 452%"—todos los artículos largos exitosos llevan números concretos. Los números son lo más fácil para hacer que la gente se detenga en un feed.
La IA debe ser la protagonista. Los artículos tutoriales de IA se mantienen constantemente por encima de las 100,000 vistas, mientras que el contenido de inversión pura rara vez supera las 50,000. La gente viene a esta cuenta para ver "cómo usar la IA", no "cómo operar en bolsa".
"Ayudarte a ahorrar tiempo" es la lógica subyacente de la viralidad. Recopilar cuentas públicas, introducciones de Codex, práctica de ilustraciones—la característica común de todos los artículos largos virales es "Lo he probado, he encontrado los obstáculos y lo he organizado para ti; solo sígueme".
Fórmula Viral: Tutorial avanzado o experiencia real + Ancla de datos específica + Camino reproducible. Ningún título viral es un concepto abstracto. Todos siguen la estructura de "Hice X, y el resultado fue Y"—compartir experiencias más datos, no dar lecciones.
Estas reglas se actualizan con cada nuevo artículo publicado. El sistema se autocorrige.
Puedes Usarlo Directamente
dbskill de dontbesilent (más de 4000 estrellas en GitHub) es un excelente punto de partida. También puedes hacer lo que hice yo: tomar sus ideas centrales y modificarlas según tus propias necesidades.
No tienes que hacerlo bien en un solo paso. Comienza construyendo tu grupo de temas y biblioteca de materiales, ejecútalo durante dos semanas y deja que los datos te digan en qué dirección ajustar.
