Ingenieros de Marketing: 100x más experimentos con agentes de IA

Los ingenieros de marketing son el NUEVO empleado 10x, y la mayoría de las empresas todavía no tienen uno.

Si estás haciendo crecer una startup, un negocio o un proyecto paralelo, convertirte en uno o contratar a uno es la palanca más grande que tienes ahora mismo. Es el momento más emocionante para estar en marketing desde que Google lanzó AdWords. Quizás de toda la historia.

Durante 20 años, tener ideas de marketing era fácil; ejecutarlas era lo difícil. Ventas sabía por qué se cerraban los tratos. Soporte sabía por qué se iban los clientes. Pero cada idea tenía que sobrevivir a un brief, a un diseñador, a un desarrollador, a un analista y a dos reuniones, y la mayoría moría en un hilo de Slack.

¡Ese cuello de botella acaba de romperse!

Hoy, un agente lee las llamadas de ventas de la semana pasada en diez minutos. Otro convierte lo que dijeron los clientes en una landing page. Otro lanza treinta anuncios y apaga los que no sirven mientras duermes. Y otro te dice el lunes qué campaña trajo clientes que realmente pagaron. Además, los modelos ya son tan buenos que, si tu idea es buena, el resultado también lo será.

Un ingeniero de marketing conecta esos agentes para armar una máquina. Mitad marketero, mitad constructor. Y los mejores suelen venir de afuera del marketing: founders, ingenieros, operadores, creadores solitarios.

Así que sírvete tu café o tu té, porque aquí está la guía completa (lectura de 15-20 minutos):

Cómo llegamos hasta acá

En la época de Mad Men, desde los años 50 hasta los 90, marketing significaba prensa, televisión, radio y vallas publicitarias. El trabajo consistía en grandes ideas y grandes presupuestos. Una campaña costaba millones, tomaba meses producirla y, con suerte, descubrías si funcionaba un trimestre después. Un gran marketero tenía un puñado de oportunidades reales al año, así que toda la profesión se movía por buen gusto, persuasión e instinto.

Luego, Google lanzó AdWords en 2000 y Facebook lanzó sus anuncios en 2007, y de repente cada clic se podía contar. Así nació el marketero digital. El trabajo pasó a ser gestionar canales como SEO, búsqueda paga, email y display. Los marketeros vivían dentro de dashboards, y los mejores eran quienes entendían las plataformas más a fondo. Podías correr unos cuantos experimentos al mes.

En la década de 2010 llegó el growth hacker, y nunca lo voy a olvidar. Sean Ellis acuñó el término en 2010, y los mejores trucos de esa década se volvieron leyenda. Hotmail ponía "P.D. Te amo. Consigue tu correo gratis en Hotmail" al final de cada mensaje. Dropbox te daba almacenamiento gratis a ti y a un amigo por cada invitación. Airbnb dejaba que los anfitriones publicaran sus anuncios también en Craigslist. El growth hacker trataba el marketing como si fuera producto, con embudos, loops y tests A/B. El problema era que cada buena idea necesitaba un ingeniero, y los ingenieros le pertenecían al roadmap de producto. Los growth hackers pasaban la mitad de su vida escribiendo tickets y esperando en la fila. Lograr algunos experimentos por semana era una gran semana.

Cuando ChatGPT apareció a finales de 2022, obtuvimos al marketero asistido por IA. Los textos salían más rápido y las imágenes también, pero todo lo demás siguió igual. El mismo organigrama, las mismas reuniones, el mismo ciclo de seis semanas, solo que con mejores primeros borradores. Fue algo así como la era del copiloto de IA. La mayoría de los equipos de marketing siguen estancados exactamente ahí.

El ingeniero de marketing es lo que pasa cuando la persona que tiene la idea y la persona que puede construirla se vuelven la misma. Un solo marketero investiga al cliente, arma la página, genera los creativos, conecta los datos y lanza el test. La unidad de trabajo deja de ser una campaña y pasa a ser un sistema que produce campañas sin parar, y hacer decenas de experimentos al día se vuelve realista para una sola persona.

Si tomas distancia, toda la historia del marketing sigue una sola tendencia: el costo de experimentar no deja de caer. Quien corre más experimentos buenos aprende más rápido, y quien aprende más rápido gana.

Por qué esto importa tanto

Todas las empresas están sentadas sobre una mina de oro que casi nunca usan (sé que cuesta creerlo, pero es verdad).

Ventas escucha las mismas cinco objeciones todas las semanas. Soporte sabe exactamente qué promesas terminan en reembolsos. El founder tiene opiniones muy fuertes sobre la categoría que viven en su cabeza y en un par de clips de podcasts. Analytics sabe qué páginas traen clientes que se quedan. Todo eso vive en herramientas distintas, manejadas por personas distintas, y llega a una campaña quizás una vez por trimestre.

Mientras tanto, las pequeñas ideas que podrían aprovechar ese conocimiento siguen perdiendo contra el gran lanzamiento. Una calculadora de precios para un nicho específico. Una campaña armada con las llamadas de ventas de ayer. Un mensaje a cuarenta prospectos antiguos el día que por fin se lanza la función que pidieron. Cada una necesitaba un diseñador, un desarrollador, un analista y dos reuniones, así que cada una se quedaba en el backlog para siempre.

Un ingeniero de marketing puede hacer todo eso en una tarde. El marketing hiperespecífico se volvió barato, y cuando lo específico se abarata, la empresa que mejor entiende a su cliente empieza a ganar. Las agencias que venden horas van a sentir esto primero. Los equipos de marketing grandes van a empezar a parecer comités. Los founders y los marketeros solitarios de repente van a producir lo mismo que un departamento entero.

Nota: Mi socio acaba de lanzar Boring Funnels, con la idea de que la mayor oportunidad está en ayudar a los negocios a convertir lo que saben de sus clientes en ofertas claras, landing pages útiles y seguimientos que generen ventas. Un ingeniero de marketing puede construir todo eso, ver dónde se cae la gente y seguir mejorándolo a medida que llegan más clientes.

Aquí te explico exactamente cómo armarlo.

Paso 1: Prepara tu escritorio

Todo empieza con un espacio de trabajo para agentes. Claude Code, Codex y Cursor son los más comunes. La forma más fácil de pensar en estas herramientas es imaginarlas como un empleado junior rapidísimo que vive dentro de una carpeta en tu computadora. Puede leer todos los archivos de esa carpeta, crear nuevos, correr código y usar cualquier herramienta que le conectes.

Esa última parte es donde está la magia. Las herramientas se conectan mediante algo llamado MCP, que básicamente es un enchufe universal para la IA. HubSpot, Stripe, Notion, Slack y cientos de herramientas más tienen servidores MCP, así que tu agente puede leer tu CRM o extraer los ingresos de la semana pasada igual que lo harías tú. Cuando una herramienta solo tiene API, el agente casi siempre puede escribir el código para llamarla.

También vas a querer que tus agentes corran programados mientras duermes. Hace un año, eso implicaba unir piezas en una herramienta de automatización como Zapier o n8n. Hoy simplemente le pides a tu agente de código que lo construya. Le dices "corre esto todos los lunes a las 7 am, publica el reporte en Slack y espera mi visto bueno antes de enviar nada", y escribe el job programado, el mensaje de Slack con un botón de aprobación y el código que solo actúa cuando lo autorizas. O usa un agente siempre activo como Hermes o OpenClaw que ya corre en segundo plano. De cualquier forma, es tu código, en tu carpeta, y puedes cambiar cualquier parte con una simple frase.

Paso 2: Escribe el cerebro

Este es el error que veo una y otra vez. Alguien se emociona, levanta diez agentes, recibe una montaña de contenido genérico y basura, y concluye que el marketing con IA es puro humo.

Los agentes estaban bien, pero el contexto era pobre.

Es como contratar a un marketero brillante y saltarte el onboarding. Va a escribir algo inteligente sobre tu industria, pero va a sonar exactamente igual que tu competencia. Así que, antes de construir un solo agente, construye el cerebro: una carpeta que explique tu negocio tal como se lo explicarías a un empleado nuevo y brillante en su primer día.

Esta es la estructura que yo usaría:

Seis archivos hacen casi todo el trabajo pesado.

1/ START-HERE.md es la página que todo agente lee primero. Explica qué hace la empresa, a quién sirve, cuáles son las prioridades de este trimestre y dónde está todo lo demás.

2/ company/customer-fit.md describe quién compra, quién se queda y a quién puedes servir de forma rentable. Sé dolorosamente específico. "Tiendas de Shopify que facturan entre $1M y $10M al año, donde el founder todavía lleva la contabilidad y ya lo quemó un contador antes" le da al agente algo con qué trabajar. "PyMEs" le da muy poco.

3/ company/offers.md lista qué vendes, cuánto cuesta, qué tienes permitido prometer y qué necesita aprobación antes de que alguien lo diga en voz alta.

4/ brand/voice.md es donde la mayoría se vuelve perezosa. "Amigable pero profesional" no le sirve de nada a un agente. Pega tres emails o anuncios que te hayan encantado, con una frase explicando por qué funciona cada uno, y dos que rechazaste, con el motivo. "Matamos este porque prometía resultados en 30 días y no podemos garantizar eso". Los agentes aprenden muchísimo más de los ejemplos que de los adjetivos.

5/ brand/founder-opinions.md es tu ventaja injusta. Todos tus competidores tienen acceso a los mismos modelos. Solo tú tienes las opiniones de tu founder sobre la categoría, el cliente y la competencia. Dedica dos horas a entrevistar a tu founder, o a ti mismo, y anota cada opinión fuerte. "La mayoría de las agencias en nuestro rubro cobran de más por el onboarding". "Nuestros mejores clientes vienen por recomendación de contadores". Esas opiniones son las que hacen que el resultado suene a ti.

6/ decisions/failed-campaigns.md guarda las lecciones que costaron dinero real. "La auditoría gratuita atrajo empresas demasiado pequeñas para pagarnos". "LinkedIn trajo muchos leads y muy pocos cierres". Una línea así evita que un agente repita un error de $20,000.

Una regla mantiene sano al cerebro: los agentes pueden agregar suposiciones a evidence/, pero solo un humano mueve algo hacia company/. De lo contrario, la corazonada de un agente se convierte silenciosamente en política de la empresa.

Paso 3: Conecta tus datos

Ahora, dale ojos al cerebro. Conecta los lugares donde vive la verdad del cliente: grabaciones de llamadas en Gong o Fathom, tickets de soporte en Intercom o Zendesk, negocios en HubSpot o Salesforce, comportamiento en PostHog o Google Analytics, e ingresos en Stripe.

Empieza con acceso de solo lectura en todos lados. Un agente que puede leer tu CRM es útil desde el día uno. Un agente que puede editar tu CRM es algo que se gana con el tiempo.

Después haz lo aburrido que casi todas las empresas se saltan. Dale un ID a cada campaña y llévalo a todas partes. Ponlo en las etiquetas UTM de cada enlace, en el nombre de cada anuncio, en el nombre de cada secuencia de emails y en un campo de cada negocio en el CRM. Luego mantén una tabla simple, en Supabase o incluso en una hoja de cálculo para empezar, con una fila por campaña: ID, inversión, leads, llamadas calificadas, negocios, ingresos y churn.

Suena poco glamoroso, pero es lo más valioso de toda la configuración. La mayoría de las empresas te puede decir los clics por campaña y los ingresos por cliente, pero muy pocas pueden conectar ambas cosas. Una vez que unes esas tablas, tus agentes pueden responder la pregunta que realmente importa: ¿qué marketing trajo clientes que pagaron y se quedaron?

Paso 4: Construye tu primer agente

Construye un agente y vuélvelo excelente antes de armar un segundo. Seis agentes hablándose entre sí el primer día es la receta perfecta para terminar tu fin de semana debuggeando un chat grupal.

Tu primer agente debería ser el de lenguaje del cliente, porque todo lo demás se alimenta de lo que este encuentre. Su trabajo es leer lo que los clientes dicen realmente y extraer las palabras exactas que usan para describir sus problemas.

Exporta las transcripciones de tus últimas 20 a 50 llamadas de ventas a evidence/calls/ y dale una instrucción como esta:

Lee todas las transcripciones en evidence/calls/.

Después lee el reporte junto a tu propio recuerdo de esas llamadas. La primera versión tendrá un 70% de acierto. Probablemente le dé demasiado peso a un cliente muy hablador, o nombre a los grupos usando jerga de marketing. Cada vez que detectes un error, corrige la instrucción y guarda la corrección en decisions/ para que quede registrada. Después de tres o cuatro rondas, leerá las llamadas mejor que la mayoría de tu equipo.

Este es el tipo de cosas que encuentra. Digamos que vendes software de agenda a plomeros y empresas de aire acondicionado. El agente nota que los dueños siguen diciendo alguna versión de "estoy cansado de atender llamadas durante la cena". Esa sola frase es tu anuncio, tu titular y tu apertura de ventas. Le gana a "agenda automatizada" todas las veces, porque la gente compra la situación más que la funcionalidad.

Una vez que sea confiable, prográmalo. Cada lunes lee las llamadas y tickets de la semana pasada y deja un reporte fresco en evidence/customer-language/. Ahora toda tu operación de marketing se basa en lo que los clientes dijeron la semana pasada, en lugar de lo que alguien supuso el año pasado.

Paso 5: Agrega los otros cinco agentes

Cuando tu primer agente esté sólido, suma el resto de a uno por vez. Cada uno tiene su propia carpeta en workflows/, sus propias instrucciones y su propia programación.

El agente de disparadores de compra vigila los momentos que generan demanda de la noche a la mañana. Una empresa abre una segunda sucursal. Una marca empieza a vender al por mayor. Una startup levanta una ronda y publica cinco vacantes de ventas. Una herramienta con la que te integras lanza algo nuevo. La forma más fácil de construir esto es en Clay. Extrae una lista de cuentas que coincidan con customer-fit.md, luego agrega columnas que busquen cada disparador, como nuevas ofertas de empleo, noticias de financiamiento, nuevas ubicaciones o páginas nuevas en su web. Apollo viene muy bien para los datos de contacto.

Para cada cuenta con un disparador reciente, el agente revisa el CRM para descartar a cualquiera con quien tu equipo ya esté hablando, y luego completa una frase: "Este evento crea este problema, y nuestro producto lo resuelve de esta manera específica". Si la frase sale floja, la cuenta espera. Si sale filosa, el agente redacta un email corto que arranca con el evento y lo guarda como borrador para que lo revises. Ese filtro de una sola frase es lo que hace que la prospección se sienta como una buena oportunidad y no como spam.

El agente de búsqueda encuentra las preguntas que la gente hace justo antes de comprar y construye la mejor página de internet para cada una. Aliméntalo con tres fuentes: tus datos de Search Console, las preguntas que surgen en las llamadas de ventas y lo que dicen ChatGPT, Claude y Perplexity cuando les preguntas sobre tu categoría. Esta última es nueva y está brutalmente subestimada. Cada semana, hazles a los motores de IA las preguntas que hacen tus compradores y registra qué empresas y fuentes recomiendan. Te muestra en qué confían los modelos y dónde eres invisible.

Luego construye páginas que sean más útiles que cualquier otra cosa que exista, porque la búsqueda con IA premia la página más útil por encima de la más optimizada. Un proveedor de cocinas industriales que arma una guía para abrir tu primer restaurante, con una calculadora para saber qué equipamiento entra en tu espacio y presupuesto, posiciona, es citado por los motores de IA y es guardado por compradores que vuelven cuando están listos. Tu agente puede programar esa calculadora en una tarde y publicarla en Next.js y Vercel, o en Framer si quieres velocidad.

El agente creativo hace y prueba anuncios. Dale el último reporte de lenguaje del cliente, las afirmaciones aprobadas de offers.md, videos y capturas reales del producto, y una carpeta con anuncios que te encantan. Pídele distintos motivos para comprar, en lugar de cincuenta versiones del mismo titular: un anuncio que recorra un ejemplo práctico, uno que cuente la historia de un cliente, uno que sea una demo cruda del producto. Modelos de imagen como Nano Banana y de video como Veo hacen que la producción sea casi gratis.

Nombra cada anuncio con lo que está probando, como BK014_dinner-angle_ugc_v2, para que el ID de campaña, la idea y el formato vivan en el propio nombre. Un mes después, "el ángulo de la cena le ganó al ángulo del precio" es una lección que puedes usar en todos lados. "video_final_7 ganó" es solo trivia.

El agente sube los anuncios mediante la API de Meta Ads en estado pausado, para que un humano le dé play. Luego, un pequeño script revisa los resultados cada mañana y pausa todo lo que esté por debajo del 1% de CTR después de cierta inversión. Define tu estándar de evidencia antes de lanzar: cuánta inversión, cuántos días y qué cuenta como victoria. Sáltate ese paso y 200 anuncios solo te darán 200 experimentos inconclusos.

El agente de closed-lost (negocios perdidos) es el que paga por todo lo demás. Extrae de tu CRM cada trato perdido junto con sus notas y transcripciones de llamadas. "No interesado" es un resumen perezoso de una conversación real, así que haz que el agente relea cada una y registre el motivo verdadero más una condición para reabrirlo. "Se fue con la competencia, el contrato se renueva en marzo". "Necesitaba SSO". "El campeón dejó la empresa".

Luego vigila esas condiciones. El día que tu changelog diga que se lanzó SSO, cada prospecto que lo pidió recibe un borrador personalizado que cita su llamada original. Cuando se acerca la fecha de renovación, apareces. Cuando el campeón aterriza en una empresa nueva, lo felicitas y te vuelves a presentar. Respeta las bajas y preferencias de contacto, y descubrirás que la mayoría de las empresas tiene una pila de ingresos sin cerrar durmiendo en su propio CRM.

El agente de rendimiento lee tu tabla de campañas cada lunes y te escribe un memo corto, como lo haría un analista brillante. "La página de revisión de rentabilidad convirtió al 4%, y la mitad de esos leads eran demasiado pequeños para atenderlos. El anuncio de la cena tiene el costo por llamada calificada más bajo. El retargeting gastó $3,000 y generó dos conversaciones de venta". Cada línea termina en una decisión para ti: mantener, matar, cambiar o probar.

Conéctalo hasta la retención, los reembolsos y la ganancia. Una campaña que trae clientes baratos que se van a los sesenta días se ve increíble en un dashboard y te hace perder plata en silencio. Este es el agente que lo detecta.

Paso 6: Pon los límites en las herramientas

La forma más rápida de quemarte es confiar en una frase dentro de un prompt. "Pregúntame siempre antes de enviar" es una sugerencia educada para un modelo. Los límites reales viven en las herramientas.

Dale a cada agente el conjunto de permisos más pequeño que necesite. El agente de prospección obtiene acceso de solo borrador al email. El agente de anuncios crea campañas en estado pausado, y los presupuestos se quedan contigo. Los pasos de aprobación viven dentro del código mismo, como un mensaje de Slack con un botón de aprobar del cual depende la acción. Usa código puro para reglas exactas como topes de gasto, listas de exclusión y deduplicación, y deja el modelo para decisiones de criterio, como si una cuenta encaja o si un mensaje suena a ti.

Después escríbele a cada agente un contrato corto, como una descripción de puesto con límites. Aquí hay uno para el agente de disparadores de compra:

"Terminado" significa que revisó cada fuente dentro de sus límites y te avisó qué falló. Un agente que dice "esta fuente falló hoy" vale por diez que la omiten en silencio.

Paso 7: Corre una campaña de principio a fin

Así se ve cuando todo funciona en conjunto. Imagina un estudio contable que quiere más clientes de ecommerce.

El lunes, el reporte de lenguaje del cliente muestra que los dueños de tiendas siguen diciendo lo mismo: "no sé si realmente gané plata después de devoluciones, envíos y comisiones". Once clientes distintos lo dijeron el mes pasado. Vas con la persona que entrega el servicio y le preguntas si el estudio realmente puede resolver esto. Te dice que sí, y que es lo primero que arreglan con cada cliente nuevo. Apruebas una oferta en offers.md: una revisión de rentabilidad gratuita para tiendas que facturan entre $1M y $10M al año.

La campaña recibe un ID, BK014, y todo de aquí en adelante lo lleva.

El martes, el agente creativo arma tres ángulos con las palabras del propio cliente: dónde desaparece tu ganancia, un ejemplo de reporte mensual y una historia corta de un cliente real. El agente de búsqueda construye una página con una calculadora de ganancias simple que usa números validados por el estudio. El agente de closed-lost encuentra 60 prospectos antiguos que dijeron "quizás después del cierre de año" y le redacta a cada uno una nota personal. El agente de disparadores de compra marca tiendas que acaban de lanzar en Amazon, porque vender en múltiples canales desordena más la contabilidad.

El miércoles revisas todo de una sola sentada. Cortas un anuncio que promete ahorros que el estudio no puede garantizar, apruebas el resto y lanzas un test de $2,000.

Dos semanas después, el agente de rendimiento conecta la inversión con las revisiones agendadas y las revisiones con los clientes firmados. La página de la calculadora es la que mejor convierte. La lista del disparador de Amazon agenda más llamadas. También te recuerda que la muestra todavía es chica.

Vas a notar que las palabras originales del cliente sobrevivieron a cada paso. Normalmente, un buen insight pasa por un resumen de investigación, un brief y cinco rondas de edición, y termina sonando como cualquier otro anuncio de contabilidad en internet. Aquí las citas viajaron con la carpeta de la campaña, así que todos los agentes las vieron.

Paso 8: Corre el loop semanal

Una vez que la máquina está armada, el trabajo se parece mucho más a editar que a crear.

El lunes lees el memo de rendimiento y tomas las decisiones de mantener, matar y cambiar. El martes y miércoles construyes, arreglas los workflows que dieron resultados flojos la semana pasada y lanzas tests nuevos. El jueves te sumas a llamadas con ventas y soporte, porque ahí es donde se esconden las mejores ideas de la próxima semana. El viernes revisas lo que hicieron los agentes y actualizas los archivos.

El corazón de todo esto es una cola de revisión. Decidir sobre cada elemento debería tomar menos de un minuto. "Aprueba esta oferta revisada. Cambia estos dos anuncios y este email". Muestra el cambio, qué afecta y la evidencia detrás.

Y el sistema solo se vuelve más inteligente cuando cambias sus inputs. Cada vez que rechaces algo, anota por qué y ponlo donde la próxima ejecución pueda verlo. ¿Rechazaste un anuncio porque atrae negocios demasiado chicos para ti? Actualiza customer-fit.md. ¿Un prospecto malinterpretó una oferta? Agrega una validación para eso. Mantén un registro de experimentos con qué probaste, por qué, qué pasó y qué vas a hacer después. Guarda diez ejemplos de input para cada agente con el output que esperas, y vuélvelos a correr cada vez que cambies una instrucción, para saber de inmediato si algo empeoró.

Si te descubres pasando todo el día arreglando lo que generan los agentes, el problema está aguas arriba. Casi siempre es el cerebro o el contrato.

El motor creativo

Esto es algo de lo que la mayoría todavía no se dio cuenta: el creativo es la nueva segmentación.

Meta reconstruyó la forma en que decide qué anuncios mostrar. Su nuevo sistema, llamado Andromeda, terminó de desplegarse globalmente a finales de 2025, y lee el anuncio en sí para entender quién debería verlo. Tu imagen, tu gancho y tu guion ahora hacen el trabajo que antes hacía la segmentación por intereses. Un efecto secundario es brutal para los anunciantes perezosos. Andromeda agrupa los anuncios que se parecen y los trata como uno solo, así que cincuenta versiones del mismo titular te dan aproximadamente el alcance de un único anuncio. Y los anuncios ganadores ahora se queman en dos o tres semanas en lugar de seis.

Entonces el trabajo es generar un flujo constante de ideas verdaderamente distintas. Hasta hace poco, eso requería un equipo de producción. Ahora requiere un motor creativo, y así es como yo lo armaría.

Empieza por las palabras. Carga voice.md y el último reporte de lenguaje del cliente en un modelo frontier como Claude o GPT y haz que escriba guiones para 8 a 12 conceptos distintos: un punto de dolor, un ejemplo práctico, la historia de un cliente, un rant del founder, una comparación, un mito que estás derribando. Dale a cada concepto dos o tres ganchos. La estrategia vive en este paso, así que invierte tu tiempo acá.

Un atajo que ayuda muchísimo: empieza desde un embudo que ya funcione.

Mi socio no ha hablado mucho de esto públicamente, pero @BoringMarketer acaba de lanzar Boring Funnels, que desglosa un embudo real y en vivo cada semana, desde el anuncio hasta el último email, y convierte cada paso en un prompt que le puedes pasar a tu agente de código. Es un punto de partida mucho mejor que una página en blanco.

Después haz las imágenes. Nano Banana, GPT Image y Midjourney ya producen fotos de producto, escenas de estilo de vida y anuncios estáticos que aguantan perfectamente en la pantalla de un celular. El truco es alimentarlos con tus fotos reales de producto para que este se mantenga fiel, y dejar que el modelo cambie todo lo que lo rodea.

Luego haz el video. Veo, Kling y fal convierten un guion o una imagen fija en un clip corto. Para anuncios de talking head, Arcads, HeyGen y Creatify generan actores de IA leyendo tu guion en decenas de idiomas. ElevenLabs maneja la voz en off, y CapCut o Captions se encarga de la edición.

Usa actores de IA para probar, y luego págale a humanos para ganar. Esta es la salsa secreta del UGC con IA. Los actores de IA te permiten probar veinte guiones en un día por lo que cuesta un solo video de un creador. Una vez que sabes qué guion funciona, una persona real diciéndolo suele rendir aún mejor, genera más confianza y te mantiene del lado correcto de las plataformas que exigen etiquetar el contenido generado por IA.

Deja que el agente ejecute el ciclo. Lanza cada concepto en pausa, un humano le da luz verde, un script detiene a los perdedores después de cierto gasto y todos los lunes el agente de rendimiento te dice qué conceptos ganaron y qué ganchos probar después. Tu trabajo se reduce a elegir ideas y aportar buen criterio; la máquina se encarga del volumen.

Los marketing engineers que hoy están ganando en paid social publican decenas de conceptos realmente distintos al mes, y lo hacen sin un equipo de producción.

El motor orgánico

La pauta se lleva todas las miradas, pero el social orgánico es donde los marketing engineers construyen en silencio una ventaja injusta. Es distribución gratuita y el laboratorio de prueba de creativos más barato que se haya inventado.

Trata lo orgánico como tu cocina de pruebas. Publica diez ganchos como TikToks, Reels o posts en X de forma orgánica, mira cuáles levanta el algoritmo y solo entonces invierte dinero en los ganadores. Descubres qué funciona gratis y tu presupuesto publicitario va únicamente a las ideas que ya demostraron su valor.

Recorta todo. Una pieza larga de contenido —un podcast, un webinar o el desahogo de un founder caminando por la calle— puede convertirse en veinte clips cortos. Herramientas como Opus Clip encuentran los mejores momentos y les ponen subtítulos, y un agente puede programarlos en todas las plataformas. Así crecen la mayoría de los podcasts más grandes.

Usa formatos que escalan sin mostrar la cara. Las presentaciones y carruseles en TikTok e Instagram, armados con tu reporte de lenguaje del cliente, son de los posts más fáciles de hacer y de los que más se guardan. Un agente redacta las slides, un modelo genera las imágenes y tú apruebas el lote el domingo.

Escucha antes de hablar. Apunta un agente a Reddit, X, los comentarios de TikTok y las reseñas de tu competencia, y haz que cada semana te reporte de qué se queja la gente, qué pide y qué la emociona. Después, pídele que redacte respuestas útiles para los hilos donde tu producto realmente ayuda, y publícalas tú mismo. Sobre todo en Reddit, una respuesta útil de una persona real supera a cualquier anuncio, mientras que una con pinta de spam te termina baneando.

Pon al founder a trabajar. Cuando cualquier marca puede generar contenido, lo más escaso en el feed es una persona real con opiniones reales. Convierte founder-opinions.md en un motor de contenido: el agente redacta un post al día a partir de tus ideas, tú lo editas para que suene a ti y le das publicar. La IA hace que el founder sea más valioso, porque es lo único que nadie más puede generar.

Dos reglas mantienen esto limpio. Etiqueta las personas y escenas generadas por IA cuando la plataforma lo pida, y deja siempre a un humano a cargo del botón de publicar.

Cómo convertirte en un marketing engineer del top 1%

Una vez que lo básico corre solo, aquí empieza lo divertido.

Lo primero es construir herramientas de decisión. Una empresa de empaques arma una calculadora que muestra qué tamaño de caja recorta tu factura de envío. Una empresa de software crea un verificador de migración que analiza tu configuración y te muestra exactamente qué se traslada sin problemas. Antes estos eran proyectos de ingeniería de seis meses, así que casi nunca se hacían. Hoy un marketing engineer puede lanzar una versión básica en una semana; los compradores la guardan en favoritos y vuelven justo cuando están listos para comprar.

Lo segundo es hacer marketing dirigido a quienes influyen en la compra. El contador que le recomienda software a cuarenta clientes. La agencia que elige herramientas para sus clientes. La persona de TI a la que le preguntan "¿esto es seguro?". Arma una campaña solo para ellos, con exactamente el material que necesitan para decir que sí.

Lo tercero es arreglar la adquisición dentro del onboarding. A veces los anuncios funcionan perfecto y los clientes nuevos se van porque la primera semana es confusa. Un agente que lee los tickets de onboarding y detecta dónde se traba la gente puede aportar más al crecimiento que tu próximo conjunto de anuncios.

Lo cuarto es darle a cada canal su propio trabajo. Search responde preguntas. Social inicia conversaciones. Email llega en un momento específico. Cuando todos los canales repiten el mismo mensaje, estás pagando cinco veces por la misma impresión.

El stack

Aquí tienes el kit completo, organizado por tarea. Las herramientas cambian cada pocos meses, así que aprende las categorías y ve intercambiando los nombres sobre la marcha.

• Espacio de trabajo para agentes: Claude Code, Codex, Cursor, Google AI Studio
• Agentes siempre activos: Hermes, GrokBot, Codex
• Redacción y estrategia: Claude, ChatGPT, Gemini
• Imágenes: Nano Banana, GPT Image, Midjourney
• Video: Veo, Sora, Kling, Runway, Fal
• Actores de IA y UGC: Arcads, HeyGen, Creatify
• Voz: ElevenLabs
• Funnels: BoringFunnels.com
• Edición y recortes: CapCut, Captions, Opus Clip
• Voz del cliente: Gong, Fathom, Intercom, Zendesk, G2
• CRM: HubSpot, Salesforce
• Señales y enriquecimiento: Clay, Apollo
• Search y visibilidad en IA: Ahrefs, Semrush, Google Search Console
• Anuncios: Meta Ads API, Google Ads API
• Email y outbound: Customer.io, Resend, Instantly
• Web: Next.js en Vercel, Framer, Webflow
• Medición: PostHog, Stripe, Supabase

Qué necesitas aprender

El puesto es mitad marketer y mitad builder, y necesitas ambas mitades.

La parte de marketer es lo que los grandes marketers siempre han sabido. Cómo hacer una entrevista con clientes y detectar la frase que importa. Cómo posicionar un producto para que las personas correctas sientan que se hizo para ellas. Cómo armar una oferta que sea una razón real para comprar, y no un descuento disfrazado. Cómo escribir un titular que frene el scroll. Cómo decide cada canal quién ve qué. Y suficiente estadística para saber cuándo un resultado es real y cuándo fue suerte.

La parte de builder es más nueva y mucho más fácil de aprender de lo que la gente cree. Necesitas redactar contexto que un agente pueda usar de verdad, que es la habilidad más subestimada de toda esta lista. Necesitas leer código lo suficientemente bien como para evaluar si hace lo que pediste, porque el agente lo escribe pero tú eres el responsable. Necesitas entender cómo las APIs y MCP conectan herramientas, escribir SQL básico para extraer tus propios números, publicar una página, usar git, escribir casos de prueba y tener una idea aproximada de cuánto te cuesta cada ejecución del agente.

La forma más rápida de aprender la parte de builder es publicar este fin de semana una landing page fea usando una herramienta de programación con IA. Una página desplegada te enseña más que diez cursos.

Hacia dónde va esto

Si tuviera que empezar esta semana, esto es lo que haría. Si eres marketer, construye el agente de lenguaje del cliente y pásalo por tus últimas 20 llamadas de ventas. Si eres ingeniero, siéntate en cinco llamadas de ventas y luego arma una calculadora para un segmento de clientes. Si eres founder, bloquea dos horas este fin de semana y escribe founder-opinions.md, porque cada agente que construyas después va a ser más preciso.

Mantén la publicación, el outreach y la inversión detrás de una aprobación hasta que cada flujo de trabajo se gane tu confianza. Haz que un flujo sea confiable antes de sumar el siguiente. Un flujo de trabajo confuso corriendo cada mañana solo te garantiza un suministro constante de confusión.

Durante casi toda la historia del marketing, ganaba quien tenía el presupuesto más grande y más gente. Creo que la próxima década será de quien entienda mejor a su cliente y pueda actuar más rápido. Mi apuesta es que para 2028 los mejores equipos de marketing serán uno o dos marketing engineers operando decenas de agentes, y van a publicar más que departamentos diez veces más grandes.

La mayoría de esas personas hoy ocupan roles de growth, contenido y operaciones. Están a un fin de semana de construir algo para convertirse en una de ellas.

Si quieres profundizar, grabé un episodio completo sobre marketing engineers en el podcast @startupideaspod: https://youtube.com/watch?v=8ZC1G1ezN5o

Escríbeme por DM si alguna vez te puedo ayudar. No puedo responderle a todo el mundo, ¡pero a algunos sí!

Estoy apostando por ti.

Greg Isenberg

Por cierto, formas en las que podemos trabajar juntos:

1. Contrata a LCA. Somos la firma líder en diseño de productos para IA. Si quieres que tu producto de IA se vea y se sienta de clase mundial, contáctanos. Estrategia, diseño, producto, ingeniería, todo el paquete.
2. Usa Ideabrowser.com. Encuentra tu próxima idea de startup, respaldada por datos reales. Más de 200 mil founders la usan.
3. Prueba Boring Funnels. Mi socio acaba de lanzar Boring Funnels. Cada semana desglosa un funnel real que está funcionando y lo convierte en prompts para tu agente de programación.
4. @startupideaspod - escúchalo en Spotify, Apple y YouTube para ideas de startups, tácticas de growth y tutoriales prácticos de IA.