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 potente que tienes ahora mismo. Es el momento más emocionante para estar en marketing desde que Google lanzó AdWords. Quizá 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 perdedores 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 formar una máquina. Mitad marketero, mitad constructor. Y los mejores suelen venir de fuera del marketing: fundadores, ingenieros, operadores, creadores solitarios.

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

Cómo llegamos hasta aquí

En la era 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, tardaba meses en producirse y, con suerte, descubrías si había funcionado un trimestre después. Un gran profesional del marketing tenía unas pocas oportunidades reales al año, así que toda la profesión se movía por gusto, persuasión e intuición.

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

En la década de 2010 llegó el growth hacker, y nunca lo olvidaré. Sean Ellis acuñó el término en 2010, y los mejores trucos de esa década se convirtieron en leyenda. Hotmail ponía "P.D. Te quiero. 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 permitía a los anfitriones publicar automáticamente sus anuncios en Craigslist. El growth hacker trataba el marketing como si fuera producto, con embudos, bucles y tests A/B. La trampa era que cada buena idea necesitaba un ingeniero, y los ingenieros pertenecían al roadmap de producto. Los growth hackers pasaban la mitad de su vida escribiendo tickets y esperando en la cola. Hacer unos pocos experimentos a la semana era una gran semana.

Cuando ChatGPT apareció a finales de 2022, llegó el marketero asistido por IA. Los textos salían más rápido y las imágenes también, pero todo lo demás seguía 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 justo ahí.

El ingeniero de marketing es lo que ocurre cuando la persona que tiene la idea y la persona que puede construirla se convierten en la misma persona. Un solo marketero investiga al cliente, construye 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 continuamente, y hacer decenas de experimentos al día se vuelve realista para una sola persona.

Si ampliamos la perspectiva, toda la historia del marketing sigue una única tendencia: el coste de experimentar no deja de desplomarse. Quien hace 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 aprovechan (sé que cuesta creerlo, pero es verdad).

Ventas escucha las mismas cinco objeciones todas las semanas. Soporte sabe exactamente qué promesas acaban en reembolso. El fundador tiene opiniones muy claras sobre el sector que viven en su cabeza y en un par de clips de podcasts. Analítica sabe qué páginas traen clientes que se quedan. Todo eso vive en herramientas distintas, pertenece a personas distintas y llega a una campaña quizá una vez al trimestre.

Mientras tanto, las pequeñas ideas que pondrían ese conocimiento a trabajar siempre pierden frente al gran lanzamiento. Una calculadora de precios para un nicho concreto. Una campaña basada en las llamadas de ventas de ayer. Un mensaje a cuarenta prospectos antiguos el día que por fin se lanza la funcionalidad 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 cualquiera de esas cosas en una tarde. El marketing específico se ha vuelto barato y, cuando lo específico se abarata, la empresa que mejor entiende a su cliente empieza a ganar. Las agencias que venden horas serán las primeras en notarlo. Los grandes equipos de marketing empezarán a parecer comités. Los fundadores y los marketeros en solitario tendrán de repente la capacidad de producción de un departamento entero.

Nota: mi socio acaba de lanzar Boring Funnels, con la idea de que la mayor oportunidad está en ayudar a las empresas 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 montarlo.

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 sencilla de entender estas herramientas es pensar en ellas como un empleado junior rapidísimo que vive dentro de una carpeta de tu ordenador. Puede leer todos los archivos de esa carpeta, crear nuevos, ejecutar código y usar cualquier herramienta que le conectes.

Y en esa última parte 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 normalmente puede escribir el código para llamarla.

También querrás que tus agentes funcionen programados mientras duermes. Hace un año, eso significaba unir piezas en una herramienta de automatización como Zapier o n8n. Hoy puedes pedirle directamente a tu agente de código que lo construya. Dile "ejecuta esto todos los lunes a las 7 a.m., publica el informe en Slack y espera mi visto bueno antes de enviar nada", y escribirá la tarea programada, el mensaje de Slack con un botón de aprobación y el código que solo actúa cuando tú lo pulsas. O usa un agente siempre activo como Hermes o OpenClaw que ya funciona 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 inservible y decide que el marketing con IA está sobrevalorado.

Los agentes estaban bien, pero el contexto era pobre.

Es como contratar a un marketero brillante y saltarte el onboarding. Escribirá algo inteligente sobre tu sector, pero sonará 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 nuevo empleado muy listo 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 Shopify que facturan entre 1 M$ y 10 M$ al año, donde el fundador sigue llevando la contabilidad y ya se ha quemado antes con un contable" le da al agente algo con lo que trabajar. "PYMES" le da muy poco.

3/ company/offers.md enumera 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. "Cercano 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 hayas descartado, 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. Toda tu competencia tiene acceso a los mismos modelos. Solo tú tienes las opiniones de tu fundador sobre el sector, el cliente y la competencia. Dedica dos horas a entrevistar a tu fundador, o a ti mismo, y apunta cada opinión contundente. "La mayoría de las agencias de nuestro sector cobran de más por el onboarding". "Nuestros mejores clientes vienen por recomendación de contables". Esas opiniones son lo que hace 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 poder 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 el cerebro: los agentes pueden añadir suposiciones a evidence/, pero solo un humano mueve algo a company/. De lo contrario, la corazonada de un agente se convierte silenciosamente en política de empresa.

Paso 3: Conecta tus datos

Después, 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 todas partes. Un agente que puede leer tu CRM es útil desde el primer día. Un agente que puede editar tu CRM es algo que se gana con el tiempo.

Luego 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. Después, mantén una tabla sencilla, en Supabase o incluso en una hoja de cálculo para empezar, con una fila por campaña: ID, inversión, leads, llamadas cualificadas, negocios cerrados, ingresos y churn.

Suena poco glamuroso, pero es lo más valioso de toda la configuración. La mayoría de las empresas pueden decirte 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 a la pregunta que realmente importa: ¿qué marketing trajo clientes que pagaron y se quedaron?

Paso 4: Construye tu primer agente

Construye un agente y hazlo excelente antes de crear el segundo. Tener seis agentes hablándose entre sí el primer día es la receta perfecta para acabar pasando el fin de semana depurando un chat grupal.

Tu primer agente debería ser el de lenguaje del cliente, porque todo lo demás se alimenta de lo que este descubre. Su trabajo es leer lo que dicen realmente los clientes 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/.

Luego lee el informe comparándolo con lo que tú recuerdas de esas llamadas. La primera versión acertará en un 70 %. Probablemente le dará demasiado peso a un cliente muy hablador, o nombrará los grupos usando jerga de marketing. Cada vez que detectes un error, corrige la instrucción y guarda la corrección en decisions/ para que se mantenga. Después de tres o cuatro rondas, leerá las llamadas mejor que la mayoría de tu equipo.

Este es el tipo de cosas que encuentra. Imagina que vendes software de programación a fontaneros y empresas de climatización. El agente nota que los dueños repiten alguna versión de "estoy harto de coger llamadas durante la cena". Esa sola frase es tu anuncio, tu titular y tu apertura de ventas. Le gana a "programación automatizada" siempre, porque la gente compra la situación más que la funcionalidad.

Cuando sea fiable, prográmalo. Cada lunes lee las llamadas y tickets de la semana anterior y deja un informe nuevo en evidence/customer-language/. Ahora toda tu operación de marketing funciona con lo que dijeron los clientes la semana pasada, en lugar de con lo que alguien supuso el año pasado.

Paso 5: Añade los otros cinco agentes

Cuando tu primer agente esté sólido, añade el resto de uno en uno. Cada uno tendrá 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 ubicación. Una marca empieza a vender al por mayor. Una startup cierra una ronda y publica cinco ofertas de empleo comerciales. Una herramienta con la que te integras lanza una novedad. La forma más fácil de construirlo es en Clay. Extrae una lista de cuentas que coincidan con customer-fit.md y luego añade columnas que comprueben cada disparador, como nuevas ofertas de empleo, noticias de financiación, nuevas ubicaciones o páginas nuevas en su web. Apollo viene genial 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 concreta". Si la frase sale blanda, la cuenta espera. Si sale afilada, 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 parezca llegar en el momento perfecto en lugar de ser spam.

El agente de búsqueda encuentra las preguntas que hace la gente 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 salen en las llamadas de ventas y lo que dicen ChatGPT, Claude y Perplexity cuando les preguntas por tu sector. Esta última es nueva y está brutalmente infravalorada. Cada semana, pregúntale a los motores de IA lo que preguntan 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 haya ahí fuera, porque la búsqueda con IA premia la página más útil por encima de la más optimizada. Un proveedor de cocinas industriales que crea una guía para abrir tu primer restaurante, con una calculadora para saber qué equipamiento cabe en tu espacio y presupuesto, posiciona, es citado por los motores de IA y guardado en favoritos 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 informe de lenguaje del cliente, las afirmaciones aprobadas de offers.md, vídeos y capturas reales del producto, y una carpeta con anuncios que te encanten. Pídele distintos motivos de compra, 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 vídeo 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 superó al del precio" es una lección que puedes aplicar en todas partes. "video_final_7 ganó" es simple trivia.

El agente sube los anuncios a través de la API de Meta Ads en estado pausado, para que sea un humano quien pulse el botón de arranque. Luego, un pequeño script revisa los resultados cada mañana y pausa todo lo que esté por debajo del 1 % de CTR tras cierta inversión. Decide tu umbral 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 negocios perdidos (closed-lost) es el que paga 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". "Nuestro campeón dejó la empresa".

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

El agente de rendimiento lee tu tabla de campañas cada lunes y te escribe un breve memorándum, 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 menor coste por llamada cualificada. El retargeting ha gastado 3.000 $ y ha generado dos conversaciones de venta". Cada línea termina en una decisión para ti: mantener, matar, cambiar o probar.

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

Paso 6: Pon los límites de seguridad 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 propio código, como un mensaje de Slack con un botón de aprobar del que 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.

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

"Hecho" significa que comprobó todas las fuentes dentro de sus límites y te dijo qué falló. Un agente que dice "esta fuente falló hoy" vale por diez que se la saltan en silencio.

Paso 7: Ejecuta una campaña de principio a fin

Así es como se ve cuando todo funciona en conjunto. Imagina una asesoría contable que quiere más clientes de ecommerce.

El lunes, el informe de lenguaje del cliente muestra que los dueños de tiendas repiten lo mismo: "no sé si realmente gané dinero después de devoluciones, envíos y comisiones". Once clientes distintos lo dijeron el mes pasado. Vas a hablar con la persona que presta el servicio y le preguntas si la asesoría puede resolver esto de verdad. 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 1 M$ y 10 M$ al año.

La campaña recibe un ID, BK014, y todo a partir de aquí lo lleva consigo.

El martes, el agente creativo prepara tres ángulos usando las palabras exactas del cliente: dónde desaparece tu beneficio, un ejemplo de informe mensual y una breve historia de un cliente real. El agente de búsqueda construye una página con una calculadora de beneficios sencilla que usa números validados por la asesoría. El agente de negocios perdidos encuentra 60 prospectos antiguos que dijeron "quizá después del cierre de año" y redacta una nota personal para cada uno. El agente de disparadores de compra señala tiendas que acaban de lanzarse en Amazon, porque la venta multicanal complica mucho más la contabilidad.

El miércoles, revisas todo de una sentada. Descartas un anuncio que promete ahorros que la asesoría 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 sigue siendo pequeña.

Notarás 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 acaba 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: Ejecuta el ciclo semanal

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

El lunes lees el memorándum de rendimiento y tomas las decisiones de mantener, matar o cambiar. El martes y el miércoles construyes, arreglas los flujos de trabajo que dieron resultados flojos la semana anterior y lanzas nuevos tests. El jueves te reúnes 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 llevarte menos de un minuto. "Aprueba esta oferta revisada. Cambia estos dos anuncios y este email". Muestra el cambio, a qué afecta y la evidencia detrás.

Y el sistema solo se vuelve más inteligente cuando cambias sus entradas. Cada vez que rechaces algo, anota por qué y ponlo donde la siguiente ejecución pueda verlo. ¿Rechazaste un anuncio porque atraía negocios demasiado pequeños para ti? Actualiza customer-fit.md. ¿Un prospecto malinterpretó una oferta? Añade una comprobación para ello. Mantén un registro de experimentos con lo que probaste, por qué, qué pasó y qué harás después. Guarda diez ejemplos de entrada para cada agente con el resultado que esperas, y vuélvelos a ejecutar 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 que la mayoría aún no ha asimilado: 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 propio anuncio para averiguar quién debería verlo. Tu imagen, tu gancho y tu guion hacen ahora el trabajo que antes hacía la segmentación por intereses. Un efecto secundario de esto 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.

Así que el trabajo consiste en 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 montaría.

Empieza por las palabras. Carga voice.md y el último informe de lenguaje del cliente en un modelo puntero como Claude o GPT y haz que escriba guiones para entre 8 y 12 conceptos distintos: un punto de dolor, un ejemplo práctico, la historia de un cliente, una diatriba del fundador, una comparación, un mito que vas a desmentir. Dale a cada concepto dos o tres ganchos. La estrategia vive en este paso, así que dedica aquí tu tiempo.

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

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

Luego crea las imágenes. Nano Banana, GPT Image y Midjourney producen ahora fotos de producto, escenas de estilo de vida y anuncios estáticos que aguantan perfectamente en la pantalla de un móvil. El truco es alimentarlos con las fotos reales de tu producto para que este se mantenga fiel, y dejar que el modelo cambie todo lo que hay alrededor.

Después haz el vídeo. Veo, Kling y fal convierten un guion o una imagen fija en un clip corto. Para anuncios de presentador a cámara, Arcads, HeyGen y Creatify generan actores de IA leyendo tu guion en decenas de idiomas. ElevenLabs se encarga de la locución, y CapCut o Captions de la edición.

Usa actores de IA para probar y paga 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 vídeo de un creador. Cuando 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, una persona le da luz verde, un script detiene a los perdedores tras alcanzar cierto nivel de gasto y, cada lunes, el agente de rendimiento te dice qué conceptos ganaron y qué ganchos probar después. Tu trabajo se reduce a elegir ideas y aplicar tu criterio; la máquina se encarga del volumen.

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

El motor social

La publicidad de pago 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 pruebas creativas más barato jamás inventado.

Trata lo orgánico como tu cocina de pruebas. Publica diez ganchos como TikToks, Reels o posts en X de forma orgánica, observa 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 sola pieza larga de contenido —un podcast, un webinar o la rabieta de un founder durante un paseo— puede convertirse en veinte clips cortos. Herramientas como Opus Clip detectan los mejores momentos y los subtitulan, y un agente puede programarlos en todas las plataformas. Así es como crecen la mayoría de los podcasts más grandes.

Usa formatos que escalen sin mostrar la cara. Los slideshows y carruseles en TikTok e Instagram, creados a partir de tu informe 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 tus competidores, y haz que te informe cada semana de qué se queja la gente, qué pide y qué le entusiasma. 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 consigue un ban.

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 a 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 a las personas y escenas generadas por IA siempre que la plataforma lo pida, y mantén a un humano controlando el botón de publicar.

Cómo convertirte en un marketing engineer del top 1 %

Una vez que lo básico funciona solo, aquí es donde empieza la diversión.

Lo primero es construir herramientas de decisión. Una empresa de packaging crea una calculadora que muestra qué tamaño de caja reduce tu factura de envío. Una empresa de software desarrolla un comprobador de migración que analiza tu configuración y te indica 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 rudimentaria en una semana, y 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 contable que recomienda software a cuarenta clientes. La agencia que elige herramientas para sus clientes. El de IT al que le preguntan "¿esto es seguro?". Crea 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 perfectamente y los nuevos clientes se van porque la primera semana resulta confusa. Un agente que lee los tickets de onboarding y detecta dónde se atasca 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 aparece en un momento concreto. 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 función. Las herramientas cambian cada pocos meses, así que aprende las categorías y ve intercambiando los nombres sobre la marcha.

• Espacio de trabajo del agente: Claude Code, Codex, Cursor, Google AI Studio
• Agentes always-on: Hermes, GrokBot, Codex
• Redacción y estrategia: Claude, ChatGPT, Gemini
• Imágenes: Nano Banana, GPT Image, Midjourney
• Vídeo: Veo, Sora, Kling, Runway, Fal
• Actores 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 dominar ambas partes.

La parte de marketer es lo que los grandes marketers siempre han sabido. Cómo hacer una entrevista a un cliente y captar la frase que importa. Cómo posicionar un producto para que las personas adecuadas sientan que se hizo para ellas. Cómo construir una oferta que sea un motivo real de compra, 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 es casualidad.

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 infravalorada de toda esta lista. Necesitas leer código lo bastante bien como para juzgar 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 datos, publicar una página, usar git, redactar 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 feísima con 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 ejecútalo con tus últimas 20 llamadas de ventas. Si eres ingeniero, siéntate en cinco llamadas de ventas y luego crea 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 a partir de ahí será más preciso.

Mantén la publicación, el outreach y la inversión publicitaria bajo aprobación manual hasta que cada flujo de trabajo se gane tu confianza. Consigue que un flujo sea fiable antes de añadir el siguiente. Un flujo confuso ejecutándose cada mañana solo te garantiza un suministro constante de confusión.

Durante casi toda la historia del marketing, ganaba quien tenía el mayor presupuesto 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 gestionando decenas de agentes, y producirán más que departamentos diez veces mayores.

La mayoría de esas personas ocupan ahora mismo roles de growth, contenido y operaciones. Están a un fin de semana de construir cosas de convertirse en uno.

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 puedo ayudarte. No puedo responder a todo el mundo, ¡pero sí a algunos!

Estoy contigo en esto.

Greg Isenberg

Por cierto, formas en las que podríamos trabajar juntos:

1. Contrata a LCA. Somos la firma líder en diseño de producto para IA. Si quieres que tu producto de IA tenga un aspecto y una experiencia de primer nivel mundial, contáctanos. Estrategia, diseño, producto, ingeniería, todo.
2. Usa Ideabrowser.com. Encuentra tu próxima idea de startup, respaldada por datos reales. Más de 200 mil founders la utilizan.
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.