Esta aplicación de IA se construye sola.

El contenido nunca duerme. Las marcas, los creadores individuales y las empresas SaaS de una sola persona ahora sienten la presión de generar un flujo constante de publicaciones, guiones y miniaturas adaptados a cada plataforma, cada segmento de audiencia e incluso cada cliente potencial. Los flujos de trabajo manuales—saltando entre pestañas de ChatGPT, documentos de Notion y borradores a medio terminar—se colapsan bajo esa demanda mucho antes de que logres publicar 5 veces al día en 3 redes.

La respuesta de Brendan Jowett es algo que él llama una máquina de contenido: una aplicación autogestionada que convierte ideas y videos en bruto en activos finales y publicables. Construida sobre un lienzo de nodos arrastrables y agentes de chat, orquesta modelos, mensajes y fuentes de datos en una única superficie que se comporta menos como una herramienta y más como una línea de producción.

En lugar de escribir un nuevo mensaje cada vez que le surge la inspiración, Jowett conecta su historial de LinkedIn, transcripciones de YouTube y la historia de su empresa directamente al sistema. Un agente de chat contiene varios ejemplos de publicaciones de LinkedIn, además del guion completo de su última subida a YouTube; una sola instrucción—“crea una nueva publicación de LinkedIn para este video”—produce un texto que él dice que “copiaría y pegaría directamente en LinkedIn.” La hipersonalización deja de ser una tarea tediosa y se convierte en la norma.

El mismo lienzo alberga una zona dedicada a descripciones de YouTube impulsada por múltiples modelos de IA, incluyendo Gemini 2.0.0 y otros ajustados para velocidad. Jowett alimenta el sistema con descripciones anteriores como ejemplos, y luego lo dirige a un nuevo transcrito; el sistema devuelve textos optimizados con palabras clave, con párrafos estructurados y llamados a la acción, listos para ser subidos sin necesidad de tocar la interfaz de ChatGPT.

Más adelante, un motor de LinkedIn más “intenso” se basa en: - Contexto detallado de la empresa - Su historia personal - Reglas de formato y directrices de tono - Publicaciones de ejemplo archivadas

Todo eso se canaliza en un agente capaz de generar publicaciones que suenen como él, hagan referencia a sus productos y sigan su estructura preferida a pedido.

Una pista separada incluso maneja los visuales. Usando un modelo que denomina Nano Banana Pro, la aplicación lee una publicación finalizada de LinkedIn, extrae una línea clave y genera automáticamente un gráfico correspondiente, incluido el logotipo, de modo que el texto y la imagen se envían como un par. El resultado funciona menos como una única función de IA y más como un entorno de trabajo integrado para cada paso repetitivo en la creación de contenido.

Pisa el lienzo y no verás un cuadro de chat; verás una sala de control. La aplicación de Brendan Jowett se abre en una extensa cuadrícula ampliable salpicada de bloques de colores, cada uno una función autónoma: un escritor de LinkedIn aquí, un generador de descripciones de YouTube allá, un generador de imágenes más abajo. Se siente más parecido a Figma o Miro que a ChatGPT, pero cada bloque alimenta finalmente a un modelo de IA.

Cada bloque es un módulo que se puede arrastrar. Algunos contienen texto sin formato: ejemplos de publicaciones en LinkedIn, la historia de la empresa y reglas de formato. Otros almacenan medios: cargas completas de videos de YouTube con transcripciones adjuntas. Una tercera categoría alberga agentes de chat en vivo conectados a modelos como Gemini 2.0.0 y un modelo de imagen personalizado Nano Banana Pro, listos para generar bajo demanda.

Las conexiones entre estos módulos forman un gráfico visible de contexto. Un nodo de publicación de LinkedIn, por ejemplo, se alimenta de: - Un conjunto de publicaciones pasadas de LinkedIn - Una carga directa del último video de YouTube - Un bloque de instrucciones de formato

Esas flechas en el lienzo definen literalmente lo que la IA "sabe" cuando escribe. Cambia una conexión y cambias el cerebro.

Para las descripciones de YouTube, otra región del lienzo repite el patrón. Las descripciones de ejemplo fluyen hacia un agente de chat, junto al nodo de transcripción del nuevo video. Un aviso: "Crea una descripción para el video basada en los ejemplos que he proporcionado" produce un texto optimizado en múltiples párrafos, adaptado específicamente a esa carga, sin necesidad de copiar y pegar manualmente en una ventana de chat genérica.

Más abajo, un sistema de LinkedIn más denso añade aún más contexto. Jowett integra nodos para sus empresas, su historia personal y reglas de estilo altamente específicas. Todos ellos se dirigen a un único agente de chat, transformando una breve instrucción en una publicación que suena extrañamente como él, porque el grafo codifica literalmente quién es y qué le importa.

La sección de imagen en el lienzo lleva la metáfora más lejos. Un nodo de publicación de LinkedIn solo con texto se conecta a un nodo de solicitud de imagen, tres gráficos de ejemplo y un nodo de logo subido. El modelo Nano Banana Pro lee la publicación completa, extrae una línea clave, la superpone como texto y coloca el logo en su sitio: sin Photoshop, solo bloques reorganizados.

Visto en su conjunto, la interfaz convierte la ingeniería de prompts en una especie de sistema LEGO. En lugar de luchar con un mega-prompt de 30 líneas, reorganizas nodos, arrastras nuevo contexto al gráfico y depuras visualmente lo que la IA ve.

El lienzo de Brendan Jowett tiene un carril dedicado para LinkedIn, y se comporta menos como un cuadro de sugerencias y más como una línea de producción. Un grupo de nodos alberga de 5 a 10 de sus publicaciones de mejor rendimiento, otro ingiere la transcripción completa de su última subida a YouTube, y un agente de chat central fusiona todo eso en un solo compañero de escritura que está siempre disponible.

Esos mensajes anteriores no se incorporan simplemente como texto sin procesar. Él proporciona al agente ejemplos que codifican su estructura: una primera línea atractiva, párrafos cortos, una llamada a la acción clara en la última oración, junto con notas de tono y reglas de formato. Ese contexto existe como una fuente de conocimiento persistente, por lo que el agente "recuerda" su estilo sin que él tenga que reescribir las instrucciones cada vez.

Cuando un nuevo video se publica, el flujo de trabajo comienza con la carga de una transcripción directamente en el lienzo. Un nodo de YouTube envía el guion completo al mismo agente de chat que ya conoce su voz en LinkedIn, mientras que la configuración de origen confirma exactamente qué ejemplos y transcripciones puede ver el modelo. Con un solo clic, el sistema conecta todo eso en una única solicitud.

El aviso real es casi insultantemente simple: “Por favor, crea una nueva publicación en LinkedIn basada en los ejemplos del nuevo video que te he proporcionado.” Detrás de esa oración, múltiples modelos se activan; para este flujo de trabajo de LinkedIn, Jowett utiliza Gemini 2.0.0 Pro para mantener las respuestas rápidas y consistentes. El agente utiliza cada fuente adjunta: ejemplos, transcripción, notas de formato, sin necesidad de copiar y pegar manualmente.

El resultado llega como algo que parece sospechosamente humano: una introducción impactante, una tesis en una sola oración, de 3 a 5 líneas escaneables que destacan los puntos clave del video, y un llamado a la acción que invita a comentar, dirigiendo al enlace completo de YouTube. En su demostración, la publicación menciona LiveKit, agentes sin código y "construir sin código" porque el sistema extrajo esas frases directamente de la transcripción.

Crucialmente, Jowett no necesita editar más de una o dos palabras. Revisa en busca de precisión, copia el bloque, lo pega en LinkedIn y sigue adelante. En comparación con la tarea de alternar entre ChatGPT, documentos y el editor de LinkedIn, reduce una tarea de 15 a 20 minutos a menos de 60 segundos.

Cualquiera puede recrear este tipo de flujo de trabajo con un creador de agentes basado en lienzo como Voiceflow - Plataforma de Agentes de IA, conectando:

• 1Ejemplo de publicaciones para bibliotecas
• 2Ingestas de transcripción
• 3Instrucciones de estilo y formato
• 4Enrutamiento multimodal para el control de velocidad y costos.

Conquistar YouTube comienza en el mismo lienzo, pero con un módulo diferente en su lugar. En lugar de pensar en publicaciones y ganchos, el sistema de Brendan Jowett pivota hacia archivos de video, transcripciones y metadatos, tratando cada subida como materia prima para un paquete completo de YouTube. Un nodo ingiere la transcripción, otro almacena ejemplos de formato de descripciones anteriores de alto rendimiento, y un agente de chat los une.

Alimenta al agente con una nueva transcripción y no solo resume; recrea tu estilo característico línea por línea. El sistema copia la estructura de los párrafos, los saltos de línea, los hábitos de uso de emojis (si los usas) y la colocación de llamadas a la acción de tus descripciones anteriores. Combinado con frases ricas en palabras clave extraídas de la transcripción, obtienes textos optimizados para SEO adaptados a la búsqueda de YouTube y al rastreador de Google sin tocar ChatGPT ni un archivo de docs.

Jowett desplaza aún más abajo el lienzo y las cosas se vuelven más ambiciosas. Un grupo separado de nodos se conecta a transcripciones de toda una biblioteca de cargas anteriores: docenas de videos interconectados en un solo agente de chat. Con ese contexto, el agente puede generar:

• 1Nuevas ideas de videos que no repiten temas.
• 2Variaciones de títulos optimizadas para clics
• 3Esbozos de guiones que reflejan tu ritmo y tono.

Debido a que el agente ve todo lo que ya has publicado, evita ángulos duplicados y sugiere temas adyacentes en su lugar. Un creador con 50 subidas entrega efectivamente a YouTube "memoria" a una IA que comprende lo que ha funcionado y lo que se siente como parte de la marca. Esa misma memoria impulsa la ideación de títulos, generando de 10 a 20 variantes que se centran en la curiosidad, números o fórmulas de problema/solución en segundos.

Todo esto se encuentra en el mismo lienzo de arrastrar y soltar: sube un video, adjunta su transcripción, redirígelo a través del nodo de descripción de YouTube, y luego a los nodos de ideación y esquema. El metraje bruto se convierte en un título listo para miniatura, descripción SEO y estructura de guion con mínimas ediciones humanas. La aplicación no solo te ayuda a publicar más rápido; aprende en silencio sobre tu canal y luego crea el próximo video para ti.

Olvida un equipo secreto de ingenieros escondidos detrás de este lienzo. Toda la "máquina de contenido" de Brendan Jowett —agentes de chat, búsqueda de transcripciones, generación de imágenes, módulos de LinkedIn y YouTube— funciona con sin código. Sin scripts de Python, sin front end de React, sin migraciones de bases de datos; solo bloques de arrastrar y soltar e instrucciones en lenguaje natural.

El motor detrás de esto es Replet, un entorno de “programación de vibras” que transforma indicaciones en software funcional. En lugar de preparar un proyecto, conectar APIs y ensamblar modelos, Jowett describe lo que quiere en inglés sencillo: “un lienzo con módulos móviles”, “un agente de chat conectado a mis últimos 20 transcritos de YouTube”, “un generador de imágenes que conoce mi logo.” Replet compila esa intención en una aplicación en vivo.

Esto invierte la narrativa habitual de la IA. La mayoría de las personas utilizan ChatGPT, Claude o Gemini 2.0.0 como herramientas independientes: introduces texto y copias los resultados. Aquí, Jowett le indica a una IA que construya la herramienta en sí: la interfaz, los flujos de datos, el enrutamiento del modelo, incluso los comandos reutilizables que están detrás de cada nodo.

En lugar de que un desarrollador traduzca los requisitos en código, el prompt se convierte en la especificación, el backend y el plano de experiencia del usuario a la vez. Cuando quiere un nuevo flujo de trabajo — digamos, “convierte mi último video en una descripción optimizada para SEO de 3 párrafos utilizando mis ejemplos anteriores” — no abre VS Code. Añade un nodo, conecta una fuente de transcripción, hace referencia a su banco de ejemplos y describe el comportamiento.

El lienzo de Replet abstrae la pila que normalmente asusta a los creadores no técnicos. Bajo el capó, todavía tienes: - Múltiples modelos de IA (Gemini 2.0.0, Nano Banana Pro) - Almacenes de archivos y conocimiento para transcripciones, logotipos y publicaciones de ejemplo - Lógica de enrutamiento que decide qué modelo maneja qué tarea

A simple vista, solo se ven bloques etiquetados y flechas.

Para quienes no son desarrolladores, esto es un desbloqueo de poder al nivel de los primeros Squarespace o Webflow, pero para software nativo de IA. Un creador solo puede poner en marcha un "sistema operativo de contenido" privado adaptado a su voz, sus activos y sus canales, sin esperar a que una startup de SaaS lance la función exacta que necesita.

El sistema de Jowett sugiere hacia dónde va esto a continuación. Si puedes describir tu flujo de trabajo con suficiente detalle — “cómo idear, cómo escribir, cómo reutilizar” — herramientas como Replet pueden convertir esa descripción en una aplicación personalizada. No utilizando IA, sino encargando software a partir de ello.

Brendan Jowett no solo utiliza una aplicación de IA; él impulsa a un constructor de aplicaciones de IA. Antes de arrastrar un nodo en el lienzo de Replet, abre ChatGPT y le pide que escriba un prompt maestro que describa la aplicación que desea en doloroso detalle. Ese meta-prompt se convierte en el plano que Replet utiliza para ensamblar toda su "máquina de contenido" sin una sola línea de código personalizado.

Su mensaje maestro se asemeja más a una especificación de producto que a una charla casual. Jowett describe un sistema de lienzo con un espacio de trabajo ampliable, módulos movibles y nodos conectables que intercambian datos entre sí. Señala que cada módulo debería soportar entradas de texto, interfaces al estilo de chat y cargas de archivos como transcripciones de YouTube, porque esos son los materiales básicos para sus publicaciones en LinkedIn y guiones de YouTube.

La estructura es importante. Él divide la aplicación en regiones claramente etiquetadas: un grupo de nodos para textos de LinkedIn, otro para descripciones de YouTube, otro para generación de imágenes. Cada región recibe instrucciones explícitas sobre qué fuentes debería utilizar (ejemplos de publicaciones anteriores, transcripciones de videos, antecedentes de la empresa) y cómo formatear los resultados. Esa especificidad permite que Replet conecte un sistema donde un solo agente de chat puede ver su contenido pasado, el video actual y las reglas de estilo todo de una vez.

Jowett también menciona tecnologías directamente en la solicitud. Pide un editor de gráficos estilo React Flow para el lienzo, de modo que los módulos aparezcan como nodos arrastrables con conexiones, no como formularios estáticos. Especifica espacios para modelos de IA que pueden alternar entre proveedores como Gemini 2.0.0 o modelos personalizados como Nano Banana Pro, reflejando cómo herramientas como Make - Plataforma de Automatización de Flujos de Trabajo te permiten cambiar integraciones sin reconstruir todo el flujo de trabajo.

No se detiene en la interfaz de usuario y los modelos. El aviso define comportamientos: cómo un nodo de LinkedIn debe leer ejemplos de publicaciones, cómo un nodo de descripción de YouTube debe optimizar para palabras clave, cómo un nodo de imagen debe extraer una línea clave de una publicación larga y superponerla en un gráfico de marca. Incluso le dice al sistema que la salida de un nodo debe convertirse en la entrada de otro nodo, imponiendo un flujo de trabajo desde la transcripción hasta la publicación y la imagen.

La calidad se escala con el detalle. Una solicitud vaga de "crear una aplicación de contenido" produce un juguete. El aviso de múltiples párrafos de Jowett, componente por componente, genera un centro de control completo: agentes de chat reutilizables, bancos de conocimientos de transcripciones y generación de imágenes ajustadas a su logotipo y diseño. Cuanto más pienses como un diseñador de productos en el aviso, más se comportará tu aplicación de IA sin código como una herramienta real y con opiniones definidas.

La automatización de contenido suele desmoronarse en el momento en que necesitas elementos visuales. El lienzo de Brendan Jowett elude ese modo de fallo con un carril de generación de imágenes integrado directamente en su flujo de trabajo de LinkedIn, por lo que los gráficos aparecen tan rápido como las publicaciones.

Una vez que el sistema termina una publicación en LinkedIn, envía todo el texto a un agente de imágenes. Ese agente no simplemente coloca todo el párrafo en una diapositiva; escanea el texto, extrae una idea clave y la convierte en un gráfico en estilo de titular audaz, diseñado para detener los dedos que pasan por encima.

Jowett precarga tres diseños de imagen de ejemplo en el lienzo: tarjetas limpias, con texto primero, que contienen una sola declaración, generoso espaciado y su logo anclado en la esquina inferior. El agente de imágenes utiliza esos ejemplos como una plantilla rígida, de modo que cada nuevo activo coincide con su estilo existente sin que él toque Figma o Canva.

La consistencia de marca proviene de más que simplemente una buena vibra. Jowett literalmente sube su logotipo, lo coloca en el gráfico de nodos y le da al modelo instrucciones explícitas sobre la ubicación, el uso de colores y el espacio negativo. El sistema luego hace referencia a ese objeto logotipo en cada renderizado, de modo que la alineación, el tamaño y el contraste se mantengan idénticos en docenas de publicaciones.

Bajo el capó, los visuales funcionan con el nuevo modelo Nano Banana Pro, que resuelve silenciosamente uno de los problemas más molestos de la IA generativa: el texto desarticulado. Mientras que los modelos de difusión típicos alucinan formas de letras o mal escriben palabras simples, el Nano Banana Pro puede renderizar tipografía nítida y legible en múltiples líneas.

Eso es importante porque no son imágenes abstractas; son tarjetas sociales guiadas por texto. Un solo error tipográfico dentro de un gráfico obliga a una reprogramación manual. Con Nano Banana Pro, Jowett puede confiar en que el modelo mantendrá el titular intacto, el logo sin cambios y el diseño acorde a la marca, convirtiendo la creación de imágenes en solo otro paso automatizado en la línea de ensamblaje de contenido.

Al apartarte del lienzo llamativo, el sistema de Brendan Jowett comienza a parecer casi aburridamente sistemático. Reduce cada "agente de IA" a cuatro partes móviles: Modelo, Instrucciones, Conocimiento y Herramientas. Si te falta alguna de ellas, tu automatización o se imagina cosas, se detiene o genera contenido genérico.

El modelo de IA es el cerebro. En la máquina de contenido de Jowett, ese cerebro es Gemini 2.0.0 para texto, además de un modelo separado Nano Banana Pro para imágenes, cada uno conectado a diferentes nodos en el lienzo. Cambia el modelo y cambiarás la personalidad, la velocidad y la calidad de todo lo que viene después sin tocar la interfaz.

Las instrucciones definen lo que se supone que debe hacer ese cerebro. Son las indicaciones largas y estructuradas que le dicen a Gemini 2.0.0 "tú eres mi redacto fantasma de LinkedIn" o "tú eres mi optimizador de descripciones de YouTube". Jowett incorpora el tono, las reglas de formato y las restricciones directamente en estas instrucciones para que cada salida suene como él, no como una demostración genérica de IA.

El conocimiento alimenta la memoria. Jowett carga transcripciones completas de YouTube, publicaciones anteriores de LinkedIn, la historia de la empresa y ejemplos de estilo en el sistema como contexto persistente. Cuando pide una nueva publicación, el agente extrae de docenas de guiones y publicaciones anteriores, no de un único mensaje de 20 líneas que escribió hace 30 segundos.

Las herramientas le dan al agente manos, no solo una boca. En su lienzo, las herramientas se presentan como funciones de la aplicación y tuberías de datos: subir un nuevo archivo de video, analizar la transcripción, generar una publicación en LinkedIn, crear una imagen con su logo, insertar texto en un campo de descripción de YouTube. Cada nodo es una capacidad discreta que el modelo puede invocar, encadenada en flujos de trabajo de un solo clic.

Juntos, estos cuatro pilares explican por qué la configuración de Jowett se siente como un software, no como una ventana de chat. Gemini 2.0.0 (modelo) sigue indicaciones bien redactadas (instrucciones), basadas en transcripciones y contenido pasado (conocimientos), y luego activa acciones en canvas (herramientas) para enviar publicaciones y gráficos terminados. Este modelo mental se adapta desde un creador en solitario hasta un equipo de marketing que une Notion, Webflow y Zapier.

Cualquiera que esté construyendo automatizaciones de IA puede robar este esquema. Comience definiendo explícitamente: - Qué modelo utiliza - Qué instrucciones lo rigen - Qué conocimientos puede ver - Qué herramientas puede operar realmente

El trabajo manual de marketing comienza a parecer frágil una vez que existe una aplicación como la máquina de contenido de Brendan Jowett. Un lienzo, un puñado de agentes de IA, y de repente las publicaciones de LinkedIn, descripciones de YouTube, miniaturas y bucles de ideación funcionan en piloto automático en lugar de depender de la fuerza de voluntad y noches largas.

Las plataformas de IA sin código convierten ese lienzo en una puerta de entrada a la creación de software. Dejas de ser solo un "usuario" de herramientas como ChatGPT y te conviertes en el arquitecto de flujos de trabajo personalizados que coinciden exactamente con la forma en que tu negocio piensa, vende y publica.

La configuración de Jowett expone silenciosamente un cambio mayor: los expertos en la materia ahora están a un solo aviso de su propio SaaS interno. Un comercializador con un profundo conocimiento de su audiencia puede importar transcripciones, directrices de la marca y publicaciones anteriores, y luego conectarlas a un agente reutilizable que nunca olvida el contexto y nunca se cansa.

Esa es la promesa fundamental de las pilas sin código nativas de IA como Replet, Voiceflow y Make.com. Permiten a los no desarrolladores combinar modelos como Gemini 2.0.0, bases de conocimiento personalizadas y API en sistemas de producción que rivalizan con lo que un pequeño equipo de ingeniería podría haber construido hace cinco años.

Agencias como Inflate AI, la propia agencia de Jowett, ya están productizando este cambio a gran escala. INFLATE AI - Agencia de Automatización de IA vende automatizaciones prediseñadas y personalizadas que extraen datos de CRMs, plataformas publicitarias y bibliotecas de contenido, y luego envían los resultados de vuelta a las herramientas en las que los equipos ya trabajan.

Para las empresas, la pregunta deja de ser “¿Podemos permitirnos desarrollar software?” y se convierte en “¿Podemos permitirnos no hacerlo?”. Cuando un líder de ventas puede generar una aplicación que crea secuencias de salida a partir de transcripciones de llamadas, o un fundador puede activar un agente que convierte webinars en una semana de contenido, el viejo cálculo de construir frente a comprar se desmorona.

Mira más allá del marketing y el lienzo se llena rápidamente. Imagina aplicaciones que surgen por necesidad para: - Resumen de llamadas de ventas y mantenimiento de CRM - Clasificación de soporte al cliente y redacción de respuestas - Investigación de productos a partir de entrevistas con usuarios y datos de NPS - Contenido de capacitación interna a partir de SOPs y documentos existentes

Así que la verdadera provocación no es si el marketing manual muere; es cuánto de tu carga de trabajo actual solo existe porque carecías de las herramientas para automatizarla. Si unos pocos avisos estructurados pueden invocar una aplicación que se encargue de tu tarea más odiada, ¿qué más en tu negocio está esperando en silencio a ser reemplazado?

Comienza con un flujo de trabajo, no con una gran visión. Elige una tarea de contenido que repitas al menos 3–5 veces por semana: reescribir publicaciones de LinkedIn a partir de videos, redactar descripciones de YouTube, convertir boletines en hilos, o resumir llamadas de ventas. Si ya está en una lista de verificación, un documento de Notion, o en tu mente como “ugh, esto otra vez”, califica.

Sé específico. Para tu flujo de trabajo elegido, escribe: - Entradas (por ejemplo, URL de YouTube, transcripción, publicaciones anteriores) - Salidas (por ejemplo, publicación en LinkedIn de 220 a 260 palabras, 3 opciones de título) - Restricciones (tono, reglas de la marca, temas prohibidos, formato)

Ahora entrégale eso a ChatGPT como una tarea meta. Tu solicitud no es "escribe mi publicación", sino "diseña mi aplicación". Pídele que genere una especificación estructurada para un lienzo de automatización: módulos, flujo de datos, indicaciones y modelos. Haz referencia al sistema de Brendan Jowett: múltiples agentes de chat, ingestión de transcripciones y plantillas de indicaciones reutilizables que convierten un video en publicaciones, descripciones e imágenes.

Sé explícito acerca de los modelos y el contexto. Dile a ChatGPT que deseas: - Un modelo de texto principal (p.ej., GPT-4, Gemini 2.0.0) - Una capa de conocimiento para ejemplos y transcripciones - Campos de entrada/salida claros para cada nodo - Estados de error y barreras para contenido fuera de marca

Lleva esa especificación a Replet (o a un constructor de agentes sin código similar) y comienza a arrastrar bloques en lugar de escribir código. Recrea un carril del lienzo de Jowett: por ejemplo, “URL de YouTube → transcripción → publicación en LinkedIn + descripción.” Conecta tus propias publicaciones de muestra, logotipos y reglas de marca para que el agente deje de sonar como un hacker de crecimiento genérico.

Trátalo como un experimento de 90 minutos, no como la construcción de una plataforma de seis meses. Cuando tengas algo que te ahorre de manera confiable entre 15 y 30 minutos al día, intégralo en tu flujo de trabajo real y ponlo a prueba durante una semana.

Luego comparte el resultado. Publica capturas de pantalla de tu lienzo, fragmentos de las indicaciones y contenido de antes/después en LinkedIn o X, etiqueta las herramientas que utilizaste y pide retroalimentación. Tu primer flujo de trabajo automatizado no será perfecto, pero será real y funcionará mientras duermes.

¿Qué es la 'Máquina de Contenido' descrita en el artículo?

Es una aplicación personalizada sin código diseñada para automatizar la creación de contenido. Utiliza un lienzo visual para conectar fuentes de datos como transcripciones de video y ejemplos de escritura a modelos de IA para generar publicaciones, guiones e imágenes personalizadas.

¿Necesito experiencia en programación para crear una aplicación similar?

No. Todo el sistema fue construido utilizando una herramienta de 'programación por sensaciones' llamada Replet, donde describes la aplicación que deseas en inglés sencillo, y la IA la construye por ti.

¿Cómo se diferencia esto de simplemente usar una herramienta como ChatGPT?

Este método crea un sistema permanente y personalizado adaptado a tu flujo de trabajo específico. Ahorra tiempo al cargar previamente todo tu contexto (voz de marca, ejemplos, fuentes de datos) para que no tengas que pegarlos manualmente en un aviso cada vez.

¿Qué modelos de IA puede utilizar este sistema?

El sistema es flexible, lo que permite a los usuarios intercambiar diferentes modelos de IA. El video menciona el uso de Gemini de Google para la generación de texto y un modelo llamado 'Nano Banana Pro' para la generación de imágenes de alta calidad.