Categoría: Entrada de Blog

ChatGPT Ads ya se compran en autoservicio en España: ¿debería probarlos un SaaS B2B o una marca D2C?

Autor de la entrada Por Nacho Hernandez
Fecha de la entrada 16/09/2026

Medios de pago · Canal nuevo

Desde el 31 de agosto de 2026, cualquier empresa española con una tarjeta puede abrir el Ads Manager de OpenAI y comprar anuncios dentro de ChatGPT. Sin equipo comercial de por medio, sin agencia partner, sin inversión mínima. El autoservicio se activó a la vez en 31 mercados europeos —España, Alemania, Francia, Italia, Países Bajos, los nórdicos— seis meses después de que arrancara la prueba en Estados Unidos.

Llevo dos semanas leyendo la documentación real en lugar de los hilos de LinkedIn, y el resumen honesto es este: ChatGPT Ads es un canal de verdad, con una infraestructura de medición seria, y a la vez es un canal donde la mayoría de quien ve tu anuncio está en el plan gratuito, dentro de una conversación que tú no puedes ver, emparejado por un sistema que no puedes auditar. Las dos cosas son ciertas. La pregunta para un SaaS B2B o una marca D2C en España no es «si esto es el futuro», sino «qué tendría que demostrar un test de 1.500 € para que entre en el plan de medios».

Así montaría yo ese test, qué mediría antes de gastar un euro y dónde espero que se pise con el presupuesto de Google Search que ya tienes en marcha.

Qué se activó de verdad en España el 31 de agosto (y qué no)

La cronología, según los propios anuncios de OpenAI: prueba en Estados Unidos el 9 de febrero de 2026, solo para adultos con sesión iniciada en los planes Free y Go. Canadá, Australia y Nueva Zelanda en primavera. Reino Unido, México, Brasil, Japón y Corea del Sur el 11 de agosto. El anuncio europeo llegó el 18 de agosto y el autoservicio en Ads Manager se confirmó el 31. Ese mismo día OpenAI comunicó que la plataforma había superado los 1.000 millones de dólares de facturación anualizada en menos de 200 días, lo que te dice que los anunciantes americanos que entraron pronto no se han ido.

Lo que tienes hoy en la cuenta, según la documentación para desarrolladores y el correo de producto de septiembre: pujas CPM y CPC más un objetivo optimizado a conversión; segmentación geográfica y audiencias personalizadas a partir de emails, teléfonos o IDs de publicidad móvil hasheados; un píxel de medición en JavaScript, una etiqueta de imagen sin JS y una Conversions API de servidor; campañas de feed de producto para retail, que se sirven en un carrusel multiproducto; ritmo de gasto en presupuestos totales; y, desde el 4 de septiembre, un plugin de Ads Manager con el que puedes crear y editar campañas desde dentro del propio ChatGPT.

Lo que no tienes: ninguna visibilidad de la conversación en la que apareció tu anuncio. El anunciante recibe impresiones y clics agregados, y nada más. Es una decisión de diseño, repetida en todos los documentos de OpenAI sobre publicidad desde febrero, y es la diferencia más grande respecto a un informe de términos de búsqueda.

Aviso de fechas: buena parte de lo publicado en septiembre recicla la prueba de febrero como si fuera nueva. Las fechas que importan a un anunciante español son el 18 de agosto (anuncio) y el 31 de agosto (autoservicio activo). Todo lo que diga «próximamente en Europa» está desactualizado.

Quién ve realmente un anuncio en ChatGPT, y por qué cambia tu previsión

Los anuncios solo se muestran a usuarios de los planes Free y Go. Las cuentas Plus, Pro, Business, Enterprise y Education no los ven nunca, y los usuarios Free pueden desactivarlos a cambio de menos mensajes diarios. No se sirven a menores de 18 años (ni a quien el sistema estime que lo es) y no son elegibles cerca de temas de salud, salud mental o política.

Léelo como planificador de medios y salen tres consecuencias. Primera: la audiencia se aleja de quien paga por software; el director financiero de una empresa mediana que evalúa una herramienta de finanzas está más probablemente en una licencia Business que en Free. Segunda: las exclusiones son lo bastante amplias como para que categorías enteras (suplementos con cualquier reclamo de salud, por ejemplo) se encuentren con un inventario escaso o imprevisible. Tercera: la selección del anuncio depende del tema de la conversación actual, de los chats anteriores del usuario y de cómo ha interactuado antes con anuncios. Tu anuncio aparece cuando alguien está hablando de tu categoría: una señal de intención más fuerte que una impresión de display y más débil que una búsqueda escrita con modificadores comerciales.

Así que el modelo mental correcto no es «Google Search pero en ChatGPT». Se parece más a un emplazamiento de mitad de embudo emparejado por intención y con sesgo hacia el plan gratuito. No es una crítica; es lo que deberías estar valorando cuando fijes el CPA objetivo del test.

Cómo medirlo antes de gastar un euro

Todos los tests de canal que he visto fracasar fracasaron en la medición, no en el canal. ChatGPT Ads te da tres vías de seguimiento que reportan al mismo ID de píxel, y el orden en que las montes importa.

Antes de lanzar	Por qué importa
Píxel de medición vía GTM con los mismos eventos estándar que ya disparas para Meta y Google	La puja optimizada a conversión necesita una señal de conversión. Si lanzas a CPC sin píxel tienes una campaña de tráfico, no un test.
Conversions API desde el backend (o vía eventos de servidor de HubSpot / Shopify) con email y teléfono hasheados	El emparejamiento solo en navegador infrarreporta, exactamente igual que en Meta. Septiembre añadió más campos de matching (nombre, región, código postal, GAID); úsalos.
Un UTM source propio (`utm_source=chatgpt&utm_medium=paid`) y un grupo de canal personalizado en GA4	Sin él, el tráfico de ChatGPT cae en Referral o Unassigned y nunca lo verás frente al resto del mix.
Una landing que responda a la conversación, no a la keyword	El usuario llega a mitad de comparación. Una página que abre con «por qué nosotros y no X» gana siempre a una home genérica.
Una marca en el CRM en cada contacto que venga de ChatGPT	Las conversiones que reporta la plataforma no te dirán si esos leads cerraron. Tu informe de pipeline sí, ocho semanas después.

Una cosa más que la documentación deja clara: viene «próximamente» un modelo de conversión post-impresión, facturado por impresiones y optimizado tanto con clics como con visualizaciones. Cuando llegue, déjalo fuera del test. Un primer test necesita una lectura limpia basada en clics; la atribución post-impresión es donde los canales nuevos van a parecer mejores de lo que son.

Un test de 1.500 € que demuestre algo: SaaS B2B frente a D2C

Los dos tipos de cliente para los que gestiono medios de pago necesitan tests distintos, porque el canal los trata de forma distinta.

Para un SaaS B2B —pongamos una herramienta de automatización financiera que vende a fundadores y directores financieros— la hipótesis honesta no es «ChatGPT producirá demos a un CPA más bajo que Google». Es «la gente que pregunta a ChatGPT cómo estructurar el reporting de tesorería de su empresa está en nuestro ICP, y podemos llegar a ella antes de que escriba una búsqueda de marca». Por tanto: una campaña, optimizada a una conversión blanda (descarga de guía o visita a la página de precios, no demo reservada), exclusión por audiencia personalizada de clientes actuales, geo España más tus dos mejores mercados de la UE, y tres anuncios que respondan cada uno a una pregunta concreta. El éxito a 1.500 € no es una demo. Es un coste por contacto cualificado dentro de 1,5× tu cifra de LinkedIn Ads y una marca en el CRM que puedas seguir durante dos meses.

Para una marca D2C —una bebida nutricional diaria, una suscripción de café— el canal se parece más a Shopping que a Search, y el feed de producto no es opcional: desde principios de septiembre, los resultados de producto en ChatGPT vienen de marcas que envían un feed, y las campañas de feed se sirven en el carrusel con impresiones y clics por tarjeta. El test es una campaña de feed optimizada a conversión con el píxel más los eventos de servidor de Shopify, una audiencia personalizada de compradores anteriores para excluirlos, y una regla estricta sobre reclamos: cualquier cosa que suene a beneficio de salud arriesga quedar fuera del inventario por la exclusión de temas de salud, así que lidera con sabor, ritual y comodidad. El éxito es un ROAS combinado que aceptarías de una campaña de prospección en Meta, en un canal donde la comparación ocurre en el chat y no en tu ficha de producto.

La idea clave: ChatGPT Ads premia a los anunciantes que saben qué pregunta hace su cliente justo antes de comprar. Si no puedes escribir esa pregunta en una línea, no estás listo para probar el canal, y ninguna estrategia de puja lo va a arreglar.

¿Quieres una segunda opinión antes de abrir la cuenta? Estoy montando estos tests para clientes este trimestre —píxel, CAPI, estructura de UTMs y marca en el CRM incluidos— para que la lectura final sea una en la que puedas confiar. Cuéntame qué vendes y te digo si ya merece la pena probarlo.

Dónde canibaliza a Google Search y dónde no

La parte incómoda de cualquier canal nuevo es que rara vez trae demanda nueva; normalmente mueve la demanda existente a un sitio donde ahora tienes que pagar por ella. Dos comprobaciones te dicen cuál de las dos cosas está pasando.

Vigila el volumen de búsqueda de marca. Si las exposiciones en ChatGPT empujan a la gente a buscar tu marca en Google, la campaña de Search se lleva la conversión y ChatGPT parece que no hizo nada. La marca en el CRM más un vistazo a las impresiones de marca en las dos semanas posteriores al lanzamiento lo detectan. Es el mismo patrón que describimos cuando Smart Bidding empezó a absorber señales de otros canales: la plataforma que cierra se lleva el mérito.

Vigila la cola larga sin marca. Las búsquedas llevan año y medio alargándose, y quien escribe preguntas de cinco palabras en Google es la misma persona que pregunta a ChatGPT. Si tus conversiones no-marca de Google bajan en el geo del test mientras aparecen contactos con origen ChatGPT, estás pagando dos veces por la misma persona. No es motivo para parar; es motivo para fijar el CPA objetivo de ChatGPT en lo que te cuesta una conversión de cola larga en Google, no en lo que cuesta un clic de display.

Y una advertencia por el lado orgánico: pagar por estar en ChatGPT no influye en absoluto en que ChatGPT te cite en una respuesta. Los anuncios van etiquetados, separados, y no afectan a las respuestas. Si el objetivo es que te citen, eso es un problema de contenido y estructura —el mismo que creó el AI Mode de Google— y el presupuesto de anuncios no lo compra.

Preguntas que me hacen una y otra vez

¿Puede una empresa española anunciarse en ChatGPT ahora mismo?

Sí. El acceso en autoservicio a través del Ads Manager de OpenAI está activo en España y otros 30 mercados europeos desde el 31 de agosto de 2026. El alta se hace en ads.openai.com; no hace falta agencia y no hay inversión mínima publicada.

¿Quién ve los anuncios en ChatGPT?

Solo usuarios adultos con sesión iniciada en los planes Free y Go. Los usuarios Plus, Pro, Business, Enterprise y Education nunca ven anuncios. No se muestran cerca de temas de salud, salud mental o política, y los usuarios Free pueden desactivarlos a cambio de menos mensajes diarios.

¿Cómo se segmenta un anuncio en ChatGPT?

Los anuncios se emparejan con el tema de la conversación actual, los chats anteriores del usuario y sus interacciones previas con anuncios. El anunciante puede añadir segmentación geográfica y audiencias personalizadas (email, teléfono o IDs móviles hasheados), pero nunca ve la conversación: solo impresiones y clics agregados.

¿Anunciarme en ChatGPT ayuda a que ChatGPT cite mi marca en sus respuestas?

No. OpenAI afirma que los anuncios no influyen en las respuestas y que siempre van etiquetados y separados visualmente. Que te citen de forma orgánica depende de tu contenido, tu estructura y tu autoridad, no de la inversión publicitaria.

Pruébalo como un canal, no como un titular

La tentación con cualquier cosa que lleve «ChatGPT» en el nombre es descartarla o anunciarla a bombo y platillo. Ninguna de las dos es una decisión de medios. La plataforma ha lanzado las piezas que necesita un anunciante serio —puja a conversión, medición de servidor, matching de audiencias, soporte de feed, una API— más rápido que cualquier red publicitaria que recuerde. Y también, por diseño, te da menos visibilidad sobre por qué se sirvió un anuncio que cualquier canal que compres hoy.

Así que trátalo como tratarías cualquier emplazamiento sin probar: mide primero, limita el presupuesto, define la métrica de éxito antes de lanzar, marca cada contacto en el CRM y lee el resultado contra tu cola larga de Google y tus cifras de prospección en LinkedIn o Meta, no contra cero. Si con esas reglas se gana una línea en el plan de 2027, se la ha ganado. Si no, habrás gastado 1.500 € en saber algo que la mayoría de tus competidores todavía está adivinando.

¿Quieres que el test se haga bien?

Monto pilotos de ChatGPT Ads de principio a fin para SaaS B2B y marcas D2C en España: cuenta e instrumentación de píxel/CAPI, UTMs y canal en GA4, exclusiones de audiencia, brief creativo de tres anuncios, marcado en el CRM y un informe escrito al agotar el presupuesto que te dice si escalar o parar.

Reservar un piloto de ChatGPT Ads

Nacho HernándezConsultor de Marketing y Negocio · Studio IdeagoLinkedIn →

Etiquetas IA & Automatización, Marketing Digital

Entrada de Blog

Tus Etapas del Ciclo de Vida No Son el Problema. Tus Criterios de Salida Sí.

Autor de la entrada Por Nacho Hernandez
Fecha de la entrada 08/09/2026
No hay comentarios en Tus Etapas del Ciclo de Vida No Son el Problema. Tus Criterios de Salida Sí.

CRM · RevOps

Todas las implementaciones de CRM atascadas a las que me han llamado tenían un modelo de etapas del ciclo de vida. Normalmente uno decente. Suscriptor, Lead, MQL, SQL, Oportunidad, Cliente: las mismas seis palabras, en el mismo desplegable, en HubSpot o en Salesforce o en lo que toque.

Las etapas nunca eran el problema. Lo que faltaba, sin excepción, era la parte aburrida de debajo: quién decide que un contacto sale de esta etapa, con qué evidencia, y qué pasa en el momento en que sale. Sin eso, una etapa del ciclo de vida es una etiqueta que alguien rellena cuando se acuerda. El reporting que construyes encima es ficción, y en la sala todo el mundo lo sabe aunque nadie lo diga.

Este es el modelo que implemento de verdad, y las cuatro preguntas que obligo a responder por etapa antes de tocar una sola propiedad del CRM.

Etapa del ciclo de vida y estado del lead responden a preguntas distintas

Empieza por aquí, porque mezclar estos dos campos hace más daño que cualquier otro error de CRM que me encuentro, y arreglarlo no cuesta nada.

La etapa del ciclo de vida responde: ¿hasta dónde ha llegado esta persona en la relación? Avanza hacia delante, es propiedad de la empresa entera y es sobre lo que reportas el embudo. El estado del lead responde: ¿qué está pasando ahora mismo en el trabajo? Nuevo, intentando contacto, contactado, sin respuesta, no cualificado. Va y viene, lo gestiona quien esté trabajando el registro y es lo que mira un comercial un lunes por la mañana.

Cuando se colapsan los dos, acabas con etapas como «Intentando contactar» o «Nurture» conviviendo con MQL y Cliente en el mismo desplegable. El informe de embudo cuenta entonces un intento de llamada fallido como una posición del embudo, las tasas de conversión entre etapas dejan de significar nada y nadie puede responder a la única pregunta para la que existe el modelo: de los que llegaron aquí, ¿cuántos llegaron al siguiente paso y cuánto tardaron?

La señal: si tu desplegable de ciclo de vida tiene más de siete opciones, o si alguna de ellas es un verbo, tienes estados de trabajo viviendo dentro de un campo de embudo. Sepáralos antes de hacer nada más de esta lista.

Cada etapa necesita cuatro cosas, y casi todas tienen una

La mayoría de implementaciones definen qué significa una etapa y ahí se quedan. Una etapa solo es operativa cuando existen las cuatro, por escrito:

Qué necesita	A qué pregunta responde
Una definición	¿Qué es cierto de una persona que está aquí? Escrito de forma que dos personas de equipos distintos clasifiquen el mismo registro igual.
Un criterio de salida	¿Qué evento concreto y observable la saca de aquí? No «muestra interés»: un formulario, un umbral, una reunión celebrada, un cambio de etapa en el negocio.
Un responsable	¿Quién responde mientras el registro está aquí y quién responde de la transición en sí? Pueden ser dos personas distintas.
Una marca de tiempo	Una propiedad de fecha que se escribe al entrar. Sin ella no puedes medir la velocidad por etapa, y ahí es donde vive el diagnóstico real.

El criterio de salida es el que hace el trabajo. «MQL significa lead cualificado por marketing» es una tautología. «MQL significa puntuación de fit igual o superior a 60 y, además, o petición de demo o 3 visitas a la página de precios en 14 días» es una regla que un workflow puede ejecutar y que un director comercial puede discutir. Que la discuta es justo lo que buscas: la discusión ocurre una vez, en una sala, en vez de cada semana en la revisión de pipeline.

La marca de tiempo es la que todo el mundo se salta y luego echa de menos. Las fechas de entrada por etapa son las que te permiten decir «de MQL a SQL son 19 días y el 40% no llega» en lugar de «el embudo va lento». No cuestan nada el primer día y no se pueden reconstruir después.

Fit e intención son dos puntuaciones, no una

El fallo de scoring más habitual con diferencia: un solo número, construido sumando puntos por cargo y puntos por aperturas de email. Un CFO de una empresa que encaja perfecto y ha entrado dos veces puntúa igual que un estudiante que se ha descargado cuatro PDFs. El modelo no te puede decir a quién llamar, porque las dos entradas significan cosas opuestas.

El fit es quién es: sector, tamaño, rol, geografía, stack. Se mueve despacio y es sobre todo firmográfico. La intención es qué está haciendo: página de precios, petición de demo, sesiones repetidas, respuesta a una secuencia. Se mueve rápido y caduca. Mantenlas como dos propiedades y la lógica de enrutamiento se escribe sola:

Fit alto · intención altaVentas, ya. Es el único cuadrante que debería disparar un SLA.

Fit alto · intención bajaNurture de marketing, y la lista más valiosa que tienes. No dejes que ventas la queme con secuencias en frío.

Fit bajo · intención altaAutoservicio, comunidad o nada, educadamente. El cuadrante que se come más horas de comercial sin que nadie lo mire.

Fit bajo · intención bajaBase de datos. Se mide, no se trabaja.

Dos reglas más que salvan a los modelos de scoring de sí mismos. La intención tiene que decaer: una visita a precios de marzo no puede seguir inflando la puntuación en septiembre, y un modelo sin decaimiento acaba ascendiendo a toda tu base de datos. Y la puntuación negativa debe ser estructural, no de comportamiento: resta por dominio de competidor, por email de estudiante, por país donde no vendes. Restar puntos porque alguien no abrió un email castiga al email, no al lead.

La idea clave: un modelo de ciclo de vida no es una taxonomía, es un conjunto de acuerdos sobre quién actúa y cuándo. Si una etapa no tiene criterio de salida ni responsable, no es una etapa: es una carpeta.

Una prueba que puedes hacer esta tarde: pide a tu responsable de ventas y a tu responsable de marketing, por separado, que escriban qué convierte a un lead en MQL. Si las dos respuestas no coinciden —y casi nunca coinciden— acabas de encontrar por qué nadie se fía del informe de embudo. Ese hueco es el proyecto entero. Lo vemos juntos si quieres otro par de ojos.

Tres reglas que mantienen limpio el modelo una vez está vivo

1. El ciclo de vida solo avanza. Un cliente que rellena un formulario de la parte alta del embudo no vuelve a ser Lead. La mayoría de CRMs dejan encantados que un workflow lo degrade, y a partir de ahí tu recuento de clientes baja cada mes por razones que nadie sabe rastrear. Protege cada workflow que asigne etapa con una condición que compruebe primero la etapa actual. Retroceder, cuando de verdad hace falta, es un acto manual deliberado con motivo registrado, no un efecto colateral de una automatización.

2. Un responsable por transición. Dos workflows que puedan poner un contacto en MQL acabarán peleándose, y gana el orden de ejecución, no la intención. Cada transición tiene exactamente un mecanismo: un workflow o una acción manual, nunca los dos. Escribe la lista de transiciones; si una transición tiene dos causas posibles, una de ellas es un bug que todavía no te ha explotado.

3. El reciclado es un camino definido, no un cementerio. Alrededor de dos tercios de los leads que ventas rechaza siguen siendo viables más adelante, y el tratamiento por defecto —marcar como no cualificado y olvidar— es donde muere en silencio buena parte del pipeline B2B. Define la ruta de vuelta: motivo de rechazo obligatorio, los rechazos por timing vuelven a nurture con una regla de reentrada, los rechazos por fit se suprimen de forma permanente. Un campo de motivo de rechazo opcional estará vacío en un mes, y entonces no sabrás si tus leads son malos o si lo malo es tu momento.

La revisión de cinco días que haría en tu CRM

Esto no es un proyecto de un trimestre. En un setup mid-market normal es una semana, y la mayor parte de la semana es conversación, no configuración.

Día 1 — Auditoría. Exporta contactos por etapa. Cuenta cuántos hay en cada una, cuánto llevan ahí y a cuántos los ha tocado una persona por última vez. Solo la distribución ya te dice qué etapas son reales y cuáles son almacén. Día 2 — Definiciones. Los dos equipos en una sala, una página por etapa, cuatro casillas: definición, criterio de salida, responsable, marca de tiempo. Nadie se va hasta que la fila de MQL esté acordada. Día 3 — Separa las puntuaciones. Fit e intención como propiedades distintas, decaimiento en intención, negativos solo estructurales.

Día 4 — Construye y protege. Un workflow por transición, condiciones de solo avance, fecha de entrada en cada etapa, motivo de rechazo obligatorio. Día 5 — El informe que antes no podías construir. Volumen, tasa de conversión y mediana de días por etapa, más el resultado de los leads reciclados. Ese informe es el entregable. La configuración solo era lo que lo hacía posible.

Una dependencia que conviene decir en voz alta: nada de esto sobrevive a datos sucios. Los contactos duplicados parten el historial de una persona en dos registros y los dos puntúan mal, que es la razón por la que la capa de higiene va primero y por la que acabamos montando un bot de deduplicación sobre la API de HubSpot en lugar de fiarlo todo a las herramientas nativas. Primero los registros, después el modelo.

Preguntas que salen siempre

¿Cuál es la diferencia entre etapa del ciclo de vida y estado del lead?

La etapa del ciclo de vida registra hasta dónde ha avanzado un contacto en la relación global y solo se mueve hacia delante: es la base del reporting de embudo. El estado del lead registra qué está pasando ahora mismo en el trabajo (nuevo, intentando, contactado, sin respuesta) y cambia libremente. Mantenlos en propiedades separadas: mezclarlos deja las tasas de conversión sin significado.

¿Cuántas etapas debería tener una empresa B2B?

Entre cinco y siete. Con menos, el embudo esconde sus propios cuellos de botella; con más, las etapas extra casi siempre son estados de trabajo o segmentos disfrazados. Añade una etapa solo cuando después de la transición el registro pase a manos de otro equipo.

¿Deberían retroceder alguna vez las etapas?

Automáticamente no. Protege cada workflow que asigne etapa para que no pueda degradar un registro. Cuando hace falta un reinicio real —un cliente que se ha ido y vuelve a evaluación, por ejemplo— que sea una acción manual deliberada con motivo registrado, para que el histórico del embudo siga siendo interpretable.

¿Sigue haciendo falta lead scoring si ya tenemos IA en el CRM?

Sí, y diría que más. Una puntuación predictiva o asistida por IA solo es tan buena como las definiciones y los resultados de los que aprende: si tu etiqueta de MQL se aplica de forma inconsistente, el modelo aprende la inconsistencia. Primero deja fino el modelo legible por humanos y después pon la automatización encima.

El modelo es un acuerdo, y los acuerdos necesitan mantenimiento

Los modelos de ciclo de vida no se degradan por razones técnicas. Se degradan porque el acuerdo que había detrás se cerró una vez, entre personas que desde entonces han cambiado de puesto, sobre un producto que desde entonces ha cambiado de forma. Las definiciones se quedan en el CRM mucho después de dejar de describir el negocio.

Así que ponle fecha. Una vez por trimestre, coge la página de cuatro casillas de cada etapa y pregunta si los criterios de salida siguen coincidiendo con cómo pasan los negocios de verdad. Son cuarenta minutos de reunión y son la diferencia entre un CRM que refleja el negocio y uno que refleja el negocio de hace dos años.

Y antes de entregarle nada de esto a la automatización, asegúrate de que las reglas existen por escrito: el mismo argumento vale para darle a una IA permisos de escritura en tu CRM. La automatización es muy buena ejecutando un modelo de forma consistente. Es malísima dándose cuenta de que el modelo nunca se acordó.

¿Lo hacemos en tu CRM?

Reconstruyo modelos de ciclo de vida y scoring para equipos B2B en HubSpot: auditoría de etapas, taller de definiciones con ventas y marketing en la misma sala, scoring separado de fit e intención, workflows protegidos y el informe de embudo al final. Una semana de trabajo, y la documentación se queda contigo.

Reserva una auditoría de ciclo de vida

Nacho HernándezMarketing & Business Consultant · Studio IdeagoLinkedIn →

Etiquetas Estrategia de Negocio, HubSpot & CRM

Entrada de Blog

El Reglamento de IA ya obliga a decir que es IA: qué tiene que cambiar tu marketing

Autor de la entrada Por Nacho Hernandez
Fecha de la entrada 01/09/2026

Cumplimiento · Marketing Ops

Durante tres años el Reglamento Europeo de IA fue eso que ya mirará legal más adelante. Más adelante fue el 2 de agosto de 2026.

Ese es el día en que empezó a aplicarse el artículo 50 — el capítulo de transparencia — y el día en que la Oficina Europea de IA y las autoridades nacionales de vigilancia del mercado empezaron a hacerlo cumplir. En cristiano: los chatbots tienen que decir que son chatbots, el contenido generado o manipulado con IA tiene que llevar marcas legibles por máquina, y los deepfakes hay que etiquetarlos. El incumplimiento entra en la horquilla de sanciones que llega a los 15 millones de euros o el 3% de la facturación mundial.

Casi todo lo que se ha publicado sobre esto lo han escrito despachos de abogados para otros abogados. Esta es la versión de quien lleva la operación: qué activos tuyos entran de verdad, quién carga con la obligación y qué tocar en el stack este mes.

Qué cambió exactamente el 2 de agosto de 2026

El artículo 50 cubre cuatro supuestos, y conviene leerlos como cuatro cosas distintas y no como una sola norma: sistemas de IA que interactúan directamente con personas, sistemas que generan audio, imagen, vídeo o texto sintéticos, reconocimiento de emociones y categorización biométrica, y deepfakes más texto generado con IA publicado para informar al público sobre asuntos de interés público.

El modelo mental que más ayuda: esto no es un régimen de consentimiento, es un régimen de divulgación. El RGPD pregunta si puedes tratar los datos de alguien. El artículo 50 pregunta si esa persona entiende qué tiene delante. Puedes seguir usando todas las herramientas de IA que usas hoy. Lo que no puedes seguir haciendo es ser ambiguo al respecto.

El detalle de tiempos que se le escapa a todo el mundo: la información tiene que llegar a la persona como muy tarde en el momento de la primera interacción o exposición, de forma clara y distinguible, y cumpliendo los requisitos de accesibilidad. Una línea en los términos y condiciones no es una divulgación. Un texto gris de 10px bajo el chat que el lector de pantalla se salta, tampoco.

El atajo de cumplimiento: la Comisión publicó sus directrices sobre el artículo 50 el 29 de julio de 2026, junto a un Código de Buenas Prácticas sobre Transparencia del Contenido Generado por IA que más de 180 organizaciones firmaron de salida. Adherirse a ese código es la vía reconocida para demostrar el cumplimiento de las obligaciones de marcado y etiquetado. Quien decida no firmarlo tendrá que demostrar el cumplimiento por medios alternativos de eficacia equivalente — es decir, inventarse un método propio y defenderlo.

¿Eres proveedor o responsable del despliegue?

Esta distinción decide cuánto trabajo tienes por delante. El proveedor desarrolla un sistema de IA y lo pone en el mercado bajo su propio nombre. El responsable del despliegue lo usa bajo su autoridad en un contexto profesional. Si llevas marketing con HubSpot, Meta y un chatbot de catálogo, eres responsable del despliegue de los tres.

Las obligaciones se reparten igual. Informar de que se está hablando con una IA, y marcar el contenido generado en formato legible por máquina, están redactadas para el proveedor: tus proveedores tecnológicos. Informar del reconocimiento de emociones y la categorización biométrica, y revelar los deepfakes, están redactadas para el responsable del despliegue: tú.

Suena a que la mayor parte es problema de otro. No lo es, por dos motivos. Primero: el proveedor entrega la capacidad, pero tú configuras la superficie. Si le cambias el nombre al asistente, sustituyes el aviso por defecto del proveedor por tu propio copy, o diseñas un widget donde el aviso desaparece en móvil, la ambigüedad la creas tú. Segundo: la excepción a la que todo el mundo se agarra — no hace falta avisar cuando resulta evidente — se mide desde el punto de vista de una persona razonablemente informada, atenta y perspicaz, según el contexto. Un asistente con nombre de pila, foto de perfil e indicador de escribiendo está diseñado precisamente para tumbar ese criterio.

Los cuatro sitios donde pilla de verdad a marketing

1. El chatbot de la web y de WhatsApp

El fallo más frecuente no es que falte el aviso: es que estaba y el diseño se lo comió. Comprueba que el valor por defecto del proveedor sigue activo, que aparece en el primer mensaje y no dentro de un panel plegado, y que sobrevive en móvil. Si el bot pasa la conversación a una persona, dilo también. Lo que se regula es la comprensión de quien está al otro lado, no la casilla del panel de administración.

2. Creatividades generadas que parecen reales

Un deepfake, según la definición del reglamento, es contenido de imagen, audio o vídeo generado o manipulado con IA que se asemeja a personas, objetos, lugares, entidades o sucesos existentes y que parecería auténtico. Vuelve a leerlo pensando en tu último lote de creatividades. Un bodegón fotorrealista generado con IA ambientado en un sitio que parece un sitio real, un portavoz sintético, un testimonio de cliente inventado: todos son candidatos. La generación nativa dentro de las propias plataformas convirtió esto en un problema de volumen, no de casos puntuales — lo tratamos cuando Meta metió su modelo de imagen dentro de las herramientas de anuncios. El etiquetado automático de la plataforma ayuda, pero la obligación de revelar como responsable del despliegue es tuya, y las etiquetas de la plataforma no son una defensa que controles.

3. Contenido escrito con IA: lee la excepción antes de asustarte

Aquí es donde casi todos cumplen de más. La obligación sobre texto afecta a lo publicado para informar al público sobre asuntos de interés público, y decae cuando el contenido ha pasado por revisión humana o control editorial y alguien asume la responsabilidad editorial de la publicación. Y por separado, la obligación de marcado no aplica cuando el sistema cumple una función auxiliar de edición estándar o no altera sustancialmente lo que le has dado. Tu ficha de producto no es un asunto de interés público, y un artículo redactado y luego editado con un autor identificable que responde por él es exactamente el supuesto que describe la excepción. Aquí el arreglo es gobernanza editorial, no un banner en cada post.

4. Herramientas de emociones y biometría

Si infieres emociones a partir de caras o voces — paneles de test de creatividades en vídeo, scoring de sentimiento sobre el audio de llamadas grabadas — eres responsable del despliegue de un sistema de reconocimiento de emociones, tienes que informar a las personas expuestas y tratas esos datos bajo el RGPD. Merece la pena la precisión, porque casi todo el mundo aplica esto de más: el análisis de sentimiento sobre el texto de los tickets de soporte no es biométrico y no es lo que cubre este apartado.

La idea clave: el artículo 50 no te pide usar menos IA. Te pide dejar de ser ambiguo con ella. Los equipos que lo van a pasar mal no son los que más IA usan, sino los que no saben enumerar dónde toca la IA a un cliente.

Prueba de cinco minutos: enumera todas las superficies de cara al cliente donde la IA habla, escribe o genera. Bot, secuencias de SDR, creatividades, personalización on-site, respuestas a reseñas. Si esa lista no existe por escrito, construirla es el trabajo. La revisión legal viene después y es la parte fácil.

Una revisión de 30 días para tu stack de marketing

No es un proyecto legal. Es una semana de inventario, una semana de copy y configuración, y un responsable fijo. Esta es la pasada que haría en cualquier stack de cliente.

Superficie	Qué hacer este mes
Chatbots y asistentes	Aviso en el primer mensaje, visible en móvil y legible por lector de pantalla. Avisa también cuando entra una persona.
Voz IA y outbound	Revelar al abrir la llamada o el mensaje, no después de cualificar. Guarda la redacción exacta que se usa.
Creatividades de paid social y display	Etiqueta cada activo sintético en producción. Mantén activado el etiquetado de IA de la plataforma. Revela las generaciones fotorrealistas de personas o lugares.
Contenido y SEO	Autor identificado con responsabilidad editorial y un paso de revisión documentado. Esa es la excepción: hazla real, no la des por supuesta.
Research y analítica de llamadas	Cualquier inferencia emocional o biométrica: informa a los participantes, confirma la base legal RGPD y plantéate si necesitas esa función.
Proveedores	Dos preguntas por proveedor: ¿estáis adheridos al Código de Buenas Prácticas? ¿vuestras salidas llevan marcas legibles por máquina?
El registro	Una hoja: sistema, proveedor, tu rol, texto del aviso, responsable, última revisión. Es el documento que te van a pedir clientes y auditores.

Si solo haces una fila, que sea la última. El registro es lo que convierte una inquietud difusa en una respuesta de cinco minutos, y es el mismo inventario que las obligaciones de alfabetización en IA llevan pidiendo por lo bajo desde principios de 2025. Además es el documento que hace posible la conversación de gobernanza dentro de la empresa — la misma razón por la que defendíamos escribir las reglas antes de dar a una IA permisos de escritura en el CRM.

Preguntas que siempre salen

¿Aplica si mi empresa no está en la UE?

El reglamento alcanza a los sistemas y a las salidas que se usan en la Unión, no solo a las empresas establecidas en ella. Si haces campañas, chatbots o creatividades generadas dirigidas a personas en la UE, la hipótesis de trabajo debería ser que sí — y el análisis concreto es para tu asesoría legal.

¿Tengo que etiquetar cada post redactado con IA?

No. La obligación sobre texto se limita a publicaciones que informan al público sobre asuntos de interés público, y decae cuando hubo revisión humana o control editorial con alguien que asume la responsabilidad editorial. La edición asistida que no altera sustancialmente el original también queda fuera del marcado.

¿Quién lo vigila y cuál es la exposición?

Las autoridades nacionales de vigilancia del mercado, la Oficina Europea de IA para los sistemas bajo su supervisión, y el Supervisor Europeo de Protección de Datos cuando hay instituciones de la UE de por medio. El incumplimiento de las obligaciones de transparencia entra en la horquilla que llega a 15 millones de euros o el 3% de la facturación mundial.

Avisar no es un impuesto, es un activo de confianza

El instinto en la mayoría de equipos es que decir esto es IA cuesta conversión. En la práctica pasa lo contrario cuando se mide bien: la gente se desengancha cuando sospecha que la está atendiendo una máquina que finge no serlo, no cuando se lo dicen claro y luego le resuelven rápido. La fricción no es el aviso. La fricción es descubrirlo.

Por eso conviene tratarlo como un proyecto de operaciones y no como uno legal. El inventario, la redacción, el responsable, la cadencia de revisión: son los mismos hábitos que hacen auditable un marketing intensivo en IA. La norma solo les ha puesto fecha.

Un matiz, dicho claro: esto es la lectura de alguien que opera, no asesoramiento jurídico. Clasificar un sistema concreto, y todo lo que roce la línea, es conversación para tu abogado — entra en ella con el registro hecho y durará una hora en vez de un mes.

¿Quieres el registro hecho?

Hago auditorías de divulgación de IA para equipos de marketing: inventario completo de puntos de contacto con IA en web, ads, CRM y contenido, mapa de proveedor frente a responsable del despliegue, textos de aviso que no matan la conversión, y un responsable y una cadencia de revisión que puedas mantener. Normalmente una semana de trabajo.

Reservar una auditoría de divulgación de IA

Nacho HernandezMarketing & Business Consultant · Studio IdeagoLinkedIn →

Etiquetas Estrategia de Negocio, IA & Automatización

Entrada de Blog

¿Debería una IA Escribir en tu CRM? Lo Que Cambia el Conector de HubSpot para Claude

Autor de la entrada Por Nacho Hernandez
Fecha de la entrada 25/08/2026

CRM · Gobernanza de IA

Tu CRM siempre ha tenido una garantía silenciosa: para cambiar algo, alguien tenía que escribirlo. Abrir el registro, elegir la etapa, guardar. Lento, pero auditable por diseño.

Esa garantía ya no existe. El conector de HubSpot para Claude puede crear contactos y negocios, registrar llamadas y notas, y mover un negocio a Cerrado ganado desde una ventana de chat, en una frase, sin formulario de por medio. La escritura salió como beta pública junto con el acceso general al historial de interacciones, y funciona más o menos como esperarías: rápido, literal y sin ninguna opinión sobre si el cambio era buena idea.

Así que la pregunta interesante para quien gestiona un CRM de verdad no es si funciona. Funciona. La pregunta es qué le dejas tocar y qué necesitas tener resuelto antes. Vamos con la vista de operador.

¿Qué puede escribir realmente el conector de HubSpot para Claude?

Más de lo que la mayoría supone y menos de lo que sugiere el titular. En lectura llega a contactos, empresas, negocios, tickets, line items y registros de interacción. En escritura, en beta pública, puede crear y actualizar contactos, empresas, negocios, tickets y line items, y registrar actividades: llamadas, reuniones, notas y tareas.

La parte que se infravalora es el historial de interacciones. Claude puede leer todo el hilo de emails, llamadas, reuniones, tareas y notas de un registro. Ya no resume una foto fija del CRM: resume la conversación real y actúa sobre ella en el mismo movimiento. Lee seis meses de correo con una cuenta, redacta la tarea de seguimiento y la crea.

Tres límites que conviene anotar antes de diseñar nada alrededor:

El bulk está limitado a diez registros por petición. Es un guardarraíl deliberado, no una limitación temporal de beta que haya que esquivar.
Los portales con datos sensibles activados pierden el acceso a interacciones por completo. Si tu cuenta de HubSpot tiene datos sensibles habilitados, el conector no ve ningún dato de interacción. Si montas un proceso que asume contexto de email, simplemente no va a funcionar.
Requiere plan de pago de Claude. Está disponible en todos los niveles de HubSpot, pero cada usuario necesita su propia suscripción de pago, y las conexiones existentes hay que desconectarlas y volver a autenticarlas para que recojan la escritura.

Comprobación de fechas: esto no es un lanzamiento de agosto, digan lo que digan los resúmenes mensuales. HubSpot anunció la escritura y el historial de interacciones en su changelog de desarrolladores en noviembre de 2025. La escritura sigue etiquetada como beta pública, que es justo por lo que merece la pena tener esta conversación ahora y no cuando pase a GA y se extienda por todo el equipo.

¿Quién controla el acceso y qué registra de verdad el audit log?

El modelo de permisos es mejor que el de la integración media, y conviene entenderlo con precisión porque va a pesar más que tu documento interno de política.

Un Super Admin tiene que dar de alta la cuenta en la actualización de producto antes de que nadie pueda escribir. La primera conexión la hace un Super Admin o un usuario con permisos de App Marketplace, y esa persona elige qué permisos recibe el conector. Solo después pueden conectarse el resto de usuarios. A partir de ahí el conector hereda los permisos de cada usuario en HubSpot: un comercial que trabaja desde Claude ve exactamente el pipeline que vería en la interfaz, ni un registro más.

El rastro de auditoría es la pieza sobre la que yo montaría el proceso de revisión. Cada creación y cada actualización hecha a través del conector queda atribuida en el Audit Log de HubSpot al usuario y al conector de Claude. Es una decisión de diseño realmente útil: puedes filtrar los cambios hechos por el conector y verlos como una población separada, en vez de mezclados con el resto de ediciones.

Ahora, el hueco, que es el mismo que tiene cualquier sistema de permisos. Los permisos te dicen quién estaba autorizado a cambiar algo. No te dicen si el cambio era correcto. Un comercial con acceso legítimo a un negocio puede moverlo a Cerrado ganado escribiendo una frase, y todos los controles de la cadena darán el visto bueno. El log lo registrará con total fidelidad. Nada en el sistema sabe que ese negocio no se ha cerrado.

¿Dónde se rompe la escritura en la práctica?

No por donde la gente teme. Los modos de fallo son aburridos, estructurales y totalmente predecibles a partir del estado de tu portal.

1. Definiciones de propiedad ambiguas

«Mueve el negocio a Cerrado ganado» no es ambiguo. «Marca este contacto como cualificado» sí lo es, si tu portal arrastra un Lifecycle Stage de MQL, un Lead Status aparte de Sales Qualified y un check personalizado de Cualificado que alguien creó en 2023. Una persona duda y pregunta. El modelo elige la opción más plausible y sigue. El property sprawl ya era un problema de reporting; con escritura pasa a ser un problema de entrada de datos.

2. Las etapas no son ediciones, son disparadores

Un cambio de etapa dispara workflows, notificaciones internas, recálculos de forecast y, en bastantes portales, una secuencia de facturación u onboarding. En el chat, cambiar de etapa parece una frase. En tu portal es la primera ficha de dominó. Es lo primero que yo dejaría fuera del prompting casual hasta tener mapeado qué desencadena cada etapa.

3. Crear sin buscar antes genera duplicados

«Crea un contacto para María de Acme» es una instrucción de creación, no un upsert. Pídelo diez veces en un equipo comercial y has reintroducido justo el problema de duplicados que costó un trimestre limpiar. Contamos cómo automatizar esa limpieza en nuestro post sobre el bot de higiene de datos, y la lección se traslada tal cual: la lógica de deduplicación vive en código, no en un prompt.

4. Trabajo masivo en la herramienta equivocada

El tope de diez registros te marca dónde está la frontera. Todo lo que pase de ahí va a un script con dry run y un diff que puedas leer antes de que se ejecute, o a un workflow de HubSpot probado en sandbox. El chat es para el registro que tienes delante. No es una herramienta de migración.

5. Las notas escritas por IA son idénticas a las humanas

Seis meses después, nadie que lea un registro puede distinguir qué notas se resumieron de un hilo de correo y cuáles escribió la persona que estuvo en la llamada. Eso importa cuando la nota es la prueba sobre la que se decide una renovación. Estandariza un prefijo o una propiedad booleana ahora, no cuando empiece la arqueología.

La idea clave: la escritura con IA no crea problemas en tu CRM. Acelera los que ya tienes. Un portal con propiedades limpias y definiciones de ciclo de vida cerradas se vuelve más rápido. Un portal con property sprawl se equivoca más rápido, y ahora con un audit log lleno de cambios que nadie sabe explicar.

Una prueba rápida antes de conectar nada: pregunta a dos personas de tu equipo qué significa «cualificado» en vuestro portal. Si te dan dos respuestas distintas, ahí está el trabajo. No en el conector.

¿Qué reglas deberías fijar antes de activarlo?

Esta es la parte que ningún changelog cubre, porque es política operativa y no producto. Siete reglas que yo pondría en cualquier portal antes de dar escritura a más de dos o tres personas.

Regla	Por qué importa
Empieza por ops, no por ventas	Da escritura a las dos o tres personas que ya son dueñas de la calidad del dato. Amplía cuando tengas un mes de audit log que mirar.
Arregla las propiedades primero	Un significado por propiedad, documentado. Jubila las duplicadas. Es la hora mejor invertida de todo el proyecto.
Los cambios de etapa, fuera del chat	Hasta que tengas mapeado qué dispara cada etapa, mueve los negocios en la interfaz, donde las consecuencias se ven.
Revisa el audit log cada semana	Filtra por cambios atribuidos al conector. Quince minutos. Es el único bucle de feedback que vas a tener.
El bulk va a código	Todo lo que supere el tope de diez registros corre como script con dry run, o como workflow probado en sandbox. Sin excepciones.
Marca la actividad escrita por IA	Un prefijo en las notas o una propiedad booleana. Barato ahora, impagable dentro de un año.
Escribe un SOP de prompts	Formulaciones aprobadas para las cinco cosas que la gente va a hacer de verdad. Prompts ambiguos producen datos ambiguos.

Nada de esto es exótico. Es la misma disciplina que hace segura cualquier integración, aplicada a una interfaz que resulta que acepta español llano. Si estás mapeando el panorama de conectores, esto va justo al lado de las herramientas de lectura que cubrimos en el panorama de conectores MCP para marketing, con una diferencia que lo cambia todo: las lecturas son reversibles y las escrituras no.

La pregunta real no es si la IA debe escribir en tu CRM

Es si tu CRM está lo bastante bien definido como para que un operador rápido, literal e incansable no pueda hacer daño con él. Esa es una pregunta sobre tu modelo de datos, tus definiciones de ciclo de vida y tu mapa de automatizaciones, y merecía respuesta mucho antes de que nadie conectara una ventana de chat.

Respóndela y la escritura es apalancamiento real: el trabajo de administración que se comía un viernes por la tarde se convierte en una conversación. Sáltatela y tendrás el mismo portal de siempre, degradándose más rápido, con un registro exhaustivo de cómo pasó.

El conector no es el riesgo. El portal sin definir que hay debajo siempre lo fue.

¿No sabes si tu portal está listo para dar escritura?

Hago revisiones de preparación de CRM para equipos B2B en HubSpot: auditoría de propiedades y ciclo de vida, mapa de automatizaciones, modelo de permisos y una política de gobernanza que se pueda cumplir de verdad. Suele ser una semana de trabajo que ahorra un trimestre de limpieza.

Reserva una revisión de tu CRM

Nacho HernándezMarketing & Business Consultant · Studio IdeagoLinkedIn →

Etiquetas HubSpot & CRM, IA & Automatización

Entrada de Blog

Search Console ya no es una herramienta de web: cómo medir tu visibilidad en IA y en redes en 2026

Autor de la entrada Por Nacho Hernandez
Fecha de la entrada 19/08/2026

Durante quince años, Search Console respondió a una sola pregunta: ¿cómo va mi web en Google? Ya no es eso. En ocho meses Google le ha añadido un informe de tu visibilidad dentro de AI Overviews y AI Mode, y un tipo de propiedad completamente nuevo que mide cómo rinden tus publicaciones de Instagram, TikTok, X y YouTube en Search — una propiedad que puedes verificar sin tener web. Casi nadie ha abierto ninguno de los dos. Esto es lo que ha salido de verdad, qué te dicen esos datos y qué no, y qué debería cambiar en tu reporting mensual.

SEO · Medición

¿Qué ha cambiado de verdad en Search Console este año?

Dos cosas, con dos meses de diferencia. El 3 de junio de 2026 Google presentó los informes de rendimiento de IA generativa: vistas dedicadas que muestran dónde aparecen tus páginas dentro de las funciones de IA generativa en Search —AI Overviews y AI Mode— y en las superficies equivalentes de Discover. El 29 de julio de 2026 Google completó el despliegue global de las platform properties, un tipo de propiedad nuevo para Instagram, TikTok, X y YouTube, junto con una guía oficial para analizar esos datos. El despliegue social venía saliendo a cuentagotas desde el 7 de julio, y el experimento del que nació apareció dentro de Search Console Insights en diciembre de 2025.

Por separado, cada uno parece una actualización menor. Junto a todo lo demás que Google ha ido metiendo en la herramienta —grupos de consultas, filtro de búsquedas de marca, anotaciones personalizadas, vistas semanales y mensuales, configuración de informes asistida por IA— la dirección es evidente. Search Console está dejando de ser un diagnóstico técnico de web para convertirse en una capa de medición de visibilidad que cubre tu sitio, tu presencia dentro de las respuestas de IA y tu contenido social. La herramienta ha cambiado de categoría. Las plantillas de reporting, no.

Por qué esto pesa más que un lanzamiento normal:
Ahora los números los publica Google. Hasta este año, cualquier afirmación sobre tu visibilidad dentro de respuestas de IA o sobre contenido social posicionando en Search salía de un estimador de terceros. Ya existe una fuente propia — incompleta, pero propia. Eso cambia qué discusiones puedes ganar delante de un cliente.

¿Qué te dicen realmente los informes de IA generativa — y qué no?

Ajusta expectativas antes de abrirlo, porque la distancia entre lo que la gente asume y lo que hay es enorme. En su lanzamiento da solo impresiones, desglosadas por página, país, dispositivo y fecha. No hay clics, ni CTR, ni consultas. Puedes ver que una página apareció dentro de una función de IA; no puedes ver si alguien hizo clic, ni qué preguntó para activarla. Google ha dicho que llegarán más métricas, sin comprometer fecha. El acceso además arrancó en un subconjunto de propiedades, empezando por Reino Unido — si aún no lo ves en tu cuenta, es lo normal, no un error de configuración.

Suena a dato pobre, y lo es. También es el dato pobre más útil que te han dado en años, porque responde a lo que todos veníamos adivinando: ¿se está usando mi contenido para construir respuestas de IA, sí o no? Una página con muchas impresiones de IA y clics orgánicos planos se está leyendo y resumiendo sin que nadie la visite — el patrón zero-click, ahora con un número al lado. Una página sin impresiones de IA es invisible para la superficie que cada vez más se sitúa por encima de los diez enlaces clásicos. Son dos problemas distintos y hasta junio no podías distinguirlos. La parte estratégica —cómo conseguir la cita, no solo medirla— está en Google AI Mode ya es el modo por defecto.

El matiz honesto: una impresión no es un resultado de negocio, y nadie debería llevar impresiones de IA como KPI a un comité de dirección. Trátalo como señal de diagnóstico, no como resultado — igual que tratas las impresiones del informe clásico. El error a evitar es montar un dashboard alrededor antes de que Google termine el set de métricas, y tener que explicar después por qué el gráfico da un salto cuando añadan los clics.

La idea clave

Search Console dejó de medir tu web y empezó a medir tu presencia en Google: páginas, respuestas de IA y publicaciones sociales. Tres problemas de visibilidad distintos que antes requerían tres herramientas y bastante intuición.

El dato es incompleto. Sigue siendo el único dato de primera mano que existe.

¿Cómo funcionan las platform properties para Instagram, TikTok, X y YouTube?

Esta es la novedad de verdad, y la que casi nadie ha configurado. Una platform property es la primera propiedad de Search Console que puedes verificar sin tener dominio: conectas una cuenta social o de vídeo en su lugar. Una vez conectada, obtienes un informe de rendimiento con clics, impresiones, CTR medio y posición media del contenido de esa cuenta, cubriendo Google Search, Discover y Google News. No es el engagement dentro de Instagram. No son las analíticas propias de TikTok. Es cómo rinden tus publicaciones como resultados de búsqueda.

El acceso llega por dos vías. Las cuentas grandes entran automáticamente a través de un perfil de Search — los umbrales publicados rondan los 100.000 seguidores en YouTube, Instagram o X, y 300.000 en TikTok. Por debajo, conectas la cuenta a mano. La propia guía de Google plantea cinco usos: leer la intención de búsqueda con grupos de consultas, detectar contenido en tendencia con el filtro de 24 horas, exportar para comparar plataformas en paralelo, usar anotaciones para atar cambios a ediciones de contenido, y comparar formatos — vídeo corto frente a largo, playlists frente a vídeos sueltos.

La consecuencia estratégica pesa más que la funcionalidad. Tu contenido social lleva años compitiendo en los resultados de Google, y tú llevas años gestionando social y SEO como disciplinas separadas, con informes separados y, normalmente, personas separadas. Esto las conecta con métricas compartidas. Un Reel que posiciona para una consulta comercial está haciendo trabajo de SEO, y ahora puedes demostrarlo, nombrar la consulta y decidir a conciencia si esa consulta se responde con un post, con una página o con ambas. Esa conversación de planificación no se podía tener con evidencia hace un mes.

¿Tu reporting sigue midiendo el Google de 2023?

Ayudo a equipos B2B y a consultores a reconstruir su medición en torno a cómo funciona hoy el descubrimiento — orgánico, superficies de IA y social en un solo marco, con números defendibles.

Revisar mi medición →

¿Qué deberías cambiar en tu reporting ahora?

Cuatro cosas, por orden de esfuerzo. Primera: conecta las platform properties esta semana. El histórico solo se acumula desde el momento en que conectas, así que cada semana que esperas es una semana de base que echarás de menos cuando alguien pregunte si el empuje en social movió la visibilidad en búsqueda. Es una tarea de quince minutos cuyo coste de aplazamiento se acumula.

Segunda: comprueba si el informe de IA generativa existe en tus propiedades y, si está, haz una captura manual ahora. Anota qué páginas tienen impresiones de IA y cuáles no, antes de que el set de métricas cambie bajo tus pies. Tercera: separa los dos modos de fallo en tu análisis: las páginas que pierden clics mientras ganan impresiones de IA necesitan ser más citables y una revisión de cuánto valía ese clic; las que no tienen ni lo uno ni lo otro necesitan el trabajo clásico. Misma caída de tráfico, recetas opuestas.

Cuarta: deja de reportar orgánico y social como universos separados. Si el TikTok de un cliente se está llevando impresiones en Search por consultas que deberían ser de sus landings, eso es un hallazgo, no dos informes de canal que nunca se cruzan. La vista unificada es el producto real aquí; los informes sueltos son solo la fontanería. Es la misma disciplina que elegir el método de medición adecuado para cada pregunta, el argumento de MMM vs atribución vs incrementalidad.

Un aviso para cerrar: nada de esto justifica rehacer tus dashboards este trimestre. El informe de IA es deliberadamente incompleto y va a cambiar; las platform properties son tan nuevas que aún no existe una buena práctica. Lo sensato ahora es activarlo todo, empezar a acumular datos y ser aburrido en las conclusiones hasta tener histórico suficiente para afirmar algo defendible. Los equipos que dentro de seis meses parecerán visionarios son, simplemente, los que conectaron las cuentas hoy.

¿Quieres una medición que refleje cómo te encuentran de verdad?

Trabajo con consultores, agencias y equipos B2B para conectar las propiedades correctas, montar un reporting que cubra orgánico, superficies de IA y social a la vez, y convertirlo en decisiones en lugar de en otro dashboard que nadie abre.

Hablemos →

Nacho Hernández
Marketing & Business Consultant · Studio Ideago
LinkedIn →

Etiquetas Marketing Digital, SEO & AEO

Entrada de Blog

Montamos un Bot de Higiene de Datos para un CRM con la API de HubSpot y GitHub Actions. Esto Aprendimos.

Autor de la entrada Por Nacho Hernandez
Fecha de la entrada 11/08/2026

Todo CRM se pudre. Los contactos cambian de empleo, los formularios se llenan de basura, la misma empresa entra tres veces con tres grafías distintas, y seis meses después tus informes dejan de significar nada sin que te des cuenta. La mayoría lo trata como una tarea pesada — una limpieza trimestral que nadie quiere hacer, o un SaaS de pago pegado encima para tapar el desorden. Para un cliente B2B hicimos algo distinto: montamos un pequeño bot de higiene de datos sobre la API de HubSpot y GitHub Actions que se ejecuta solo, cada noche, por un coste que redondea a cero. Aquí va lo que hace, por qué lo construimos en vez de comprarlo, y dónde cae esa línea de verdad en 2026.

RevOps · Higiene de Datos

¿Por qué la higiene de datos del CRM se rompe siempre?

Porque la data sucia no es un evento — es una fuga constante. Cada lead nuevo, cada integración, cada edición manual es una oportunidad para un duplicado, un email mal formado, un lifecycle stage vacío o un campo de país que dice «España», «ES» y «Spain» en la misma lista. El daño es silencioso pero caro: ventas persigue la misma cuenta dos veces, la automatización se dispara sobre el segmento equivocado, y los dashboards en los que confía la dirección están construidos sobre arena.

El instinto es apoyarse en las herramientas nativas del CRM, y ayudan — hasta cierto punto. HubSpot deduplica contactos por email y empresas por dominio de forma automática, y su herramienta de Gestionar Duplicados saca a la superficie coincidencias probables. Pero la nativa está capada — unas 2.000 sugerencias en Professional, 5.000 en Operations Hub Pro, 10.000 en Enterprise — y, crítico: las empresas creadas por API no se deduplican por dominio en absoluto. Así que en cuanto tienes volumen real, o cualquier integración escribiendo registros, la limpieza nativa se queda estructuralmente por detrás. Ese hueco es justo donde entra un SaaS de deduplicación de pago — y donde la pregunta de construir o comprar se pone interesante.

¿Construir o comprar? La línea de 2026 se ha movido

Durante años la respuesta era obvia: comprar. Montar herramientas internas significaba contratar desarrolladores, levantar infraestructura y cargar con el mantenimiento para siempre — no compensaba para fusionar contactos duplicados. Pero cambiaron dos cosas. El código en lenguaje natural desplomó el coste de escribir y mantener un script acotado, y las APIs de los conectores más los runners de automatización gratuitos eliminaron la infraestructura por completo. La línea entre construir y comprar se movió, y muchos equipos de operaciones la siguen dibujando donde estaba en 2022.

La forma útil de decidir es un 2×2 simple: impacto en ingresos frente a esfuerzo de construir y mantener. Sigue comprando donde el valor del proveedor es propietario — tu CRM central, la entregabilidad de email, la data de intención y contactos de terceros. No vas a superar a HubSpot construyendo. Pero para el workflow configurable — las reglas que deciden qué significa «un duplicado» para tu negocio, qué campos estandarizar, cuándo marcar un registro caducado — el caso de comprar se encoge rápido, porque esas reglas son específicas tuyas y baratas de codificar. La lógica de deduplicación es el ejemplo de manual: impacto suficiente para importar, esfuerzo suficientemente bajo para ser tuyo. Hemos hecho el mismo argumento sobre poseer tu capa de integración en el panorama de conectores de marketing y tus datos de cliente en la infraestructura de datos de primera parte — un bot de higiene es el mismo principio aplicado a la calidad del dato.

El test honesto antes de construir nada:
¿Podría una función nativa bien configurada o una herramienta de 50€/mes resolver el 90%? Si sí, cómpralo. Construye solo cuando tus reglas son genuinamente tuyas, el volumen rompe los límites nativos, o necesitas que corra desatendido en un horario que ningún plan SaaS te da. «Ya podemos programarlo» no es lo mismo que «deberíamos».

Cómo lo montamos: API de HubSpot + GitHub Actions

La arquitectura es deliberadamente aburrida, y ese es el punto. No hay servidor, no hay factura de hosting, y no hay nada que vigilar. Todo es un script en un repositorio privado de GitHub que se ejecuta por horario a través de GitHub Actions — el mismo runner de CI gratuito que los desarrolladores usan para testear código, reconvertido en un cron nocturno. Cada noche se despierta, habla con HubSpot vía la API del CRM, hace su trabajo, y vuelve a dormir.

En concreto, el bot hace cuatro tareas en cada ejecución. Primero, deduplicación: extrae registros por lotes, los agrupa por email y dominio normalizados (más coincidencia difusa por nombre y empresa para los casos que la lógica de coincidencia exacta de HubSpot se salta), y fusiona o marca las colisiones con sus propias reglas — no con el límite nativo. Segundo, estandarización: reescribe los campos de texto libre desordenados a un vocabulario controlado — país, cargo, lifecycle stage, industria — para que la segmentación deje de tener fugas. Tercero, validación: marca emails mal formados, propiedades obligatorias vacías y registros que llevan caducados más allá de un umbral. Cuarto, reporte: publica un resumen corto — cuántos fusionados, estandarizados, marcados — en un canal de Slack, para que el equipo vea el CRM limpiándose en vez de preguntarse si pasó algo.

Dos decisiones de ingeniería lo hicieron lo bastante seguro para correr desatendido. Respeta los límites de la API y trabaja por lotes, para no machacar el portal. Y cada acción destructiva — cada fusión — queda registrada y, en las primeras semanas, corrió en modo simulación que solo reportaba lo que haría, para afinar las reglas de coincidencia contra data real antes de dejarlo escribir. Un bot de higiene que fusiona los registros equivocados es peor que la data sucia; los guardarraíles importan más que la parte ingeniosa.

La idea clave

Un script nocturno sobre una API y un runner de CI gratuito hace hoy lo que antes exigía una suscripción SaaS de pago — porque el valor nunca fue la infraestructura, sino las reglas que definen qué es data limpia para tu negocio.

Esas reglas son tuyas. Esa es la parte que vale la pena construir.

¿Tu data de CRM está rompiendo tus informes en silencio?

Ayudo a equipos B2B a auditar su CRM, arreglar el modelo de datos y automatizar la higiene — ya sea el setup nativo correcto, la herramienta adecuada, o un bot a medida como este. El objetivo es el mismo: informes en los que puedas confiar.

Auditar mi CRM →

Qué aprendimos — y cuándo NO construir esto

El bot funciona, los informes del cliente vuelven a ser fiables, y el coste de operación redondea a cero. Pero las lecciones más útiles son las advertencias. Empieza en modo simulación y quédate ahí más de lo que parece necesario — las reglas de coincidencia son donde vive todo el riesgo, y la data real siempre te sorprende. Registra todo y haz las fusiones reversibles donde puedas; un buen rastro de auditoría es lo que te deja dormir. Y resuelve el modelo, no solo el síntoma — si la data mala sigue entrando, arregla los formularios e integraciones que la crean, o el bot solo se convierte en una fregona permanente.

Igual de importante: saber cuándo no construir. Si tu volumen cabe cómodo bajo los límites nativos, usa las herramientas de HubSpot y sigue. Si una app mantenida lo resuelve por unos euros al mes y no tienes reglas raras, cómprala — ser dueño de código que no necesitas es su propia deuda. Construye solo cuando el impacto es real, las reglas son genuinamente tuyas, y tienes a alguien que pueda mantenerlo. Para este cliente las tres eran ciertas, así que un bot fue la decisión correcta. Para el siguiente puede que no, y decirlo es la consultoría.

El cambio de fondo es el que corre por debajo de casi todo lo que se movió este año: la IA y las APIs abiertas siguen abaratando el hacer, lo que desplaza la ventaja al criterio — saber qué problemas merecen un desarrollo a medida y cuáles solo necesitan el arreglo aburrido que ya existe. Un bot de higiene es un ejemplo pequeño de un patrón grande: las herramientas para construir tu propio apalancamiento están hoy al alcance de una consultoría de una persona, si sabes hacia dónde apuntarlas.

¿Quieres data de CRM limpia y fiable sin tener que vigilarla?

Ayudo a consultores, agencias y equipos B2B a diseñar el setup de higiene adecuado para su CRM — configuración nativa, las herramientas correctas, o una automatización a medida como esta — para que tu data se mantenga limpia en automático y tus informes por fin digan la verdad.

Hablemos →

Nacho Hernández
Marketing & Business Consultant · Studio Ideago
LinkedIn →

Etiquetas HubSpot & CRM, IA & Automatización

Entrada de Blog

Meta Muse Image: ¿El Modelo de IA de Meta Mata Tu Stack Creativo?

Autor de la entrada Por Nacho Hernandez
Fecha de la entrada 06/08/2026

El 7 de julio de 2026 Meta lanzó Muse Image, el primer modelo de generación de imágenes de sus Superintelligence Labs. Ya funciona dentro de la app de Meta AI y alimenta la creatividad en Instagram y WhatsApp. Lo que importa para quien invierte en paid social llega justo después: en las próximas semanas entra en las herramientas para anunciantes vía Advantage+ creative, donde puede leer un brief creativo completo y convertir una sola idea en decenas de variantes on-brand. Así que la pregunta cae sola: si Meta te genera la creatividad gratis, dentro del propio gestor de campañas, ¿por qué sigues pagando por un stack de IA aparte — o por un diseñador? Esta es la respuesta honesta.

Meta Ads · Creatividad con IA

¿Qué Es Meta Muse Image y Qué Se Lanzó Realmente?

Muse Image es el modelo de texto-a-imagen propio de Meta, desarrollado en casa por sus Superintelligence Labs en lugar de licenciarlo de un tercero. En su lanzamiento del 7 de julio arrancó en la app de Meta AI y empezó a alimentar experiencias de imagen en Instagram y WhatsApp, con Facebook y Messenger después. Para el anunciante, el titular es el paso que Meta ya ha anunciado: Muse Image llega a las herramientas de anunciantes y agencias a través de Advantage+ creative en las próximas semanas — la misma capa de automatización que ya decide cómo se montan y entregan tus anuncios.

El salto que reivindica frente a herramientas anteriores es la comprensión. Meta afirma que Muse Image interpreta un brief creativo completo — la intención, el tono, el producto, las restricciones — en vez de coser palabras clave sueltas. Analiza ese brief, ajusta elementos individuales, cambia estilos y produce variantes on-brand con menos idas y venidas. La promesa práctica: un anunciante pequeño sin equipo de producción puede convertir una idea en muchas ejecuciones terminadas sin abrir una herramienta de diseño. No es un truco nuevo; es Meta metiendo la generación dentro de la cuenta publicitaria.

¿Qué Hace Muse Image Que Tu Proceso Actual No Puede?

La ventaja real no es la calidad de imagen — los modelos externos llevan tiempo siendo más que suficientes. Es proximidad y volumen. Cuando la generación vive de forma nativa dentro de Advantage+ creative, desaparecen tres fricciones a la vez. Te ahorras el baile de exportar-importar entre una herramienta externa y el Ads Manager. Obtienes variantes ajustadas por defecto a los propios formatos y proporciones de Meta. Y el sistema de entrega de Meta puede, en teoría, generar y testear más permutaciones de las que ningún humano se molestaría en briefear.

Ese último punto es el estratégico. El paid social lleva dos años derivando hacia creatividad de volumen-y-señal: dale al algoritmo muchas variantes y deja que la entrega encuentre las ganadoras. Escribimos justo sobre este giro en por qué cinco variantes ya le ganan a una — Muse Image es Meta llevando esa lógica hasta el final, donde producir la vigésima variante no cuesta prácticamente nada. Si tu cuello de botella creativo era «solo podemos hacer tres versiones por semana», ese cuello de botella está a punto de moverse.

La barrera de seguridad que Meta añadió en paralelo:
Meta también introdujo un ajuste de Palabras Restringidas para el texto generado por IA en campañas Advantage+ — una lista de términos que el modelo no puede usar. Si activas Muse, configúralo el primer día. Generación gratis sin guardarraíles de marca es exactamente cómo acaba una creatividad fuera de mensaje publicada en tu nombre.

¿Sustituye Muse Image a Midjourney, a Tu Diseñador o a Tu Agencia?

No — y tener claro qué sustituye es cómo evitas un error caro. Muse Image reemplaza el medio commodity de la producción creativa: la décima variante de fondo, el reencuadre rápido, el lote de «el mismo anuncio con cinco hooks», la creatividad de test desechable que nunca le habrías pagado a un diseñador. Ese trabajo ya estaba migrando a la IA. Meta solo lo hizo gratis y lo movió dentro de la plataforma.

Lo que no reemplaza son los dos extremos de la barra. No reemplaza la estrategia — el brief, la oferta, el ángulo, el insight de audiencia que hace que una creatividad merezca generarse siquiera. Y no reemplaza el oficio de marca distintivo — el asset hero, la dirección de arte, la idea de campaña que un cliente de verdad recuerda. Forbes describió el lanzamiento como Meta «compitiendo por presupuestos publicitarios», y ahí está la pista: Meta gana si generas más creatividad en Meta. No tiene ningún incentivo en hacer tu marca distintiva entre canales — solo en mantenerte produciendo y gastando dentro de sus muros. Un modelo gratis que optimiza para el negocio de Meta es una herramienta, no una estrategia.

Hay también un coste de portabilidad. La creatividad generada dentro de Advantage+ está ajustada a los formatos de Meta y vive en la cuenta de Meta. Apóyate en ella en exclusiva y tu biblioteca creativa se vuelve con forma de plataforma — más difícil de reutilizar para Google, email o tu web. La misma disciplina que defendimos en cómo construir una máquina de contenido escalable con IA aplica aquí: sé dueño de tu sistema creativo y usa el modelo de la plataforma como un input, no como el pipeline entero.

La Idea Clave

Muse Image reemplaza el medio commodity de la creatividad — las variantes y los reencuadres — no la estrategia que va encima ni el oficio de marca que va al lado. Úsalo para multiplicar tests, no para delegar tu criterio creativo en un modelo que optimiza para los ingresos de Meta.

Generar gratis dentro de la cuenta es cómodo. Cómodo no es lo mismo que estratégico.

¿Quieres un sistema de testeo creativo que use Muse sin depender de él?

Ayudo a marcas y agencias a montar operaciones creativas en Meta que multiplican variantes con IA, mantienen la marca distintiva y siguen siendo portables entre canales — en vez de quedar atrapadas dentro del modelo de una sola plataforma.

Montar mi sistema creativo →

En Resumen: ¿Cómo Deberías Usar Muse Image?

Actívalo cuando llegue a tu cuenta — pero úsalo con criterio. Trata a Muse Image como un motor de variantes bajo un brief humano. Tú sigues escribiendo la estrategia, la oferta y el ángulo central; Muse los expande al volumen de tests que la entrega de Meta quiere ver. Configura tu lista de Palabras Restringidas antes de la primera generación, conserva al menos un asset hero distintivo hecho fuera de la plataforma, y saca tus conceptos ganadores para que tu biblioteca creativa no quede atrapada con la forma de Meta.

El patrón de fondo es el mismo que atraviesa todo lo que las plataformas lanzaron este año: la IA abarata el hacer, lo que convierte el criterio en el activo escaso. Cuando cualquiera puede generar cien anuncios gratis, la ventaja no es generar — es saber qué idea merece las cien variantes, y qué señales de marca proteger mientras las escalas.

Muse Image hará la mala creatividad más rápida y la buena más barata. Cuál de las dos te toca sigue dependiendo por completo del brief que le lleves.

Haz que la IA creativa de Meta trabaje para tu marca, no al revés

Ayudo a consultores, agencias y equipos B2B a construir sistemas de creatividad en Meta que usan Advantage+ y Muse Image para multiplicar el testeo — con guardarraíles de marca, assets hero distintivos y una biblioteca que de verdad es tuya en todos los canales.

Hablemos →

Nacho Hernández
Marketing & Business Consultant · Studio Ideago
LinkedIn →

Etiquetas IA & Automatización, Marketing Digital

Entrada de Blog

HubSpot Acaba de Lanzar Agent Hub: El Fin del Caos de Agentes de IA

Autor de la entrada Por Nacho Hernandez
Fecha de la entrada 30/07/2026

La mayoría de equipos no adoptó un agente de IA este año — adoptó seis, de seis herramientas distintas, sin que nadie los gobierne y sin memoria compartida entre ellos. El 23 de julio de 2026 HubSpot lanzó su respuesta a ese caos: Agent Hub y Agent Builder, ya en beta pública para todos los clientes Professional y Enterprise. La propuesta no es «aquí tienes otro agente». Es «aquí tienes el sitio para construirlos, ejecutarlos y vigilarlos todos, sobre un único registro compartido de tu cliente». Es una apuesta distinta — y más interesante. Esto es lo que se lanzó de verdad y cómo decidir si activarlo.

HubSpot · Agentes de IA

¿Qué Lanzó HubSpot con Agent Hub y Agent Builder?

HubSpot publicó dos productos conectados en beta pública. Agent Hub es la capa de gestión: un espacio único donde descubres, activas, monitorizas y organizas cada agente de IA que corre en marketing, ventas y servicio. Ves estado en vivo, resultados recientes y salidas agrupadas por objetivo de negocio — generar demanda, cerrar tratos, fidelizar clientes, escalar — en lugar de una dispersión de bots inconexos. Agent Builder es la capa de creación: un lienzo low-code donde usuarios no técnicos describen una tarea en lenguaje natural vía Breeze Assistant, conectan workflows y agentes propios, y los disparan desde horarios, cambios en registros, webhooks o integraciones de terceros.

Lo que lo hace funcionar es el contexto compartido. Cada agente lee y escribe sobre el mismo registro de cliente en HubSpot, así que dejan de trabajar a ciegas entre sí. El ejemplo de la propia HubSpot es el fallo que todos reconocemos: un agente de prospección envía un pitch a una cuenta la misma semana en que un agente de servicio gestiona una queja abierta de esa cuenta — sin que ninguno sepa del otro. Sobre un registro compartido, esa colisión no ocurre. Es el paso lógico tras el despliegue de Breeze del año pasado; si quieres la base, nuestro análisis de qué activar y qué ignorar en HubSpot Breeze sigue vigente.

¿Qué Problema Resuelve Agent Hub de Verdad?

El objetivo real es el «agent sprawl»: la proliferación descontrolada de agentes. En los últimos dieciocho meses casi todos los equipos añadieron IA a su stack herramienta por herramienta — un chatbot aquí, un agente de contenido allí, un agente de prospección de otro proveedor — y acabaron con automatización que nadie gobierna, sin visibilidad de rendimiento y sin una visión compartida del cliente. Parece productivo y crea riesgo en silencio: agentes que duplican contactos, se contradicen o actúan sobre datos caducados.

Agent Hub ataca eso por tres frentes. Gobierno: una pantalla muestra qué corre, qué hace y quién responde, para que los agentes dejen de operar en los rincones oscuros de tus operaciones. Visibilidad: los resultados se organizan por resultado de negocio, no por herramienta, así que por fin puedes preguntar «¿este agente genera pipeline?» y obtener respuesta. Contexto: como todo vive sobre el registro de HubSpot, la acción de un agente se informa del historial completo del cliente, no del trozo que su proveedor alcanzaba a ver.

Por eso este lanzamiento importa más que un agente vistoso suelto. El cuello de botella de la mayoría de equipos en 2026 no es «¿podemos hacer que un agente haga una tarea?» — es «¿podemos correr diez sin que se pisen entre ellos y con nuestros clientes?». Una torre de control es un producto menos glamuroso que un bot mágico, y mucho más útil.

Agent Builder: ¿Para Quién Es la Creación Low-Code de Agentes?

Agent Builder baja el listón para crear un agente a medida. Describes lo que quieres en lenguaje natural, lo conectas a tus workflows y datos de HubSpot, y defines qué lo dispara. Eso ayuda de verdad a un responsable de RevOps o a un manager de marketing a automatizar una tarea real — enrutado, enriquecimiento, borradores de seguimiento, preparación de reuniones — sin esperar a un desarrollador.

Pero «low-code» no es «sin criterio». Un agente que montas en una tarde sigue actuando sobre datos vivos de clientes, y aplica la misma disciplina que a una contratación humana: un trabajo acotado, límites claros y una forma de revisar su labor. Los que se quemen serán quienes traten Agent Builder como un juguete y suelten cinco agentes mal configurados sobre su base de datos. Los que ganen acotarán cada agente a un trabajo que puedan medir. Es la misma lección de nuestro análisis sobre qué están reemplazando los agentes de IA en marketing B2B: la herramienta vale lo que el trabajo que le das.

Algo que revisar antes de construir:
Los agentes a medida consumen Créditos de HubSpot cuando ejecutan acciones configuradas. Los créditos vienen incluidos en Professional y Enterprise, pero «gratis de crear» no es «gratis de ejecutar» — acota cada agente a trabajos que justifiquen los créditos que gastarán.

¿Cómo Deberías Desplegarlo de Verdad?

Trata la beta como un piloto controlado, no como una carrera por ocupar terreno. Un despliegue sensato en cuatro pasos.

1. Inventaria lo que ya corre. Antes de añadir nada, usa Agent Hub para ver cada agente ya activo en tu portal. A la mayoría de equipos les sorprende lo que hay encendido. No puedes arreglar una dispersión que no ves.

2. Empieza por un trabajo de alto valor y bajo riesgo. Elige una tarea con dueño claro y métrica obvia — enrutado de leads, preparación de reuniones, un borrador de seguimiento que aún envía un humano. Evita lo que dé la cara al cliente y sea irreversible hasta que confíes en el resultado.

3. Conecta el contexto compartido con intención. El valor son agentes que saben qué han hecho otros agentes y comerciales. Asegúrate de que tus datos y propiedades estén lo bastante limpios para que «contexto compartido» signifique contexto correcto, no contexto erróneo con seguridad.

4. Fija una cadencia de revisión. Revisa cada semana los resultados de cada agente frente al objetivo para el que lo contrataste, y frente al gasto de créditos. Apaga los que no se ganen el sueldo. Un agente que nunca auditas es un pasivo con credenciales.

La Idea Clave

El producto real de Agent Hub no es otro agente — es gobierno, visibilidad y contexto compartido para los agentes que ya corres. Adóptalo como torre de control y acota cada agente a un trabajo medible.

El low-code baja el listón para construir. No baja el listón del criterio.

¿No sabes qué agentes de tu portal se están ganando el sueldo?

Ayudo a equipos de HubSpot a auditar su stack de agentes, eliminar la dispersión y desplegar Agent Hub en torno a trabajos que se pueden medir — con la higiene de datos que hace fiable el «contexto compartido».

Auditar mis agentes de HubSpot →

En Resumen: ¿Deberías Activar Agent Hub Esta Semana?

Si estás en Professional o Enterprise y ya tienes más de un agente corriendo, sí — pero primero como herramienta de auditoría, no de construcción. Abre Agent Hub, mira todo lo que está activo y organízalo antes de crear nada nuevo. La mayor victoria de la primera semana es la visibilidad: saber qué le está haciendo tu automatización a tus clientes.

El patrón de fondo es el que recorre todo lo que lanzaron las plataformas este año. La IA abarató hacer la tarea; la habilidad escasa ahora es la orquestación — decidir qué trabajos automatizar, evitar que colisionen y leer si funcionan. HubSpot apuesta a que los equipos ganadores no serán los que tengan más agentes, sino los que los gestionen como un equipo y no como un montón de scripts.

Encender un agente ya es trivial. Gobernar una flota entera es el trabajo de verdad. Construye primero la torre de control.

Convierte el stack de agentes de HubSpot en un sistema que controlas

Ayudo a consultores, agencias y equipos B2B a desplegar HubSpot Agent Hub como toca — un inventario de lo que corre, agentes acotados a trabajos medibles, datos limpios para que el contexto compartido sea fiable, y una cadencia de revisión que corta la dispersión antes de que te cueste clientes o créditos.

Hablemos →

Nacho Hernández
Marketing & Business Consultant · Studio Ideago
LinkedIn →

Etiquetas HubSpot & CRM, IA & Automatización

Entrada de Blog

El Giro Creativo de LinkedIn Ads: Por Qué Cinco Variantes Ya Ganan a Una en 2026

Autor de la entrada Por Nacho Hernandez
Fecha de la entrada 21/07/2026

Durante años el manual de LinkedIn Ads fue el mismo: escribe un anuncio redondo, métele presupuesto y reza. El 1 de julio de 2026 LinkedIn dejó ese manual obsoleto sin hacer ruido. Lanzó una suite creativa completa dentro de Campaign Manager — Brand Kit, Draft with AI, Personalización de Anuncios, variantes con IA y Creación Flexible de Anuncios — y la acompañó de un dato que debería cambiar cómo repartes el presupuesto: las campañas con cinco o más variantes de anuncio consiguen más de un 20% más de CTR que las que corren un solo anuncio. Si sigues publicando una creatividad por campaña, estás dejando rendimiento medible sobre la mesa. Esto es lo que cambió y cómo montar un sistema de testeo creativo alrededor.

LinkedIn Ads · Creatividad

¿Qué Acaba de Cambiar LinkedIn en Campaign Manager?

El 1 de julio de 2026 LinkedIn desplegó un conjunto conectado de herramientas creativas que viven dentro de Campaign Manager, para que dejes de saltar entre el archivo de diseño, el documento de copy y el creador de anuncios. Cinco piezas importan para quien pone anuncios.

Brand Kit guarda tus logos, tipografías y colores una vez y los aplica a cada anuncio, de modo que una campaña hecha con prisas siga siendo coherente con tu marca. Draft with AI genera copy a partir de un prompt corto o de tu landing, dándote primeros borradores en vez de un recuadro en blanco. Las variantes con IA cogen un concepto ya aprobado y sacan múltiples versiones — distintos titulares, ángulos, enfoques — en unos clics. La Personalización de Anuncios adapta elementos del anuncio al miembro que lo ve. Y la Creación Flexible te deja aportar un conjunto de recursos que LinkedIn ensambla y testea según el emplazamiento.

LinkedIn también añadió Auto-targeting y Draft with AI pensados para pymes, bajando el listón técnico para equipos sin un comprador de medios dedicado. Leído en conjunto, el lanzamiento tiene una intención clara: LinkedIn quiere que produzcas y testees más creatividad, porque sus propios datos dicen que el volumen de variantes ya es una palanca de rendimiento, no un extra.

¿Por Qué Cinco Variantes Ganan a Una?

La diferencia del 20% de CTR no es magia — es cómo funciona la entrega de LinkedIn. Cuando le das a la subasta un solo anuncio, el sistema no tiene nada entre lo que optimizar; se lo enseña a toda tu audiencia, funcione el ángulo o no. Dale cinco y el algoritmo puede emparejar el mensaje correcto con el miembro correcto, desplazando presupuesto hacia la variante que cada segmento responde mejor. Más variantes significan más superficie para que el sistema encuentre encaje.

Hay un segundo efecto, más lento: la fatiga creativa. En las audiencias B2B de LinkedIn — pequeñas y de alta frecuencia — un solo anuncio se quema rápido: los mismos decisores lo ven una y otra vez y dejan de fijarse. Una rotación de cinco mantiene fresca la impresión más tiempo, así que tu CTR se degrada de forma más suave a lo largo de la campaña en lugar de desplomarse en la segunda semana.

El matiz es que «cinco variantes» solo funciona si son de verdad distintas. Cinco titulares casi idénticos no le dan a la subasta nada que elegir. El sentido de las nuevas herramientas de IA es hacer que la variación real — ganchos, formatos y propuestas de valor distintos — sea lo bastante barata como para que producir cinco deje de ser excusa para saltarte el test.

La palanca real es la variedad, no el volumen:
Cinco variantes ganan a una porque le dan a la subasta y a la audiencia algo que elegir. Cinco copias de la misma idea siguen siendo, en la práctica, un solo anuncio.

¿Cómo Montas un Sistema de Testeo Creativo en LinkedIn?

Trata las nuevas herramientas como una cadena de montaje, no como un botón mágico. Un sistema repetible gana a los arrebatos ocasionales de inspiración.

1. Pon las barreras primero. Carga tu Brand Kit antes de tocar Draft with AI. Si la IA va a generar copy y variantes, quieres los colores, tipografías y logo bloqueados para que cada versión automática siga pareciéndose a ti — no a una plantilla genérica.

2. Testea ángulos, no adjetivos. Construye tus cinco alrededor de ideas de verdad distintas: una sobre el resultado central, una sobre un dolor, una sobre una prueba o un dato, una sobre la objeción que tus compradores realmente ponen, una sobre una tesis a contracorriente. Así aprendes qué responde tu mercado — no haciendo A/B de dos versiones de la misma frase.

3. Usa la IA para el primer borrador y a una persona para el corte final. Draft with AI y las variantes con IA son excelentes produciendo volumen y rompiendo la parálisis del folio en blanco. Son mediocres en matiz, posicionamiento y el lenguaje concreto de tu nicho. Genera diez, quédate con las cinco que una persona aprobaría de verdad y edítalas para que no suenen al copy de IA de todos los demás.

4. Dale aire al test y luego lee la métrica correcta. No mates una variante al día siguiente. Deja que la entrega de LinkedIn reparta impresiones y juzga por la métrica que encaja con tu objetivo — CTR para notoriedad y engagement, pero coste por lead o pipeline para cualquier cosa de fondo de embudo. Un anuncio con mucho CTR que trae leads basura no es un ganador. Justo por eso tu marco de medición tiene que estar debajo del test creativo, no al lado.

La Idea Clave

Publica cinco ángulos de verdad distintos por campaña, deja que la IA los redacte y una persona los apruebe, y juzga cada uno por la métrica que encaja con tu objetivo — no solo por el CTR.

Las herramientas quitaron la excusa. Producir cinco variantes fuertes ya es barato; correr una sola es ahora una decisión de rendir menos.

¿Corres LinkedIn Ads con una sola creatividad por campaña?

Ayudo a equipos B2B a montar un sistema de testeo creativo en LinkedIn — un Brand Kit que mantiene la salida de IA fiel a la marca, un marco de cinco ángulos, y la medición para distinguir un ganador real de uno de métrica vanidosa.

Arreglar mi creatividad en LinkedIn →

En Resumen: ¿Qué Deberías Hacer Esta Semana?

Coge una campaña activa y convierte su único anuncio en cinco ángulos distintos con las nuevas herramientas — Brand Kit bloqueado, Draft with AI para la primera pasada, tu propia edición para el corte final. Dale dos semanas y compara CTR y coste por lead contra el anuncio único que venías corriendo. Los números de LinkedIn dicen que deberías ver la diferencia; tu cuenta te dirá si se sostiene para tu audiencia.

El patrón de fondo es el mismo que atraviesa todo lo que las plataformas lanzaron este año: la IA abarata la producción, y eso mueve la ventaja de quién sabe hacer un anuncio a quién testea y lee resultados bien. El mismo giro está cambiando cómo captan leads los equipos B2B de entrada. Los que ganen no serán los que generen más creatividad — serán los que tengan un sistema para convertir ese volumen en aprendizaje.

El volumen ya es gratis. El criterio es la parte escasa. Monta el sistema que lo aporta.

Convierte las nuevas herramientas creativas de LinkedIn en pipeline

Ayudo a consultores, agencias y equipos B2B a montar un sistema de testeo creativo en LinkedIn Ads que de verdad mueve el coste por lead — barreras de marca, un marco de cinco ángulos, producción asistida por IA con corte final humano, y medición que separa ganadores reales de métricas vanidosas.

Hablemos →

Nacho Hernández
Marketing & Business Consultant · Studio Ideago
LinkedIn →

Etiquetas IA & Automatización, Marketing Digital

Entrada de Blog

El Panorama de Conectores MCP para Marketing en 2026: Cuáles Existen y Cuáles Usar

Autor de la entrada Por Nacho Hernandez
Fecha de la entrada 14/07/2026

Hace dos años, conectar tus cuentas publicitarias a cualquier cosa exigía un programador, una API key y una semana de tu vida. En 2026 abres Claude o ChatGPT y preguntas, en español y sin rodeos, «¿qué campaña de Google Ads se está comiendo el presupuesto?» — y recibes una respuesta sacada en vivo de la cuenta. Lo que lo hace posible es el conector MCP: una forma estándar de que los asistentes de IA lean — y cada vez más, escriban en— las plataformas que ya gestionas. El problema es que ahora hay decenas, son de calidad muy desigual, y algunos modifican tus campañas en producción sin pestañear. Aquí tienes cuáles existen de verdad, en cuáles confiar, y cómo usarlos sin darle a una IA las llaves de las cuentas de tus clientes.

Conectores · MCP

¿Qué es un conector MCP y por qué debería importarle a un marketero?

MCP — el Model Context Protocol — es un estándar compartido que permite a un asistente de IA hablar con una herramienta externa a través de un pequeño servidor. En lugar de que cada aplicación invente su propio plugin a medida, MCP le da a Claude, ChatGPT, Gemini, Cursor y compañía un mismo enchufe común. Un «conector» no es más que el servidor MCP de una plataforma concreta: un conector de Google Ads, uno de Meta Ads, uno de HubSpot.

Para un marketero, la ganancia práctica es que la capa de reporting y trabajo repetitivo se desmorona. Dejas de exportar CSVs y reconstruir la misma tabla dinámica cada lunes, y empiezas a hacer preguntas: qué conjuntos de anuncios bajaron de un ROAS de 2x la semana pasada, qué deals de HubSpot se enfriaron, qué términos de búsqueda están quemando presupuesto. La IA consulta la cuenta directamente y responde. El giro de 2026 es que esto dejó de ser una demo y se convirtió en infraestructura: Meta adoptó MCP como método de integración principal de sus Ads AI Connectors, y las grandes plataformas ya publican servidores oficiales en vez de dejarlo en manos de aficionados.

¿Qué conectores MCP de marketing existen de verdad en 2026?

El panorama se divide en dos bandos con límites claros: los servidores oficiales que publican las propias plataformas, y los servidores de terceros que envuelven varias plataformas o añaden acciones de escritura que los oficiales se reservan. Los dos tienen su sitio.

Los oficiales (empieza por aquí). Google liberó su propio servidor MCP de Google Ads a principios de 2026 — es deliberadamente de solo lectura, con listado de cuentas y consultas GAQL para diagnóstico y analítica. Google también publica un servidor oficial de GA4 con más de 200 dimensiones y métricas, para que interrogues tráfico, conversiones y audiencias conversando. Y el servidor MCP remoto de HubSpot pasó a disponibilidad general el 13 de abril de 2026: da acceso de lectura y escritura a los registros clave del CRM — contactos, empresas, negocios, tickets, líneas de producto — además de actividades como llamadas, correos, notas y tareas, todo sobre una conexión OAuth 2.1 que respeta los permisos que ya tiene cada usuario. Sus límites honestos: nada de objetos personalizados, y si tu portal tiene la protección de datos sensibles activada, los objetos de actividad quedan bloqueados.

Los de terceros (rellenan los huecos). Donde los oficiales se quedan en solo lectura, los independientes añaden control. El MCP de Meta Ads de Pipeboard es el servidor de Meta de plataforma única más maduro, con lectura/escritura completa de campañas, conjuntos de anuncios, creatividades, segmentación y presupuestos. Conectores comerciales unificados como Ryze (Google Ads, Meta, GA4 con escrituras que exigen confirmación, ~89 $/mes) o Synter (14 plataformas de ads, desde ~199 $/mes) cambian una suscripción por un único enchufe para todo tu stack. Y Markifact lanzó un MCP de Google Ads alojado el 13 de julio de 2026 que añade acciones de escritura sobre la cuenta — pero solo con un humano aprobando cada cambio. Para extracciones de datos puras entre más de 350 fuentes, un conector de reporting como Windsor.ai sigue siendo la opción pragmática.

La distinción que más importa:
Los conectores de solo lectura solo pueden contarte cosas. Los de escritura pueden cambiar cosas — pausar una campaña, mover un presupuesto, editar un negocio. Esa única línea decide cuánto deberías fiarte de un servidor y cuánta supervisión necesita.

¿Lectura o escritura? Cómo elegir el conector adecuado

Ajusta el conector al trabajo, no al hype. Para reporting, diagnóstico y preguntas del tipo «qué pasó la semana pasada», un servidor oficial de solo lectura es casi siempre la elección correcta — no puede romper nada, así que puedes enchufarlo a todas las cuentas de tus clientes sin perder el sueño. Ahí vive el 80% del valor del día a día, y es el sitio más seguro para empezar.

Recurre a un conector con escritura solo cuando el flujo necesite de verdad actuar — pausar en bloque conjuntos que pierden, empujar negative keywords, actualizar etapas de negocio después de una llamada. Y cuando lo hagas, la función innegociable es el paso de aprobación humana: la IA propone el cambio, tú lo confirmas, y entonces se ejecuta. Es exactamente el modelo sobre el que Markifact construyó su lanzamiento de julio, y es la diferencia entre un copiloto y un becario sin supervisión con tu presupuesto de ads.

Dos filtros más antes de conectar nada a la cuenta de un cliente. Primero, autenticación: prioriza conectores que usen OAuth como es debido y respeten los permisos que el usuario ya tiene, como el servidor oficial de HubSpot — evita cualquiera que te pida pegar una API key de larga duración en un archivo de configuración. Segundo, mantenimiento: un conector vale lo que su cuidado. Un servidor open-source bien mantenido y con commits activos gana a uno abandonado, y un servidor comercial alojado gana a ambos si prefieres no vigilar actualizaciones.

La Regla De Oro

Solo lectura por defecto, escritura solo con un humano en el bucle. Empieza por el servidor oficial de la plataforma; añade uno de terceros solo cuando necesites una acción que el oficial no realiza.

El mejor conector no es el que tiene más herramientas. Es el que puedes apuntar con seguridad a la cuenta de un cliente y olvidarte.

¿No sabes qué conectores es seguro enchufar a tu stack?

Ayudo a equipos a elegir los conectores MCP adecuados para sus cuentas de ads y CRM, integrarlos en un flujo de reporting y optimización, y poner los límites para que nada cambie sin que un humano diga que sí.

Mapear mi stack de conectores →

En resumen: ¿cuáles deberías usar de verdad?

Si gestionas Google Ads, Meta y un CRM, un stack sensato para arrancar en 2026 tiene esta pinta: los servidores oficiales de solo lectura de Google Ads y GA4 para reporting y diagnóstico, el servidor oficial de HubSpot para lecturas de CRM y la escritura supervisada ocasional, y un único conector de ads con escritura — Pipeboard para cuentas muy de Meta, o un servidor comercial unificado como Ryze o Synter si quieres un solo enchufe — estrictamente con la aprobación humana activada. Manén un conector de reporting como Windsor.ai para las extracciones cross-channel que no encajan en ninguna plataforma.

Es el mismo hilo que atraviesa todo lo que las plataformas lanzaron este año: las herramientas corren más rápido que los límites de seguridad. Es la razón por la que la IA está reescribiendo cómo captas leads, y la misma por la que la puja automática te sigue quitando decisiones de las manos. Los conectores devuelven parte de ese control — si los eliges con criterio.

No conectes todo porque puedas. Conecta los pocos servidores que se ganan su acceso, manén a un humano en las acciones de escritura, y deja que la IA haga el reporting que nunca ibas a disfrutar de todos modos.

Monta un stack de marketing conectado a IA que sea de verdad seguro

Ayudo a consultores, agencias y equipos B2B a conectar sus plataformas de ads y su CRM a asistentes de IA de la forma correcta — servidores oficiales primero, escritura bloqueada tras aprobación humana, y una capa de reporting que por fin se ejecuta sola. Sin apuestas de open-source abandonado, sin llaves entregadas a un bot sin supervisión.

Hablemos →

Nacho Hernández
Marketing & Business Consultant · Studio Ideago
LinkedIn →

Etiquetas IA & Automatización, Marketing Digital

¿Quieres que el test se haga bien?

¿Lo hacemos en tu CRM?

¿Quieres el registro hecho?

¿No sabes si tu portal está listo para dar escritura?

¿Tu reporting sigue midiendo el Google de 2023?

¿Quieres una medición que refleje cómo te encuentran de verdad?

¿Tu data de CRM está rompiendo tus informes en silencio?

¿Quieres data de CRM limpia y fiable sin tener que vigilarla?

¿Quieres un sistema de testeo creativo que use Muse sin depender de él?

Haz que la IA creativa de Meta trabaje para tu marca, no al revés

¿No sabes qué agentes de tu portal se están ganando el sueldo?

Convierte el stack de agentes de HubSpot en un sistema que controlas

¿Cómo Montas un Sistema de Testeo Creativo en LinkedIn?

¿Corres LinkedIn Ads con una sola creatividad por campaña?

En Resumen: ¿Qué Deberías Hacer Esta Semana?

Convierte las nuevas herramientas creativas de LinkedIn en pipeline

¿Lectura o escritura? Cómo elegir el conector adecuado

¿No sabes qué conectores es seguro enchufar a tu stack?

En resumen: ¿cuáles deberías usar de verdad?

Monta un stack de marketing conectado a IA que sea de verdad seguro

Recent Posts

Recent Comments

Archives

Categories