Las herramientas de IA que usamos en el día a día (y las que hemos descartado)
Hace un mes generábamos las cabeceras del blog con Ideogram, un generador de imágenes que llevaba semanas funcionando bien. Un día empezó a devolver un error de cuota que no era el límite gratuito de siempre, sino un aviso de que había que subir de plan para generar ni una imagen más. Cambiamos de herramienta esa misma tarde. Eso resume bastante bien cómo elegimos lo que usamos: no por lo que promete la web del producto, sino por lo que sigue funcionando cuando lo necesitas de verdad.
En Sinado Apps trabajamos con Claude Code para bastante más que escribir código. Tenemos una rutina programada que redacta un artículo de este blog varios días a la semana, lo traduce a inglés y gallego, y lo publica solo, sin que nadie lo revise antes de que salga (si algo suena raro, lo corrijo después, no antes). Eso funciona porque, en vez de repetir instrucciones cada vez, las tenemos guardadas como lo que en la jerga se llaman “skills”: una guía de estilo comprobable, un registro de temas ya publicados para no repetirnos, un frontmatter exacto que hay que respetar. La IA no “sabe” escribir como nosotros por arte de magia, lee esas reglas cada vez que le toca escribir.
Las imágenes de cabecera sí se quedan pendientes en esa rutina automática, y ahí es donde entran los MCP (Model Context Protocol, el estándar que deja que un asistente hable con herramientas externas sin programar una integración a medida para cada una). Usamos Stitch, de Google, vía su MCP, para generar las cabeceras con un estilo isométrico que definimos una vez; el asistente lo respeta cada vez que genera una imagen nueva, sin que yo tenga que volver a describirlo. También tenemos MCPs para Trello y Slack, aunque ahí vamos más despacio: el tablero es viejo y todavía no lo hemos limpiado lo suficiente como para dejar que un agente escriba ahí sin supervisión.
Lo que menos se vende y más se nota en el día a día son los subagentes: en vez de que un único hilo de conversación acumule todo el contexto de un proyecto grande hasta quedarse sin memoria útil, delegamos partes concretas (buscar dónde está una función, revisar un cambio, redactar un mensaje de commit) a un agente aparte que hace solo esa tarea y devuelve un resultado corto. Suena a detalle técnico, pero es la diferencia entre trabajar en un proyecto de meses sin que la IA “olvide” lo que hicimos al principio, y tener que repetirle el contexto cada dos por tres.
No recomendaría montar todo esto a cualquier agencia. Si el equipo es una persona y el volumen de contenido es bajo, una rutina automática de publicación da más trabajo de mantenimiento del que ahorra. A nosotros nos compensa porque publicamos con regularidad y porque el coste de un artículo mediocre es bajo: se corrige, no se pierde un proyecto de un cliente.