Crear contenido con IA para una marca es fácil. Crearlo para varias marcas a la vez, sin que se mezclen las voces, sin cifras inventadas y sin imágenes con manos de seis dedos, ya no lo es tanto. La diferencia entre una cosa y otra no está en el modelo que uses, sino en lo que pasa entre el momento en que la IA escribe un borrador y el momento en que una persona lo publica.
Llevo buena parte de este año construyendo un sistema de producción de contenido con IA para equipos que trabajan con varias marcas. Esto es lo que he aprendido sobre dónde ayuda la IA, dónde falla y cómo montar el proceso para que el resultado se pueda firmar con el nombre de la marca.
Lo que la IA hace bien
La IA redacta un primer borrador decente en segundos si le das un enfoque claro, una audiencia y un formato. Adapta el mismo mensaje a canales distintos: una versión para LinkedIn, otra para Instagram, otra para Telegram. Reescribe bien, y eso tiene más valor del que parece: una publicación de la competencia que ha funcionado puede servir de punto de partida para tu propia versión, con tu voz y sin copiarla.
También acelera la parte menos vistosa de la producción. Pasar de un briefing a un storyboard, de un storyboard a varias propuestas de imagen, de un guion a locución y subtítulos.
Dónde falla cuando hay varias marcas
Los fallos no son aleatorios. Son siempre los mismos tres, y empeoran con cada marca que añades.
La voz se contamina. Un modelo tiene una voz por defecto que no es la de nadie. Con una marca y un buen prompt, aguanta. Con cinco marcas compartiendo una misma biblioteca de prompts, las voces empiezan a parecerse. La marca desenfadada se vuelve formal, la palabra que un cliente tiene prohibida aparece en el borrador de otro. Cada pieza por separado parece correcta. El problema se ve cuando lees un mes de publicaciones seguidas.
Los datos se inventan. La IA escribe con la misma seguridad una cifra real que una inventada. Una capacidad, una fecha o un porcentaje que suenan bien y no tienen fuente. Con varias marcas, quien revisa tiene que recordar los datos de todas a la vez, y ahí es donde se cuela el error. Una afirmación falsa bajo el nombre de una marca cuesta mucho más que el tiempo que ahorró la IA.
Las imágenes y el vídeo tienen artefactos. Dedos de más, texto deformado en un envase, logotipos torcidos. En vídeo, además, caras que cambian entre fotogramas o un producto que se transforma a mitad de plano. Se escapan en una revisión rápida y tu audiencia los ve enseguida.
Por qué un prompt más largo no lo arregla
La reacción habitual es alargar el prompt: añadir reglas de voz, pegar los datos, listar lo que no se puede decir. Ayuda un poco y luego deja de ayudar. Un prompt es una instrucción, no un control. Nadie comprueba que el modelo la haya seguido. Cuando no la sigue, la única red es una persona cansada leyendo el borrador al final del día.
La solución pasa por dejar de tratar la creación de contenido con IA como una tarea de redacción y empezar a tratarla como una línea de producción, donde cada paso tiene un responsable, un control y una consecuencia definida si el control falla.
Cómo crear contenido con IA con controles de calidad
Este es el esquema que aplicamos en nuestra fábrica de contenido con IA para varias marcas. Lo describo por mecanismos, no por promesas.
Cada marca, su propio espacio de trabajo
La decisión más importante es separar las marcas como datos, no como párrafos dentro de un prompt compartido. Cada marca tiene su libro de hechos, sus reglas de voz, sus fuentes, sus archivos multimedia y su registro de auditoría. Cada marca lista sus canales, cada uno con su idioma. Añadir una marca significa cargar su manual de marca y su libro de hechos, no rehacer el sistema.
Así desaparece la causa principal de la contaminación de voces: el borrador de una marca se produce solo con las reglas de esa marca.
Las cifras salen del libro de hechos
Pedirle al modelo que use solo datos aprobados no basta. Las cifras salen únicamente del libro de hechos de la marca, y un paso de verificación aparte comprueba que cada cifra y cada afirmación se puedan rastrear hasta él. Si no se puede, la afirmación se bloquea y el borrador usa una redacción respaldada por fuentes. Que el verificador sea un paso distinto del redactor es lo que hace que el control funcione.
Una cadena de revisores para el texto
El texto pasa por una cadena en orden fijo: redactor, editor de marca, abogado, lector escéptico, verificador de datos y humanizador. Si uno de los revisores editoriales lo rechaza, el borrador vuelve a revisión antes de seguir.
Control de artefactos antes de guardar nada
Toda respuesta del modelo y toda imagen generada pasa por un control externo de artefactos de IA antes de guardarse. En producción, si el control falla, no se guarda nada. En imagen, los candidatos de varios modelos se muestran lado a lado y el operador elige cuál continúa, con el motivo anotado.
El vídeo vertical corto se produce dentro de pilotos, no como formato disponible en general. Cada clip pasa por una tira de fotogramas, una comparación entre fotogramas y un análisis multimodal, y se regenera como máximo 2 veces. Un análisis que falla o no se puede leer devuelve desconocido, y desconocido nunca cuenta como aprobado. Los carruseles y la remezcla de material propio son lo siguiente en la hoja de ruta.
Una persona aprueba y el sistema no publica
Todo lo que sale es un borrador. El sistema no tiene paso de publicación. Una persona revisa cada pieza, la edita si hace falta y la publica desde sus propias herramientas. No es una opción que se pueda desactivar un viernes con prisas, es una regla de diseño.
Todo queda registrado
Cada pieza se puede rastrear hasta su briefing, sus entradas, sus prompts, sus modelos y su resultado de calidad. Cuando alguien edita un prompt, queda anotado quién, cuándo, el valor anterior, el nuevo y el motivo. Si algo sale mal, sabes qué paso falló y lo arreglas ahí.
¿Lo necesitas?
No siempre. Si publicas para una sola marca y tienes a alguien que la conoce a fondo, un buen asistente y una revisión disciplinada pueden bastar.
Tiene sentido montar un proceso como este cuando gestionas varias marcas, ya sea como equipo interno o como agencia, cuando tus marcas hacen afirmaciones que tienen que ser exactas, cuando necesitas imágenes o vídeo además de texto, o cuando un cliente te puede pedir cuentas de cómo se hizo una pieza.
Si te reconoces ahí, el paso razonable no es un despliegue completo, sino una prueba pequeña con trabajo real. Hacemos un piloto con dos de tus marcas: pasamos briefings reales por el flujo, tu equipo revisa los borradores y los resultados de calidad, y se decide continuar, parar o cambiar de rumbo con criterios acordados de antemano. Si quieres entender antes qué es un agente de IA y cómo encaja en una empresa, lo explico en qué son los agentes de IA.
Preguntas frecuentes
¿Se puede publicar directamente lo que genera la IA?
No es buena idea. El borrador necesita reglas de voz, verificación de datos contra fuentes aprobadas, control de artefactos en imágenes y vídeo, y una persona que lo apruebe antes de publicarlo.
¿Cómo evito que se mezclen las voces de varias marcas?
Separando cada marca en su propio espacio de trabajo, con sus reglas de voz y su libro de hechos. Un prompt compartido con un párrafo por marca es la causa más habitual de que las voces se mezclen.
¿Vuestra fábrica publica en redes sociales?
No. Todo lo que produce nuestra fábrica de contenido con IA es un borrador, y una persona lo publica desde sus propias herramientas.
¿Puedo crear vídeo corto con IA para mi marca?
Sí, dentro de pilotos. Cada clip pasa por un control de calidad de vídeo con un máximo de 2 regeneraciones, y si encaja o no con el nivel de tu marca es justo lo que mide el piloto.