Así Utilizo los Agentes de IA a Diario

Vídeo em Espanhol, publicado pelo canal Euge Oller.

Sobre este contenido: El resumen, los puntos principales y los temas que aparecen a continuación se generan automáticamente a partir de la transcripción del vídeo. Reflejan el contenido, las opiniones, afirmaciones y predicciones presentadas en el vídeo y no representan una posición, validación o verificación de hechos por parte de IA Dots.

Resumen del vídeo

El ponente explica cómo utiliza agentes de inteligencia artificial en su día a día, detallando la evolución de estas tecnologías desde simples LLMs hasta agentes proactivos con ordenadores en la nube. Además, muestra ejemplos prácticos de creación de "fábricas" de contenido y código para automatizar tareas empresariales.

Puntos principales

• Evolución de los agentes de IA en cuatro fases: desde ChatGPT (generación uno), pasando por la integración de herramientas como búsqueda web (generación dos) y modelos razonadores con MCP (generación tres), hasta agentes proactivos con su propio ordenador (generación cuatro).
• Uso del protocolo MCP (Model Context Protocol) para conectar las herramientas y software de una empresa de manera estandarizada con los modelos de lenguaje.
• Importancia de atomizar las tareas cotidianas en pequeños resultados específicos para que la inteligencia artificial sea más eficiente ayudando en procesos como la creación de guiones o ideas.
• Creación de servidores en la nube (fábricas de IA) para ejecutar tareas pesadas como la renderización de vídeos utilizando modelos avanzados como Opus 5.5.
• Implementación de flujos de trabajo automatizados, como la generación y subida diaria de resúmenes de libros a YouTube sin intervención humana.

Temas

Agentes de IAEvolución de LLMsModel Context ProtocolAutomatizaciónFábricas de contenidoClonify

Transcripción del vídeo

Texto de los subtítulos disponibles; puede contener errores.

En este vídeo te voy a enseñar cómo estoy utilizando los agentes de inteligencia artificial en mi día a día y voy a intentar ser lo más práctico para que lo puedas entender y puedas realmente salir de aquí con las nociones básicas de cómo poder llegar a hacer cosas como por ejemplo tener tu propia fábrica en la que generes mmm contenido, la generes código, etcétera. Vale, esto es una de mis fábricas que está en ordenador en la nube y gestionada por uno de mis agentes de inteligencia artificial y también podrás gestionar pues por ejemplo tenemos es toda esta herramienta que he hecho aquí que se llama Clonify lo he hecho precisamente con eh inteligencia artificial, es una de las herramientas que bueno es como si fuera un sistema entero para llevar tu negocio online puedes tener tus productos, etcétera y todo esto lo gestionas desde agentes de IA. Es nuestra plataforma que precisamente lo que te permitimos es que gestiones tu email marketing, tus embudos de venta, todo desde tu agente de inteligencia artificial, ¿vale? Porque lo tenemos aquí conectado un agente de IA. Entonces te voy a explicar cómo yo trabajo eh tips y consejos, etcétera. Entonces, antes de nada vamos a empezar por lo más básico de todo que qué es realmente un agente de inteligencia artificial. Yo digo que esto ha ido pasando por diferentes fases, ¿vale? La primera fase es la que todos vivimos que yo lo voy a llamar la fase Chat GPT llega al mundo, ¿vale? Esto más o menos fue 2000 2023, sí, creo que fue Chat GPT, ahí apareció Chat GPT y todo el mundo dijo wow eh esto puede responder a preguntas que antes tenía que hacerle a Google y espectacular hay un montón de cosas interesantes que podemos hacer, pero si te fijas esto era una interfaz de un chat y [resoplido] esto es un LLM que es un Large Language Model que básicamente lo que hace es un super predictor de la siguiente palabra y mmm era interesante porque tú aquí venías, le preguntabas algo al LLM y el LLM te respondía. El problema es que no tenía acceso a internet, no tenía herramientas este LLM, simplemente el GPT, que era como se llamaba este predictor de palabras, le pusieron al GPT le pusieron un chat. Así de sencillo. Entonces, tú ahora, un humano, podía llegar aquí, anda, y testear de forma muy sencilla el poder de un LLM. Pero ¿qué había aquí? Problemas de qué, alucinaciones, em no era del todo potente, porque era de las primeras generaciones. ¿Qué pasa? Empezaron a invertir muchísimo dinero y empezaron a escalar la potencia de estos modelos de lenguaje. No solamente lo empezaron a escalar, sino que a estos modelos de lenguaje em se dieron cuenta, ¿vale? Vamos a poner generación dos, que esto, lo que se dieron cuenta es que si le daban más potencia, es decir, si los entrenaban con más contenido de internet, con más data, se volvían cada vez más inteligentes. No solamente se volvían más inteligentes, sino que además, y este es uno de los primeros conceptos que quiero es que te quedes a nivel de agentes de IA, se dieron cuenta que le podían dar herramientas, es decir, este modelo de lenguaje le podías decir, "Oye, ¿me puedes buscar por internet cuál es la em receta más reciente del chef Gordon Ramsay?" Si se lo hubieras preguntado a la primera generación, no tenía acceso a internet, no tenía herramientas, y te hubiera dado la respuesta que todos, no sé si os acordáis que decían que es "No tengo respuesta de esto, estoy entrenado únicamente hasta el 2000 veintipico." No sé si os acordáis, pero esto lo hacían antes. Y la siguiente generación no te decía eso, sino que lo que hacía es utilizar una herramienta, una tool, y esta herramienta, esta tool, era de búsqueda de internet. Entonces aquí buscaba la página web, encontraba la información y entonces sí que la procesaba y te la devolvía. Esto es superimportante porque se dieron cuenta que este modelo de lenguaje era capaz de de utilizar herramientas y una de ellas era el acceso a internet. Vale, esta es la generación dos. Vamos a decir que aparece aquí de repente luego la generación tres, generación tres en la que a estos LLMs, ¿vale? A estos modelos le vamos a incluir otras cositas. ¿Cómo qué? No solamente tienen acceso a diferentes herramientas, como internet, etcétera, ¿vale? Que esto veremos que luego es superimportante para lo que viene, sino que lo que se dieron cuenta es que a estos modelos de lenguaje podían hacerles razonar antes de hablar o antes de actuar. Y con esto vimos el siguiente gran salto de inteligencia. Yo me acuerdo que hace un año y medio me dejó super sorprendido el modelo que lo llamaron O3. Em, era un modelo de Open AI que básicamente esta vez sí que razonaba y yo empecé a dar cuenta me empecé a dar cuenta que era un poco más lento porque lo que hacía es antes de eh responderte con lo que tenía, razonaba y pensaba mucho más. Entonces era mucho más eficiente no solamente dándote la respuesta en el chat, sino que era más eficiente a la hora de usar diferentes herramientas. ¿Vale? Y también en esta generación tres empezaron a darse cuenta de que podían empezar a ponerle conectores y esto se hace a través de una cosa que se llama MCP, Model Context Protocol, que básicamente es que ciertas herramientas tienen salidas de información. Por ejemplo, tu Gmail, en teoría tiene una cosa que se llama las APIs [resoplido] y por aquí es son los tubos en los que permiten que salga información. Y el MCP básicamente es darle contexto a estas APIs, es decir, no solamente que te permitan sacar la información, sino le dejas un poco de texto de qué hace cada cosa para que el modelo de lenguaje pueda entrar en tu herramienta y utilizar las APIs que estén disponibles de salida y de entrada, pero contextualizadas, ¿vale? Es así de sencillo. Empezamos a darle conectores. Y si te fijas, esto empezó a hacer que muchas empresas de software y herramientas empezasen a contextualizar sus APIs sabiendo que en el futuro los modelos de lenguaje no solamente iban a usar internet, sino que iban a usar diferentes softwares y si apostaban a que más gente iba a interactuar con sus herramientas con un chat en vez de simplemente entrar en su herramienta a hacer clicks, las empresas empezaron a meter Model Context Protocols en sus herramientas. Precisamente lo que hemos hecho nosotros en en Clonify. No solamente tienes tu asistente aquí, que él también tiene acceso a todas las APIs que tienen con sentido dentro de tu plataforma, sino que tú puedes pedirle el MCP y te dará el MCP, que básicamente es que tú te conectas desde tu cuenta a tu cuenta y puedes gestionar aquí, pues hacer landing pages, puedes hacer embudos de venta, puedes generar productos directos, etcétera, formularios, toda la parte de email marketing, etcétera, ¿no? Entonces, esto básicamente es la siguiente generación. Y para que quede claro, aún no hemos acabado porque hay otra generación, que es la generación cuatro. Estas generaciones me las estoy inventando yo, ¿eh? No es no es algo que sea estricto, pero sí que va a ayudar mucho a que entendáis cómo ha ido evolucionando todo esto antes de ponernos en materia. Entonces, ¿qué es lo que pasa? La siguiente generación mhm, es muy curioso porque la revolución de la generación tres, que vamos a poner lo que son los modelos razonadores, dores, vamos a irles poniendo como modelos razonadores, vamos a poner los modelos razonadores y MCPs, ¿vale? Que es darle contexto para que los modelos puedan empezar a utilizar mejor las herramientas. Aquí generación dos, vamos a ponerle tools. Herramientas al modelo. ¿Vale? Y la generación tres es agentes proactivos con ordenador. Ordenador. ¿De dónde viene esta esta generación cuatro? Es muy curioso porque los modelos razonadores es un avance que sale de dentro de los laboratorios. Eh, la generación cuatro viene de el mundo open source. Peter Steinberg, creo que se llamaba, saca una cosa que se llama hoy en día Open Claw, que básicamente lo que le dice es, oye, vamos a crear un unas instrucciones, por así decirlo, en la que un modelo puedes hacer que directamente viva dentro de tu ordenador, o mucha gente, como no quería que viviese en su ordenador, empezaron a comprar Mac minis y le daban este Mac mini y le dijeron, mira, ahora este es tu Mac mini, vete apuntando aquí cómo me gusta trabajar, y aparece, bueno, es fue un repositorio supervotado en GitHub, un montón millón bueno muchísimas descargas a nivel mundial, y las grandes empresas se dan cuenta de que este era el siguiente step que le faltaba, que es que no solamente tenga acceso por MCP este modelo lenguaje a diferentes herramientas, internet, etcétera, sino que si le das un ordenador, que la gente nunca iba a comprarse un ordenador para dárselo a su modelo lenguaje, sino que las empresas dicen, oye, que nosotros podemos darle ya un ordenador. Podemos darle a esta gente un ordenador y que la persona que lo esté usando ni se entere. Eh, si os fijáis, había una revolución en los últimos días, sobre todo en Estados Unidos, aquí aún no ha llegado muy fuerte, por parte de Open AI han sacado Dots, por parte de Meta han sacado Meows, por parte de Grok, que es la de Open AI, la de X AI, han sacado Grokbot, ¿vale? Estos agentes, por así decirlo, de aquí son agentes personales que hm no solamente tienen acceso a las tools, no tienen acceso a los a los MCPs, a a todo lo que hemos dicho antes, sino que además tienen su propio ordenador, su propio ordenador en la nube, y eso qué les permite, les permite tener su propio navegador, o sea, si en algún momento ni siquiera hay una herramienta que no tiene MCP activo, que yo creo que en el futuro todas la tendrán que tener, o no tiene APIs abiertas, puede directamente abrir su navegador y hacer clicks y navegar como si fuera una persona. Entonces, básicamente, es como si tuvieras un asistente personal que tiene su propio ordenador y trabaja por ti como si lo tuvieras en una oficina, con su ordenador, haciendo clicks, etcétera. Si hay algo que tiene MCP, también te dejan conectarte de manera más fácil, o sea, han hecho que estos modelos de lenguaje, estos agentes, eh las conexiones, si te fijas, si te descargas un Grokbot, que yo es con lo que estoy trabajando, porque Meows no ha llegado a España ni Dots tampoco, si te bajas un Grokbot, verás que las conexiones a la gran mayoría de herramientas son mucho más sencillas, mucho más fáciles, ¿vale? Entonces, esta siguiente esta generación es la que ya tienes a un agente que tiene su propio ordenador, y hay otra cosa que también la han integrado en las instrucciones, que es la pro actividad, es decir, este agente, normalmente tú lo que hacías en esta generación era tú preguntas a ChatGPT y él te responde, es reactivo, incluso aquí y aquí hay una reactividad. Ves a hacerme esto, hazme tal. Aquí hay una proactividad por parte del modelo, es decir, yo me he llegado a levantar un día por la mañana y y ver que mi Grokbot por la mañana me dice, "Oye, Euge, he visto que tienes un podcast a las 9, yo de ti saldría ya porque son las 8 y pico y probablemente no llegues, ¿vale?" O sea, de este estilo es el el tema. O, "Oye, acabo de ver tu calendario y creo que hay dos reuniones que se solapan, ¿quieres que avise a una de las personas para que cambiemos la hora? O, "Tienes una reunión ahora a las 5 con esta persona, he buscado online y esta es la información sobre esta persona para que vayas preparado a la reunión." O, "Oye, eh veo que eh como me conoce, en Clonify estás haciendo esto, te podría interesar hacer esta otra cosa." ¿Vale? Hay una proactividad y tenemos que pensar que si esto cada vez va a más, ¿vale? Esto no se va a acabar aquí, lo más probable es que cuanta más inteligencia tenga, tenga más capacidad estratégica, sepa mejor cómo funciona tu negocio y cada vez te pueda ayudar mejor a seguir consiguiendo tus objetivos, etcétera. Esto básicamente es donde estamos ahora. Entonces, ¿cómo estoy yo trabajando con agentes de IA? Porque, porque aquí tengo yo, bueno, por por qué estoy trabajando así. Yo tengo aquí Grokbot, ¿vale? Que Grokbot es esto que os voy a enseñar ahora aquí, ¿vale? Este es mi Grokbot. Al principio en Grokbot te dejaban ir haciendo estos agentes, bueno, esto también te dejan hacer ahora. Em, pero ¿qué es lo que pasa? Esto de aquí llega un punto en el que se han dado cuenta que yo creo que tiene todo el sentido del mundo, es lo han lo han puesto como si tuvieras un agente que es el capataz, que es como el el que dirige los otros subagentes y tiene sentido. Él ya lo va a ir bajando a los distintos cuando él considere, que es lo que creo que más sentido tiene, es que solamente estés hablando con un agente. Entonces, yo tengo bastante rutinas y bastantes cosas puestas con con el sistema y por ejemplo, yo cada día le he dicho, ¿puedes eh darme temas para hacer yo reels y shorts? Y me dice, mira, vale, esto es Buenos días, aquí tienes las cinco preguntas hoy para grabar shorts. Sabiendo cuál es mi contenido, porque lo estoy trabajando con él. Entonces, como estas cosas hay bastantes. ¿Qué es lo interesante de Grok Bot? Fíjate que aquí tenemos las aplicaciones y tú puedes irle conectando. Yo tengo ahora mismo 11. Tenemos Gmail, tenemos Eleven Labs, tenemos Google Calendar, tenemos distintas que hemos ido añadiendo. Entre otras, pues tenemos Clonify, etcétera. Fíjate que yo le podría decir, ¿qué cosas podemos hacer con con Clonify? Entonces, si tú tienes, por ejemplo, un negocio de formación o un negocio online o un negocio de coaching, en Clonify puedes preparar, fíjate, ver métricas y errores, gestionar tu agenda y tus reuniones, listarlas, leer las transcripciones y las grabaciones, porque al final lo que es interesante que hemos hecho, por ejemplo, en Clonify, es que tú tienes también eh todo un CRM, la bandeja de entrada, etcétera. O sea, hemos centralizado todas las herramientas y, entre otras cosas, por ejemplo, tenemos la parte de reuniones. Entonces, tú puedes tener aquí las reuniones de tu equipo, incluso la disponibilidad tuya, la de tu equipo, enlaces de reserva, las grabaciones. Las grabaciones, por ejemplo, tú, como por MCP, se las puede descargar. Yo tengo alguna rutina que algunas reuniones que yo tengo se descargan, me saca clips, etcétera, ¿no? Todo todo está contextualizado, todo se genera con transcripciones. Entonces, mi agente me permite trabajar directamente desde aquí. Pero fíjate, Grok Bot tiene aquí su ordenador virtual, que esto es lo que te decía que le permite tener su propio navegador, si hace falta hace clic en las cosas, puede generar pequeñas bases de datos en su ordenador, guardarse archivos, etcétera. Esto le da mucha más persistencia y control. Y luego tú le puedes ir, por MCP, como te decía, que esto te digo MCP, pero la gente ya directamente tú vas a Grok Bot y son conectores. Y él ya tiene acuerdos con muchas de estas para que sea super fácil a la hora de conectarse. Entonces, tú le puedes conectar Gmail, Calendar y él proactivamente va a ir entendiendo y puede responderte al Gmail, puede cambiarte cosas en el Calendar, puede crearte landings o embudos en Clonify o la campaña de de emails la gestionas entera desde aquí. Oye, aquí tengo el lanzamiento. Como en Clonify ya hemos pensado en el tema de carritos, eh ba order bumps, upsells, downsells, él ya sabe cómo hacerlo porque está todo contextualizado. Por ejemplo, si quieres subir con contenido, pues usar Buffer, Metricool, cualquiera de estas para subir contenido y a redes sociales, pero si por alguna razón tienes que subir contenido a la red social que no tienes una de estas cosas, él puede conectarse, por ejemplo, a YouTube y subirte el vídeo de YouTube a mano. Pero, ¿qué es lo que pasa? Con Grobot, el problema es que a veces no es suficientemente bueno para hacer ciertas tareas porque y hay una cosa que quiero que entiendas, que con la IA, como yo me estoy organizando, es que yo lo que hago es atomizar las tareas que yo tengo en el día a día en pequeños fragmentos y yo a esto lo llamo eh los resultados que voy sacando. Esto es superimportante que lo vayáis haciendo porque mhm en el día a día nosotros estamos acostumbrados a sacar resultados, como por ejemplo, hacer un guion de YouTube, hacer un vídeo de YouTube, hacer un reel etcétera y muchas veces estamos tan en piloto automático que nunca hemos atomizado a su mínima expresión. Tenemos que intentar eh nuestras tareas y cuando digo atomizarlos es como eh s irlo partiendo en el mínimo resultado posible porque la IA mhm va a ser mucho más eficiente para ayudarte cuando el resultado que le presentes sea pequeño. Por ejemplo, un vídeo de YouTube está compuesto por varios resultados, un guion, una edición, una miniatura eh y diferentes cosas o la idea ¿vale? La la propia idea de YouTube, de un vídeo es un resultado atomizado. ¿Vale? Normalmente la gente lo que intenta es como, "Oye, IA ¿me podrías dar un vídeo YouTube ganador?" No funciona así. Lo que tienes que hacer es seg- segmentarlo y decir, "Vale ¿qué es para mí una buena idea? ¿Qué es para mí una buena miniatura?" Y tener estos estas métricas de evaluación para cada una de ellas. Aquí es donde realmente se vuelve bueno. ¿Qué es lo que pasa? Que Grokbot mhm tiene por detrás la inteligencia de Grok, que aún no es suficientemente buena, por ejemplo, para editar. Para editar no sé si lo estás viendo, pero Opus 5.5, que es la de Cloud, ha sacado es uno de los modelos más potentes a la hora de editar contenido. Pero cuando te hablo de que es uno de los más potentes es que está haciendo verdaderas virguerías. Por ejemplo, nosotros en el canal de EmprendeAprendiendo estamos empezando a experimentar con ediciones de este estilo, como por ejemplo este de aquí. Hace un par de meses y veréis que en Spicy Food Milan está editando a este nivel, o sea, edita a un nivel espectacular. Eh mira, fíjate, todo esto está hecho con Opus. ¿Vale? Sabe hacer eh graphic motion, todo esto está editado con Opus. Todo todo todo todo todo. Te puede clips, te coge eh diferentes escenas te sabe recortar, pu- puede eh cosas de de fuera, te puede hacer eh graphic eh graphic motions, te puede hacer de todo. Entonces, ¿qué es lo que pasa? Una cosa así de de de calidad como Opus, si tú estás trabajando con esta gente de IA que es Grokbot el Opus normalmente lo que tienes que trabajar es en tu ordenador a no ser que te generes estas fábricas de IA, que básicamente esto es muy sencillo. Te vas a un ordenador en la nube como por ejemplo Hetzner, que esto no hace falta que tú vayas a hacer clic para montarte el ordenador, porque quién te lo va a montar, quién te va a ayudar a hacerlo, Grok Bot. Piensa que tienes que utilizar la propia IA para que te ayude a hacer estas cosas. Te vas a Grok Bot y le dices, "Oye, quiero montarme unas fábricas así bien bonitas." Le haces una captura a esto, luego te enseñaré por qué lo he hecho así, y quiero que sean así clean o te las customi o te las customizas tú a tu gusto y le dices, "Vale, quiero montar un servidor en la nube." ¿Por qué en la nube? En un Hetzner, porque tiene que ser en un sitio, pues hazlo donde quieras, ¿eh? Pero en un servidor que tenga suficiente capacidad de renderizar. Vale, los servidores más baratos, algunos no, si solamente es para temas de de de data, no hay problema, pero si quieres que renderice, tiene que ser suficientemente potente. Entonces, yo he cogido aquí en un servidor, que no sé si son 64 euros al mes o así, y lo que conseguimos con esto es tener un ordenador que siempre esté persistente. Me dirás, "Pero no tenía un ordenador ya esto." Sí, pero este ordenador no es suficientemente capaz de hacer lo que queremos para el tema de generación de vídeo. Entonces, lo que puedes hacer con el Grok Bot, como aparte de darle todas estas herramientas, le puedes dar la potencia de una fábrica. ¿Qué quiere decir una fábrica? Le montas esto en un ordenador en la nube, te conectas con tu propia cuenta de Cloud de Opus 5.5 aquí mismo y aquí vas montando las fábricas que te decía. ¿Qué quiere decir una fábrica de IA? Lo mismo que te decía aquí, si tú estás atomizando los resultados que quieras, esto mismo puede ser un proceso como si fuera una fábrica. Oye, ¿cómo se llega a una idea ganadora? Pues deberá haber unos pasos. O sea, si tú quieres llegar a una idea ganadora, vale, vamos a poner aquí una idea, igual que una fábrica de montaje, hay raw materials que entran, cuando digo raw materials es materiales materiales, no sé cómo se dice en español ahora, o sea, lo hay algo que tiene que entrar y algo y para que salga la idea. ¿Qué es lo que tiene que entrar más luego? No solamente tiene que entrar algo, cuando digo materiales es como el el input inicial, sino que tiene que haber probablemente unos procesos que tienen que ir sucediendo hasta que llegues a la idea. Igual que en una cadena de montaje, esto tienes que pensar que tiene que tener un ciclo de medir, aprender que mal escribo y mejorar. Mira, ¿sabes qué? Vamos a ponerlo así. Medir, aprender y mejorar, ¿vale? ¿Qué quiero decir con esto? Pues que la primera vez que hagas una fábrica de estas, tú por mucho que le hayas dado el input final, o sea, la eh ¿qué qué es para ti una buena idea? Probablemente no salga tan bien. Pero si tú ya eres bueno generando estos es estos resultados, te toca a ti pensar en en tu cerebro, cuando tienes una buena idea de un vídeo de YouTube, ¿qué has hecho antes de que salga? ¿Qué es cuáles son los ingredientes que han entrado aquí? A lo mejor es ver otros vídeos de de YouTube, a lo mejor es estar todo el día viendo TikToks, a lo mejor es ver ideas ganadoras en X, ¿vale? Entonces, este proceso ahora vas a tener que empezar a plasmarlo, es un proceso de sistemas. Entonces, empezarás y le dirás "Oye mira estos son los materiales que yo suelo usar, así es como yo suelo generar el proceso para para hacerlo y y te dará la primera idea. Y aquí mides, "Hostia, no has llegado tan a lo que yo pensaba." Aprendes de por qué puede haber pasado y mejoras. Entonces, aquí hay sistemas como por ejemplo, oye, eh ¿por qué no simulamos un séquito de gente que es mi público avatar, ¿no? Mi público objetivo de mi negocio. ¿Esto a mi público objetivo le va a gustar? Y simulas ciertas personalidades que la IA es capaz de hacerlo y simplemente le dices, simúlame en el paso tres, ¿vale? El paso uno es materiales que entran dentro, que es, hazme una búsqueda de los mejores vídeos actuales virales. Saquemos a los mejores. Pásame a tres personas, simúlame a tres personas que hagan ver que miran el vídeo y qué les parece. Vale, aquí a lo mejor de las 20 ideas que han salido solamente viven tres. Vale, de estas tres que han ganado, hm ¿cuál es la mejor? Y aquí aparece un crítico experto y tal. Y aquí aparece un experto de YouTube y no sé qué y tal y tal. Vale, lo que tú quieras, pero esto es un proceso de cosas que entran, cosas que salen. Lo mismo para el guion, miniatura o incluso para el código. Tenemos fábricas de código. Yo tengo una fábrica aquí que es taller de código, que es para Clonify. Fíjate que es qué es lo que entra, tarea que le pasas. El input que yo le pongo es, oye, mira, hay un cliente dentro de Clonify que me ha dicho que esto em está fallando o esto podría ser interesante implementarlo. Entonces, el la la fábrica se pone a trabajar y me hace una un una revisión, un PR, que es básicamente como una opción para ver si yo lo meto dentro del código o no. Que aquí pone que lo reviso yo, pero en el fondo lo que hago es Crocbot me ayuda a revisarlo y lo fusionamos entre los dos. Fíjate, sala de montaje. Aquí, por ejemplo, tenemos sala de montaje de Emprende Aprendiendo, está en espera y podemos abrir la sala de revisión. ¿Vale? Y esto esto que estás viendo aquí puedes decirle que te lo monte, ¿vale? Mótame una sala de montaje donde yo pueda ver eh cómo está pasando los vídeos y aquí lo puedo comentar, cámbiame esto. Entonces, puedes irle dando comentarios y la fábrica, además, estos comentarios le puedes decir, oye, parte de tu proceso de fábrica es cuando tú vayas mejorando, vayas acordándote de cómo nosotros nos gustan las cosas. Cada comentario que ponemos de cómo mejorar va mejorando, o sea, se va haciendo mejor el sistema oficial de esa cadena de montaje. El creador de Minecraft escribió en enero de este año que usar inteligencia artificial para programar era una idea usado como bytecode. La gente esperaba que la basura de cualquier cuenta de Anthropic que eligiera herramientas Y aquí podemos nosotros cambiar y ya está. ¿Vale? Y aquí podemos pues ir cambiando de diferentes estilos y tal. Esto esto lo montas parece complicado porque aquí hay que romper una barrera. El software a partir de ahora, a no ser que sea algo más complejo, es bastante fácil de hacer pantallas así, interfaces, que tú mismo te las puedes customizar. En en cosas como clonify es algo un poco más complejo porque si te fijas hay mil cosas que que que están implementadas aquí y muchas de estas son interacciones con otras cosas, por ejemplo, el email marketing, el tema de los clones, etcétera. Entonces, pero hay muchas cosas, como por ejemplo aquí la fábrica esta, que tú le puedes hacer un pantallazo a esto ahora mismo y decir, la quiero de este estilo y te lo hará más o menos de este estilo. O por ejemplo aquí la fábrica, le dirás, oye, dentro de la fábrica, cuando me montes estas cosas, yo quiero visualizar, ¿Vale? Fíjate que aquí trabajando, montando el vídeo, paso cuatro de cinco. ¿Vale? Algo ha fallado a revisar con la IA. Pues le preguntaré a Grobot, ¿Qué ha qué ha fallado? Fíjate en el proceso, recibe escucha cortar montar. ¿Vale? Y aquí vaya a ver, y esto ya es la presentación que yo he hecho que me me me me lo ha editado así. Y es un output, por ejemplo, este tipo de presentaciones que es las que estoy haciendo ahora mismo en el canal de UG, al principio le costaba mucho cortar. Y en vez de eh decir, esto no está funcionando, le vas dando feedback y le dices, mira, lo voy a hacer yo, ¿vale? Como si fuera un empleado, lo voy a hacer yo con CapCut y lo voy a ir cortando yo para que veas cómo me gusta cortar los silencios. Y te voy a dar el input inicial y el output final y tú luego lo vas a hacer. Y si no dan los mismos minutos del resultado de tu vídeo editado que el mío, tenemos algo ha fallado. Entonces, se da cuenta de que algo ha fallado y luego él mismo entra a revisar y me dice, tienes razón, mira, aquí hemos cortado de menos y entiendo que a ti lo que te gustaría aquí es que cortásemos un poco de más para que fluya mejor. Sí. Entonces, no penséis que esto se hace a la primera, pero si consigues atomizar esos resultados, tú puedes ir montando estas fábricas, que en el fondo son workflows. Yo lo llamo fábricas porque mira, además le he puesto aquí que cuando una fábrica está trabajando aparezca humo de la chimenea. Pues soy un friki, ¿vale? Pero podrías llamarlo workflows. A mí me gusta verlo así porque puedo ver lo que entra, lo que se fabrica y la revisión y el destino. Hay algunas cosas que no tienen revisión, por ejemplo, Leader Summaries es una fábrica que va automatizada al 100%. Elige solo a un libro de su cola, eh Leader Summaries se pone aquí a generar los los vídeos, que ahora mismo no hay nadie que esté generando nada, y sin revisión se sube solamente a YouTube. Si te fijas aquí, si vamos a Leader Summaries, si te fijas aquí, si vamos a Leader Summaries, eh cada día se están subiendo shorts y vídeos, ¿vale? No no tiene muchas visitas y es más, no creo que las tengan en un periodo largo de tiempo, pero es simplemente para el experimento de decir, oye, para mi negocio resúmenes de libros, es una cosa que ya automaticé y cada día se están subiendo estas animaciones. Son animaciones que, oye, trabajamos un poco en hacerlas, tiene acceso, por ejemplo, también la fábrica a la API de Nano Banana, que es él es capaz de ir generando estas imágenes cuando toquen, ya tenemos un proceso de cómo hacerlo, y básicamente, pues, genera las animaciones que le toquen, pone una voz, fíjate. Sabes algo más que el día anterior. [música] Y 20 minutos al día, al cabo de un año, son más de 100 horas leídas. Y esto básicamente, pues, tiene una voz Labs, tiene la API, él va generando aquí el de esto y al final hace un CTA a al libro de Leader Summaries, que es gratuito el primero. Entonces, aquí ya te lo se lo pueden descargar y se genera también todo el sistema. Entonces, un poco es esto, como yo estoy trabajando y como en en la generación en la que estamos es sobre todo este sistema de los resultados, es el sistema de que luego te puedas ir creando, o sea, el tema de las fábricas básicamente es es estos hay workflows que aún no puede hacer Grokbot muy bien, porque necesitamos otros modelos y para esto podrías tenerlo en tu ordenador perfectamente, pero por ejemplo, yo esta fábrica no solo está mi Grokbot, está el Grokbot de también gente de mi equipo que también va almacenando aquí las fábricas, entonces yo podemos conjuntamente revisar cosas que a lo mejor el input no ha sido desde mi ordenador, sino que ha sido el input de otra persona que trabaja en mi equipo y puedes ver lo que está sucediendo aquí. Entonces esto básicamente es como tener un ordenador más potente con los modelos que tú quieras pero existente en en la nube, al al que pueden acceder tus agentes. ¿Vale? Ah, espero que te haya servido. Em si te gustan este tipo de vídeos, ya sabes, suscríbete en este canal, vamos a estar aportando el máximo de valor posible de este estilo y nos vemos en el siguiente. Ah, por cierto, si tienes un negocio de formación y quieres ahorrarte dinero trabajar con IA, centralizarlo todo, acuérdate que nosotros tenemos Clonify, pides aquí una demo con nuestro equipo, ¿vale? Eh, tenemos aquí horas disponibles y te enseñamos cómo sacar el máximo partido, te ayudamos a integrarlo, lo tienes aquí para poder sacarle partido, estamos trabajando ya con un montón de academias y negocios online que le están sacando un partido brutal, así que nada, también por aquí y que vaya bien y nos vemos ahora sí en el siguiente. Chao.

Assistir ao vídeo original no YouTube

Assuntos: Agentes de IA, ASI. Publicado no YouTube em 2026-10-22.

Seleção automática por assunto e idioma. O vídeo pertence ao canal de origem.