El punto de partida
Los equipos de comunicación y medios que sacan una newsletter a partir de fuentes externas conocen el problema: cada día alguien tiene que leerse el sector entero. Este caso es uno de ellos.
Antes, el proceso era manual y de jornada completa. Una persona buscaba noticias medio a medio, las recuperaba, las analizaba, redactaba titulares y resúmenes y montaba la newsletter en el CMS. Otra revisaba, añadía las imágenes y las piezas de publicidad. Entre las dos, del orden de ocho horas de trabajo al día.
Lo que pedían era dejar de ejecutar a mano un proceso repetitivo y de mucho volumen, sin perder el criterio editorial que había detrás.
Qué automatizamos: de las fuentes al contenido publicado
Automatizamos el proceso entero, de la fuente a la newsletter. La orquestación corre en n8n autoalojado (on-premise, no en la nube): agrega las noticias de múltiples fuentes y pasa cada una por la IA.
El resultado se vuelca en una tabla de base de datos, y desde ahí la aplicación que usa el cliente lo muestra ordenado según su contexto de negocio, listo para revisar. La automatización de procesos con IA aquí cubre el ciclo completo, de captar la noticia a dejar el contenido montado.
El cliente entra, revisa y envía. Lo que antes ocupaba una tarde entera hoy es una revisión corta.
El pipeline: qué hace la IA con cada noticia
Por cada noticia el flujo hace varias pasadas: resumen, titular de tracción, selección o generación de imagen, agrupación por temática, categorización y puntuación. Es automatización de tareas repetitivas en el sentido literal: el mismo trabajo, miles de veces al día, sin que lo toque una persona.
Los modelos se reparten según la tarea. En producción usamos DeepSeek V4 Pro y Claude Sonnet 5, cada uno donde rinde mejor: uno más pesado para los pasos que lo piden, otro más ligero para los que no. Las imágenes que ilustran cada noticia se generan con Nano Banana Pro (Gemini 3 Pro Image) de Google.
No fue la primera combinación que probamos. Pasamos por modelos de OpenAI, Google (Gemini), Qwen, Mistral y varias versiones de DeepSeek hasta dar con el equilibrio de coste y calidad que aguanta este volumen.
Cómo la IA puntúa según el criterio del negocio
La IA no usa una relevancia genérica: puntúa cada noticia y la agrupa según lo que a este cliente le interesa destacar para su audiencia. Es automatización inteligente porque aplica el criterio de negocio del cliente, construido para su público.
Ese criterio es de negocio: mide qué le sirve al cliente para lo que quiere contar a su audiencia. Llevar años de criterio editorial a un modelo fue la parte más difícil del proyecto, y lo contamos más abajo.
La lógica concreta de puntuación y orquestación es privada. Lo que sí decimos es que existe y que se ajusta a cada negocio: la misma plataforma, con el criterio de otra empresa, ordenaría las noticias de otra manera.
De las fuentes al envío: newsletter y blog
Con las noticias ya procesadas y puntuadas, la plataforma monta la salida. Genera el HTML de la newsletter listo para Ghost, y el mismo flujo de trabajo se activa igual con Easymailing, Brevo o la plataforma que ya use el cliente.
El motor sirve también para el blog: a partir de una plantilla, deja el artículo montado en la tecnología que toque. En los dos casos la persona no redacta desde cero, revisa que todo esté correcto y publica.
Resultados
- El trabajo diario de contenidos pasó de unas ocho horas a unos treinta minutos de revisión: más de un 90% menos de tiempo.
- Montar y enviar la newsletter, que llevaba varias horas, es hoy una revisión de unos diez minutos.
- Volumen: más de 2.000 noticias al día y más de 150.000 procesadas hasta la fecha, con margen para crecer a medida que se suman fuentes.
- El coste de procesamiento se mueve en el orden de unos cientos de euros al mes para ese volumen, según los modelos elegidos y variables como el batching. Es la magnitud de la plataforma, no la factura del cliente.
Además de la velocidad, hay un cambio de fondo: el contenido sale automatizado pero mantiene el criterio de la empresa, sin caer en lo genérico.
Qué costó y qué aprendimos
Lo más duro, con diferencia, fue llevar la inteligencia de negocio del cliente a la IA para que puntuara y agrupara bien. Es codificar una forma de pensar construida durante años, y eso no se resuelve en una iteración.
Lo construimos por módulos, no de golpe. Arrancó sin agrupación de noticias; la añadimos después como un módulo aparte. Luego automatizamos el titular de tracción y el scoring, más tarde las imágenes. Cada vez que un paso funcionaba, veíamos que se podía automatizar el siguiente.
Ahora el trabajo va por cómo escalar: más volumen, más fuentes y otras vías de negocio sobre el mismo flujo.
El mismo motor, como inteligencia competitiva
La automatización que produce el contenido sirve también para lo contrario: recoger información de mercado, seguir a la competencia y vigilar el sector de forma continua.
Es una herramienta de inteligencia competitiva y de vigilancia tecnológica montada sobre el mismo pipeline: capta, filtra por criterio de negocio y mantiene el sector al día sin dedicarle horas. La misma automatización que llena la newsletter puede llenar un panel de vigilancia competitiva e inteligencia de mercado.
En la misma línea que nuestro ejemplo de automatización de procesos en una agencia de contenido, esto es cómo abordamos la automatización de procesos cuando hay un trabajo repetitivo y con criterio que come el día. Cuéntanos tu caso y te decimos por dónde empezaríamos.