El punto de partida
Un medio de comunicación trabajaba con un CMS que se le había quedado corto. Publica notas de prensa, eventos, noticias y trabajos que le mandan las marcas de su sector.
La plataforma sirve a dos capas de usuario muy distintas. Por dentro, un equipo pequeño maneja el gestor a diario: editoras, gerencia y comercial. Son quienes redactan, revisan y publican. Por fuera está la web pública, que consumen profesionales del sector. La previsión es escalar a cientos de usuarios al día, aunque es un objetivo, no un dato: acaban de salir a producción.
El CMS anterior tardaba en incorporar las mejoras que pedían, no tenía ninguna función de IA y arrastraba un diseño desfasado. Lo que buscaban era una plataforma más rápida, con IA que se ocupara del trabajo repetitivo, una web pública rediseñada y usable, y una base que pudiera crecer por módulos.
Qué construimos: un CMS a medida para un medio
Construimos un CMS a medida que centraliza la gestión de notas de prensa, eventos, noticias y trabajos, además de las marcas y empresas que aparecen en cada contenido. Todo el trabajo editorial pasa por un mismo sitio, pensado para el flujo real del medio, no para el de un producto cerrado.
La otra mitad del proyecto es la frontera pública. La rediseñamos por completo, responsive, para que el profesional que entra lea y navegue con comodidad. Es también un argumento de calidad para el usuario final y una herramienta para comercializar mejor el medio. Ese trabajo de frontera es el mismo que abordamos en un desarrollo web a medida.
La arquitectura está pensada para crecer. Se añaden módulos según hacen falta, sin rehacer la base.
Automatizar las notas de prensa con IA
El núcleo del proyecto es la ingesta de notas de prensa. Antes, alguien tenía que abrir cada nota, copiar los datos a mano y maquetar el contenido campo por campo. Ahora ese trabajo lo hace la IA.
La marca envía la nota de prensa en el formato que sea: PDF, Word, texto o un email. Un sistema de IA la procesa, extrae los datos y las imágenes de cada parte de la nota y rellena de forma automática los campos que hacen falta para publicar: titular, resumen, meta SEO, etiqueta SEO, slug, autor de la nota, categorías, empresa o marca y fecha de publicación. Nueve campos, más el cuerpo montado en el propio editor.
A partir de ahí, la editora revisa y publica. La validación humana no se salta nunca: la IA deja el trabajo hecho, la persona decide qué sale.
Procesa la nota con más del 90% de acierto y respeta el formato en que la marca la envía. Detrás no hay un único modelo haciéndolo todo: es una orquestación multiagente, un divide y vencerás. Un agente se ocupa de una parte del flujo, otro especializado de otra, y un tercero revisa que todo esté correcto.
Los modelos se reparten según la tarea: la gama de modelos mini de OpenAI, con visión, DeepSeek V4 Pro y Claude Sonnet 5, cada uno donde rinde mejor. Todos se ejecutan sobre infraestructura cloud europea (Microsoft Azure, Google Cloud y AWS). Los proveedores y los modelos están filtrados para que los datos no salgan del entorno europeo, no se retengan los prompts ni se usen para entrenar.
La ingesta automática está en producción solo para notas de prensa. Los eventos, las noticias y los trabajos llegarán por fases. Madurar cada tipo de contenido cuesta y lo hacemos poco a poco, no de golpe.
SEO automático de las imágenes
Hay una pieza que antes no existía: el SEO de las imágenes. Cuando alguien sube una imagen al CMS, unos modelos de visión la analizan y le generan de forma automática un título y una meta descripción.
No es que se ahorren minutos, es que una tarea que no se hacía ahora se hace sola en cada subida.
Cómo lo desarrollamos
De la primera reunión a producción pasaron cuatro meses, con la ingesta de notas de prensa ya funcional. Usamos IA en nuestro propio proceso de desarrollo, como en el resto de proyectos, para bajar coste y plazo. Es el motivo de fondo de que un CMS a medida hoy cueste en torno a la mitad que hace cinco o diez años: lo que antes solo compensaba comprando cerrado, hoy se construye a medida.
La migración de datos fue más llevadera de lo habitual porque ambos sistemas corrían sobre PostgreSQL y usaban Amazon S3 para el almacenamiento. Lo más costoso fue remapear y depurar los campos que no cuadraban entre un sistema y otro. Hubo que escribir scripts para corregir y limpiar los datos antes de darlos por buenos.
La fricción principal de la IA fue conseguir que respetara exactamente el formato en que la marca sube la nota, porque lo quieren publicado tal cual. Es técnicamente lo más difícil del proyecto y es lo que más costó dejar fiable. Ese más del 90% de acierto es el resultado de resolver eso.
Resultados y lo que viene
El volumen de notas por semana es el mismo que antes. No publican más notas: lo que cambia es que el mismo equipo saca el mismo trabajo con mucho menos esfuerzo por nota, con un SEO de imágenes que antes no existía y con margen para crecer.
Todo el equipo editorial trabaja ya sobre el nuevo sistema. Aún no hay métricas de negocio, es pronto: acaban de entrar en producción. El caso se sostiene, de momento, en el alcance, el enfoque y ese más del 90% de acierto.
Lo que más valora el cliente es dejar de teclear a mano la misma información que le mandan, la calidad de la web para el usuario final y poder crecer, abrir nuevas líneas y comercializarse mejor. Lo que viene es extender la automatización a eventos, noticias y trabajos, y crecer hacia los cientos de usuarios previstos en la web pública.
¿Tu medio o tu empresa arrastra un gestor que se le ha quedado corto? Así abordamos el desarrollo de software a medida, con la IA dentro del producto cuando aporta de verdad. Cuéntanos tu caso y te decimos cómo lo plantearíamos.