La mayoría de empresas que meten IA en su proceso de contenido se quejan del mismo síntoma. La salida es rápida, la salida no parece de la marca. Y nadie sabe exactamente en qué punto se rompió la consistencia.
El problema casi nunca está en la herramienta. Está en el workflow. Un workflow editorial con IA mal diseñado revisa al final, no revisa los criterios y depende de que una persona detecte a ojo lo que falla.
Este artículo describe el workflow que recomendamos cuando instalamos un departamento de creación de contenido con IA dentro de una empresa. Cuatro capas, tres tipos de revisión humana y criterios duros entre cada paso.
Qué falla cuando metes IA en el proceso editorial sin estructura#
El error típico es tratar la IA como un redactor júnior al que se le pide un borrador y se le corrigen palabras. Funciona en piezas sueltas. No funciona cuando hay que producir veinte piezas a la semana.
A escala, revisar palabras al final deja pasar tres tipos de fallo. Tono inconsistente entre piezas. Datos colocados sin verificación. Estructuras que parecen correctas pero no responden a la pregunta que la pieza debía resolver.
La causa común: el control editorial llega tarde y mira el sitio equivocado. Un control editorial útil no se hace en el último paso. Se hace en los puntos donde el criterio puede romperse.
Esos puntos son finitos y se pueden definir. Por eso un workflow con IA necesita estructura por capas con criterios verificables entre cada una. Sin esa estructura, la IA no es una capa de producción. Es una fuente nueva de variabilidad.
Las cuatro capas del workflow editorial con IA#
El workflow que instalamos tiene cuatro capas en orden. Cada capa tiene una entrada concreta, una salida concreta y un criterio de aprobación que decide si la pieza pasa a la siguiente.
Capa 1: briefing y criterio editorial
Aquí no entra la IA. Entra el equipo editorial humano. Se define qué se va a producir, para qué audiencia, qué tono, qué estructura, qué hechos son fijos y cuáles se investigan.
Sin un brief explícito, todo lo que pasa después es ruido. La IA infiere, y la inferencia es donde nace el contenido genérico. El brief funciona como contrato.
Capa 2: generación asistida por IA
La IA produce el primer borrador siguiendo el brief. Aplica reglas de estructura, longitud, voz y nivel de profundidad. Trabaja sobre datos del brief, no sobre conocimiento general.
La salida de esta capa no es contenido final. Es una pieza que cumple las reglas estructurales del brief y está lista para ser auditada.
En el departamento de creación de contenido que instalamos como parte de los servicios de creación de contenido con IA, esta capa la operan agentes coordinados, no un prompt suelto en una pestaña de ChatGPT.
Capa 3: revisión humana por tres ejes
Aquí entra el control editorial. La revisión no se hace leyendo de principio a fin y arreglando frases. Se hace contra tres ejes explícitos. El siguiente bloque lo desarrolla.
Capa 4: publicación y aprendizaje
La pieza pasa a publicación cuando los tres ejes de revisión se cierran con criterios verificables. Después, el sistema registra qué cambios hizo el revisor humano y los devuelve al brief y a la capa 2.
Sin la capa 4 el workflow no aprende. Cada pieza nueva nace con los mismos defectos que la anterior. Con la capa 4, cada revisión convierte un error puntual en una regla nueva del sistema.
Qué delegas a la IA y qué nunca delegas#
La decisión de qué entra en la capa 2 y qué se queda fuera es la decisión más importante del workflow. Lo siguiente es la tabla que usamos como criterio de corte.
La regla detrás de la tabla es directa. Si el elemento afecta la voz de la marca, el criterio editorial o un hecho verificable, no se delega como decisión. Se delega como ejecución asistida, con un humano cerrando el bucle.
Esto NO es anti-automatización. La automatización vive dentro de la capa 2 y dentro de la capa 4. Lo que no se automatiza es la decisión.
Cómo es una revisión humana útil (no es revisar palabras)#
La capa 3 falla cuando se concibe como "leer la pieza y arreglar lo que choque". Esa revisión es subjetiva, no escala y depende del día que tenga la persona.
Una revisión humana útil corre tres ejes en paralelo. Cada eje tiene una pregunta concreta y un criterio de paso.
Eje 1: criterio editorial. ¿La pieza responde la pregunta del brief y mantiene el ángulo decidido? Si no lo hace, vuelve a capa 2 con instrucción concreta. No se corrige a mano.
Eje 2: hechos verificables. ¿Todos los datos, cifras, nombres y citas están confirmados con fuente? Esta es la parte que la IA no puede cerrar sola y donde el riesgo de error es mayor.
Eje 3: voz y marca. ¿La pieza suena a la empresa o suena a contenido genérico de internet? Hay tics que solo detecta una persona del equipo editorial entrenada en la voz.
Si un eje falla, la pieza no avanza. No se publica con un eje a medias. La presión de calendario es donde casi todos los workflows se rompen, y por eso los criterios de paso tienen que ser duros.
Los criterios duros que separan una capa de otra#
Un criterio duro no es una opinión. Es una condición verificable que decide si la pieza pasa. Si no se cumple, vuelve atrás. Si se cumple, avanza sin debate.
Los criterios mínimos que aplicamos entre capas:
- Capa 1 a capa 2: el brief contiene ángulo, audiencia, estructura mínima, voz, datos fijos y referencias. Sin esos seis bloques, no se genera.
- Capa 2 a capa 3: la pieza cumple la estructura del brief, tiene la longitud pedida y no contiene huecos marcados con placeholders. Si los tiene, no entra en revisión.
- Capa 3 a capa 4: los tres ejes de revisión cierran con sí. Si alguno cierra con no, la pieza no se publica.
- Capa 4 a próximo ciclo: los cambios que el revisor hizo se registran y se devuelven al brief o a la capa 2 como regla nueva.
Cuando los criterios son duros, el workflow no depende del humor del editor. Depende de condiciones objetivas que cualquiera del equipo puede comprobar.
Eso es la diferencia entre un proceso editorial con IA y una redacción que usa ChatGPT para acelerar. Lo segundo no es un workflow. Es una herramienta enchufada a un proceso roto.
Por qué este workflow se rompe sin una capa de coordinación#
El workflow descrito tiene cuatro capas, tres ejes de revisión y criterios duros entre pasos. Si todo eso depende de mensajes en Slack y memoria del editor, se rompe en la pieza diez.
La coordinación no es lo mismo que la ejecución. Hacer un flujo en Make que genere un borrador y lo deje en una carpeta NO es coordinar. Es ejecutar una tarea. La coordinación es decidir qué pieza entra en qué capa, qué brief se aplica, quién revisa cada eje y qué se hace cuando un eje falla.
Esa capa de coordinación es lo que llamamos CEO de IA dentro de la infraestructura. Su trabajo es priorizar piezas, asignar pasos, recoger feedback de la capa 4 y mantener vivos los criterios duros entre capas. Sin una capa así, el workflow es un PDF bonito que nadie sigue.
Por eso, cuando una empresa nos pide "ayuda con contenido con IA", el primer paso no es escribir prompts. Es instalar la estructura: capas, criterios y coordinación. Después la IA encaja dentro de la capa 2 y la capa 4 sin romper nada.
El mercado está lleno de workflows que se rompen en la pieza diez porque les falta esa capa. Lo que separa un proceso editorial con IA que funciona a escala de uno que parece funcionar es la coordinación.