Hace tiempo escribí sobre cómo usar Claude en comunicación y marketing. La idea que me interesaba entonces sigue vigente: trabajar con contexto cambia mucho más el resultado que encontrar una supuesta frase mágica. Ahora quiero llevar esa conversación a ChatGPT y a GPT-6 Astra, porque el trabajo que podemos plantear va bastante más allá de pedir un calendario de publicaciones.
Mi forma de entender esta herramienta parte del oficio. En comunicación hay que investigar, tomar decisiones, explicarlas, producir materiales y comprobar qué ocurre cuando llegan al público. Si usamos la IA solo para redactar el último eslabón, dejamos fuera una parte muy valiosa del proceso. En esta guía propongo cómo integrar ChatGPT en ese recorrido, desde una perspectiva profesional y personal. Los ejemplos son hipotéticos: no describen clientes, proyectos reales ni resultados obtenidos.
¿Qué cambia con GPT-6 Astra para trabajar en comunicación y marketing?
OpenAI presenta GPT-6 Astra como un modelo orientado a razonamiento complejo, investigación, programación, uso del ordenador y creación de documentos. Es una base interesante para trabajos que exigen mantener un objetivo mientras se consultan fuentes y se elaboran distintos materiales. Eso describe bastante bien una campaña: el público, la propuesta y las restricciones deben seguir presentes cuando pasamos del análisis al texto y del texto a una página.
Conviene distinguir el modelo de las herramientas. Astra es el modelo; ChatGPT es el entorno en el que lo utilizamos. Work, el navegador, Sites y las conexiones con aplicaciones aportan funciones diferentes. Elegir Astra no conecta por sí solo una cuenta de analítica ni concede acceso a los documentos de una empresa. La documentación de modelos de ChatGPT especifica que las opciones dependen del plan, el acceso y el despliegue. Por eso esta guía habla de flujos posibles con las funciones habilitadas, no de prestaciones idénticas para cualquier cuenta.
Donde veo más sentido a Astra es en un encargo que obligue a relacionar información: revisar una oferta, contrastarla con el mercado, detectar qué argumentos se sostienen y preparar materiales coherentes. Para corregir una errata o acortar una frase no necesito convertir la tarea en una investigación. Mi criterio es elegir la capacidad y el esfuerzo que requiere el trabajo, y valorar el resultado por su utilidad, no por lo espectacular que parezca la respuesta.
¿En qué se diferencian una conversación y un trabajo agéntico?
En una conversación puedo explorar una idea, discutir un enfoque o revisar un texto. En un trabajo agéntico encargo un resultado que exige varios pasos y herramientas: consultar unas páginas, extraer información, organizarla en una hoja y elaborar un documento. ChatGPT Work está planteado para este tipo de entregables revisables, con archivos y herramientas autorizadas. Según el entorno disponible, el trabajo puede ejecutarse de forma local o en la nube. No presupongo que cerrar el portátil permita continuar cualquier tarea: eso depende de dónde se esté ejecutando.
La autonomía necesita límites claros. «Investiga y prepara un borrador» no significa «publica y envía». Para una campaña distinguiría el permiso para leer del permiso para cambiar contenidos, y separaría ambos del permiso para gastar dinero o contactar con personas. Cuanto más puede hacer la herramienta, más importante me parece definir qué significa terminar y en qué punto debe devolverme el control.
¿Cómo preparo ChatGPT para que entienda una marca antes de pedirle contenido?
Antes del primer texto prepararía un documento breve con la oferta real, los públicos prioritarios, las objeciones que conocemos y las pruebas que podemos mostrar. Añadiría ejemplos de tono aprobado y expresiones que la marca no quiere utilizar. Un adjetivo como «cercano» admite demasiadas interpretaciones; un párrafo bien elegido enseña mucho mejor qué significa esa cercanía. También dejaría señalados los datos pendientes. La herramienta debe reconocer un hueco como un hueco, en lugar de rellenarlo con una afirmación convincente.
Los proyectos de ChatGPT permiten reunir conversaciones, instrucciones, archivos y fuentes. Los plantearía como un espacio de trabajo por marca o iniciativa, con conversaciones separadas para resultados distintos. El diagnóstico competitivo puede alimentar la estrategia, pero no conviene que todas las revisiones, versiones y tareas se mezclen en una conversación interminable. Un proyecto tampoco equivale a acceso automático a una carpeta del ordenador: hay que aportar o conectar las fuentes que corresponda.
Para evitar contradicciones, cada documento de referencia debería tener fecha y estado: vigente, sustituido o pendiente de aprobación. Si el precio de un servicio cambia, el archivo antiguo no debería seguir compitiendo con el nuevo como si ambos fueran válidos. Este orden documental parece menos llamativo que una demostración de IA, pero es lo que permite pedir después una propuesta, una presentación o una landing sin tener que reconstruir el encargo desde cero.
Una instrucción inicial que usaría: «Trabaja con el briefing y los ejemplos adjuntos. La oferta aprobada está en el documento fechado hoy. Si falta un dato, márcalo como pendiente y explica para qué lo necesitas. Antes de redactar, resume el objetivo, el público y las restricciones. Puedes investigar y preparar borradores; no publiques, envíes mensajes ni modifiques cuentas».
¿Cómo usar ChatGPT para estudiar la competencia sin inventar conclusiones?
Para mí, investigar a la competencia sirve para decidir qué queremos ocupar en la cabeza del público. Una tabla de logotipos y seguidores dice poco si no explica qué promete cada empresa, a quién se dirige y con qué pruebas sostiene esa promesa. Empezaría por una pregunta concreta: ¿todas ofrecen lo mismo?, ¿hay un problema del público que nadie explica bien?, ¿la diferencia está en el servicio o solo en el lenguaje?
La búsqueda web y la investigación profunda de ChatGPT pueden ayudar a reunir información actual y contrastar varias fuentes, cuando están disponibles. Para una duda puntual pediría una búsqueda acotada; para un diagnóstico competitivo encargaría una investigación con un conjunto de empresas, un territorio y un periodo. En ambos casos exigiría enlaces y fecha de consulta. Un resultado de búsqueda es una pista, no la prueba definitiva de una afirmación.
Pensemos en una empresa B2B ficticia que quiere presentar formación para equipos. El encargo podría comparar páginas de servicio de varias alternativas: qué problema encabeza la oferta, cómo explican el programa, si publican precios y qué acción proponen al visitante. Pediría separar tres columnas: lo observado literalmente, la interpretación y la oportunidad que merece probarse. Si una página tiene un formulario largo, eso es observable. Que pierda ventas por ese motivo es una hipótesis, salvo que dispongamos de datos que lo acrediten.
También buscaría señales fuera de la web corporativa: preguntas públicas, reseñas o contenidos que expliquen dudas repetidas. Esas señales tienen sesgos y no representan por sí solas a todo el mercado. No utilizaría una pequeña muestra para anunciar «lo que quieren los clientes» ni convertiría perfiles públicos en una base de datos personal. El resultado útil sería un mapa de argumentos y dudas que permita preparar entrevistas, mejorar la propuesta y elegir qué validar primero.
¿Qué aporta el navegador frente a pedir un resumen de una web?
El navegador de ChatGPT añade la posibilidad de examinar páginas y realizar acciones autorizadas en entornos compatibles. Su aplicación a comunicación puede ser muy concreta: comprobar cómo se ve una landing en móvil, recorrer el camino hacia el formulario o localizar diferencias entre el mensaje de una campaña y el de su página de destino. Le pediría evidencias de lo que ha podido revisar y una lista explícita de lo que no ha podido comprobar.
No es lo mismo buscar información pública que acceder a una sesión iniciada. El navegador integrado y las extensiones tienen formas de acceso distintas; pueden requerir iniciar sesión, conceder permisos o estar sujetos a restricciones del entorno. Tampoco asumiría que una página puede controlarse siempre: hay bloqueos y pasos que necesitan intervención humana. Para una revisión pediría «solo lectura», sin enviar formularios, aceptar contratos ni alterar contenidos.
Encargo de análisis competitivo: «Revisa estas cinco webs y compara público, promesa principal, prueba disponible y llamada a la acción. Añade URL y fecha a cada observación. Separa hechos, hipótesis y datos ausentes. No estimes tráfico, inversión publicitaria ni ventas. Entrega una hoja comparativa y cinco decisiones que deberíamos contrastar con nuestro briefing».
¿Cómo usar ChatGPT para definir una estrategia y un posicionamiento que tengan sentido?
La investigación previa importa más que la primera frase que escriba la herramienta. Antes de pedir ideas, conviene reunir qué vende la empresa, a quién quiere llegar, qué objeciones aparecen en las conversaciones comerciales, cómo se presentan los competidores y qué pruebas sostienen su propuesta. ChatGPT puede ordenar ese material, detectar contradicciones y plantear preguntas que todavía no tienen respuesta. Yo prefiero empezar ahí, con información concreta y cierta, porque un encargo vago suele devolver una estrategia intercambiable. También dejaría por escrito qué datos faltan. Si desconocemos por qué se pierde una venta o qué entiende el público por «formación práctica», el modelo puede proponer hipótesis, pero esas hipótesis deben llegar marcadas como tales a la reunión de trabajo.
Pensemos en un ejemplo enteramente hipotético: una empresa B2B prepara un nuevo servicio de formación para equipos. Ha recopilado entrevistas internas, consultas recibidas y páginas de otras compañías, pero cada departamento describe el servicio de una manera. Dirección habla de cultura; ventas, de productividad; recursos humanos, de adopción. Se puede pedir a ChatGPT que agrupe esas expresiones según el problema que intentan resolver, señale las diferencias y redacte varias opciones de posicionamiento. El resultado sirve como borrador para decidir. No demuestra que una opción vaya a funcionar ni sustituye la conversación con clientes potenciales. Lo planteo como una mesa de trabajo acelerada: el modelo ayuda a ver el material desde distintos ángulos y una persona elige qué promesa es defendible.
Analiza estas notas sobre un servicio de formación B2B. Separa hechos, opiniones e incógnitas; después propón tres territorios de posicionamiento y explica qué prueba necesitaría cada uno. No inventes datos.
¿Cómo paso de una idea central a un criterio de comunicación?
Una vez elegido el territorio, pediría una guía breve que conecte público, problema, propuesta, tono, argumentos y límites. Esa guía debería incluir palabras que conviene usar, fórmulas que suenan ajenas a la empresa y preguntas que cualquier pieza tendrá que responder. En el caso ficticio, quizá el criterio sea hablar de situaciones reconocibles en el trabajo, evitar promesas absolutas y explicar cómo se adapta cada sesión al equipo. Ese marco permite revisar después una publicación, una nota de prensa o un vídeo con la misma vara de medir. ChatGPT resulta útil al comparar versiones con ese criterio, siempre que no se le delegue la decisión final. Una marca se define también por lo que decide callar y por el grado de precisión que exige antes de publicar.
¿Cómo convertir esa estrategia en contenidos para redes sociales y SEO sin publicar texto de relleno?
La estrategia empieza a ser útil cuando se traduce en temas, formatos y recorridos. A partir del posicionamiento elegido, ChatGPT puede relacionar preguntas comerciales con búsquedas, publicaciones y páginas de servicio. Para la empresa ficticia, una duda sobre cómo implicar a un mando intermedio podría convertirse en un artículo que responda con detalle, una pieza corta para LinkedIn y un correo que lleve al lector hacia la explicación completa. Yo prefiero que cada contenido nazca con una función clara: resolver una duda, abrir una conversación o ayudar a valorar el servicio. Así se evita llenar el calendario con frases genéricas. En una gestión de redes sociales bien planteada, la frecuencia tiene menos valor que la continuidad entre lo que se dice y la experiencia que encontrará quien haga clic.
Para SEO, el modelo puede ayudar a agrupar consultas por intención y preparar una estructura de encabezados, pero la página necesita conocimiento real. Si el tema es cómo elegir una formación para un equipo distribuido, el borrador debería recoger condiciones, decisiones y límites que una empresa de ese ámbito pueda sostener. Yo revisaría de forma expresa cualquier dato, nombre, cita o afirmación actual. También eliminaría las frases que podrían pertenecer a cualquier negocio. El texto gana cuando explica una decisión incómoda, distingue dos escenarios parecidos o reconoce que faltan datos para recomendar una opción. La herramienta puede señalar repeticiones y huecos, pero el criterio editorial sigue en manos de quien conoce el servicio y entiende qué espera el lector.
¿Cómo adapto una idea a distintos canales?
Reutilizar una investigación no significa recortarla para todos los canales. El artículo admite contexto y matices; una publicación social necesita una idea que se entienda sin haber leído lo anterior; el correo puede centrarse en una objeción concreta. ChatGPT puede preparar esas adaptaciones si recibe las reglas de cada formato y se le exige conservar el sentido. En el ejemplo B2B, la investigación sobre resistencia al cambio podría dar lugar a una guía, una secuencia de preguntas para responsables de equipo y una pieza visual con errores frecuentes. Después haría una revisión humana en voz alta. Ahí aparecen el tono impostado, los párrafos demasiado perfectos y las conclusiones que prometen más de lo que sabemos. Publicar menos piezas, pero reconocibles y relacionadas, suele construir una presencia más coherente.
¿Cómo usar ChatGPT para anuncios, imágenes y creatividad de campaña?
Cuando el mensaje está decidido, la IA también puede ayudar a explorar formas de expresarlo. Para publicidad pediría variantes que cambien una hipótesis cada vez: abrir con el problema, explicar el método o responder una objeción. En el servicio ficticio de formación, compararía un anuncio centrado en la dificultad de aplicar lo aprendido con otro que explique cómo se trabaja una situación del equipo. El propósito sería diseñar una prueba legible, con una diferencia que podamos interpretar después. Pedir veinte titulares casi idénticos produce volumen, pero enseña poco. Tampoco asumiría que el texto elegido por ChatGPT será el de mayor conversión: esa decisión necesita resultados y contexto.
La generación y edición de imágenes de ChatGPT permite trabajar ilustraciones, banners o propuestas visuales con instrucciones y referencias. Es una herramienta específica, distinta del modelo Astra que puede ayudar a planificar el encargo. Yo definiría composición, formato, identidad y restricciones antes de generar: qué debe aparecer, qué no se puede alterar y dónde se va a utilizar. La cabecera de esta guía es una recreación de estilo fotográfico generada con IA; no pretende documentar un lugar, una persona o una interfaz real.
¿Cómo generar imágenes por conversación con Higgsfield, Magnific o WaveSpeed?
La conversación también puede dirigir herramientas creativas externas. Higgsfield documenta su conexión con ChatGPT para generar imágenes y vídeos con texto o referencias, utilizando la cuenta y los créditos del servicio. Magnific ofrece una conexión MCP para trabajar desde asistentes compatibles. En WaveSpeed, la API permite enviar tareas de generación y recuperar sus resultados; para utilizarla desde una conversación hace falta una herramienta o integración que la conecte con el asistente. No presupongo que todas estén instaladas ni que ofrezcan los mismos modelos.
Lo atractivo para mí es mantener la dirección creativa dentro del mismo trabajo. Se puede partir del mensaje aprobado y pedir una imagen para la campaña, aportar una referencia y ajustar después el encuadre: «Conserva el producto, deja espacio para el titular y cambia solo la iluminación». El asistente puede preparar la solicitud, enviarla mediante la conexión habilitada y traer el resultado para revisarlo. Si hay que corregir, prefiero señalar una diferencia concreta que encadenar variaciones sin criterio. La fidelidad al producto, los rostros y cualquier texto visible requieren una comprobación visual; que termine la generación no significa que la imagen esté lista.
Antes de ejecutar confirmaría plataforma, modelo, resolución y coste, porque los créditos del generador pueden ser independientes de la suscripción a ChatGPT. También comprobaría qué referencias se envían y si tenemos permiso para utilizarlas. En una campaña ficticia de formación, esta vía puede servir para explorar una metáfora visual o diseñar un fondo, mientras que una fotografía que documenta una sesión debe seguir mostrando lo que realmente ocurrió. La conversación hace más accesible la producción; no elimina las decisiones sobre autenticidad y uso de la imagen.
Las imágenes aportadas como contexto también permiten pedir una revisión visual: jerarquía de una creatividad, consistencia entre versiones o legibilidad de una diapositiva. Lo plantearía como apoyo a la revisión, no como una certificación automática de accesibilidad o fidelidad. En materiales de producto comprobaría detalles, etiquetas y proporciones frente al original. Si una imagen debe mostrar lo que una empresa vende o lo que ocurrió en un evento, prefiero una representación fiel a una escena vistosa que pueda inducir a error.
Esta distinción conecta con el cansancio ante el contenido artificial y el valor de lo natural. Para mí, la ventaja consiste en liberar tiempo para preparar mejores ideas y hacer más clara su ejecución, manteniendo personas y pruebas reales cuando son parte del mensaje. Una estrategia de contenido para redes sociales puede combinar recursos generados con fotografía, grabación y conversaciones propias. La mezcla debe responder al sentido de cada pieza, no a la facilidad de producirla.
¿Qué papel puede tener ChatGPT en prensa, portavoces y comunicación de crisis?
En relaciones con medios, la herramienta puede convertir un dossier amplio en una ficha de contexto, proponer ángulos y adaptar una explicación técnica a lectores distintos. La utilidad depende de que las fuentes estén identificadas y de que nadie confunda una redacción convincente con una noticia. Para presentar el servicio ficticio de formación, se podría trabajar sobre el motivo del lanzamiento, la necesidad que la empresa afirma haber observado y la disponibilidad de portavoces. Después habría que comprobar si existe un dato publicable, una iniciativa con interés fuera de la empresa o una voz experta capaz de aportar algo. Yo prefiero descartar un enfoque débil antes que vestirlo de actualidad. ChatGPT puede ayudar a preparar el material; la relevancia periodística y la relación con cada profesional requieren juicio y contexto.
La preparación de portavoces admite un uso especialmente práctico. Con la información aprobada, el modelo puede generar preguntas previsibles, objeciones duras y repreguntas, y también representar perfiles de entrevistador con prioridades diferentes. La persona responsable de comunicación revisa ese banco, elimina supuestos falsos y ensaya respuestas en voz alta. En nuestro ejemplo hipotético, convendría practicar cómo explicar el alcance de la formación, qué queda fuera y qué ocurre si un equipo parte de situaciones muy distintas. Yo planteo respuestas breves que puedan ampliarse, con un dato verificable o un ejemplo real autorizado cuando exista. El objetivo del ensayo es pensar bajo presión, no memorizar párrafos. Una respuesta demasiado pulida puede sonar menos creíble que una explicación sencilla y bien entendida.
¿Cómo ordeno hechos, responsables y versiones durante una crisis?
Durante una incidencia, ChatGPT puede ordenar una cronología, comparar borradores y detectar preguntas sin contestar, siempre dentro de un entorno autorizado y sin volcar información sensible en herramientas que no correspondan. Antes de redactar, separaría hechos confirmados, asuntos en investigación, decisiones tomadas y próximo momento de actualización. Luego pediría versiones para públicos concretos, pero todas deberían partir de la misma base aprobada. Si en el caso ficticio se cancela una sesión por un problema del proveedor, la comunicación tendría que indicar a quién afecta, qué alternativa se ofrece y por qué canal se informará de cambios. La revisión jurídica, operativa y directiva no se puede simular con un prompt. Tampoco publicaría una explicación solo porque suene tranquila; tiene que ser cierta y útil.
¿Cómo ayuda ChatGPT a preparar vídeos y podcasts sin entregar la producción al piloto automático?
Un buen encargo audiovisual reúne propósito, público, idea central, duración, canal, materiales disponibles y límites de producción. ChatGPT puede transformar esas decisiones en un brief y señalar lo que falta antes de grabar. Para la empresa B2B ficticia, imaginaría una serie de vídeos breves que muestren situaciones de una sesión y un episodio de podcast con dos responsables de equipo. El modelo podría proponer una escaleta, preguntas y transiciones, pero evitaría escribir una conversación cerrada palabra por palabra. Yo prefiero dejar espacio para que la persona hable con su vocabulario. Si se valora crear un podcast corporativo, el formato debería responder a una razón editorial, no a la disponibilidad de una herramienta capaz de generar guiones.
Prepara una escaleta de seis minutos para presentar este servicio de formación. Usa solo el brief adjunto, marca las afirmaciones que necesitan prueba y deja huecos para ejemplos reales del portavoz.
Durante la edición, una transcripción permite localizar repeticiones, respuestas incompletas y fragmentos que podrían funcionar como piezas cortas. ChatGPT también puede sugerir un primer orden narrativo o resumir qué aporta cada intervención. Pero el corte final necesita oído. Hay pausas que comunican seguridad, dudas que hacen comprensible una decisión y pequeñas imperfecciones que conservan la voz de quien habla. Limpiar todo puede producir un vídeo correcto y sin carácter. Yo revisaría siempre la imagen y el sonido completos, comprobaría que ningún corte cambia el significado y pediría aprobación cuando aparezcan personas, datos o ejemplos reconocibles. Los títulos, subtítulos y descripciones se preparan después, a partir de la pieza terminada, no de lo que el guion prometía que aparecería.
¿Puede Astra editar directamente en DaVinci Resolve o Premiere Pro mediante MCP?
Puede participar en la edición dentro del programa cuando el entorno dispone de un adaptador que exponga esas operaciones. Existen proyectos comunitarios como DaVinci Resolve MCP, construido sobre la API de scripting de Resolve, y Premiere MCP, que documenta lectura y edición de la timeline. Adobe también publica su API de extensibilidad para Premiere. Esto no significa que Blackmagic o Adobe incluyan un MCP nativo ni que Astra lo active automáticamente. Hay que instalar y configurar el adaptador adecuado, comprobar versiones y permisos y verificar las funciones disponibles; en Resolve también importa la edición del programa utilizada.
El salto práctico es poder encargar acciones sobre un proyecto, además de pedir consejos sobre cómo editarlo. Según el conector, el asistente puede ayudar a organizar material, preparar una secuencia o realizar cambios en una timeline. Yo empezaría por duplicar la secuencia y pedir un primer montaje acotado: seleccionar los fragmentos indicados, conservar sus códigos de tiempo y preparar una versión para revisar. Si una función no está expuesta por el adaptador, no daría por hecho que puede ejecutarla. Trabajar por conversación resulta especialmente interesante para tareas repetidas, pero exige comprobar el montaje en el propio editor.
Para la pieza ficticia de formación, podría pedir una versión breve a partir de una entrevista y unos planos de apoyo autorizados. Revisaría que la selección conserva el argumento, que la música deja entender la voz y que los cortes no crean una afirmación que nadie hizo. El proyecto editable y los originales deben quedar disponibles. Mi criterio sería aprobar primero un tramo corto, después el montaje completo con sonido y, por último, el archivo exportado: una lista de operaciones completadas no sustituye ver y escuchar el vídeo.
¿Para qué utilizaría HyperFrames en un vídeo de comunicación?
HyperFrames permite construir composiciones audiovisuales con tecnologías web, previsualizarlas y renderizarlas a vídeo. Su enfoque encaja con agentes capaces de escribir y revisar ese proyecto. Lo veo especialmente útil para piezas con tipografía animada, datos, capturas y recursos de marca: una explicación de un servicio, una secuencia de resultados o una promoción para redes. Es un enfoque distinto del montaje tradicional de una entrevista en DaVinci o Premiere, aunque puedan formar parte del mismo trabajo.
En lugar de pedir «un vídeo dinámico», definiría el recorrido del espectador: qué entiende en los primeros segundos, qué idea se demuestra después y qué debe recordar al final. A partir de ahí se puede trabajar por conversación sobre duración, ritmo, transiciones y legibilidad, conservar el proyecto y generar adaptaciones. Pediría una prueba del fragmento más difícil antes de producir toda la pieza. En una pantalla de móvil, un rótulo que queda bonito en una captura puede durar demasiado poco para leerse; por eso la revisión necesita reproducción real, no solo imágenes del resultado.
¿Cómo mantengo el hilo de la campaña en la producción?
El brief inicial debería viajar hasta la publicación. La frase elegida para el vídeo, el título del episodio, la miniatura y la página de destino han de contar la misma historia, aunque cada elemento cumpla una función distinta. En el ejemplo, si el posicionamiento habla de formación aplicada a situaciones de equipo, no tendría sentido presentar el podcast con una promesa genérica de transformación empresarial. ChatGPT puede comparar esos materiales y señalar cambios de tono o conceptos que aparecen sin explicación. Esa revisión transversal ahorra incoherencias, pero una persona decide si una diferencia responde al canal o rompe la campaña. También conviene guardar las versiones y las fuentes utilizadas, para saber de dónde salió una afirmación cuando el proyecto pase por varias manos.
¿Cómo conectar ChatGPT con Google Search Console y Google Analytics para analizar resultados?
Una de las aplicaciones que más me interesan es poder conversar con los datos de una web. Preguntar qué páginas han perdido visibilidad, qué canales están llevando visitas útiles o dónde se interrumpe un formulario y recibir un análisis que consulte las fuentes. Para hacerlo hace falta una conexión autorizada: una API, un servidor MCP o un plugin compatible que exponga las consultas necesarias. MCP es, explicado de forma sencilla, un modo de dar al asistente acceso a herramientas externas. Astra puede interpretar sus resultados, pero el acceso lo proporciona esa conexión; seleccionar el modelo no abre por sí solo nuestras cuentas.
¿Qué le pediría a ChatGPT con acceso a Search Console?
La API de Search Console permite consultar rendimiento por fechas y dimensiones como página, consulta, dispositivo o país. Un conector puede poner esas consultas al alcance del asistente. Yo empezaría por comparar periodos equivalentes y separar búsquedas de marca de otras consultas. Después pediría localizar páginas con impresiones crecientes y pocos clics, contenidos que están respondiendo a búsquedas distintas de las previstas o pérdidas concentradas en móvil. Cada hallazgo debería incluir la URL y el filtro utilizado. Google advierte que la API no garantiza devolver todas las filas, así que un informe también debe explicar qué parte de los datos ha podido recuperar.
En el ejemplo de formación B2B, una consulta sobre cómo mejorar reuniones podría llevar a una página demasiado genérica. Mi siguiente pregunta sería qué necesita encontrar ese lector y si existe ya un contenido que lo resuelva. Así el análisis alimenta una decisión editorial concreta, en lugar de terminar en una lista de palabras clave. Tampoco asumiría que dos URLs con consultas compartidas se están perjudicando: revisaría su intención y su evolución antes de proponer fusionarlas. Esa lectura conecta con el trabajo de posicionamiento y con la oferta que realmente queremos explicar.
¿Cómo puede actuar como analista de Google Analytics 4?
Google mantiene un servidor MCP experimental para Google Analytics con acceso de lectura y herramientas para consultar propiedades, informes y embudos, entre otras funciones. Requiere configuración y credenciales con permiso sobre la propiedad. Con una conexión compatible preparada, plantearía preguntas sobre páginas de entrada, adquisición y eventos relevantes: «¿En qué páginas se inicia el contacto pero no se completa?», «¿Qué diferencias aparecen entre móvil y escritorio?» o «¿Qué campañas atraen visitas que después vuelven?». La respuesta tiene que ajustarse a los datos disponibles; si un evento no está medido, el modelo no puede reconstruirlo por intuición.
Me interesa especialmente relacionar las preguntas de Search Console con el comportamiento agregado que recoge GA4. Eso permite estudiar una página desde su descubrimiento hasta la acción que propone, sin fingir que podemos seguir cada búsqueda orgánica hasta una persona o una venta. Pediría que explicase diferencias de definición, periodo y atribución antes de comparar cifras. Si el seguimiento está mal configurado, el primer entregable debería ser una lista de comprobaciones de medición, no una conclusión brillante sobre el público.
¿Puede sacar un informe directamente de las métricas?
Con los accesos adecuados, el encargo puede terminar en un documento o una hoja editable, sin copiar a mano cada cifra entre plataformas. Mi informe tendría una pregunta de negocio, las fuentes consultadas, el periodo y los filtros, seguido de hallazgos y decisiones propuestas. Para dirección prepararía una página de lectura rápida; conservaría el detalle y las tablas para quien necesite comprobarlos. Pediría también que marque datos incompletos y que no sume conversiones de distintas plataformas como si fueran personas diferentes. La automatización sirve para reducir el trabajo de extracción y composición; la interpretación sigue necesitando contexto comercial.
Consulta únicamente las propiedades autorizadas de Search Console y GA4. Compara los últimos 28 días completos con los 28 anteriores, indica las fechas y comprueba la disponibilidad de datos. Analiza las páginas de este servicio, separa hechos de hipótesis y entrega una hoja con las consultas utilizadas y un informe editable con tres decisiones justificadas. No cambies configuraciones ni publiques nada.
Si no hay una conexión disponible, se puede trabajar con una exportación CSV. Pediría identificar las columnas y comprobar fechas, zonas horarias, monedas y definiciones antes de calcular nada, retirando los datos personales que no hagan falta. Conservaría el archivo original y revisaría una muestra a mano. La exigencia es la misma con un archivo y con una consulta directa: poder rastrear cada conclusión hasta la fuente que la sostiene.
En la campaña hipotética del servicio de formación, podríamos cruzar la página consultada, el formulario iniciado y el origen declarado por el contacto. El modelo ayudaría a detectar patrones para investigar: búsquedas informativas que llegan al artículo, visitas sociales que vuelven días después o anuncios que generan formularios con poca información. Eso no resuelve la atribución. Una misma oportunidad puede haber visto un vídeo, leído una pieza SEO y recibido una recomendación antes de contactar. Por eso lo planteo como una lectura combinada, no como una carrera por adjudicar el mérito al último clic. Una página de captación de leads y una campaña de publicidad digital necesitan objetivos y convenciones de medición definidos antes de interpretar cifras.
¿Cómo convierto el informe en una decisión editorial?
El valor del análisis aparece cuando vuelve al trabajo de comunicación. Si Search Console muestra interés por una pregunta que la página apenas responde, la siguiente acción puede ser mejorar esa explicación. Si una pieza social atrae visitas pero nadie entiende el siguiente paso, habrá que revisar el enlace, la promesa y la continuidad de la página. ChatGPT puede preparar un informe con observaciones, dudas y propuestas, citando la tabla de origen en cada caso. Yo separaría siempre lo observado de la interpretación y de la acción recomendada. En el ejemplo B2B, una caída en formularios no demostraría por sí sola que el posicionamiento falla; podría coincidir con un cambio técnico, estacionalidad o menor inversión. La decisión razonable sale de contrastar datos, contexto comercial y calidad real de las conversaciones recibidas.
¿Se pueden crear y supervisar campañas de Google Ads y Meta Ads desde ChatGPT?
Sí, cuando hay una integración compatible con las operaciones necesarias y permisos sobre la cuenta. La API de Google Ads permite gestionar campañas y elaborar informes; Meta ofrece su SDK oficial para las APIs de marketing. Esas interfaces son la base sobre la que puede trabajar un conector. Un plugin de solo lectura podrá analizar resultados, pero no lanzar anuncios. Uno con operaciones de escritura puede permitir crear o modificar elementos: hay que revisar su alcance antes de encargarle la ejecución.
Para nuestra empresa ficticia, empezaría por pedir una propuesta de estructura: objetivo, público, ubicación, mensajes, página de destino y presupuesto pendiente de aprobación. Después prepararía las variantes y comprobaría que el formulario funciona. Con autorización y un conector que lo permita, el siguiente paso podría ser crear la campaña en pausa. Antes de activarla revisaría la cuenta elegida, la moneda, las fechas, la segmentación geográfica, el destino y el evento con el que se medirá el resultado. Esta forma de trabajar permite pasar de la conversación a una campaña configurada, manteniendo una revisión concreta antes de gastar.
¿Qué revisaría en la supervisión de campañas?
Le pediría analizar el gasto frente al presupuesto previsto, anuncios que no están entregando, variaciones del coste por resultado y diferencias entre creatividades. En Google Ads miraría las consultas disponibles y su relación con la oferta; en Meta, cómo evolucionan la frecuencia y la respuesta a las piezas. Un descenso del CTR puede abrir una hipótesis sobre fatiga creativa, pero no la demuestra por sí solo. Antes de cambiar nada compararía periodos, volumen y posibles incidencias de medición. Para avisos periódicos hace falta una tarea programada que funcione de verdad, con una frecuencia y unas condiciones de alerta acordadas.
El informe ganaría valor al relacionarlo con la calidad comercial de los contactos, cuando esos datos estén disponibles y su uso esté autorizado. Un formulario barato puede generar mucho trabajo y pocas oportunidades. Por eso no le encargaría «baja el coste por lead» sin explicar qué contacto nos interesa. Lo conectaría con una estrategia de Google Ads y Meta Ads y con el sistema de captación de leads que recibe esas consultas. Si propone pausar anuncios o redistribuir inversión, quiero ver primero el motivo y el importe; supervisar una cuenta no equivale a darle permiso para gastar libremente.
¿Cómo crear documentos, presentaciones y hojas de cálculo que se puedan utilizar?
Cuando el análisis ya está claro, el formato del entregable empieza a importar mucho. Un texto en el chat puede ayudar a pensar, pero una reunión necesita un documento que alguien pueda abrir, corregir y compartir. La documentación de trabajo con archivos recoge la creación y revisión de documentos, presentaciones, hojas de cálculo y PDF, con opciones de previsualización que varían entre web y escritorio. Mi encargo empezaría por el archivo que necesito, no por una petición genérica de «hazme un informe».
Para un plan de comunicación pediría un documento editable con diagnóstico, prioridades, acciones, responsables y decisiones pendientes. El resumen ejecutivo tendría que permitir entender qué propongo y por qué, sin recorrer veinte páginas. Si hay cifras, cada una debería llevar su procedencia o quedar marcada como ejemplo. Y si el material de partida mezcla una conversación exploratoria con una decisión aprobada, el documento final tendría que distinguirlas. Ordenar información no autoriza a convertir una posibilidad en un compromiso.
¿Cómo convertir una estrategia en una presentación convincente?
Una presentación necesita un argumento, no un informe repartido en diapositivas. Para nuestra empresa ficticia de formación plantearía una secuencia: el problema que queremos resolver, lo que hemos aprendido del público, la propuesta, las pruebas disponibles y el siguiente paso. Solo después pediría diseño. La guía oficial de presentaciones contempla trabajar desde fuentes, referencias y plantillas, con entregables como PowerPoint o Google Slides según las herramientas conectadas.
Mi criterio sería pedir textos y gráficos editables, respetar la identidad visual y comprobar la versión renderizada. Un archivo puede estar generado y aun así tener un título cortado, una gráfica ilegible o demasiado contenido en una diapositiva. La revisión debe incluir el relato y la legibilidad. También pediría notas para quien presenta cuando aporten contexto, sin cargar la pantalla de frases que ya va a decir en voz alta.
En una hoja de cálculo pondría el mismo cuidado en lo que no se ve: fórmulas, unidades, fechas y supuestos. Un calendario editorial útil relaciona cada pieza con su objetivo, su estado y su responsable. Un presupuesto de campaña debe distinguir coste previsto de gasto real. Si hay una estimación, prefiero varias hipótesis identificadas a una cifra exacta que parezca cierta por estar dentro de una tabla bien diseñada.
¿Se pueden crear páginas web y herramientas de marketing con ChatGPT Sites?
Sites permite crear, alojar, revisar y compartir webs y aplicaciones web desde ChatGPT. La documentación consultada lo sitúa en beta pública, con límites de uso según el plan. Hay un detalle que no conviene pasar por alto: una URL desplegada es una publicación en producción. Si quiero una revisión previa, debo pedir que guarde una versión sin desplegar. Poder construir una página rápidamente no elimina la decisión de cuándo hacerla pública.
Para comunicación, veo aplicaciones más interesantes que «una web en cinco minutos». Un dossier de prensa navegable puede ordenar información y materiales autorizados; un micrositio puede explicar una iniciativa; una herramienta sencilla puede ayudar a comparar alternativas. Son propuestas de uso, no garantías de que cualquier encargo funcione sin desarrollo adicional. En cada caso hay que definir de dónde salen los datos, quién podrá acceder y qué se espera que haga el visitante.
¿Cómo plantearía una landing para captar contactos?
Volvamos al ejemplo hipotético de formación B2B. Antes de generar la página definiría una única conversión: solicitar una conversación para valorar el programa. El visitante debería reconocer el problema de su equipo, entender qué incluye la formación y saber qué ocurrirá al dejar sus datos. El briefing para ChatGPT contendría el mensaje aprobado, las objeciones prioritarias y los materiales reales disponibles. No le pediría que rellenase el diseño con testimonios, clientes o cifras inventadas.
El prototipo serviría para comprobar la jerarquía: qué se entiende al llegar, qué duda queda abierta y si la acción propuesta tiene sentido. Después vendrían las pruebas del formulario y su destino real, los estados de error, la vista móvil y la navegación con teclado. Que aparezca un botón no significa que el contacto llegue a ningún sitio. Precisamente ahí empieza el trabajo de captación de leads: conectar promesa, página, seguimiento y criterio comercial.
Sites puede ser una vía útil para un prototipo o un proyecto compatible con sus condiciones. Para una web corporativa hay que valorar también dominio, mantenimiento, contenidos, integraciones, rendimiento y continuidad. No daría por resueltas esas necesidades por haber obtenido una primera versión visual. Y no confundiría la analítica básica de un sitio con una medición completa del negocio: las visitas no dicen por sí solas si llegan contactos adecuados.
Brief para una página: «Prepara una versión sin publicar de una landing para este servicio ficticio de formación. Usa solo la oferta y los materiales adjuntos. El objetivo es solicitar una reunión. No inventes testimonios, resultados ni logos. Explica qué partes son demostrativas y cuáles funcionan. Revisa móvil, navegación con teclado y estados del formulario; no conectes servicios ni publiques sin mi aprobación».
¿Cómo conectar aplicaciones y automatizar tareas sin perder el control?
Mucho trabajo de comunicación consiste en trasladar información: del correo al briefing, del briefing a una presentación, de una hoja al informe. Los plugins de ChatGPT pueden reunir instrucciones y conexiones a servicios externos, que requieren los accesos y autorizaciones correspondientes. La disponibilidad depende del entorno y algunas funciones son específicas del escritorio. No conviene prometer que cualquier aplicación que utilice una empresa estará conectada o permitirá las mismas acciones.
Empezaría por un flujo acotado. Por ejemplo, reunir las fuentes autorizadas de una campaña y preparar una lista de cambios pendientes, sin modificar los originales. Si el resultado es fiable, el siguiente paso puede ser actualizar una copia de trabajo. La misma lógica sirve para ordenar solicitudes internas, preparar borradores de correos o resumir decisiones de una reunión a partir de notas aportadas con permiso. Cada automatización debe dejar claro dónde ha leído, qué ha creado y qué queda por aprobar.
Para seguimiento de competencia plantearía un radar periódico con una lista de fuentes y una condición de aviso: un cambio de oferta, una publicación relevante o una novedad que afecte al posicionamiento. Su ejecución recurrente necesita una función de programación realmente disponible; escribir «vigílalo» en una conversación no demuestra que exista una tarea activa. La guía de Work distingue los trabajos locales de los que pueden continuar en la nube. Comprobaría dónde queda el resultado y si hay un mecanismo para comunicar fallos.
Lo que no automatizaría sin revisión es una decisión con consecuencias: subir el presupuesto de una campaña, publicar una respuesta a una crisis, borrar archivos o enviar una propuesta económica. Una herramienta puede hacer una acción correctamente desde el punto de vista técnico y equivocarse desde el punto de vista de la marca. El criterio para dar autonomía tiene que incorporar ambas cosas.
¿Qué instrucciones le daría a Astra para unir todo el proceso?
La diferencia entre un encargo flojo y uno útil suele estar en la definición de terminado. «Haz una campaña» deja demasiadas decisiones abiertas. «Prepara un documento estratégico y tres piezas coherentes, con las afirmaciones verificadas y las dudas pendientes identificadas» permite evaluar el trabajo. En su artículo sobre instrucciones y habilidades para Astra, OpenAI aconseja revisar reglas acumuladas, evitar instrucciones contradictorias y definir el punto de finalización. Mi traducción al trabajo de comunicación es dar buen contexto sin convertir cada tarea pequeña en un protocolo interminable.
Organizaría el lanzamiento ficticio en cuatro entregas revisables. Primero, investigación y diagnóstico con fuentes. Después, propuesta estratégica y mensajes aprobables. A continuación, materiales de campaña y una página sin publicar. Por último, una revisión de coherencia y un plan de medición. Cada entrega conserva lo aprobado en la anterior y señala lo que ha cambiado. Así se puede corregir el rumbo antes de producir diez piezas alrededor de una idea que todavía no estaba decidida.
Encargo de principio a fin: «Prepara el lanzamiento de este servicio a partir del briefing. Empieza por analizar fuentes y dudas; no produzcas piezas hasta presentar el diagnóstico. Cuando apruebe el enfoque, crea un documento editable, una presentación breve, las piezas indicadas y una landing sin publicar. Conserva el mismo público, oferta y pruebas en todos los formatos. Entrega los archivos, sus fuentes y las comprobaciones realizadas. Detente antes de publicar, enviar mensajes o realizar cualquier gasto».
Esta forma de coordinar entregables también aparece en el caso de uso oficial de un kit de lanzamiento, que reúne materiales iniciales y pide señalar afirmaciones no verificadas, recursos ausentes y aprobaciones pendientes. Me interesa ese criterio porque hace visible lo que todavía falta. Una campaña no está lista porque todos los apartados tengan texto: está lista cuando sus decisiones y sus piezas se pueden defender.
¿Qué reviso antes de utilizar un resultado de ChatGPT?
Separaría la revisión en tres preguntas. ¿Es cierto lo que dice? ¿Sirve para el público y el objetivo? ¿Funciona el entregable? La primera exige comprobar nombres, cifras, citas y fuentes. La segunda obliga a releer desde fuera: un texto puede ser correcto y no resolver ninguna duda del destinatario. La tercera requiere abrir archivos, mirar diapositivas y probar páginas. Ninguna de esas comprobaciones se sustituye con una frase del propio modelo diciendo que todo está bien.
También reduciría los datos que comparto a los necesarios para el encargo. Para analizar objeciones no siempre hacen falta nombres ni correos. Para diseñar una estructura de informe se puede empezar con datos ficticios señalados como tales. Las políticas, conexiones y permisos del entorno deben revisarse antes de incorporar documentación sensible. No haría promesas generales de confidencialidad basadas únicamente en utilizar una modalidad concreta del producto.
En la búsqueda y el navegador hay otra precaución: una página externa puede contener información incorrecta o instrucciones que no forman parte de nuestro encargo. La documentación oficial de búsqueda advierte que sus resultados deben tratarse como contenido no confiable. En la práctica, eso significa contrastar afirmaciones y no permitir que un texto encontrado en internet cambie los permisos que hemos dado.
¿Cómo sé si de verdad estoy ganando tiempo?
Mediría el tiempo hasta obtener un resultado utilizable, incluyendo el briefing, las correcciones y la comprobación final. Si una pieza se genera rápido pero exige rehacerla, el ahorro inicial importa poco. Para comparar flujos usaría tareas similares y registraría qué errores se repiten: fuentes mal interpretadas, tono uniforme, archivos poco editables o decisiones inventadas. Es una evaluación interna propuesta, no una estadística sobre cuánto mejora ChatGPT el trabajo de todo el mundo.
El objetivo tampoco tiene por qué ser producir más. Puede ser llegar a una reunión con mejores preguntas, preparar una propuesta más clara o reservar tiempo para entrevistar y grabar a personas. Esa es la parte del oficio que quiero proteger: cuanto más fácil resulta generar materiales, más pesa decidir qué merece existir y qué aporta una mirada propia.
¿Por dónde empezaría una empresa que quiere usar ChatGPT en comunicación?
Elegiría un trabajo recurrente con fuentes accesibles y riesgo limitado: un informe mensual, una propuesta de contenidos o la preparación de un documento interno. Definiría un entregable concreto, aportaría un ejemplo aprobado y revisaría el resultado con quien lo vaya a utilizar. Solo después ampliaría el proceso. Conectar todas las herramientas el primer día puede multiplicar los puntos de fallo sin aclarar qué mejora estamos buscando.
Para una empresa de Zaragoza, por ejemplo, puede tener más sentido ordenar su mensaje comercial y las preguntas que recibe que empezar con una automatización compleja. La IA puede ayudar a preparar ese trabajo, pero alguien tiene que decidir qué representa a la empresa y qué compromisos puede asumir. Ahí encaja una dirección de comunicación externa: dar continuidad al criterio y coordinar lo que se publica, se presenta y se promete.
Mi conclusión con Astra es optimista, pero concreta. Me interesa una herramienta que ayude a pasar de una pregunta a un trabajo revisable, conservando contexto y dejando espacio para corregir. Utilizar ChatGPT en comunicación y marketing tiene sentido cuando mejora nuestras decisiones y nos permite ejecutar con más cuidado. La última palabra sobre lo que una marca dice, a quién se dirige y qué está dispuesta a sostener sigue siendo nuestra.
