Blog
Notas del trabajo.
Soluciones, entregadas.
Lo que aprendemos arreglando sistemas reales: las causas que encontramos, cómo las demostramos y qué revisaríamos primero en tu sitio.
Un sitio que se actualiza solo, y revisa cada página antes de hacerlo
Un sitio de afiliados nuevo publica datos frescos dos veces al día y contenido nuevo cada mañana, sin nadie al teclado. Cómo funciona la automatización, y la única regla que la hace segura.
Un nuevo motor para el sitio en un día, con cada página comprobada
Pasamos evdevs.com de archivos estáticos subidos a mano a Astro en Vercel en un día. Una comprobación de paridad demostró que las 111 URLs coincidían, el correo nunca se movió y el sitio ganó un flujo de leads.
Define qué es éxito antes de que empiece la prueba
Una forma de escribir un título coincide con 28.413 búsquedas al mes; la otra, con 24. Antes de probar cuál gana, dejamos por escrito cómo la vamos a juzgar. Por qué ese orden importa.
Sabe qué canal, artículo y oferta te traen clientes: cada lead debe llegar con su origen
Cómo hicimos que cada lead de evdevs.com llegue con su origen, lo que la persona necesita y cuándo quiere empezar, para juzgar la inversión en marketing y el contenido por los clientes que producen.
Primero la respuesta: lead magnets que se ganan el contacto
Nuestros autodiagnósticos gratuitos dan un resultado con puntaje, las brechas y sus soluciones en la misma página, sin pedir correo. Después ofrecen dos caminos y un reporte hecho para reenviarse. Así funcionan.
Auditar las páginas que nadie lee: categorías y secciones
Las páginas de sección sostienen un sitio, y casi nunca se revisan. Auditamos 300: 4.575 hallazgos, 255 reescritas, 81 reducidas a la mitad.
Verifica una alerta contra una respuesta conocida antes de que la vea un gerente
Las alertas del pipeline que nadie ha verificado son solo ruido con seguridad. Así que antes del lanzamiento construimos una cuenta de prueba donde conocíamos cada respuesta correcta, y el producto tenía que acertar las 23.
Pon la oferta donde está el producto
Un sitio de afiliados nuevo destacaba los temas más grandes del mercado, pero su socio vendía algo más acotado. Investigamos al socio en un día y reconstruimos la página de inicio al siguiente. Por qué emparejar oferta y página importa más que el tráfico.
101 versiones en 10 semanas, sin romper lo que genera ingresos
La velocidad y la seguridad suelen verse como opuestas. En nuestro proyecto actual entregamos 101 versiones revisadas en 10 semanas sobre un sitio que genera ingresos cada día. Cómo.
Contenido con IA que no inventa
430 artículos basados en datos en dos semanas, en dos idiomas, sin cifras inventadas. El truco no es un mejor prompt: es un proceso donde la IA escribe y los datos deciden.
Producción: lo que un prototipo se salta y un sistema real no puede
Un prototipo supone que todos los sistemas responden y que todas las entradas vienen limpias. Producción se prepara para el día en que no es así. Lo que construimos en cada sistema para que siga funcionando, y para que siempre haya alguien responsable.
Antes de comprar un sitio web: seis preguntas que la diligencia debida debe responder
Las capturas de tráfico y las hojas de ingresos son donde empieza la venta de un sitio, no donde debería terminar. Seis preguntas técnicas para responder antes de que cambie de manos el dinero.
Rediseñar sin perder lo que posiciona: compara cada página antes de lanzar
Un rediseño es la forma más común de perder tráfico que ya ganaste. Cómo reconstruimos un sitio, bajamos la carga en móvil a 1,9 s y comparamos 3.050 páginas antes de que nadie lo viera.
En Google el mismo día: cómo se encuentran rápido los artículos nuevos
Un artículo publicado a las 09:18 apareció 547 veces en búsquedas ese día. Los artículos nuevos promediaron la posición 4,8 en 13 días. Qué marcó la diferencia.
Valor: la meta no es adoptar IA
Nadie necesita IA; necesitan ingresos recuperados, un equipo con coaching, un producto que sale al mercado. Cómo elegimos el resultado antes que el modelo, y usamos IA solo donde se gana su lugar, con ejemplos de una plataforma escolar y una recuperación de tráfico.
Menos sitio, más tráfico: por qué recortamos el 85% de las páginas
15.587 páginas sumaron una visita entre todas en 25 días. Por qué un sitio más pequeño puede generar más, y cómo recortar sin perder nada que puedas necesitar de vuelta.
De cero pruebas automáticas a 918 en menos de nueve semanas
Dieciséis semanas de un producto no tenían pruebas automáticas. Para su lanzamiento de septiembre tenía 918, y un control que bloquea cualquier lanzamiento cuando una falla. Qué construimos, y las dos veces que la propia red de seguridad necesitó arreglo.
La limpieza automática que borraba artículos de la primera página
Una limpieza automática eliminaba artículos dos días después de publicarlos, incluidos 670 que estaban en la primera página de Google. Cómo lo encontramos y la auditoría que ahora hacemos en cada sitio.
Confianza: una petición exitosa no es una respuesta correcta
Una llamada a la IA que vuelve con éxito todavía puede estar equivocada. Los controles que construimos alrededor de cada modelo antes de que las personas actúen con lo que produce: salidas estructuradas, reglas junto al modelo, respaldos, procedencia, revisión y pruebas.
Un sistema, muchos clientes: demostrar que sus datos están separados
Un producto que guarda las llamadas de venta de varias empresas nunca debe dejar que una vea las de otra. Decirlo es fácil. Así lo verificamos en el sistema en vivo, y esto construimos para que la respuesta siga siendo cierta después de cada cambio.
Normalización: mismo cliente, cinco identificadores
Cada sistema tiene su propia idea de qué es un cliente, una nota o una fecha. La normalización las convierte en una sola forma validada, y decide en silencio lo que va a decir tu IA. Lecciones de una plataforma de IA para abogados y clínicos.
Ingesta: empieza donde de verdad opera el negocio
La primera etapa de cada proyecto es traer los datos reales, desde donde el negocio de verdad opera. Por qué una muestra no basta, y lo que nos enseñaron sobre esto un diagnóstico de tráfico y un producto de ventas.
Sistemas confiables, no demos de IA: las cinco etapas detrás de cada proyecto
Ingesta, normalización, confianza, valor, producción. Las cinco etapas por las que pasa cada proyecto nuestro, desde un sitio web que pierde ingresos hasta un asistente de IA para clínicos, y por qué el modelo llega en cuarto lugar.
Cómo una persona produce miles de lecciones con IA
SuperEscuela tiene 733 temas, 2.786 lecciones y 13.705 preguntas de práctica, escritas por un proceso de IA alineado al plan del MEP de Costa Rica. Cómo funciona el proceso, y dónde la IA queda fuera a propósito.
Tus inversionistas van a revisar tus cifras
La tracción es la historia de la próxima ronda, y los inversionistas la revisan cada vez más. Dos casos reales de cifras que parecían bien y no lo estaban, y las revisiones que las habrían atrapado antes que una presentación al directorio.
Ingeniería desplegada: ingenieros junto a tu equipo, cerca del problema
Los ingenieros desplegados trabajan directamente con tu dirección, tu gente, tus procesos y tus datos, desde la estrategia hasta producción, en vez de construir a distancia a partir de una especificación. Qué cambia, qué necesitas aportar y en qué se diferencia del staff augmentation y de la consultoría que solo entrega informes.
Escribe el reglamento antes de la primera página
Antes de construir un nuevo sitio de afiliados, auditamos 26 sitios de su mercado contra 13 reglas. Ninguno de los afiliados las cumplía todas. Por qué las reglas fueron primero, y cómo se volvieron parte de la construcción.
La IA acelera el trabajo. Las personas siguen siendo responsables.
La IA hace asequibles la investigación, la comparación y la iteración a una escala que antes no era práctica. También comete errores con total seguridad. Cómo repartimos el trabajo: qué hace la IA, qué queda en manos humanas y cómo revisamos lo que produce.
Una cifra equivocada y segura es peor que una cifra que falta
Una tasa de cierre que decía 100% cuando la verdad era 50%, alimentando siete reportes con los que un gerente de ventas iba a actuar. Cómo pasó, por qué lo arreglamos en el origen y qué revisar en tus propios paneles.
El costo de una función de IA: tokens, caching y el modelo correcto para cada tarea
Lo que de verdad cuesta una función de IA es un número por unidad de valor: por lección, por respuesta, por documento. Cómo estimarlo, lograr primero la calidad y después bajar el costo con el modelo adecuado por tarea, caching y procesamiento por lotes.
Conecta la IA a tus herramientas de forma segura con MCP
MCP permite que una sola integración sirva a todos los asistentes de IA que usa tu equipo. Cómo exponer tus sistemas sin darle a un modelo más poder del que necesita: herramientas acotadas, primero solo lectura, aprobaciones y un registro de cada llamada.
¿Recién financiados? Mide antes de acelerar
Una nueva ronda trae presión por mostrar tracción rápido. Las cifras con las que te van a juzgar valen lo que vale la medición debajo de ellas. Qué montar en las primeras semanas.
Los prompts son código: versiónalos, pruébalos, revísalos
Un prompt decide lo que hace tu sistema de IA, así que cámbialo como cambias el código: en control de versiones, revisado, probado contra ejemplos fijos y registrado en cada salida para poder explicarlo y revertirlo.
Construir una plataforma escolar con un programador de IA como compañero
97 cambios de código, 74 escritos junto a un asistente de programación con IA. Cómo construimos la app de estudiantes y el registro docente de SuperEscuela, y las reglas que mantuvieron útil a la IA y seguros los datos.
Cómo probar un sistema RAG antes de que tu equipo confíe en él
Una demo de RAG responde las preguntas que se les ocurrieron a quienes la construyeron. Cómo probar la recuperación y las respuestas por separado, verificar las citas automáticamente y acordar el umbral de aprobación por adelantado, para que tu equipo pueda confiar en lo que dice.
El 10% de las búsquedas trae la mitad de las visitas
Clasificamos 431.227 búsquedas por intención de compra. Una pequeña parte trajo cerca de la mitad de las visitas. Por qué la intención, no el volumen, debe decidir qué escribes y qué arreglas primero.
RAG que responde con tus datos, no alrededor de ellos
La mayoría de las fallas de RAG son fallas de datos que la recuperación deja al descubierto. Lo que tiene que estar resuelto antes de recuperar, desde las fuentes de verdad y los permisos hasta las citas y la búsqueda híbrida, para que tu asistente responda desde tu base de conocimiento.
Cómo fechamos una caída de tráfico con cuatro días de precisión
“Bajó el tráfico” no es un diagnóstico. Cómo cruzamos datos de búsqueda, versiones y registros del servidor hasta que cada etapa de la caída tiene fecha y causa.
Integrar APIs que fallan: reintentos, idempotencia y backoff
Toda API externa va a agotar el tiempo de espera, limitarte o cambiar sin avisar. Los patrones que mantienen correcta una integración cuando eso pasa: backoff con jitter, claves de idempotencia, presupuestos de reintentos, colas de mensajes fallidos y conciliación.
Construye en tus propias cuentas desde el primer día
Quién tiene el repositorio, la cuenta de nube y las claves de IA decide qué tan fácil es cambiar de socio, contratar un equipo o levantar la próxima ronda. Por qué construimos en las propias cuentas del cliente desde el primer día.
Más de la mitad de tus “visitantes” pueden ser bots
En un sitio, el 55% de las visitas que reportaba la analítica eran bots, y la interacción real era 22,4%, no 8,9%. Por qué importa para cada decisión que tomas y cómo separar personas de bots.
Mínimo privilegio para agentes de IA e integraciones
Un agente de IA puede hacer exactamente tanto daño como le permitan sus credenciales. Cómo limitar claves, tokens, herramientas y permisos de escritura para que tus integraciones de IA sean útiles y estén contenidas.
Que los clientes conecten su propio CRM con un clic
Un software autoservicio no puede pedirle a cada cliente que copie una clave de acceso y agende una llamada con su administrador. Cómo construimos una conexión al CRM de un clic y solo lectura, y por qué “lo que no compartiste” merece su propia pantalla.
Tu política de seguridad puede estar escondiendo tus ingresos
La configuración de seguridad de un sitio bloqueaba en silencio su propia analítica y el seguimiento de anuncios, mientras un bot rastreaba más que Google. Dos hallazgos de seguridad del primer mes de un proyecto.
Guardrails: decide lo que la IA nunca debe hacer
Los guardrails convierten “el modelo no debería hacer eso” en reglas que el sistema hace cumplir. Cómo ponerlos en lo que entra, en lo que sale y en lo que la IA puede hacer, y cómo probarlos y mantenerlos como código.
Prueba los caminos que nunca han corrido
Un error de cobros les habría dado a los clientes del plan más alto una quinta parte de lo que pagaron. Esperaba en una función que nadie podía probar todavía. Cómo una ronda de revisión práctica lo encontró, junto con otros 30 problemas, antes de la primera factura.
Gobernabilidad: ¿quién cambió el prompt y puedes revertirlo?
Una función de IA es gobernable cuando puedes decir qué prompt, qué modelo y qué configuración produjeron cualquier salida, quién aprobó esa versión y cómo volver a la anterior. Cómo construir eso desde la primera versión.
Probado, probable o desconocido: un reporte semanal en el que tu director puede confiar
Casi todos los reportes de avance mezclan hechos, esperanzas y suposiciones en el mismo tono. Tres etiquetas lo resuelven. Así escribimos el reporte semanal en cada proyecto.
Una persona en el circuito, donde de verdad cuenta
La revisión humana hace que la IA sea segura para actuar, pero solo si está en los puntos correctos y las personas pueden hacerla bien. Dónde poner a los revisores, cómo diseñar el paso de aprobación y cómo convertir cada corrección en evidencia.
Hecha para el teléfono más viejo: sin internet, sin contraseñas, sin frameworks
SuperEscuela es una escuela gratuita para la niñez hispanohablante que quizás tiene un teléfono viejo y mala señal. Las decisiones técnicas que salen de eso, y por qué “liviano” es una virtud, no una concesión.
Limita el radio de impacto: decide qué puede romper una falla
Toda integración y toda función de IA va a fallar en algún momento. Decidir de antemano hasta dónde se extiende esa falla es lo que evita que una fuente caída, un mal despliegue o una mala salida del modelo arrastren al resto del negocio.
Ingesta, normalización, confianza: alimentar con datos de profesionales a un asistente de IA
Un asistente de IA para profesionales legales y de salud vale lo que valen los registros que puede leer. Lo que aprendimos a cargo de la capa de integraciones y datos de una plataforma así, y por qué llamar a una API es la parte fácil.
Observabilidad para funciones de IA: qué registrar, trazar y vigilar
Cuando una función de IA se porta mal, necesitas saber qué petición, qué prompt y qué modelo lo causaron, y cuánto costó. Qué registrar, trazar y vigilar para responder eso en minutos, no en días.
El modelo correcto, no el más barato: lo que compran unos centavos por lección
SuperEscuela empezó a escribir lecciones con el modelo de IA más pequeño y barato. Medimos la calidad contra lo que merecen los niños, y pasamos a uno más grande. Por qué el ahorro nunca valió la pena, en cifras.
Pon un solo gateway entre tu producto y los modelos de IA
Cuando cada función llama directo a los proveedores de IA, las llaves, los costos y los datos personales terminan regados por todo el código. Un gateway interno te da un solo lugar para controlarlos, y te permite cambiar de modelo sin tocar ninguna función.
¿Equipo sénior o primeras contrataciones? Los primeros 90 días después de una ronda
Después de levantar capital, el instinto es contratar. Contratar está bien, pero es lento, y los primeros meses deciden lo que ve la próxima ronda. Cuándo tiene más sentido un equipo sénior que entrega desde la primera semana, y cómo debe hacer el traspaso.
Catorce sitios web, una plataforma: lecciones de una consolidación
Muchas organizaciones terminan manteniendo una docena de sitios que se fueron separando. Lo que hemos aprendido al unirlos en una sola plataforma, y al reducir el código mientras todo sigue en línea.
El arnés de la IA: el código alrededor del modelo es lo que lo hace confiable
Una llamada a un modelo es fácil de agregar y difícil de volver confiable. El arnés que la rodea, desde las plantillas de prompt y la validación de esquemas hasta los respaldos y la procedencia, es lo que convierte un modelo en una función con la que las personas pueden actuar.
Webhooks o polling: cómo mantener fresco el contexto de tu IA
Un asistente de IA que lee los datos de ayer da las respuestas de ayer, con total seguridad. Cómo elegir entre webhooks, polling o ambos, y cómo mantener los datos que lee tu IA tan frescos como las decisiones que apoya.
Cómo confiar en una puntuación de IA
Una IA que califica contactos, negocios o documentos solo sirve si las personas pueden revisarla. Las seis cosas que construimos alrededor de cada modelo antes de que sus puntuaciones lleguen a un equipo de ventas.
¿Agente o flujo de trabajo? Cuándo dejar que el modelo decida
La mayoría de las funciones con IA son más confiables, más baratas y más fáciles de probar como un flujo fijo con IA en algunos pasos. Cómo saber cuándo un agente autónomo vale lo que cuesta, con una lista que puedes usar en tu próxima función.
Puntuar llamadas de venta con IA, según tu propio método de evaluación
Un cliente de coaching de ventas tenía un método de evaluación probado a mano. Enseñamos a un producto a puntuar llamadas reales con él, con evidencia citada de cada llamada. Qué hizo que valiera la pena confiar en las puntuaciones.
Contratos de datos: acuerda la forma antes de conectar dos sistemas
Las integraciones fallan en silencio cuando dos sistemas no coinciden en cómo se ve un registro. Un contrato de datos hace ese acuerdo explícito, verificable y con dueño, para que los datos malos se detengan en la frontera y no lleguen a tus reportes ni a tu IA.
Cómo son las primeras ocho semanas de un producto de IA
Un experto en coaching de ventas tenía un método probado a mano, un prototipo navegable y un plan de 8 semanas. El producto central estaba funcionando en ocho semanas, según lo planificado. Semana a semana, qué hizo falta, y cómo se manejaron los riesgos en el camino.
¿Quieres que revisemos
tu sitio?
Cuéntanos dónde el tráfico, los ingresos o tus cifras dejaron de tener sentido. Te diremos qué revisaríamos primero.
¿Prefieres escribirnos directamente? activa JavaScript para ver la dirección