Después de empezar en el Máster de Inteligencia Artificial de Big School, y del módulo específico de Make, me decidí a crear mi primera automatización.
Después de empezar el Máster de Inteligencia Artificial y el módulo específico de Make, me propuse crear mi primera automatización de contenidos.
La idea: escribir una palabra clave en un chat de Telegram y obtener automáticamente un artículo SEO optimizado, el prompt para su imagen y los copys para publicar en redes sociales, dejando el artículo en borrador en WordPress.
Este post explica el problema, el flujo automatizado paso a paso, los prompts, las herramientas implicadas y cómo medir el resultado.
Qué resuelve esta automatización
- Reduce tiempo de redacción y maquetación.
- Homogeneiza estructura SEO.
- Centraliza el contenido en un solo flujo, desde la idea hasta la publicación.
Arquitectura del flujo: Make + Telegram + OpenRouter + WordPress
Utilizo un bot de Telegram por su rapidez de creación y su integración directa con Make. El corazón del flujo son varios módulos de OpenRouter que permiten elegir modelos de LLM (he usado Qwen3 VL 235B A22B Instruct y probado alternativas). El resultado se guarda en Google Sheets y Google Docs, y finalmente se envía a WordPress como borrador junto con los copys para RRSS.
- Trigger: mensaje en Telegram con tema/keyword.
- Procesado SEO: LLM en modo JSON para investigación y outline.
- Redacción: dos pases de LLM para mejorar calidad y estilo.
- Persistencia: JSON estructurado a Sheets y artículo a Docs.
- Salida: borrador en WordPress y copys en formato JSON para RRSS.
Arquitectura del escenario:
Vamos ahora a desgranar parte a parte que es lo que hace y lo más importante, el cómo.
1. Entrada y formateo de la idea
Lo primero que vamos a hacer es la entrada y el inicio.
En Telegram, envío el tema o keyword. Make recibe el texto y lo pasa a OpenRouter (con el modelo «Qwen: Qwen3 VL 235B A22B Instruct») con un system prompt orientado a SEO. El modelo devuelve exclusivamente JSON válido con:
keywords_principalesyvariaciones_longtailpreguntas_frecuentesoutlinecon H2/H3 específicosmeta_sugerida(title y description)intencion_busquedaynotas_editor
Desactivo automatic fallback y activo JSON mode. Después, un módulo de JSON mapea los campos y los guarda en Sheets con columnas como: Tema, Keywords principales, Long-tail, FAQs, Outline, Meta title/description, Intención de búsqueda y Notas del editor.
¿Por qué usamos OpenRouter y no modulos de OpenAI en el flujo?
Pôrque necesitamos flexibilidad y control de costes. En esta automatización no requerimos la misma potencia o capacidad de computación. La ventaja principal es el coste, ya que OpenRouter cuenta con varios modelos gratuitos y de una elevada calidad, permitiendo que nuestro escenario sea significativamente más barato. Para más información, puedes visitar su web https://openrouter.ai/models
| Tema | Keywords Principales | Variaciones LongTail | Preguntas Frecuentes | Outline | Meta Title | Meta description | Intención de búsqueda | Notas del editor |
| patatas a lo pobre | patatas a lo pobre | cómo hacer patatas a lo pobre en casa | ¿Qué son las patatas a lo pobre? | Origen y características de las patatas a lo pobre Historia del plato español | Patatas a lo pobre: receta fácil y tradicional | Descubre cómo hacer patatas a lo pobre en casa, un plato español tradicional, sencillo, económico y delicioso. | informacional | Riesgo de confundir patatas a lo pobre con patatas bravas; importante aclarar diferencias. |
Paso 2. Transformación y escritura del artículo SEO
El segundo punto es la preparación del artículo SEO optimizado y su posterior redacción.
Divido la automatización de artículos en dos pasadas de LLM para mejorar consistencia:
- Pase SEO-estructural (OpenRouter)
System prompt: “Eres redactor senior. Devuelves solo el artículo. Estructura con título, introducción, H2/H3 según outline, sección FAQ y cierre con CTA suave. Cada H2 comienza con 2–4 bulletsTODO:para el editor. Sin enlaces externos ni tablas.” - Pase de estilo del autor (OpenRouter)
System prompt: “Modo redactor SEO sénior. Devuelve solo texto plano. 1600–2100 palabras. Keyword principal en las primeras 100 palabras. Estilo en primera persona, crítico y claro, con secciones y listas cuando convenga. Conclusión nítida y 1–2 CTAs discretas.”
¿Por qué dos pasos y no uno solo en la redacción?
Porque mezclar en una sola tirada empeora la calidad final. En el primer paso, bloqueamos la forma y la cobertura, garantizando un esqueleto SEO optimizado, y en el segundo paso damos voz y ritmo pero sobre una base, evitando así conflictos. Garantizamos mayor calidad, mayor control sobre el escenario, además de poder usar un modelo más barato para la estructura y reservar la potencia para la redacción final.
Ambos procesos leen el JSON del paso anterior y devuelven un artículo completo, que se guarda en Docs. Ya aquí tienes una pieza publicable.
Paso 3. Prompt de imagen para la portada
Dado que la edición directa desde módulos específicos no resultó estable, genero el prompt de imagen y lo dejo en otra pestaña del mismo Sheets para ejecutarlo manualmente cuando convenga.
El objetivo es establecer un prompt para la portada tanto del artículo WordPress como en las redes sociales.
Las entradas son tema, intencion_busqueda, outline y meta_sugerida del JSON anterior y la guía de marca.
La salida es un prompt para copiar y pegar en nuestro generador de imágenes gratuito (ya sea fal.ai o modelos como nanobanana)
Paso 4. Maquetación y publicación en WordPress y RRSS
Con un Router en Make separo dos ramas:
- Rama superior (WordPress): descargo el documento y creo el borrador en WordPress con título, H1, H2/H3 y meta sugerida.
- Rama inferior (RRSS): creo el copy para LinkedIn e Instagram mediante LLM con un prompt específico que devuelve solo JSON:
linkedin_title(≤80).linkedin_summary(≤300).- linkedin_post.
Guardo el JSON en Sheets. El flujo termina con un mensaje en Telegram confirmando que todo ha ido bien.
Resultados y ROI de la automatización de contenidos
Escalabilidad: una idea en Telegram dispara todo el flujo.
Tiempo ahorrado por pieza: reducción drástica del tiempo de briefing, outline y primera versión.
Consistencia SEO: estructura y metas coherentes en cada entrega.
Cómo medir el ROI
ROI = (horas ahorradas × coste/hora) − (licencias + tiempo de implantación)
Ejemplo: si ahorras 2,5 h por artículo y tu hora son 10 €, cada pieza recupera 25 €. Con 8 piezas/mes son 200€.
Lecciones aprendidas y siguientes iteraciones
- Mantener el modo JSON y validar el esquema evita “alucinaciones” de formato.
- Separar investigación SEO, redacción y estilo en dos pasadas mejora la calidad.
- Próximos pasos: generar imagen desde el flujo y publicar en RRSS desde cola aprobada.
Preguntas frecuentes sobre automatización de contenidos
¿Qué tipo de contenidos se benefician más?
Tutoriales, casos prácticos, comparativas y listas recurrentes.
¿Hace falta saber programar?
No estrictamente. Ayuda entender bien los conectores, el manejo de JSON y la lógica de rutas.
¿Se puede adaptar a otros CMS o canales?
Sí. La arquitectura es modular: cambias el conector de salida y listo.
¿Cómo controlo la calidad?
Con TODOs editoriales por sección, checklist SEO y revisión rápida del autor.
¿Qué riesgos hay?
Estructuras rígidas si el prompt es demasiado restrictivo y posibles bloqueos si algún conector cambia de versión.
¿Puedo usar varios modelos?
Sí, y conviene. Investigación y estilo pueden funcionar mejor con modelos distintos.