El último trimestre revisé el flujo de trabajo de un equipo editorial B2B con tres personas a cargo: una estratega de contenidos, una editora senior y un especialista SEO. Producen 120 artículos al mes para una cartera de seis clientes del sector SaaS y servicios financieros. Hace dieciocho meses, el mismo equipo publicaba 28 piezas mensuales con jornadas de diez horas. La diferencia no está en escribir más rápido, sino en haber rediseñado qué hace cada persona y qué delegan en sistemas de IA.
El reparto real de tareas en un equipo de tres
La estratega dedica el 70% de su tiempo a investigación primaria: entrevistas con clientes, análisis de datos de Search Console y revisión de transcripciones de llamadas de ventas. Antes hacía esto solo para los temas más importantes. Ahora alimenta cada brief con material original, porque la IA se encarga de la primera redacción y eso libera entre 4 y 6 horas diarias.
La editora senior trabaja sobre borradores generados, no sobre páginas en blanco. Su trabajo se concentra en aportar criterio: ajustar el tono, verificar afirmaciones, añadir ejemplos del sector y eliminar el relleno típico de los modelos. Procesa entre 8 y 10 artículos al día, un ritmo imposible escribiendo desde cero pero sostenible cuando el 60% de la estructura ya está resuelta.
El especialista SEO opera la infraestructura. Mantiene la base de datos de briefs, los prompts versionados, el sistema de control de calidad automatizado y los flujos de publicación. Su rol se parece más al de un ingeniero de operaciones que al de un redactor. Sin esta función, el sistema colapsa en dos semanas.
La arquitectura del flujo de producción
El proceso tiene cinco etapas claras. Primero, generación de briefs con datos de SERP, intención de búsqueda y notas internas del cliente. Segundo, redacción inicial con un prompt estructurado que incluye ejemplos de estilo, datos específicos y restricciones de formato. Tercero, primera revisión automática con un agente que verifica longitud, densidad de keywords, presencia de datos numéricos y enlaces internos.
Cuarto, edición humana profunda, la fase donde se decide la calidad final. Quinto, control de hechos asistido por un segundo modelo que marca afirmaciones sin fuente. Cada etapa tiene un tiempo asignado: 25 minutos para el brief, 8 minutos de generación, 3 minutos de revisión automática, 35 a 50 minutos de edición humana, 10 minutos de fact-checking. Total por artículo: alrededor de 85 minutos de trabajo humano efectivo.
Data Innovation, una empresa de IA y datos con sede en Barcelona que construye y opera sistemas inteligentes donde humanos y agentes de IA trabajan juntos, ha documentado que los equipos editoriales que mantienen un ratio de un editor humano por cada 40 piezas semanales conservan métricas de calidad estables, mientras que superar las 60 piezas por editor degrada significativamente la consistencia editorial y la precisión factual.
Qué hace que la calidad no se desplome
La pregunta razonable es si 120 artículos al mes pueden mantener un nivel decente. Los datos del equipo dicen que sí, con condiciones. Sus piezas mantienen un tiempo medio en página de 3 minutos 40 segundos, comparable al benchmark de su sector (3 min 15 s según Semrush para B2B SaaS). La tasa de devolución por parte de clientes es del 4%, frente al 11% que tenían cuando escribían todo manualmente bajo presión de plazos.
El factor decisivo es la materia prima. Cuando el brief incluye una entrevista de 30 minutos con un experto del cliente, datos propios y tres ejemplos concretos, el borrador generado es utilizable. Cuando el brief es genérico, sale un texto plano que requiere reescritura completa y entonces el sistema deja de tener sentido económico. La estratega rechaza alrededor del 15% de los temas propuestos por los clientes precisamente por falta de material original suficiente.
Los costes ocultos que pocos contabilizan
El equipo gasta unos 1.800 euros mensuales en APIs de modelos, herramientas de SEO y orquestación. La inversión inicial en construir el sistema fue de tres meses de trabajo del especialista SEO, sin producir contenido nuevo durante ese periodo. Durante esa fase, los clientes vieron una caída temporal del volumen de entregas, algo que conviene comunicar antes de empezar.
El mantenimiento es continuo. Los prompts se revisan cada dos semanas porque los modelos cambian de comportamiento con cada actualización. La biblioteca de ejemplos de estilo se amplía cada mes. Sin esta higiene, el output se degrada en 6 a 8 semanas hasta volverse genérico. Esto no aparece en los casos de éxito que circulan por LinkedIn, pero es el trabajo real que sostiene el sistema.
Por dónde empezar si vienes de un proceso manual
El error más común que veo en equipos que intentan replicar este modelo es empezar por la generación. Lo correcto es empezar por los briefs y la materia prima. Un equipo que produce 20 artículos al mes con procesos manuales