Nota de campo
Un marketer mostró en X un workflow que parecía un departamento de marketing con AI de una sola persona: Claude Code, conectores MCP, Search Console, Google Ads, Meta Ads y un agent capaz de inspeccionar datos y sugerir arreglos.
Esto ya no es ciencia ficción. Claude Code puede conectarse a herramientas externas mediante Model Context Protocol, y el mercado ya tiene MCP servers para plataformas de anuncios, analytics y datos de búsqueda. La pregunta más interesante no es si se puede construir. Es si la mayoría de equipos está lista para confiar en el output.
La mayoría no lo está. Todavía no.
Por qué llamó la atención
El workflow es potente porque conecta datos que normalmente viven en pestañas separadas.
Search Console puede mostrar deterioro de queries y páginas. Google Ads puede mostrar gasto desperdiciado y términos que convierten. Meta Ads puede mostrar fatiga creativa. Analytics puede mostrar comportamiento en landing pages. Un coding agent puede convertir esas señales en briefs, tickets, scripts y cambios de página.
Ese es un cambio operativo real. El marketer ya no pide consejo genérico a un chatbot. Le da a un agent una ventana de contexto vivo dentro del growth stack.
La base que falta
La parte incómoda es esta: conectar herramientas no arregla un sistema desordenado.
Si tus propiedades de Search Console están incompletas, tus campañas tienen malos nombres, tus landing pages no tienen dueños claros y tu contenido no tiene topic map, el agent heredará el desorden. Puede resumirlo con elegancia. Incluso puede automatizarlo.
La base sigue importando:
- fuentes de datos limpias con límites claros de acceso;
- permisos read-only por defecto para agents de análisis;
- taxonomía para páginas, campañas, audiencias y etapas del funnel;
- aprobación humana antes de publicar, pausar, pujar o reescribir;
- loop de medición que confirme si la recomendación funcionó.
Un agent puede acelerar un buen proceso. También puede acelerar uno malo.
Un modelo operativo más seguro
Empieza por diagnóstico, no por ejecución.
| Etapa | Qué puede hacer el agent | Qué debe aprobar un humano | Riesgo |
|---|---|---|---|
| Observar | Traer reportes e identificar anomalías | Fuentes de datos y ventanas temporales | Bajo |
| Diagnosticar | Explicar causas probables y páginas afectadas | Prioridad y contexto de negocio | Medio |
| Borrador | Crear briefs, notas de anuncios y tickets SEO | Alcance final y owners | Medio |
| Ejecutar | Editar páginas o configuraciones de campañas | Todo cambio en producción | Alto |
| Medir | Comparar métricas antes y después | Interpretación y siguiente acción | Medio |
La primera versión en producción de un departamento de marketing con AI debe ser un analista read-only y generador de briefs. Que encuentre problemas. Que los humanos decidan qué se publica.
Dónde ayuda primero a SEO y GEO
Los primeros workflows más útiles son aburridos.
- Encontrar páginas con impresiones al alza y CTR a la baja.
- Cruzar términos de búsqueda de anuncios con páginas orgánicas faltantes.
- Identificar páginas que rankean pero no están listas para citas en respuestas de AI.
- Comparar menciones de competidores en respuestas de AI con menciones de tu marca.
- Crear briefs semanales de reparación para las páginas de mayor valor.
Estas tareas son repetitivas, cargadas de datos y molestas. Territorio perfecto para un agent.
La visión de Auspia
El departamento de marketing con AI ya es lo bastante real como para probarlo. Pero equipos pequeños no deben saltarse los fundamentos de SEO y GEO.
Antes de conectar agents a todas las herramientas, asegúrate de que el sitio tenga señales técnicas limpias, hechos de marca claros, respuestas extraíbles y un mapa de contenido. Si no, el agent pasará el tiempo descubriendo problemas que debieron arreglarse hace meses.
Un mejor primer proyecto: conectar Search Console, crawl data y prompts de AI visibility. Haz que el agent cree una “repair queue” semanal con page, query, issue, suggested fix y expected measurement.
FAQ
¿Qué es MCP en este contexto?
MCP significa Model Context Protocol. Permite que herramientas de AI se conecten a sistemas externos como databases, APIs, plataformas de analytics y herramientas de workflow mediante servers estandarizados.
¿Se debe permitir que agents cambien campañas automáticamente?
No al principio. Empieza con análisis read-only y recomendaciones aprobadas por humanos. Los cambios en producción necesitan guardrails, logs y planes de rollback.
¿Qué workflow de SEO es más fácil de automatizar?
La revisión semanal de page decay es un buen inicio. Trae páginas con caída de clics o CTR, diagnostica causas probables y crea briefs de refresh con alcance.
¿Esto reemplaza al equipo de marketing?
No. Reemplaza parte del reporting manual y del primer análisis. Estrategia, priorización, criterio de marca y aprobación final siguen necesitando humanos.
Fuentes
- Documentación de Claude Code sobre MCP: https://code.claude.com/docs/en/mcp
- Ejemplo de proyecto Google Ads MCP: https://github.com/cohnen/mcp-google-ads
- Ejemplo de discusión sobre MCP para plataformas de anuncios: https://mcp-ads.com/
- Referencia del workflow de Nyra en X: https://x.com/Nyra_nx
Autor: Nathan Reed, AI Marketing Workflow Designer para más de 80 growth systems en Auspia. Nathan escribe sobre operaciones de marketing asistidas por AI, guardrails y workflows prácticos de crecimiento.
