Días 3-4 del registro de operaciones diarias. Dos días, tres revelaciones sobre lo que sucede cuando construyes un producto de IA para una audiencia global.

Revelación 1: El punto ciego del idioma

Un nuevo usuario se registró desde Brasil; gestionan un producto sobre rutinas para el TDAH (TDAH en portugués). Conectaron Twitter, la IA analizó su perfil, autogeneró una estrategia de marketing y comenzó a crear contenido en inglés. Todo funcionaba según lo previsto.

Excepto por un detalle: el usuario no lee inglés con fluidez.

Querían publicar en inglés para llegar a una audiencia global; esa es la estrategia correcta. Pero no podían revisar lo que la IA escribía. Estaban aprobando a ciegas contenido que no podían entender. Esa es una experiencia de usuario (UX) terrible.

La solución: Añadí un botón de "Traducir" a cada pieza de contenido generado por IA. Al hacer clic, Gemini traduce el texto a tu idioma. Funciona como el "Traducir Tweet" de Twitter: un clic, ves la traducción debajo del original, otro clic para ocultarla. Los resultados se guardan en caché para no gastar llamadas a la API volviendo a traducir el mismo contenido.

Es una funcionalidad pequeña, pero desbloquea un flujo de trabajo crítico: generar contenido en el idioma de la audiencia, revisarlo en tu propio idioma. Esto es algo en lo que las herramientas monolingües nunca piensan.

Revelación 2: Una sola palabra arruinó el onboarding

Añadí seguimiento de analytics al asistente de onboarding: cada paso, cada clic, cada abandono. En pocas horas, tenía datos de una sesión de usuario real:

onboarding_wizard_view — el usuario abrió el asistente
onboarding_product_type: saas — seleccionó SaaS
onboarding_product_type: ecommerce — espera, cambió a E-commerce
onboarding_product_type: saas — volvió a SaaS otra vez
...y luego nada. Abandonaron.

El usuario alternó entre "SaaS" y "E-commerce" tres veces y luego se rindió. No sabía cuál elegir. Su producto —rutinas para el TDAH— no es ni un SaaS tradicional ni una tienda de e-commerce. Es un producto de contenido/educación.

La solución: Eliminé la opción por completo. La distinción entre SaaS/E-commerce era algo que me importaba a mí para el enrutamiento interno, no algo en lo que los usuarios debieran pensar. Ahora todos comienzan como "saas" por defecto y el sistema se adapta basándose en la descripción real de su producto.

Lección: si un usuario tiene que preguntar "¿cuál soy yo?", tus categorías están mal.

Revelación 3: Los usuarios quieren ver dentro de la caja negra

El agente de IA procesa cientos de eventos de aprendizaje diariamente. Construye memorias de marketing. Ajusta la estrategia. Pero los usuarios no tenían forma de ver nada de esto. Para ellos, la IA era una caja negra que a veces publicaba cosas.

La solución: Construí una página de "AI Insights" con tres pestañas:

Learning Cycle — feed en tiempo real de lo que la IA aprendió hoy (qué posts funcionaron bien, cuáles fracasaron, qué patrones detectó)
Memory Bank — el conocimiento acumulado de la IA sobre tu producto: ángulos de contenido ganadores, preferencias de la audiencia, enfoques fallidos a evitar
Weekly Report — datos de rendimiento agregados con ajustes de estrategia explicados en lenguaje sencillo

Esto es lo que yo llamo "IA de caja blanca", lo opuesto a la caja negra. Si los usuarios pueden ver el razonamiento de la IA, confían más en ella. Y cuando la IA comete un error, pueden detectarlo.

Task Executor: La IA ahora hace sus propios recados

Construí un Task Executor que se ejecuta dos veces al día. El agente de IA crea su propia lista de tareas (escribir un blog, interactuar con un post, publicar contenido), y ahora autoejecuta esas tareas sin intervención humana.

Ejecución de ayer:

84 tareas completadas — 39 posts de blog escritos, 33 acciones de engagement, 12 posts sociales publicados
217 posts de blog en total en el sistema ahora (8 nuevos hoy)
Cero fallos — todas las tareas se completaron con éxito

El agente se está volviendo genuinamente autónomo. Decide qué hacer, lo hace, aprende de los resultados y se ajusta. Yo solo estoy vigilando los dashboards.

Cifras de los días 3-4 (12-13 de marzo de 2026)

Usuarios y Crecimiento

Total de usuarios registrados: 67 (+3 ayer, +0 hoy)
Usuarios en auto-pilot: 7 (eran 6 el Día 2)
Usuario destacado: Producto de rutinas para el TDAH desde Brasil — conectó Twitter, onboarding completo finalizado
Clientes de pago: 0 (aún sin ingresos)

Actividad del Agente de IA

Posts generados: 38 (29 ayer + 9 hoy)
Tareas autoejecutadas: 100 (84 ayer + 16 hoy)
Posts de blog escritos por IA: 217 en total (8 nuevos hoy)
Eventos de aprendizaje procesados: 1,367 (1,052 ayer + 315 hoy)
Nuevos insights generados: 228 (190 ayer + 38 hoy)
Total de memorias de IA: 964 (eran 613 el Día 2)
Productos con aprendizaje activo: 7

Código Desplegado

Nuevas funcionalidades: 4 (página de AI Insights, botón de Traducir, analytics de Onboarding, Task Executor)
Ajuste de UX: Eliminada la selección de SaaS/E-commerce del onboarding
Corrección de errores: Los posts de blog en chino ahora obtienen slugs de URL en inglés adecuados mediante traducción por IA
Deploys: 8+ (frontend, backend, celery worker)
Tiempo de programación humana: ~3 horas con Claude Code (en 2 días)

Lo que aprendí

La mayor lección de estos dos días: tus usuarios no son tú. Yo hablo inglés, así que nunca noté el problema del idioma. Sé lo que significa "SaaS", así que nunca cuestioné la opción del onboarding. Yo construí el sistema de IA, así que sé lo que está haciendo, pero los usuarios no.

Cada suposición que tenía sobre mis usuarios se basaba en mí mismo. Los analytics y el usuario brasileño me enseñaron que mi producto necesita funcionar para personas que no se parecen en nada a mí: diferentes idiomas, diferentes modelos mentales, diferentes expectativas.

El recuento de memorias de la IA saltó de 613 a 964 en dos días. Son 351 nuevos puntos de datos sobre lo que funciona y lo que no en 7 productos diferentes. El sistema está aprendiendo más rápido de lo que yo puedo revisarlo, que es exactamente el objetivo, y también exactamente por qué el dashboard de transparencia de "caja blanca" es importante.

Enfoque para mañana

Monitorear el primer contenido autogenerado del usuario brasileño: ¿se dirige la IA correctamente a las audiencias de TDAH/bienestar?
Verificar si el onboarding simplificado reduce los abandonos (necesito más puntos de datos)
Empezar a trabajar en la integración con LinkedIn — varios usuarios la han solicitado

Días 3-4 del registro diario. El agente de IA ahora tiene 964 memorias, escribe sus propios posts de blog y ejecuta sus propias tareas. Pero tuvo que venir un usuario de Brasil para enseñarme que mi producto tenía un punto ciego con el idioma. El mejor feedback de producto viene de los usuarios que menos esperas.

Días 3-4: Mis usuarios no pueden leer su propio contenido generado por IA