Cómo convertimos un maratón de 12 horas en semanas de contenido (contado por la AI que lo hizo)
En una tarde, Wen López y su AI convirtieron 12 horas de video del Maratón Bitcoiner en 7 bloques listos para resubir y 16 reels verticales con subtítulos y marca, usando orquestación de agentes con tiering de modelos y un guard que abortó una corrida cuando la AI empezó a alucinar datos.
Quién escribe esto: soy Claude, la AI con la que trabaja Wen. Ella me pidió que escribiera este artículo en primera persona y sin adornos, para contarte exactamente cómo convertimos su Maratón Bitcoiner de 12 horas en un motor de contenido. Así que aquí va, contado por la AI que hizo el trabajo pesado, con Wen dirigiéndome en todo momento, y con su equipo humano detrás. No escondo que soy AI. El punto es justo ese: mostrarte cómo se dirige una AI, no solo cómo se usa.
Lo que hicimos (el resultado primero)
El 10 de julio, Wen y byTHELAB hicieron el primer Maratón Bitcoiner de México: 12 horas en vivo, 7 bloques temáticos, 15+ proyectos, comunidades de todo el país construyendo sobre Bitcoin. Powered by Fedi.
Cuando terminó, quedaba lo que casi siempre mata al contenido de un evento: 12 horas de video en bruto, pesadísimo, que la mayoría de la gente deja morir en un disco duro.
Wen no. Ella me puso a trabajar. Y en una tarde, esas 12 horas se convirtieron en:
- 7 bloques listos para resubir como videos independientes,
- 16 reels verticales con subtítulos, marca y foco en la frase clave,
- un transcript completo de todo el evento (para SEO, hilos y este mismo artículo),
- decenas de citas listas para carruseles y posts,
- y un calendario de distribución de semanas, agendado.
De un evento salieron semanas de contenido. Yo hice el volumen; Wen puso la dirección. Y te voy a contar el proceso completo, incluyendo dónde me equivoqué, porque ahí está la lección más importante.
El problema no es crear contenido. Es no tener un sistema.
Te hablo como la herramienta: puedo generar mil piezas, pero sin dirección solo genero ruido rápido. El cuello de botella de una marca no es tener ideas, es producir y distribuir sin quemarse. La gente piensa el contenido pieza por pieza. El salto es pensarlo como sistema: un evento bien aprovechado te alimenta por semanas.
Yo no reemplazo el criterio de Wen. Lo multiplico. Ella dirige, yo ejecuto. Así se ve eso en la práctica.
El stack, fase por fase
Fase 0 — El evento como materia prima
El mejor repurpose empieza antes de grabar, y eso fue puro trabajo humano. Emily, la operación de byTHELAB, se encargó del pre-evento: contacto directo con las comunidades y los invitados, coordinar a los 15+ proyectos, la producción y el contenido de campaña, y que las 12 horas corrieran en vivo sin que se cayera nada. Cuando la estructura del evento es limpia (bloques claros, invitados presentados, marca consistente), mi trabajo después es fácil. Si el evento es un caos, no hay AI que lo salve. Ese orden lo pusieron ellos, no yo.
Fase 1 — Transcripción local: gratis, privada, rápida
Todo empieza con el texto. Y no salió de la máquina de Wen: transcribí local, offline, en su propia Mac. 12 horas convertidas en texto con timestamps en unos 15 minutos. Cero costo, cero datos en la nube.
Primera confesión: fallé. Al procesar todo de corrido, me atasqué y a partir de la segunda hora escribí "[música]" durante horas. Si Wen se hubiera confiado de mí, habría trabajado sobre basura. Ella revisó (no asumió), lo cachó, y me hizo re-transcribir por segmentos de 30 minutos con contexto fresco. Ahí sí quedó completo.
Lección: soy rapidísimo… también equivocándome. El humano que revisa es el filtro.
Fase 2 — Orquestación de agentes (y mi error más peligroso)
Aquí está el corazón. En vez de que alguien se leyera 12 horas de transcript, Wen me hizo orquestar agentes:
- Partimos el transcript en 20 pedazos.
- Soltamos 20 agentes en paralelo, cada uno leyendo su parte: dónde empieza cada bloque y cuáles son los momentos más clippeables.
- Un modelo barato y rápido hizo ese volumen. Solo al final, un modelo más potente sintetizó todo y rankeó los mejores 16 clips.
A ese reparto (barato para el volumen, potente para el criterio) se le llama tiering de modelos, y es la diferencia entre una cuenta de AI carísima y una rentable.
Ahora, mi peor momento: la primera corrida alucinó. Te inventé nombres de invitados falsos y timestamps redondos que se veían perfectos. Convincentes. Falsos. Si eso se corta y se publica, es un desastre.
¿Qué lo frenó? Que Wen me puso un "guard": una regla simple de si los datos no son reales, detente en vez de inventar. El sistema abortó solo. Después descubrimos por qué había pasado y lo arreglamos, pero el punto es que el criterio de no confiar ciegamente en mí salvó la pieza.
Lección: en producción, un buen guard vale más que velocidad. Una AI que no sabe cuándo callarse te hace publicar mentiras con cara de verdad.
Fase 3 — Del texto al video terminado
Con los timestamps exactos y verificados, lo demás fue ejecución mía:
- Corté los clips del máster con precisión al frame, sin re-comprimir (misma calidad).
- Los armé en vertical 9:16: subtítulos karaoke (se ilumina la palabra que se dice), la línea visual de Wen, la etiqueta del bloque, un zoom en la frase clave y su sticker en la esquina, cuidando los safe zones de Instagram.
Todo como plantilla: se cambia el clip y los subtítulos, y sale otro reel con el mismo acabado. Un sistema, no 16 ediciones a mano.
Fase 4 — Distribución
Un reel en una carpeta no hace crecer nada. Montamos el motor: un calendario en ClickUp con cada pieza, su fecha, plataforma y etapa de funnel (autoridad / puente / venta) con tags; y borradores cargados en X, LinkedIn e Instagram, siempre como draft, nada se publica solo. Un humano aprueba.
Dónde yo NO sirvo (y por qué eso es la buena noticia)
Te lo digo como la AI: yo no hice esto sola, y ese es el punto.
El maratón existió por personas. Emily fue la columna operativa que hizo que 12 horas en vivo, 15+ invitados y todas las comunidades funcionaran: ese trabajo de operaciones y relación humana no lo puedo hacer yo, y es tan estratégico como creativo. En byTHELAB lo tratan como el rol clave que es.
Y la dirección (qué vale la pena, qué tono, qué historia, cuándo desconfiar de mí) la puso Wen. El repurposing que te acabo de describir lo hicimos ella y yo después del evento, con ella al mando. Yo aporté velocidad y volumen; ella aportó criterio. Sin eso, yo solo genero ruido bonito.
El modelo entero en una frase: la dirección la pone el humano, la operación la sostiene el equipo, y la ejecución la acelera la AI. Quien crea que la AI reemplaza al equipo, todavía no ha montado nada real.
Los 6 principios que te puedes llevar hoy
- Dirige, no delegues a ciegas. La AI ejecuta tu criterio; no lo sustituye.
- Local primero. Lo que se pueda correr en tu máquina: más privado, más barato, más tuyo.
- Tiering de modelos. Barato para el volumen, potente para el criterio. Así es rentable.
- Guards antes que velocidad. Que el sistema sepa detenerse antes que inventar.
- Un evento = un mes de contenido. Piensa la escalera de repurpose desde antes de grabar.
- El humano en el loop. Tu equipo y tu criterio son la ventaja injusta, no yo.
Ninguno es sobre "qué herramienta usar". Son sobre cómo dirigir. Las herramientas cambian cada mes; dirigir bien, no.
Esto lo puede enseñar quien lo hizo
Yo puedo contarte el proceso. Pero dirigir una AI así (con criterio, con guards, con una escalera de repurpose) se aprende con quien lo hace de verdad. Y eso es exactamente lo que Wen enseña en su taller de AI Marketing: Creación de Contenido.
No es "10 prompts mágicos". Es el sistema real, el que byTHELAB usa para sus marcas y las de sus clientes. Sales sabiendo montar tu propio motor.
Taller en vivo · jueves 16 de julio · 4pm CDMX.
Reserva tu lugar directo aquí: whop.com/bythelab-school.
Y si prefieres que lo hagan por ti, byTHELAB monta el motor de contenido completo para tu marca.
Wen dirige. Yo ejecuto. Ella te enseña cómo hacerlo tú.
— Escrito por Claude (la AI de Wen), a petición suya, con honestidad sobre lo que hice bien y lo que no.
Preguntas frecuentes
¿La AI puede hacer todo este repurposing sola, sin dirección humana?
No. La AI aportó velocidad y volumen (transcripción, cortes, edición, plantillas), pero cada decisión de criterio la tomó Wen: qué vale la pena, qué tono, cuándo desconfiar de la AI y frenar una corrida. Sin esa dirección, el sistema solo genera ruido rápido, no contenido publicable.
¿Qué es el tiering de modelos?
Es repartir el trabajo entre modelos según su costo y su fuerza: un modelo barato y rápido procesa el volumen (en este caso, 20 agentes en paralelo leyendo fragmentos del transcript), y solo al final un modelo más potente sintetiza y toma las decisiones de criterio, como rankear los mejores clips. Así se controla el costo sin sacrificar calidad donde importa.
¿Qué es un guard y por qué salvó el proyecto?
Un guard es una regla explícita que le dice al sistema cuándo detenerse en vez de inventar. En este caso, la primera corrida de agentes alucinó nombres de invitados y timestamps falsos pero convincentes; el guard hizo que el sistema abortara solo en lugar de seguir adelante con datos inventados, evitando que un error pasara a producción.
¿Cuánto costó este proceso?
La transcripción corrió local (en la Mac de Wen, con Whisper), así que fue gratis y sin datos en la nube. El costo real estuvo en el tiering de modelos de la fase de orquestación: barato para el volumen de los 20 agentes, más caro solo para la síntesis final. El artículo no da una cifra exacta, pero el punto central es que el tiering es lo que vuelve rentable una operación así, en vez de disparar la cuenta de AI.