TuringSoft
  • Medios & contenido
  • Agentes de IA
  • Automatización

4 min de lectura

IA generativa en una redacción: del piloto a producción

Cómo integramos agentes de IA al flujo de iProfesional e iProUP: borradores que llegan al CMS por API, guías de estilo convertidas en reglas y revisión humana.

Facundo Litterio

Facundo Litterio

Cofundador de TuringSoft

Portada con el título «IA en la redacción» sobre fondo negro y una pila de diarios fotografiada en tonos violeta
Portada con el título «IA en la redacción» sobre fondo negro y una pila de diarios fotografiada en tonos violeta

Contenido del artículo

Que un modelo escriba una nota correcta ya no sorprende a nadie. Lo difícil viene después: que esa nota respete el estilo del medio, llegue al CMS sin que nadie copie y pegue, y pase por un editor antes de publicarse. Con iProfesional trabajamos justo en esa parte.

AiProfesional, la plataforma que construimos, genera borradores para iProfesional y para iProUP, su medio de tecnología e innovación. Está en producción desde marzo de 2026. Acá cuento las decisiones que más pesaron, por si estás pensando en algo parecido para tu redacción o para cualquier equipo que produce contenido todos los días.

El problema no era escribir

Una redacción digital publica decenas de notas por día. Cada una necesita un título que funcione en buscadores y en Google Discover, una bajada, subtítulos, fuentes bien tratadas, imágenes y enlaces internos. Redactar es una parte; el resto es trabajo mecánico que se repite nota tras nota.

iProfesional quería producir más sin bajar su estándar editorial y sin agrandar la estructura en la misma proporción. La pregunta que nos trajeron fue si la IA podía meterse en el flujo real de la redacción, de punta a punta. Si escribía bien o mal era lo de menos.

Cómo funciona el flujo

A partir de los insumos que carga la redacción, los agentes arman un borrador completo:

  • Título y bajada.
  • Estructura de subtítulos.
  • Cuerpo de la nota.
  • Metadata para buscadores.

Ese borrador entra por API al CMS del medio que corresponde. Ahí lo toma un editor, lo corrige y decide si se publica. Ninguna nota llega al lector sin revisión humana, y el periodista sigue siendo el responsable del contenido. La plataforma le saca de encima la parte repetitiva.

Esa regla estuvo en el diseño desde el primer día. Un sistema que publica solo luce mejor en una demo, pero el día que se equivoca, el que da la cara es el medio.

Las guías de estilo, convertidas en reglas

Una de las partes más importantes del proyecto no fue técnica. Trabajamos con la redacción para pasar sus guías de estilo a reglas que los agentes aplican en cada generación:

  • Títulos claros y sin clickbait.
  • Límites de caracteres para metatítulos y bajadas.
  • Subtítulos que responden las preguntas que se hace el lector.
  • Cómo se citan y se tratan las fuentes.
  • Criterios de enlazado.

Cuando ese conocimiento vive en un prompt suelto, se pierde en el primer cambio de modelo o de persona. Escrito como reglas, se puede revisar, versionar y ajustar cuando la redacción cambia de criterio. Así el conocimiento editorial del medio queda en el sistema y no en la cabeza de quien escribió el prompt.

Varios modelos, ninguno imprescindible

La plataforma no depende de un solo modelo. Una capa de orquestación elige el más adecuado para cada tarea y permite cambiar de proveedor sin reescribir el sistema. Con modelos nuevos saliendo casi todos los meses, atarse a uno es una deuda que se paga rápido, en calidad o en costo.

En la infraestructura del cliente

AiProfesional corre dentro del entorno de iProfesional, con preproducción y producción separadas, pipelines de CI/CD y versionado por entorno. Los consumos de IA se gestionan desde las cuentas del propio medio.

Eso tiene dos consecuencias prácticas. El cliente controla su infraestructura, sus datos y lo que gasta en modelos. Y como los agentes se conectan al backend de cada sitio con autenticación propia por entorno y trazabilidad completa, siempre se puede reconstruir de dónde salió cada borrador.

Del MVP a producción

El proyecto pasó de MVP a operación productiva en seis meses y sigue cambiando. Sumamos lineamientos editoriales nuevos, ajustamos los flujos de generación y acompañamos lo que se mueve alrededor, como las exigencias de transparencia y etiquetado del contenido generado con IA.

Ese seguimiento es parte del producto. Un sistema de IA que se entrega y no se toca más empieza a quedar viejo el mismo mes en que sale.

Lo que nos llevamos

Si tuviera que resumirlo para alguien que está por arrancar:

  • Empezá por el flujo, no por el modelo. Mirá cómo trabaja hoy el equipo y dónde se va el tiempo en tareas mecánicas.
  • Integrá con los sistemas que ya usan. Si el resultado hay que copiarlo y pegarlo en otro lado, el equipo deja de usarlo.
  • Escribí el criterio del equipo como reglas. Es lo que hace que la salida suene al medio y no a un modelo genérico.
  • Dejá la decisión final en una persona. Sobre todo cuando lo que se publica lleva tu marca.
  • No te ates a un proveedor. El mejor modelo de hoy puede no serlo en seis meses.

La diferencia entre un piloto de IA y un sistema en producción casi nunca está en el modelo. Está en la integración, en el proceso y en respetar lo que ya sabe el equipo que lo va a usar.

Si estás evaluando llevar IA a la operación de tu equipo, editorial o de cualquier otro tipo, mirá cómo trabajamos los productos con IA y los agentes de IA, o agendá una llamada.

Lecturas con tags e industrias similares a este artículo.

¿Listo para empezar?

o escribinos a contacto@turingsoft.dev