← Todos los casos

Caso demo · AI Pipeline · Febrero 2026

SmileClinic — un paquete de propuesta completo en 6 minutos

Me preguntan seguido: «¿Qué puede hacer exactamente la IA por mi negocio?» En lugar de explicaciones largas, armé una respuesta que puedes tener en tus manos: una ejecución del pipeline — y un paquete de propuesta comercial listo.

Una ejecución
~6 minutos
Artefactos
5
Texto de la propuesta
205 líneas
Construir el pipeline
unos días

// El escenario — y por qué es honestamente ficticio

SmileClinic es una cadena dental típica: 3 clínicas, 15 dentistas, 3000+ pacientes activos, competencia en un mercado urbano saturado. He visto este perfil en clientes reales más de una vez — así que el escenario es realista, pero el cliente en sí es ficticio, y eso se dice claramente.

El demo responde a una pregunta concreta: si tomas un negocio típico y lo pasas por un pipeline de IA — ¿qué sale exactamente y cuánto tarda?

// Cómo pensé la tarea

Una propuesta no es solo «texto». Es un paquete: un dossier del cliente, un documento, diapositivas para la reunión y una página que puedes enviar. A mano, un paquete así toma varios días y varias personas para armarlo. Entonces la tarea del pipeline no es «escribir texto», sino recorrer toda la cadena en una sola ejecución.

Por eso, debajo del capó está Claude Code con un skill personalizado: el agente hace la investigación OSINT por sí mismo (sitio web, noticias, el tomador de decisiones en LinkedIn, ofertas de empleo), arma el dossier, genera texto personalizado, renderiza el PDF y las diapositivas, y construye una landing con analítica.

Todo en una sola ejecución — sin cambiar entre plataformas.

// Qué produce una ejecución — 5 artefactos

01 Dossier OSINT de la empresa

Sitio web, noticias, perfiles del tomador de decisiones, ofertas de empleo — recopilados y estructurados.

02 Una propuesta de 205 líneas

Dolor del cliente, proceso, métricas, precios, FAQ — personalizada según el dossier.

03 Documento PDF

Listo para enviar, con maquetación completa — sin diseñador.

04 Una presentación de 6 diapositivas

Generada con Gemini a partir del texto de la propuesta.

05 Landing con analítica

Una página de propuesta dedicada + Umami, para ver si la abrieron.

// Stack

Layer Herramientas
Orchestration Claude Code (Sonnet 4.6) + un skill personalizado
OSINT Investigación web: sitio web, noticias, tomador de decisiones en LinkedIn, ofertas de empleo
Texto de la propuesta Claude — 205 líneas: dolor, proceso, métricas, precios, FAQ
Document gen Puppeteer (PDF), Gemini 2.5 (diapositivas)
Landing Landing estática + analítica Umami
Hosting Cloudflare Workers + R2 para almacenar el PDF

// Qué ofrece la propia propuesta — cifras del escenario

La propuesta generada le ofrece a una clínica típica un proyecto de 142 000 UAH con un retorno estimado de ~3 meses. La lógica dentro de la propuesta:

  • 2 administradores en trabajo rutinario — eso es ≈ 432 000 UAH/año;
  • el agente de IA maneja ~60% de las consultas rutinarias;
  • citas fuera del horario laboral — otros ≈ +50 000 UAH/mes de ingresos potenciales.

Importante: esto es una proyección para el escenario demo, no el reporte de un cliente real. El sentido del demo es mostrar la profundidad del trabajo que el pipeline entrega en 6 minutos.

// Qué salió mal — lecciones aprendidas

Las primeras versiones del pipeline generaban texto demasiado genérico. Tomó unos días iterar sobre los prompts y la estructura del skill para lograr un resultado a la altura de un marketero de carne y hueso. «6 minutos» es después del refinamiento, no en el primer intento.

Lo que más tiempo consumió fue la estructura, no la generación. Hasta que el skill no tuvo un formato claro de propuesta (dolor → proceso → métricas → precios → FAQ), el texto salía pulido pero vacío.

// La reacción

La publicación sobre este demo reunió 12 000+ visualizaciones y decenas de comentarios en Facebook — en su mayoría con una sola pregunta: «¿pueden hacer esto para nosotros?». Se puede — mira el FAQ más abajo.

// FAQ

¿Es un cliente real? +

No, y se dice claramente: SmileClinic es un escenario demo de una cadena dental típica (3 clínicas, 15 dentistas, 3000+ pacientes), armado para mostrar el pipeline con datos realistas. Lo que es real aquí es el pipeline en sí y todo lo que generó.

¿Qué es exactamente lo real en este caso? +

El pipeline y los artefactos. Una ejecución de Claude Code con un skill personalizado produce en ~6 minutos: un dossier OSINT de la empresa, una propuesta de 205 líneas (dolor, proceso, métricas, precios, FAQ), un documento PDF, una presentación de 6 diapositivas y una landing con analítica. Construir el pipeline en sí tomó unos días de iteración.

¿De dónde sale la cifra de 142 000 UAH? +

Es el presupuesto que la propia propuesta generada ofrece para una clínica típica del escenario. El cálculo dentro de la propuesta: 2 administradores ≈ 432 000 UAH/año, la IA maneja ~60% del trabajo rutinario, las citas fuera del horario laboral ≈ +50 000 UAH/mes. De ahí un retorno estimado de ~3 meses. Esto es una proyección para el escenario, no las cifras reportadas del cliente.

¿Por qué Claude Code y no ChatGPT o Make.com? +

ChatGPT es bueno para prompts sueltos, pero sin lógica agéntica. Make.com está bien para cadenas simples (formulario → email), pero se «ahoga» con branching complejo. Claude Code te deja escribir skills personalizados: una ejecución corre OSINT, genera el texto, renderiza el PDF/diapositivas — todo de forma determinista.

¿Se puede armar algo así para mi negocio? +

Sí — ese es justamente el sentido del demo. El pipeline se arma en torno a tu proceso y tus documentos. La estrategia y la arquitectura las construimos juntos conmigo, la implementación la lidera el equipo de Auspex o Grow2.ai.

Autor del caso

Andrew Maryasov

Consultor de IA, fundador de Auspex (automatización de CRM) y Grow2.ai (agentes de IA + comunidad). 25+ años en automatización de negocios: contabilidad → CRM → IA. Construyo estrategia de IA para dueños y equipos; la implementación va a través de mis propias marcas.

// Otros casos

DemoAI PipelineClaude CodeOdontología

// Conclusión

Construir el pipeline tomó unos días de refinamiento. Pero ahora cada propuesta siguiente se arma en los mismos 6 minutos: una inversión de ingeniería única — y de ahí en adelante el proceso corre sin días-persona.

Pipelines como estos se construyen en proyectos reales por Grow2.ai (agentes de IA) y Auspex (automatización de CRM). La estrategia la construyo personalmente — la implementación la lidera el equipo de la marca correspondiente.

¿Quieres saber dónde la IA te da ventaja justo a ti?

Empecemos con una conversación sobre tu situación. La estrategia la construimos juntos, la implementación — a través de Auspex o Grow2.

Asesoría personal →