He pasado treinta años arrastrándome por las panzas de aviones, mirando grietas de fatiga bajo linternas duras, y firmando trabajos sabiendo que tienen que ser perfectos porque las vidas de la gente dependen de ello. Ese tipo de carrera reconfigura tu cerebro. Desarrollas un instinto para el fallo, una apreciación por la iteración, y un odio profundo por las cosas que no pueden mantener tolerancia.
Así que obviamente, estoy construyendo un pipeline automatizado de contenido corto.
No porque ame los YouTube Shorts.
No porque quiera ser influencer.
Sino porque esta es mi estrategia de salida para el retiro — y preferiría no estar inspeccionando palas de turbina cuando tenga 70.
El objetivo no es hacer Shorts geniales.
El objetivo es hacer Shorts automáticamente, con casi cero intervención humana, hasta que la calidad se convierta en el subproducto inevitable.
Iteración Uno — La Máquina Hizo un Video (Calidad No Incluida)
La primera versión del pipeline produjo videos que se veían exactamente como esperarías de un sistema totalmente automatizado sin supervisión adulta.
Bajo presupuesto.
Incómodo.
Ocasionalmente existencial.
Y eso estaba totalmente bien.
La verdadera victoria fue simple:
Lo apunté a un repo, le di play, y minutos después escupió un short completo — guión, visuales, voz en off, subtítulos, timing, exportación. Todo el stack construido de punta a punta sin que yo tocara una línea de tiempo.
¿El video era bueno?
Absolutamente no.
¿La automatización funcionó?
Absolutamente sí.
Ese fue el momento en que supe que esta idea era viable.
No porque el resultado fuera impresionante — sino porque no lo construí manualmente.
Automatización: 1
Trabajo Humano: 0
Iteración Dos — Ajustando Tuercas, No Puliendo Resultados
Ahora mismo, la automatización es lo que está mejorando.
Los videos en sí siguen siendo orgullosamente "de bajo presupuesto."
Mi tiempo se gasta construyendo automatización de QA para que el sistema deje de cometer los errores obvios:
- subtítulos que se salen del cuadro como si estuvieran escapando
- capturas de pantalla que no coinciden con la narración
- ritmo que se siente como si llegara tarde a una entrevista de trabajo
- hooks escritos como si alguien retara al modelo a ser raro
Todavía reviso cada short antes de publicar, pero el objetivo es reducir eso a verificar fallos catastróficos.
Una vez que la lógica de QA madure, los espectadores podrían empezar a notar una diferencia — no porque mejoré la artisticidad, sino porque el sistema finalmente dejó de tropezar repetidamente con las mismas grietas.
Y créeme,
"las grietas aparecen según su propio calendario — usualmente mientras intento hacer otra cosa."
La Capa de Investigación — No Para Perfección, Solo Para Menos Caos
El buen contenido empieza antes de que se edite nada, así que construí un módulo de investigación que estudia:
- qué estilo de hooks mantiene la atención
- qué está recompensando el algoritmo este mes
- patrones de curvas de retención
- estructuras de ritmo de videos con mejor rendimiento
- tonos que funcionan vs. tonos que fracasan
No está scrapeando secretos.
Solo está notando patrones y enseñándole a la máquina que "coherente" es mejor que "surrealismo accidental."
La calidad no es el objetivo aquí.
La predecibilidad sí.
Estoy construyendo la máquina que eventualmente hará la calidad inevitable, quiera o no.
"No lo estás haciendo mal si nadie sabe lo que estás haciendo."
— Nietzsche (probablemente)
Calidad como Efecto Secundario de una Máquina Más Inteligente
No estoy persiguiendo la calidad directamente.
Estoy construyendo un sistema donde la calidad emerge naturalmente del ciclo:
- scrapear analíticas
- convertir videos en datasets estructurados
- entrenar y afinar modelos con comportamiento de engagement real
- actualizar reglas después de cada fallo
- cerrar el ciclo y ejecutarlo de nuevo
Esto no es "creación de contenido."
Es iteración de grado industrial aplicada a una máquina obstinada que todavía está aprendiendo cómo no confundirse a sí misma.
Mi rol es básicamente:
- inspector
- detector de patrones
- escritor de reglas
- adulto designado en la sala
Exactamente para lo que me entrenó la aviación — excepto que nadie muere cuando el sistema coloca mal un subtítulo.
Los Principios Detrás del Laboratorio
No vendo cursos.
No prometo ingresos pasivos.
No estoy persiguiendo fama algorítmica.
Construyo infraestructura.
Y luego la refino hasta que deja de ser vergonzosa.
Este es el reglamento:
1. Automatización primero, estética después.
Pulir sin automatización es trabajo manual usando peluca.
2. Arregla sistemas, no síntomas.
Si un short tiene un problema, los shorts futuros no deberían.
3. La intervención humana debería tender a cero.
Si estoy arrastrando archivos manualmente, fallé.
4. La redundancia es obligatoria.
El cerebro de aviación se rehúsa a confiar en un solo punto de fallo.
5. El pipeline es el producto.
Los videos reales son un efecto secundario.
6. Cada error es dato de entrenamiento.
Si la máquina encuentra una nueva forma de fallar, me aseguro de que nunca falle de esa manera de nuevo.
7. La predecibilidad le gana a la creatividad.
El sistema puede ponerse elegante una vez que deje de tropezar con sus propios cordones.
Enseñándole a la Máquina Cómo Funciona la Atención
Cualquiera puede automatizar la edición.
Cualquiera puede poner subtítulos sobre una captura de pantalla.
Pero muy poca gente está:
- scrapeando Shorts
- convirtiéndolos a JSON
- extrayendo patrones de retención
- construyendo datasets de comportamiento del mundo real
- afinando modelos para entender qué recompensa realmente el algoritmo
Ahí es donde está el trabajo real.
Esto no es un pipeline de contenido — es un ciclo de retroalimentación.
"No pueden predecirte si todavía no has escrito el guión."
— OnlyParams
La Soberanía de IA Significa Salirse del Guión
No estoy tratando de encajar en los comportamientos predichos de Big Tech.
Quiero un sistema que piense por sí mismo — o al menos que se comporte de manera suficientemente impredecible para que el algoritmo no pueda encasillarlo.
"La soberanía de IA significa construir tan fuera del guión que los modelos predictivos de Big Tech arrojan un 502."
— OnlyParams
Todo este proyecto está construido sobre ese principio:
independencia a través de la automatización.
Hacia Dónde Va Esto
Todavía estoy bajo el capó.
Todavía parchando reglas.
Todavía construyendo el andamiaje de QA.
Todavía viendo la automatización madurar más rápido que los videos.
Lo que sigue:
- scrapeo más profundo de analíticas
- generación más precisa de datasets
- lógica de ritmo más consistente
- evaluación automatizada de hooks
- y eventualmente soporte para formato largo
Esto no es un sprint para crear "gran contenido."
Es un esfuerzo de ingeniería a largo plazo para construir la máquina que lo hará.
Si Quieres Ver Esta Cosa Evolucionar (o Explotar)
Si quieres ver si este sistema eventualmente se gradúa de "caos funcional" a "consistentemente bueno,"
comenta, dale like, y suscríbete para seguir el viaje.
También puedes seguirme en X para la versión sin filtros — los experimentos, los fallos, los avances, y los momentos en que accidentalmente le enseño a la máquina algo horrible por error.
Al Final
No estoy construyendo videos.
Estoy construyendo la fábrica que eventualmente construirá buenos videos — automáticamente.
Ahora mismo, los shorts se ven de bajo presupuesto.
Pero la automatización detrás de ellos está evolucionando rápido, y cada nueva grieta se convierte en otra regla, otra corrección, otro paso hacia un sistema que no me necesitará para nada.
Este es un proyecto de ingeniería iterativa usando el disfraz de un canal de contenido.
Y esto es solo el comienzo.