«IA primero» tiene el problema que acaban teniendo casi todas las etiquetas de marketing: todos lo son. Cada consultoría, de las cuatro grandes a un independiente con suscripción a ChatGPT, lo dice. Así que esta nota es lo que la etiqueta de verdad significa dentro de este estudio: las cosas concretas que cambian frente a un modelo de estudio de 2020.
1. La recepción no rebota a un humano
El formulario de proyecto publica a un endpoint que clasifica el encargo (de paga / ganado / no encaja / spam), escribe un registro estructurado, y luego le manda al estudio por correo un resumen de ese encargo. El estudio lee el resumen, no el correo crudo. El clasificador cuesta como una centésima de centavo por recepción; reemplaza lo que si no sería un impuesto de filtrado en tiempo real.
Cada relevo que quitamos es tiempo de vuelta. Si nadie automatizó el clasificado, alguien lo está haciendo a mano cada mañana, y ese alguien casi siempre es el dueño.
2. El sitio se puede leer a máquina
Marcado Schema.org en cada página. llms.txt en la raíz. Contenido con forma de cita: la frase más citable está en el primer párrafo, no en el quinto.
3. Los procesos corren como ciclos cerrados
Cada encargo que llega se clasifica y cae en la bandeja del estudio como su propio resumen, así que ninguno espera a que alguien lo vaya a buscar. El build del sitio funciona igual: antes de escribir una sola página, revisa que cada traducción al español siga teniendo un fragmento de texto por cada fragmento de su página en inglés, y se detiene si alguna no cuadra. Cada ciclo captura qué pasó y o actúa o lo saca a la vista. Ningún pendiente se queda en la cabeza de alguien esperando a que se acuerde.
4. Los casos de estudio salen de una especificación, no se escriben a mano
Cada caso de estudio de este sitio empezó como una especificación (un CASE_STUDY_SPEC.md de una página que describe qué se requiere) y una pasada de generación contra las notas que ya existían de cada proyecto. Luego una pasada de edición a mano para el tono.
5. No lo fingimos
Lo que No es IA primero aquí: el criterio de diseño. Los casos de estudio se generan de una especificación pero se editan de tono línea por línea. El clasificador ayuda a filtrar, pero cada encargo termina pasando por nosotros. Las herramientas de menciones son código real funcionando, no insignias de «con tecnología de IA» pegadas a servicios de catálogo.
Esa es toda la forma. Ser IA primero es operativo, no decorativo. Casi todo el trabajo está en averiguar qué decisiones se quedan humanas y cuáles se les dejan a las máquinas. Los estudios que hagan esto bien le van a sacar ventaja a los que no. La diferencia va a ser invisible para el comprador, pero se le va a acumular al estudio.
Las preguntas son bienvenidas: hola@xala.studio