¿Hasta qué punto puede la IA mejorar la eficiencia laboral de una persona?
Recientemente, una publicación sobre Anthropic ha generado un gran revuelo en las redes sociales. Ole Lehmann, el autor, afirmó que el equipo de marketing de crecimiento de Anthropic, una empresa valorada en 3.800 billones de dólares, estaba compuesto por una sola persona: un profesional de marketing sin formación técnica, que se encargaba por sí mismo del marketing de pago en buscadores, redes sociales de pago, optimización de tiendas de aplicaciones, email marketing y SEO, durante casi diez meses.
Poco después de la publicación, los comentarios comenzaron a cuestionarla, pero pronto, el propio interesado lo confirmó. Austin Lau, el especialista en marketing de crecimiento, respondió que, en el momento de escribir ese artículo, él era efectivamente la única persona encargada del marketing de crecimiento, y que lo había mantenido solo durante casi diez meses.
Imagen丨Publicación relacionada (Fuente: X)
A finales de enero de este año, Anthropic publicó un estudio de caso oficial que detallaba la forma de trabajar de Austin Lau. En el mismo período, Anthropic también publicó un libro blanco interno titulado "Cómo utiliza el equipo de Anthropic Claude Code", que cubría casos de uso de diez equipos, desde infraestructura de datos hasta el departamento legal, siendo el marketing de crecimiento uno de ellos.
El libro blanco decía: El equipo de marketing de crecimiento se centra en canales como el marketing de pago en buscadores, redes sociales de pago, tiendas de aplicaciones móviles, email marketing y SEO, es un "equipo unipersonal no técnico" que confía en Claude Code para automatizar tareas de marketing repetitivas, construyendo flujos de trabajo automatizados que tradicionalmente requerirían grandes recursos de ingeniería.
(Fuente: Anthropic)
Austin Lau no es ingeniero. En el video de caso oficial de Anthropic, dijo que "nunca había escrito una línea de código" y que, cuando comenzó a usar Claude Code, incluso tuvo que buscar en Google "cómo abrir la terminal en Mac". Cuando se lanzó Claude Code, su primera reacción fue "no tener ni idea para quién era este producto". Como profesional de marketing, no le parecía obvio su utilidad.
El punto de inflexión llegó cuando un compañero compartió en el grupo de Slack de la empresa una guía de instalación de Claude Code para empleados no técnicos. Austin lo instaló por curiosidad y, una semana después, había construido dos flujos de automatización que cambiaron por completo su forma de trabajar.
El primero fue un plugin para Figma. Para el marketing de redes sociales de pago y de tiendas de aplicaciones, necesita procesar una gran cantidad de material visual en Figma. El flujo anterior era: cuando necesitaba crear múltiples variantes de texto para un mismo diseño, tenía que copiar manualmente los marcos en Figma, cambiar constantemente entre Google Docs y Figma, y copiar y pegar los títulos uno por uno. Si tenía 10 variantes de texto para adaptar a 5 proporciones de aspecto diferentes, este trabajo mecánico podía fácilmente llevarle media hora.
Imagen丨 Austin Lau (Fuente: Anthropic)
Describió este problema en lenguaje natural a Claude Code y le pidió que ayudara a escribir un plugin para Figma. Durante el proceso, le pidió a Claude Code que consultara la documentación de la API de Figma, haciendo prototipos mientras investigaba. El primer prototipo generado no era perfecto, pero era un punto de partida suficiente, y sobre esa base lo fue depurando hasta conseguir un plugin funcional.
(Fuente: Anthropic)
La forma de trabajar del plugin es: selecciona un marco de imagen estática, el plugin identifica automáticamente componentes como el título, el botón de llamada a la acción, el bloque de código, etc., y luego genera por lotes marcos de Figma independientes a partir de una lista preparada de textos, cada variante correspondiente a un nuevo conjunto de textos. Un procesamiento por lotes genera hasta 100 variantes de anuncios a la vez, tardando aproximadamente medio segundo por lote. Lo que antes eran 30 minutos de operación manual, ahora se reduce a 30 segundos.
El segundo fue un flujo de trabajo para generar textos publicitarios para Google Ads. Los anuncios de búsqueda responsive de Google Ads tienen estrictas limitaciones de caracteres para los títulos y descripciones: máximo 30 caracteres para el título y 90 para la descripción. Antes, necesitaba escribir borradores en Hojas de cálculo de Google, comprobar manualmente el recuento de caracteres y luego copiar el contenido línea por línea en el backend de Google Ads.
Austin creó un comando personalizado de barra oblicua "/rsa" en Claude Code. Al activarlo, Claude Code solicita los datos de la campaña, los textos publicitarios existentes y las palabras clave, y luego cruza referencias con sus "Habilidades del Agente" predefinidas, que incluyen el tono de marca de Anthropic, las normas de precisión del producto y las mejores prácticas para los RSA de Google Ads.
El sistema utiliza dos subagentes (sub-agent) con funciones claras: uno se especializa en escribir títulos y otro en descripciones, cada uno trabajando dentro de sus propias restricciones de caracteres, produciendo una salida de mayor calidad que si ambas tareas se incluyeran en un único prompt.
Finalmente, Claude Code empaqueta 15 títulos y 4 descripciones en un archivo CSV listo para subir directamente a Google Ads. Austin enfatiza que los textos generados son solo un punto de partida; los evalúa uno por uno: ¿Está bien la propuesta de valor? ¿Es correcto el tono? ¿Se diferencia de la competencia? Pero al menos el aburrido trabajo de generar borradores y formatear se ha automatizado por completo.
La mejora de eficiencia de estos dos flujos de trabajo ya es bastante impresionante, pero el sistema de Austin va más allá. También construyó un servidor MCP (Model Context Protocol) conectado a la API de Meta Ads.
A través de esta integración, puede consultar directamente en la aplicación de escritorio de Claude el rendimiento de los anuncios, los datos de gasto y la efectividad de cada anuncio, sin necesidad de abrir el panel de control del backend de Meta Ads. Preguntas como "¿Qué anuncios tuvieron la tasa de conversión más alta esta semana?" o "¿Dónde estoy desperdiciando presupuesto?" pueden hacerse directamente a Claude, obteniendo respuestas con datos en tiempo real.
Y lo más crucial es el circuito cerrado. Austin construyó un sistema de memoria que registra las hipótesis y resultados experimentales en cada ronda de iteración de anuncios. Cuando comienza una nueva ronda de generación de variantes, Claude recupera automáticamente los datos de todas las pruebas anteriores: qué textos funcionaron bien y cuáles no, permitiendo que la siguiente generación se base en experimentos históricos. Este sistema se vuelve un poco más inteligente después de cada ciclo. Este seguimiento sistemático de experimentos a través de cientos de anuncios normalmente requeriría un analista de datos a tiempo completo en un equipo tradicional.
Según el libro blanco de Anthropic, los resultados de esta forma de trabajar son: la creación de textos publicitarios se redujo de 2 horas a 15 minutos, la producción creativa aumentó 10 veces, y la cantidad de variantes de anuncios que probó él solo cubría más canales y volumen que la mayoría de los equipos de marketing de tamaño completo.
En ese libro blanco, el marketing de crecimiento es solo uno de los diez casos. El equipo de infraestructura de datos usó Claude Code para depurar fallos en clústeres de Kubernetes, resolviendo en minutos problemas que normalmente requerían contactar con un especialista en redes; miembros del equipo de inferencia sin背景 en aprendizaje automático lo usaron para comprender funciones y configuraciones de modelos, reduciendo el tiempo de consulta de documentación de una hora a 10-20 minutos; el equipo de diseño de producto modificó directamente el código front-end con Claude Code, y los ingenieros descubrieron que los diseñadores estaban haciendo "grandes cambios en la gestión de estados que normalmente no verías hacer a un diseñador"; alguien del equipo legal creó en una hora una aplicación de asistencia de texto predictivo para un familiar con barreras lingüísticas, sin tener此前 ninguna experiencia en programación.
Los usos entre puestos técnicos y no técnicos son diferentes, pero la conclusión es consistente: Claude Code está difuminando los límites entre "poder hacer" y "no poder hacer", un límite que en el pasado estaba casi completamente determinado por la capacidad técnica.
El propio Austin Lau resume en el caso, diciendo algo así como: "La distancia entre 'Ojalá esto existiera' y 'Puedo construirlo con mis propias manos' es mucho más corta de lo que la mayoría de la gente cree."
Por supuesto, es necesario aclarar que el marketing de crecimiento (growth marketing) no equivale a toda la estrategia de comercialización (GTM, go-to-market). Anthropic tiene equipos completos de marca, marketing de producto y comunicaciones. Austin Lau estaba a cargo de la línea de marketing de rendimiento, los canales cuantificables como la publicidad de pago, la optimización de tiendas de aplicaciones y el SEO.
En febrero de este año, Anthropic emitió un anuncio televisivo durante el Super Bowl, algo que obviamente una sola persona no podría manejar. Los textos y activos de marca en los que se basan sus flujos de trabajo fueron最初 producidos en colaboración por los equipos de marketing de producto y redacción, y Claude genera variantes y pruebas a escala sobre esa base.
Austin Lau añadió recientemente algo de contexto en LinkedIn. Señaló que el artículo ampliamente compartido describía su experiencia en el segundo trimestre de 2025 como el único especialista en marketing de crecimiento, hace casi 8 meses. El equipo后来确实 amplió su personal, aunque su tamaño sigue siendo mucho más pequeño de lo que la gente imagina, en sus palabras, "nuestra capacidad de combate supera con creces nuestro número".
Aun así, la señal es lo suficientemente fuerte. Una empresa valorada en 3.800 billones de dólares después de la inversión, con unos ingresos anualizados de 140 billones de dólares, en su fase de crecimiento más rápida, dejó que un especialista en marketing sin experiencia en programación gestionara solo los canales centrales de crecimiento durante diez meses, con buenos resultados. Esto debería ser suficiente para demostrar que el factor de amplificación de la IA para los trabajadores del conocimiento es probablemente mucho mayor de lo que asumen actualmente nuestras estructuras organizativas y la inercia en la contratación.
Sin embargo, aún no está claro en qué medida este modelo puede replicarse. El marketing de crecimiento es altamente dataificado,流程化, amigable con las API y天然适合 la automatización. En áreas que requieren más juicio interpersonal o intuición creativa, la situación podría ser muy diferente.
El libro blanco de Anthropic concluye el capítulo de marketing de crecimiento con tres recomendaciones: Buscar flujos de trabajo repetitivos con interfaces API para automatizar; descomponer procesos complejos en múltiples subagentes especializados, en lugar de intentar abarcarlo todo con un único prompt; y, antes de escribir código, pensar充分amente en el diseño general del flujo de trabajo en Claude. Estas tres recomendaciones esencialmente indican que el cuello de botella de la eficiencia a menudo no está en la capacidad técnica, sino en si estás dispuesto a dedicar tiempo a desglosar claramente tu flujo de trabajo y luego entregar las partes que pueden ser接管 por la máquina.
