De brief caótico a plan accionable: una herramienta interna con IA para agencias

Un brief no suele llegar como un brief. Llega como una nota de voz, una reunión apurada, un documento con referencias, un correo con una frase ambigua y un cliente que dice “ustedes ya conocen la marca”. Después aparece el costo: alguien interpreta lo que falta, otra persona arma una propuesta con supuestos distintos y el equipo descubre restricciones cuando ya empezó a producir.

Automatizar briefs de marketing no significa pedirle a una IA que resuma un PDF y tratar ese texto como una instrucción aprobada. El objetivo más útil es otro: construir una herramienta interna que reciba información dispersa, la ordene en un formato común, haga visibles los vacíos y prepare un plan que una persona responsable pueda revisar, cambiar y aprobar.

Para una agencia, el valor no está en escribir más rápido el primer documento. Está en reducir interpretaciones silenciosas antes de comprometer horas de estrategia, diseño, medios o producción.

El problema no es que falte información: es que faltan decisiones

Un brief puede contener muchos datos y seguir siendo insuficiente para trabajar. Puede incluir una campaña anterior, un presupuesto aproximado y diez referencias visuales, pero no aclarar qué acción debe tomar la audiencia, qué no se puede prometer, quién aprueba los cambios o qué canal tiene prioridad.

Cuando cada ejecutivo transforma ese material a su manera, el proceso depende demasiado de experiencia individual. La agencia termina con documentos de calidad desigual y preguntas importantes que aparecen tarde: alcance real, restricciones de marca, fechas que no se pueden mover, datos disponibles, responsables del cliente o criterios para considerar que una campaña funcionó.

Una herramienta interna bien diseñada no intenta eliminar el criterio. Lo vuelve explícito. En vez de decir “la IA ya hizo el brief”, debería mostrar:

• qué información fue entregada directamente por el cliente;
• qué puntos fueron inferidos a partir de los materiales;
• qué preguntas siguen abiertas;
• qué restricciones deben confirmar antes de producir;
• qué propuesta de plan está lista para revisión humana.

Esa diferencia importa. Una síntesis puede ser útil, pero no reemplaza una decisión comercial o estratégica.

El modelo mínimo: intake, estructura, revisión y aprobación

No hace falta construir una plataforma enorme para probar este flujo. El primer MVP puede ser un formulario interno y una vista compartida que use siempre la misma estructura.

Primero, define el intake. Puede venir de un formulario, una entrevista guiada o ambos. La herramienta debe pedir lo necesario para avanzar, no todo lo que alguien podría querer saber. Por ejemplo: objetivo de negocio, audiencia, oferta, canales considerados, rango de presupuesto, plazos, activos existentes, responsables y restricciones.

Después, convierte esas respuestas a un esquema fijo. Un esquema es más importante que un prompt largo porque obliga a que todos los briefs se puedan comparar. Una estructura simple podría incluir:

1. Contexto y problema que se busca resolver.
2. Objetivo principal y acción esperada de la audiencia.
3. Audiencia prioritaria y exclusiones relevantes.
4. Oferta, mensajes permitidos y mensajes que necesitan validación.
5. Canales, fechas, presupuesto y recursos disponibles.
6. Restricciones: marca, legales, operativas, datos y aprobaciones.
7. Preguntas pendientes y dueño de cada respuesta.
8. Primer plan de trabajo propuesto.

Luego viene el chequeo de completitud. En vez de dejar que el modelo rellene una ausencia con una frase convincente, la herramienta debe marcarla. Si no existe definición de conversión, no debe inventar una. Si no está claro quién aprueba, debe generar una pregunta. Si el material entregado contradice el objetivo declarado, debe destacarlo para que una persona lo resuelva.

Finalmente, la IA puede crear un borrador: un resumen ordenado, una lista de preguntas y un plan inicial. Ese borrador pasa por un responsable de cuenta, estrategia o proyecto antes de convertirse en brief de trabajo.

Documentar reglas evita que el flujo dependa de “cómo lo hacía alguien”

El NIST AI Risk Management Framework Playbook propone tratar los sistemas de IA mediante funciones de gobernar, mapear, medir y gestionar. Aplicado a un sistema pequeño de briefs, no significa volver la agencia burocrática. Significa documentar lo suficiente para saber qué entra, quién responde por el resultado, qué se revisa y qué ocurre cuando el resultado no es confiable.

En la práctica, puedes traducirlo así:

• Gobernar: define quién es dueño del proceso, quién puede aprobar un brief y qué información no se debe pegar en herramientas no autorizadas.
• Mapear: identifica los tipos de encargo, los documentos que entran y las decisiones que el brief debe habilitar.
• Medir: revisa cuántos briefs llegan con campos críticos incompletos, cuántas preguntas se repiten y en qué parte se corrige más el borrador.
• Gestionar: ajusta el formulario, las reglas y las instrucciones cuando aparecen errores recurrentes.

No necesitas presentar esto al cliente como un marco de riesgos. Es una manera práctica de no convertir una automatización en una caja negra que nadie se atreve a cuestionar.

Ejemplo ficticio: lanzamiento que parecía claro, pero no lo era

Ejemplo ficticio. Una agencia recibe una solicitud para “lanzar una campaña de captación en septiembre” para una empresa de software. El cliente adjunta una presentación comercial, manda tres enlaces de competidores y menciona por llamada que el equipo de ventas está “a tope”.

La herramienta toma el formulario y los archivos, pero no redacta un plan definitivo. Devuelve una ficha con lo confirmado: la fecha deseada, la oferta indicada en la presentación y los canales mencionados. También marca cuatro vacíos: no existe una definición acordada de lead calificado, no hay presupuesto aprobado, no se sabe qué CRM recibirá los contactos y nadie indicó quién aprueba las piezas.

Como borrador, propone dos alternativas: una campaña de validación con formulario y una campaña de contenido para capturar demanda. Las presenta como opciones, no como decisión. La persona de estrategia revisa la ficha, conversa con el cliente y deja documentado que el primer objetivo será agendar demostraciones, que ventas definirá los criterios de calificación y que la campaña parte cuando exista una página de destino aprobada.

El resultado no es “un brief escrito por IA”. Es un brief más honesto: separa datos, preguntas y decisiones ya tomadas. Eso permite que el equipo arranque con menos supuestos escondidos.

Diseña el output para que alguien pueda discutirlo

Un buen brief no sólo organiza información: permite detectar desacuerdos. Por eso el output debe ser legible en una reunión y no sólo útil para el modelo que lo generó.

Incluye un bloque de “decisiones pendientes” y otro de “supuestos a confirmar”. Asigna un responsable y una fecha a cada pendiente. También deja visible la fuente de una afirmación cuando importa: “objetivo declarado en entrevista”, “restricción tomada desde manual de marca” o “hipótesis propuesta por estrategia”.

Esto es especialmente relevante cuando aparecen datos de personas. La guía de la ICO sobre IA y protección de datos enfatiza que la intervención humana debe ser significativa: una persona necesita poder entender, cuestionar y cambiar el resultado de un sistema. No es asesoría legal para Chile ni reemplaza una revisión adecuada de tu caso; para una agencia es una señal clara de diseño: no uses un borrador automatizado como decisión irreversible sobre una persona o un lead.

Si el brief usa información personal, limita los datos al mínimo necesario, define dónde se guardan y evita copiar información sensible en herramientas que el equipo no haya aprobado. El sistema debe ayudar a trabajar mejor, no abrir un nuevo desorden de datos.

Checklist para probar una primera versión

Antes de construir integraciones complejas, prueba el proceso con cinco briefs reales y de bajo riesgo. Revisa esta lista:

• ¿El formulario pide datos que después se usan de verdad?
• ¿El esquema final distingue información confirmada, inferencias y preguntas?
• ¿La herramienta marca faltantes en vez de completarlos con seguridad aparente?
• ¿Existe una persona responsable de aprobar el brief?
• ¿Las restricciones, responsables y fechas quedan visibles antes de producir?
• ¿El equipo puede corregir el resultado sin tener que reescribir todo desde cero?
• ¿Los datos de personas tienen un uso y una ubicación definidos?
• ¿La salida ayuda a decidir el siguiente paso o sólo produce un resumen bonito?

Si los cinco casos muestran las mismas preguntas pendientes, ahí está la oportunidad de mejorar el intake. Si el equipo no usa el output porque prefiere volver a su documento habitual, no fuerces una nueva herramienta: ajusta el formato hasta que reduzca trabajo real.

Cuándo no automatizar todavía

No todo encargo merece una capa de IA. Si una agencia recibe pocos briefs, todos son muy distintos o nadie puede explicar cómo se aprueba hoy un encargo, primero conviene ordenar el proceso humano. Una herramienta sólo acelera lo que ya tiene una estructura mínima.

Tampoco empieces conectando cada archivo, CRM y canal. El riesgo inicial no es que el sistema sea poco sofisticado; es que procese información incompleta y la convierta en un documento que parece definitivo. Parte por un formato controlado, un equipo pequeño y una revisión explícita. Cuando el flujo sea confiable, puedes decidir qué conexiones realmente agregan valor.

El siguiente paso no es elegir un modelo: es mapear el proceso

Para automatizar briefs de marketing, primero identifica dónde se pierde claridad: en la entrevista, en el traspaso comercial, en la estrategia o en las aprobaciones. Luego diseña una herramienta interna alrededor de ese punto, con inputs definidos y una persona que pueda validar el resultado.

Si tu equipo recibe briefs incompletos, reinterpreta el mismo pedido varias veces o depende de una sola persona para entender a cada cliente, una auditoría de proceso puede mostrar qué parte conviene estandarizar primero. Conversemos sobre el proceso o revisa cómo GVL diseña sistemas internos para equipos de marketing.

Fuentes

• NIST AI Risk Management Framework Playbook
• ICO: How do we ensure individual rights in our AI systems?