**
El 9 de junio, Anthropic lanzó un nuevo modelo llamado Claude Fable 5.
Ese mismo día, dejé que se encargara de todo mi "sistema automatizado de venta de notas".
Como resultado, las ventas diarias casi se duplicaron en poco más de una semana.
Para ser honesto, solo estaba pensando: "Salió un nuevo modelo, podría probarlo", así que soy el más sorprendido por esto.
En esta publicación, escribiré sobre todo: lo que le pedí que hiciera, lo que se corrigió e incluso los prompts que utilicé.
Por cierto, suelo compartir los últimos movimientos de este sistema y configuraciones detalladas que no caben en un artículo a través de mi LINE, así que si te interesa, revisa el enlace al final.
Dejar que la IA maneje un sistema exitoso el día que se lanzó Fable 5
Primero, un poco de contexto.
Fable 5 es el primer modelo de Anthropic que pone a disposición de todos, con mecanismos de seguridad, capacidades de "clase Mythos", las cuales anteriormente se reservaban por su alto rendimiento.
Registró un 80.3% en el benchmark de codificación (SWE-bench Pro), una cifra que supera no solo al anterior Opus 4.8, sino también a GPT-5.5 y Gemini 3.1 Pro.
Por cierto, el "mecanismo de seguridad" significa que solo las solicitudes en áreas peligrosas se cambian automáticamente a modelos más antiguos. Según datos oficiales, esto no se activa en más del 95% de las sesiones.
En resumen, para el uso comercial normal, no notarás ninguna diferencia.
Sin embargo, en lo que me enfoqué no fue en las cifras del benchmark, sino en el hecho de que puede "llevar a cabo tareas largas y complejas sin perder el contexto a mitad de camino".
¿Qué significa esto?
Significa que ahora podemos externalizar el proceso de "mejora" en sí mismo: leer todos los archivos de un sistema completo, cruzarlos con datos de ventas y juzgar qué necesita ser reparado, algo que antes solo los humanos podían hacer.
Con los modelos convencionales, si les dabas 10 archivos, a menudo olvidaban el contenido de los primeros y hacían sugerencias irrelevantes. Fable 5 casi nunca hace eso.
Un ejemplo claro es un informe del extranjero donde "migrar 50 millones de líneas de código pasó de tomar 2 meses a solo 1 día". Esencialmente, significa que puede avanzar con el trabajo mientras comprende completamente un todo masivo.
Mi sistema tiene unos 40 archivos en total más los datos de ventas, por lo que esta "capacidad de leer todo" es directamente efectiva.
Es por eso que decidí que "dejar que mejore un sistema existente" es la forma más inteligente de usarlo, en lugar de solo jugar con nuevas funciones.
Aquí hay una perspectiva importante.
Que un modelo evolucione no significa que "el sistema se vuelva obsoleto".
Significa que "la velocidad de mejora del sistema aumenta".
Para aquellos que tienen un sistema, cada lanzamiento de un nuevo modelo es un viento a favor.
La razón por la que no hago las mejoras yo mismo es triple:
- Hacerlo tú mismo introduce "suposiciones" (juzgar por qué se venden las cosas basándote en tu propia intuición).
- Externalizar significa entregar el contenido del sistema (filtrar el know-how).
- La IA puede leer todos los datos sin ninguna emoción (procesando volúmenes de datos durante la noche que son imposibles para los humanos).
Francamente, la mejora es la tarea de "leer todos los datos y encontrar las diferencias", por lo que la IA es más adecuada para ello que los humanos.
Mi intuición podría decir: "Siento que las publicaciones basadas en empatía están funcionando este mes", pero si dejo que la IA lo lea, regresa con hallazgos respaldados por datos como: "Las publicaciones con altas tasas de guardado tienen constantemente este elemento en la introducción".
Esta diferencia es enorme.
Descripción general del sistema automatizado de venta de notas
Esta es la configuración que estoy ejecutando:
- Diseño de concepto (Consolidar quién, qué y cómo vender en un solo archivo md)
- Generación automatizada de publicaciones (La IA crea 10 publicaciones al día basadas en el concepto)
- Publicación automatizada (Fluyendo a Threads/X en horarios establecidos todos los días)
- Orientación hacia la nota (El flujo de Publicación → Perfil → Artículo de nota)
- Recopilación de datos (Las impresiones, guardados y ventas se acumulan automáticamente)
- Bucle de mejora automatizada (Las siguientes publicaciones cambian según los datos acumulados)
Para complementar un poco cada parte:
El archivo md de concepto en el paso 1 es el punto de partida para todo. Todo a partir del paso 2 se mueve basándose en el "quién, qué y cómo" escrito aquí.
En el paso 2, la IA crea 10 publicaciones al día por su cuenta después de leer el archivo md de concepto. Los humanos ya no las están escribiendo.
El paso 3 es solo ponerlas en una herramienta de publicación automatizada, así que ni siquiera presiono el botón de publicar.
El paso 5 es discretamente importante; "qué publicación se guardó", "qué publicación llevó a un clic en el perfil" y "cuánto se vendió ese día" se registran automáticamente todos los días.
El paso 6 es un bucle que lee estos datos cada 3 días y los refleja en las siguientes 30 publicaciones.
El punto es que este sistema no está "terminado una vez construido", sino que el ciclo de mejora 5 → 6 → 2 sigue girando.
La gente suele decir: "Parece difícil de construir", pero el trabajo pesado es solo la primera vez.
Solo usas tu cerebro al construir inicialmente el archivo md de concepto y los criterios de evaluación. Después de eso, cuanto más se ejecuta, más datos se acumulan, y cuanto más datos se acumulan, mayor es la precisión de las mejoras.
Como es una estructura que se fortalece con el tiempo, honestamente creo que las personas que comienzan temprano ganan este juego.
Entonces, ¿qué están haciendo los humanos? En realidad, solo tres cosas:
- Decidir el género y el concepto al principio (este es el trabajo de un humano).
- Decidir si adoptar las sugerencias de mejora de la IA (escribiré sobre esto en detalle más adelante).
- Ocasionalmente mirar los datos e investigar si algo parece extraño.
En términos de tiempo de trabajo diario, es menos de 10 minutos.
Y lo que hice que Fable 5 hiciera esta vez fue la tarea más importante del ciclo: "Cruzar todos los archivos de este sistema con los datos de ventas recientes para identificar las áreas que necesitan reparación".
No hice nada difícil para la transferencia de datos; simplemente dejé que leyera el conjunto de archivos del sistema y los datos que contienen ventas, impresiones y guardados tal como estaban.
Muchas personas piensan: "Tengo que organizarlo antes de entregarlo", pero es al revés.
Si entregas datos sin procesar, la IA los organizará por su cuenta y detectará correlaciones que los humanos no notan.
El prompt que lancé fue básicamente este (lo dejaré aquí para que puedas copiarlo y pegarlo):
"Lee todos los archivos de este sistema y compáralos con los datos de ventas para identificar todas las diferencias entre 'cuando se vende' y 'cuando no se vende'. Dame solo las diferencias de datos, no las impresiones. A continuación, propón en qué archivo y en qué criterios de juicio del sistema deben reflejarse esas diferencias, como un conjunto de nombre de archivo y propuesta de modificación."
El punto es que lo restringí a "solo diferencias de datos, no impresiones".
Si no incluyes esto, la IA mezclará consejos generales como "Aumenta la frecuencia de publicación", el tipo de cosas que están escritas en todas partes.
Al limitarlo a las diferencias de datos, solo salen puntos de mejora únicos para mi sistema.
Después de que las diferencias están fuera, el prompt para hacer que realmente las arregle es este:
"Especificaré cuál de las propuestas adoptaré, así que reescribe los archivos correspondientes directamente. Muéstrame una lista de las diferencias antes y después de la reescritura al final. No cambies ni un solo carácter en las partes que no he especificado."
"No cambies ni un solo carácter en las partes que no he especificado" es realmente importante. Si no incluyes esto, la IA "mejorará" otras áreas por buena voluntad. Al dejar que toque un sistema en funcionamiento, la regla de oro es restringir el alcance de los cambios.
Tres diferencias que Fable 5 encontró entre "cuando no se vende"
Entonces, hubo tres diferencias que Fable 5 mencionó.
En el momento en que vi la primera, pensé: "Esto definitivamente cambiará las ventas".
Diferencia ①: Las notas que se vendían tenían "la oración justo antes de comprar"
Esta es la conclusión a la que llegó Fable 5 después de comparar todas las notas que se vendían y las que no.
Los conceptos de las notas que se vendían tenían verbalizadas e incluidas las "emociones que vienen a la mente del lector justo antes de comprar".
Las que no se vendían solo estaban diseñadas hasta el "objetivo" y el "problema".
Específicamente, el concepto de una nota que no se vendía estaba a este nivel de granularidad:
"Mujer de 30 años · quiere volver con su ex · enséñale cómo".
Y el concepto de una nota que se vendía era así:
"Mujer de 30 años · quiere volver con su ex · compra en el momento en que piensa: 'Si hago exactamente lo que dice esta persona, tal vez no tenga que mirar mi teléfono a medianoche y sentirme ansiosa nunca más'".
¿Ves la diferencia?
La primera termina con "qué vender".
La segunda está diseñada hasta los pensamientos en la cabeza 0.5 segundos antes de abrir la billetera.
Esta fue la línea divisoria para las ventas.
Así que hice que agregara la "verbalización de las emociones justo antes de la compra" como un elemento obligatorio en el diseño del concepto md.
Solo agregar este elemento cambia todo. Dado que el concepto es aguas arriba, la elección de palabras de las publicaciones generadas, el título de la nota y la forma en que el texto del cuerpo impacta, todo comienza a escribirse hacia ese "pensamiento justo antes de comprar".
Una modificación de un elemento en un archivo se extiende a todos los productos aguas abajo. Esta es la belleza de la sistematización.
Por cierto, también hice que Fable 5 generara el truco para escribir este elemento: el criterio es "escribir los verdaderos sentimientos que el lector no puede contarle a nadie, en las propias palabras del lector".
"Quiero resolver mi ansiedad" es débil.
Si puedes escribir: "Tengo tanto miedo de que me ignoren de nuevo que no puedo presionar el botón de enviar", es un aprobado.
Es lo mismo en otros géneros. Por ejemplo, en el nicho de los ingresos extra, en lugar de "para personas que quieren ganar dinero con un trabajo secundario", usa:
"Personas que miran su saldo una semana antes del día de pago y vuelven a poner un artículo en la canasta de la tienda de conveniencia mientras suspiran".
Si puedes escribir hasta ese punto, se convierte en una nota que parece un anuncio visible solo para esa persona.
Diferencia ②: Los criterios de evaluación de publicaciones estaban demasiado enfocados en las impresiones
Los criterios de evaluación para el bucle de mejora automatizada estaban "cargados de impresiones".
Sin embargo, lo que se correlacionaba con las ventas no eran las impresiones, sino el "número de guardados" y la "tasa de clics en el perfil".
Esto significa que las publicaciones que obtienen impresiones y las publicaciones que abren billeteras son cosas diferentes.
Cualquiera que haga marketing de listas entendería esto, pero el número de leads y el número de conversiones no necesariamente se correlacionan.
Las publicaciones que obtienen impresiones son del tipo "empatía, identificables, humor".
Pero para las publicaciones que abren billeteras, están ocurriendo movimientos como "quiero guardar esto y leerlo más tarde" o "revisemos el perfil de esta persona".
Hacerse viral se siente bien, pero los números directamente vinculados a las ventas fueron los más modestos.
Por cierto, estos dos números pueden ser vistos por cualquiera de forma gratuita en X Analytics.
Solo revisando tus publicaciones en orden de "guardados" en lugar de "impresiones", deberías encontrar los patrones que se venden.
Como referencia, las publicaciones guardadas tenían tres cosas en común:
- Contenían pasos específicos que pueden usarse más adelante (no termina en el momento en que se lee).
- Contenían números o nombres propios, haciendo que la gente quiera guardarlos como un "memo".
- Había espacio para aplicarlo a la propia situación (en una forma que puede usarse tal cual).
Por el contrario, las "buenas historias" no se guardan. Las impresiones se consumen en el acto y terminan ahí.
Cuando hice que reescribiera los criterios de evaluación para "enfocarse en guardados y clics en el perfil", las impresiones cayeron ligeramente, pero las ventas subieron: un movimiento interesante.
Solo cambiando una línea de los criterios de evaluación en el bucle de mejora automatizada, la dirección de todas las publicaciones generadas cambia, por lo que las personas que tienen un sistema deberían revisar esto primero.
Diferencia ③: El orden del cuerpo del texto era "solución demasiado pronto"
Las notas que no se vendían daban demasiado la solución al principio.
Si muestras la respuesta antes de que el lector se dé cuenta de que "este es mi problema", terminan de leer antes de sentir el valor.
Las notas que se vendían usaban "30% del total para verbalizar el problema".
En una nota de 7,000 caracteres, los primeros 2,000 caracteres se usan no para dar una solución, sino para "describir la situación del lector con mayor precisión que el propio lector".
Solo después de que el lector está en un estado de "¿Por qué me conoces tan bien?" proporcionas la solución por primera vez.
En este orden, incluso el mismo contenido se lee como algo "valioso".
Y para aquellos que se preguntan "cómo escribir la verbalización del problema", dejaré el procedimiento que realmente uso.
Hago que la IA escriba 10 monólogos que el objetivo está pensando en la cama por la noche.
Cosas como "Ha pasado una semana y todavía no hay confirmación de lectura", "No puedo hablar con mis amigos sobre esto" o "Mi historial de búsqueda es todo sobre volver con un ex".
Solo reorganizando esos 10 y colocándolos al principio del cuerpo del texto, la parte de verbalización del problema está casi completa.
Un error común aquí es escribir el problema en "generalidades".
Frases como "¿Volver a estar juntos es difícil, verdad?" o "Te pone ansioso, ¿verdad?" que se aplican a cualquiera, no impactarán a nadie. Solo cuando lo especificas al nivel de un monólogo ocurre el momento de "Esto es sobre mí".
Esto también fue algo que Fable 5 mencionó como una diferencia de datos. Es un básico de las ventas cuando lo piensas, pero era una parte que no se había incorporado al sistema de generación automatizada.
Las cosas que los humanos harían naturalmente faltan en el diseño del sistema.
Encontrar estos "agujeros que se conocían pero no se implementaron" es la mejor parte de dejar que la IA haga las mejoras.
Filosofía de diseño al dejar las mejoras a la IA
Hay tres principios que aprendí al intentar esto para dejar las mejoras a la IA.
Principio ①: Mejoras a la IA, decisiones de adopción para ti mismo
Hubo 7 propuestas de Fable 5 en total.
Adopté 3.
Entre las 4 que rechacé estaba, por ejemplo, una propuesta para "aumentar el número de publicaciones de 10 a 15 al día".
La lógica era sólida, pero ya había verificado en el pasado que para mi base de lectores, la presión en la línea de tiempo sería demasiado fuerte y terminarían silenciándome, así que la rechacé.
Si te tragas todo, el sistema se inclinará hacia las generalidades de la IA y, a la inversa, dejará de vender.
De hecho, una vez adopté todas las propuestas en el pasado, y los números cayeron esa semana.
Incluso si cada una parece correcta, cuando se combinan, se convierte en una "cuenta que se encuentra en cualquier lugar".
La IA es un genio para encontrar diferencias, pero los materiales para juzgar "si adoptar esa diferencia" (historial de verificación pasada y el sentir de los lectores) existen solo dentro de ti.
Principio ②: Refleja siempre las mejoras en los "archivos"
No digas solo "haz esto de ahora en adelante" en el chat y termines; haz que la IA reescriba los archivos del sistema.
La razón para hacer esto es convertir las mejoras en activos.
Las instrucciones en un chat desaparecen, pero los criterios de juicio colocados en un archivo siguen siendo efectivos para todo, desde la siguiente generación en adelante.
En mi caso, divido los destinos de reescritura por rol.
"A quién vender qué" es el archivo de concepto, "qué publicación juzgar como que ha crecido" es el archivo de criterios de evaluación, y "en qué orden escribir la nota" es el archivo de estructura.
Como puedo ver qué archivo creció con cada mejora, se siente como si todo el sistema se estuviera volviendo más y más inteligente.
Principio ③: Arregla desde aguas arriba (Concepto > Publicación > Redacción)
Cuando se trata de mejoras, tiendes a querer arreglar desde aguas abajo, como la redacción de una publicación.
Sin embargo, el orden de efectividad para las ventas es "Concepto > Criterios de evaluación > Estructura del cuerpo > Redacción".
La razón principal por la que las ventas se duplicaron esta vez fue sin duda la parte del concepto de la Diferencia ①.
La razón es simple: una ubicación aguas arriba afecta todo lo generado a partir de ahí, pero una ubicación aguas abajo solo afecta esa pieza.
Si arreglas una línea del concepto, todas las publicaciones y notas futuras cambiarán. Si arreglas un final de una publicación, solo esa publicación cambia.
Si la carga de trabajo es la misma, es mejor usarla donde sea efectiva.
No importa cuánto pulas aguas abajo, si el diseño aguas arriba no se vende, los números no se moverán.
Las personas en el lado del sistema se benefician cada vez que la IA evoluciona
Entonces, ¿qué está pasando ahora?
Reflejé las mejoras a mediados de junio, y a partir de ahí, las ventas diarias se han estabilizado al doble.
La parte más efectiva fue sin duda la parte del concepto de la Diferencia ①. Inmediatamente después de reflejarlo, el flujo de "Guardar → Perfil → Compra" del contenido generado cambió visiblemente.
El tiempo de trabajo permanece sin cambios, casi cero.
Este incidente me dio la certeza de una cosa:
Las personas que más se benefician cada vez que la IA evoluciona son "aquellas que tienen un sistema".
Fable 5 en sí mismo puede ser utilizado por cualquiera.
Pero las personas que no tienen un "objetivo para que Fable 5 mejore" solo pueden probarlo cuando sale un nuevo modelo.
Hay personas que prueban un nuevo modelo cada vez que se lanza, dicen "es increíble", publican sus impresiones y terminan ahí.
Y luego están las personas que, cada vez que sale un nuevo modelo, dejan que lea su sistema, lo mejore y suba sus cifras de ventas un nivel.
Aunque están usando la misma IA, una es consumo y la otra es inversión.
Porque tenía un sistema y datos, mis ventas se movieron el día que el modelo evolucionó.
Los modelos seguirán evolucionando.
En seis meses, saldrá un modelo más inteligente que Fable 5, y haré lo mismo de nuevo.
Este bucle en sí mismo es un activo.
Cada vez que eso sucede, creo que la brecha entre los que tienen un sistema y los que no, se ampliará a un ritmo increíble.
A veces me preguntan: "¿No es demasiado tarde para empezar ahora?", pero es al revés.
Los recién llegados pueden construir un sistema con un modelo inteligente desde el principio, por lo que pueden saltarse las partes con las que luché en el pasado.
Cuando comencé a construir este sistema, tenía que corregir manualmente la salida de la IA cada vez, pero las personas que lo construyen ahora apenas necesitarán ese proceso.
Si es tarde o no, no lo decide el momento de entrada, sino solo si comienzas a construir un sistema.
Ahora, para aquellos que leyeron hasta aquí y pensaron: "Quiero pasar al lado del sistema".
En realidad, un proyecto increíble está en marcha ahora mismo.
Estoy haciendo un desafío en tiempo real llamado "Hacer que una ama de casa de 40 años que no sabe de tecnología gane 200,000 yenes usando solo la automatización de Claude Code, con un límite de 30 minutos al día".
Mientras duermes, la IA termina de escribir una nota, y cuando te despiertas por la mañana, se está vendiendo sola.
Estoy mostrando todo, incluidos los fracasos, de cómo "dejarlo todo a la IA y hacer que gane por ti" se está convirtiendo en una realidad.
Los pasos para construir un sistema desde cero, plantillas para el diseño de conceptos y los movimientos de las personas que realmente están ganando se comparten aquí, así que, honestamente, creo que te lo estás perdiendo si no lo ves.
Lo que puedes recibir al participar ↓
✅ Todo el proceso de una ama de casa de 40 años que no sabe de tecnología logrando de 0 a 200,000 yenes (revelado a un nivel que puedes imitar tal cual)
✅ Distribución del contenido de la automatización de Claude Code realmente utilizada en el desafío a través de columnas de comentarios
✅ El último know-how sobre ventas de IA x Note (más de 50 personas reportando resultados; un caso donde alguien que era un coleccionista de know-how ganó 147,000 yenes en un mes)
Participa aquí (completamente gratis, hay un límite en el número de personas, así que por favor únete pronto)
https://line.me/ti/g2/2NjuIznaLxS8gyB0eKLdMOQxQvpcYUYj1e9TlQ
