Marketing Online

Hoy os explico cómo crear una web desde cero o renovar la que ya tenéis con inteligencia artificial, aunque no sepáis programar. Pero antes, recordemos que hoy termina el curso de Hermes. En la novena clase preparamos tareas programadas y subagentes para automatizaciones avanzadas. En la décima completamos un proyecto real de principio a fin y reunimos todo lo aprendido durante la semana. A veces doy por supuesto que todo el mundo sabe cómo empezar a trabajar con un agente, cuando muchas personas todavía no conocen el primer paso. Este episodio nace de una conversación con un amigo que quería mejorar su página y no sabía qué aplicación abrir, dónde guardar el proyecto ni qué debía pedir. Por eso separo dos caminos muy claros. Uno sirve para quienes ya tienen una web y quieren modificarla con seguridad. El otro permite empezar desde cero, definir las necesidades, escoger la tecnología, preparar el contenido, decidir el diseño y publicar únicamente cuando todo esté revisado. Recordemos que este episodio es premium. Si queréis escucharlo y acceder al desarrollo completo, podéis suscribiros a Boluda.com. Además de los episodios premium, tendréis acceso a todos los cursos de la academia. Este contenido está únicamente disponible para los suscriptores. Puedes identificarte en este enlace o suscribirte a los cursos. En definitiva, no hace falta saber programar para empezar, pero sí debemos trabajar con orden y revisar cada decisión. La inteligencia artificial puede encargarse de gran parte de la ejecución, mientras nosotros aportamos el objetivo, el contexto y la aprobación final. Espero que esta introducción os ayude a perder el miedo y a crear esa primera versión que tenéis en mente. A partir de esta base ya podremos profundizar en conexiones, diseño, seguridad y despliegues más avanzados sin dejar a nadie atrás. Como siempre, muchas gracias por vuestras valoraciones de cinco estrellas en Apple Podcasts y Spotify, por suscribiros a los cursos y por estar ahí, al otro lado. Sin vosotros, esto no sería lo que es. Esto simplemente, no sería. Descansad, relajaos y recargad pilas durante el fin de semana. El lunes regreso con vuestras preguntas como protagonistas, como siempre, a las 07:07. ¡Muy buen fin de semana!

Hoy os presento ImageMagick y Pillow, dos herramientas gratuitas para convertir, redimensionar, automatizar y generar imágenes con ayuda de un agente. Pero antes, recordemos que esta semana continúa el curso de Hermes. En la séptima clase aprendemos a escoger modelos y proveedores sin quedar atados a una única opción. En la octava comparamos la instalación local con un VPS para decidir dónde mantener el agente en funcionamiento. Ahora sí, vamos al lío con dos herramientas que me ayudan muchísimo en la preparación de cursos, episodios y cualquier proceso que necesita manipular imágenes. Siempre había oído que estas tareas podían automatizarse, pero como no trabajaba con línea de comandos ni código, aquel conocimiento se quedaba en el limbo. Con Codex y otros agentes, la barrera ha desaparecido. La primera herramienta es ImageMagick, una colección de utilidades para crear, editar, componer y convertir imágenes desde la línea de comandos. Podemos pedirle al agente que la instale y describir el resultado que buscamos sin memorizar cada opción. El caso más sencillo consiste en convertir formatos. Podemos pasar una imagen de JPEG a PNG o preparar una versión en otro formato compatible. También podemos redimensionar, recortar, rotar y ajustar la calidad o compresión de los archivos. Esto resulta especialmente útil en una web o un SaaS donde los usuarios suben imágenes. En lugar de aceptar una fotografía enorme de veinticinco megas para mostrarla en un espacio pequeño, podemos limitar sus dimensiones, optimizar su peso y generar la versión que realmente necesita la página. ImageMagick también permite añadir marcas de agua, colocar texto, combinar imágenes y trabajar con transparencias. Podemos crear una franja con una frase sobre una colección de paisajes, preparar un collage o eliminar un fondo uniforme para producir un recurso con transparencia. Su gran ventaja aparece cuando debemos repetir la misma operación muchas veces. El mismo comando o script puede procesar cinco imágenes o varios miles. Podemos vigilar una carpeta, transformar cada archivo nuevo y dejar el resultado preparado para el siguiente paso de una automatización. Hace poco encontré dos discos duros antiguos con más de cien mil fotografías y unos seis mil quinientos vídeos. Había originales, miniaturas creadas por WordPress, duplicados y archivos de muchos años distintos. Con Codex y estas herramientas pude identificar las versiones pequeñas, organizar el material y preparar las fotos para llevarlas a Google Fotos. La segunda herramienta es Pillow, la librería de procesamiento de imágenes para Python. Comparte muchas funciones con ImageMagick, como redimensionar, recortar, rotar, convertir formatos, comprimir, añadir texto y trabajar con transparencias. La diferencia es que Pillow está pensada para integrarse directamente dentro del código Python. Podemos crear miniaturas y avatares, analizar píxeles, cambiar colores, consultar dimensiones, gestionar metadatos y decidir qué operación ejecutar según las características de cada archivo. Por ejemplo, algunas cámaras antiguas imprimían la fecha dentro de la propia fotografía. En el flujo que preparé pude recuperar esa información y guardarla como metadato para que Google Fotos colocara cada imagen en el momento correcto. La fecha continúa visible en la foto, pero ahora el sistema también puede ordenarla. Pillow permite además generar imágenes a partir de datos y plantillas. Podemos definir una composición, introducir un título, un número, un icono o cualquier otra información y producir automáticamente la imagen final sin abrir un editor gráfico. Este es el sistema que utilizo para las imágenes destacadas de Boluda.com. Cuando preparo un episodio, Pillow toma la plantilla, coloca el número y el título, ajusta el tamaño de la tipografía, reparte el texto en una o varias líneas y mantiene el bloque centrado. Después reviso visualmente el resultado antes de publicarlo. El mismo proceso crea las portadas de los cursos y las imágenes de cada clase. Añade el número correspondiente, el nombre, el icono del curso y el resto de elementos definidos en la plantilla. Antes tenía que duplicar diseños y recolocar el texto manualmente. Ahora recibo todas las imágenes, las reviso en una cuadrícula y autorizo el resultado. También utilizo este enfoque para los estudios, los directos y otros contenidos. Cada pieza nueva puede generar automáticamente su propia imagen destacada con un estilo coherente, aunque cambien el título, el número y la longitud del texto. Ambas herramientas pueden aplicar filtros, crear composiciones, trabajar con transparencias y realizar buena parte de las transformaciones habituales. Existe una zona gris considerable, así que muchas tareas pueden resolverse con cualquiera de las dos. Mi criterio rápido es bastante sencillo. Si necesito transformar muchos archivos desde un script o la línea de comandos, empiezo pensando en ImageMagick. Es una navaja suiza fantástica para convertir, recortar, redimensionar y encadenar operaciones dentro de un pipeline. Si estoy desarrollando una aplicación en Python y necesito lógica condicional o manipulación detallada, pienso primero en Pillow. Puedo analizar la imagen, tomar decisiones dentro del programa y generar el resultado como una parte más de la aplicación. Para crear miniaturas dinámicas en una aplicación Python, Pillow suele encajar de forma natural. Para convertir miles de imágenes de una carpeta o ejecutar una operación desde un script del servidor, ImageMagick puede resultar más directo. La tecnología ya instalada en el alojamiento también puede decidir la elección. Por eso os recomiendo explicar al agente vuestro objetivo y el entorno disponible. No basta con decir que queremos cambiar una imagen. Conviene indicar cuántos archivos hay, si el proceso debe repetirse, qué lenguaje utiliza la aplicación y dónde se ejecutará. Con ese contexto podrá proponer la herramienta adecuada. FFmpeg también puede resolver parte de estas tareas, además de trabajar con audio y vídeo. No lo incluyo hoy porque merece un episodio propio y me lo apunto para la semana que viene. En definitiva, ImageMagick es una navaja suiza para transformar imágenes desde la línea de comandos y Pillow funciona como una API de imágenes dentro de Python. Las dos son gratuitas, se complementan y permiten convertir tareas tediosas en procesos rápidos y repetibles. Espero que os sirvan y que podáis incorporarlas a vuestro día a día. Incluso si nunca habéis utilizado la terminal o programado con Python, podéis describir el resultado a vuestro agente, revisar el plan y dejar que prepare el flujo adecuado. Como siempre, muchas gracias por vuestras valoraciones de cinco estrellas en Apple Podcasts y Spotify, por suscribiros a los cursos y por estar ahí, al otro lado. Sin vosotros, esto no sería lo que es. Esto simplemente, no sería. Nos escuchamos mañana viernes con más marketing online, como siempre, a las 07:07. Hasta entonces, ¡muy buenos días!

Hoy os explico qué es un agente persistente, cómo se diferencia de un modelo o agente normal y cuándo elegir un VPS propio o una opción gestionada. Pero antes, recordemos que esta semana continúa el curso de Hermes. En la quinta clase aprendemos a crear skills para automatizar tareas repetitivas y en la sexta utilizamos herramientas de web, visión, imágenes, voz y código. Además, en el apartado de inteligencia artificial tenéis los cursos y recursos para profundizar en todo este mundo. Ahora sí, vamos al lío con los agentes persistentes. Se habla mucho de ellos y la nomenclatura puede generar confusión, así que quiero ordenar las piezas y explicar qué cambia realmente respecto a aquello que ya teníamos. Al principio utilizábamos sobre todo modelos de inteligencia artificial. Podemos imaginar el modelo como un cerebro al que hacemos una pregunta y que nos devuelve una respuesta. Le pedimos una explicación, un texto o una idea, piensa sobre ello y nos contesta. Después llegaron los agentes. El modelo seguía aportando el razonamiento, pero ahora disponía de un cuerpo capaz de actuar. El agente puede conectarse a servicios, crear documentos, modificar archivos, ejecutar comandos y completar gestiones en lugar de limitarse a decirnos cómo se hacen. La siguiente necesidad apareció cuando empezamos a encargar trabajos largos. Si el agente se ejecuta en nuestro portátil y cerramos la tapa, apagamos el equipo o perdemos la conexión, el proceso puede detenerse. Ahí entra el tercer nivel, que es el agente persistente. Un agente persistente sigue funcionando porque no depende del ordenador que tenemos delante. Nuestro portátil o teléfono se convierte en una terminal desde la que enviamos instrucciones y consultamos el resultado, mientras que el trabajo real ocurre en un servidor remoto que permanece encendido. Podemos imaginar una pantalla y un teclado conectados mediante un cable larguísimo a un ordenador situado en un centro de datos. Escribimos la instrucción, el servidor la recibe y continúa trabajando aunque después apaguemos nuestra pantalla. Cuando volvemos a conectarnos, encontramos el proceso donde lo habíamos dejado. Si se interrumpe nuestra conexión después de enviar la tarea, el servidor puede seguir avanzando. Evidentemente, necesitaremos internet para consultar el progreso o darle nuevas órdenes, pero la ejecución ya no depende de mantener abierto el equipo personal. También podemos montar un servidor en casa o en la oficina con un Mac mini u otro ordenador encendido permanentemente. Eso ya ofrece persistencia, siempre que no falle la corriente, la red o la propia máquina. Un centro de datos reduce esos riesgos y suele resultar más cómodo para mantener el servicio disponible. La primera gran opción consiste en contratar un VPS e instalar allí nuestros agentes. Podemos alojar Codex, Claude Code, Gemini CLI, Hermes u otras herramientas, conservar los proyectos en ese entorno y conectarnos desde el ordenador, el teléfono o cualquier dispositivo ligero. El agente suele requerir muchos menos recursos que el modelo. Podemos instalar el agente en el VPS y utilizar un modelo externo mediante una API o suscripción. Si queremos ejecutar también el modelo dentro de nuestra infraestructura, necesitaremos bastante más memoria, almacenamiento y, según el caso, una o varias GPU. Por eso no siempre sale más barato alojarlo todo. Evitamos pagar tokens a un proveedor, pero la máquina necesaria para servir un modelo potente puede costar mucho más que un VPS normal. Hay que comparar el consumo previsto, el precio de la infraestructura y el valor de mantener todos los datos dentro del mismo entorno. Este es el sistema que utilizo desde hace meses. En el episodio 3115 os expliqué cómo trabajo con IA en un VPS. Mi Dev Box contiene los proyectos y agentes de desarrollo, mientras que las aplicaciones que tienen una web pública se despliegan después en sus propios servidores de producción. La gran ventaja es que puedo iniciar una tarea, cerrar el portátil e irme. Al volver, el agente ha seguido trabajando. También puedo consultar el proyecto desde el móvil porque el dispositivo que llevo conmigo apenas envía instrucciones y muestra resultados. La carga importante permanece en el VPS. Esta necesidad se ha vuelto tan habitual que las plataformas de inteligencia artificial han empezado a ofrecer sus propias versiones gestionadas. En vez de buscar un proveedor, contratar el servidor, instalar el agente y mantener el entorno, recibimos una máquina remota ya preparada dentro del servicio. En esencia, ambas opciones persiguen el mismo resultado. El agente vive en un servidor remoto y continúa trabajando cuando desconectamos nuestro dispositivo. La diferencia principal está en quién controla y mantiene ese servidor. La comparación se parece bastante a elegir entre WooCommerce y Shopify. Podemos contratar un alojamiento, instalar WordPress y WooCommerce, decidir cada pieza y asumir el mantenimiento. También podemos abrir una cuenta en Shopify y aceptar una solución integrada que ya se ocupa de casi toda la infraestructura. Con un VPS propio ganamos control. Elegimos el agente, el modelo, las herramientas, la ubicación de los datos y la forma de conectar cada proyecto. Si mañana queremos sustituir Codex por otra opción o probar Hermes con distintos modelos, podemos hacerlo sin movernos a una infraestructura diferente. Esa libertad también implica responsabilidad. Debemos configurar el servidor, actualizarlo, proteger las credenciales, vigilar los recursos y resolver las incidencias. Para quienes disfrutamos controlando el sistema, puede compensar, pero no todo el mundo quiere convertirse también en administrador de servidores. Una opción gestionada simplifica muchísimo la entrada. El proveedor prepara la máquina, integra su agente con el resto del ecosistema y ofrece una experiencia más directa. Si ya utilizamos todas sus herramientas, esa integración puede resultar tan cómoda como trabajar con Drive, Gmail y Meet dentro del mismo entorno. La contrapartida es una mayor dependencia. Nos ajustamos a los modelos, límites, precios, regiones y decisiones de esa plataforma. Quizá no podamos cambiar libremente de agente o acceder al mismo nivel de configuración que tendríamos en un VPS propio. Yo estoy en un punto intermedio. Utilizo Codex dentro de mi propio VPS, de modo que conservo los datos y puedo cambiar de herramienta si lo necesito. Al mismo tiempo, estoy probando algunas opciones gestionadas para entender qué aportan, aunque de momento el entorno propio me ofrece más tranquilidad y flexibilidad. Para una persona que no quiere contratar un VPS, abrir puertos ni mantener Linux, las alternativas gestionadas pueden ser ideales. Empieza a trabajar y la persistencia ya viene incorporada. Para alguien que necesita varios agentes, modelos intercambiables y control sobre la infraestructura, un servidor propio o una solución como Hermes puede tener más sentido. No existe una opción universalmente mejor. La decisión depende del equilibrio entre comodidad, integración, control, privacidad, coste y mantenimiento. Cuantas más piezas gestionemos nosotros, más libertad tendremos, pero también aparecerán más puntos que debemos cuidar. En definitiva, un agente persistente es un agente instalado en una máquina que permanece disponible y sigue trabajando aunque cerremos el portátil. Esa máquina puede ser nuestra, puede estar en un VPS o puede pertenecer a la plataforma que nos presta el servicio. El concepto es el mismo y lo que cambia es quién controla la infraestructura. Espero haber aclarado la diferencia entre modelo, agente y agente persistente. Si todavía queda alguna duda o queréis que compare configuraciones concretas, dejadme un comentario y prepararé otro episodio con los casos que más os interesen. :) Como siempre, muchas gracias por vuestras valoraciones de cinco estrellas en Apple Podcasts y Spotify, por suscribiros a los cursos y por estar ahí, al otro lado. Sin vosotros, esto no sería lo que es. Esto simplemente, no sería. Nos escuchamos mañana jueves con más marketing online, como siempre, a las 07:07. Hasta entonces, ¡muy buenos días!

Hoy os presento Hermes, un agente de IA persistente y open source con memoria, herramientas, automatizaciones y acceso desde distintos canales. Pero antes, recordemos que esta semana continúa el curso de Hermes. En la tercera clase aprendemos cómo funciona su memoria persistente y qué archivos utiliza para conservar el contexto. En la cuarta configuramos el gateway para comunicarnos con el agente mediante Telegram y otros canales. Así podemos mantener la misma memoria mientras cambiamos de dispositivo o interfaz. Ahora sí, vamos al lío. En los últimos días se habla mucho de agentes persistentes y es fácil confundirlos con los modelos de inteligencia artificial. Hermes no es un modelo, sino una capa agéntica que utiliza el modelo que nosotros elijamos. Podemos conectarlo a distintos proveedores y endpoints compatibles, cambiar el cerebro sin sustituir todo el sistema y adaptar la combinación al coste o la capacidad que necesitemos. Es un proyecto open source que podemos instalar en nuestro ordenador, en un VPS o en otra infraestructura compatible. La elección importa porque un agente local deja de estar disponible cuando apagamos el equipo, mientras que uno instalado en un servidor puede seguir activo las veinticuatro horas. Una de sus funciones centrales es la memoria persistente. Podemos hablar hoy sobre un proyecto, volver mañana desde otra conversación y recuperar preferencias, decisiones o información anterior. El agente conserva y organiza ese contexto para que no tengamos que reconstruirlo desde cero cada vez. También puede buscar dentro de conversaciones pasadas. Si recordamos que hace tres semanas tratamos un asunto pero no sabemos dónde quedó, podemos pedirle que localice aquel intercambio y recupere la información necesaria. La idea es acercarse a un asistente personal que conoce el historial de aquello en lo que trabajamos. Hermes puede además crear skills y reutilizarlas. Después de completar una tarea, corregir errores y encontrar el proceso adecuado, podemos pedirle que convierta lo aprendido en una instrucción repetible. Cuando cambie una herramienta o aparezca un caso distinto, actualizamos esa skill en lugar de empezar otra vez desde cero. Imaginemos una automatización que procesa audios con Whisper. Quizá al principio funciona con archivos cortos, pero un día recibe una grabación mucho más larga y encuentra una limitación. Podemos buscar una alternativa, resolver el caso y mejorar la skill para que en el futuro escoja un camino u otro según la duración del archivo. La finalidad es que el agente aprenda de la experiencia y resulte cada vez más útil. No basta con esperar magia. Debemos revisar aquello que hace, explicarle las correcciones y convertir los caminos que funcionan en procedimientos claros. Hermes ya está orientado a ese ciclo de trabajo y aprendizaje. También podemos conectarle herramientas mediante APIs, MCP y otros mecanismos. Con los permisos adecuados trabaja con archivos, ejecuta comandos en terminal, utiliza scripts y accede a servidores por SSH. Igual que ocurre con cualquier agente que recibe acceso al sistema, debemos conceder únicamente aquello que realmente necesita. Las acciones pueden encadenarse. Podemos pedirle que transcriba un audio, resuma el resultado, prepare un archivo y lo suba a otro servicio. Algunas tareas dependen de la anterior y deben ejecutarse en orden, mientras que otras pueden avanzar simultáneamente. Para esos trabajos independientes, Hermes puede crear subagentes y repartir tareas en paralelo. Así una operación larga no tiene que bloquear toda la conversación principal. Podemos continuar hablando con el agente mientras los procesos delegados avanzan por separado y devuelven sus resultados. También permite programar automatizaciones. Podemos indicarle que envíe un informe cada tarde, compruebe periódicamente una web o revise los pedidos con la frecuencia que establezcamos. Es posible construir algo parecido con Codex, un VPS y tareas cron, pero Hermes ya nace con la idea de funcionar como un asistente personal permanente. Otro punto interesante es la variedad de canales. Podemos utilizarlo desde terminal, una interfaz gráfica, el teléfono, Telegram y otros servicios de mensajería que dispongan de integración. La conversación puede empezar en un canal y continuar en otro sin perder la memoria porque seguimos hablando con el mismo agente. Por ejemplo, puedo encargarle un trabajo desde el móvil mientras vuelvo a casa y revisar el avance al llegar al ordenador. También puedo iniciar una tarea desde la oficina y consultar después su estado desde otro dispositivo. El agente, sus herramientas y su contexto permanecen en el servidor. Hermes puede exponerse además mediante una API compatible para que otras aplicaciones hablen con él. No solo conectamos el agente a herramientas externas, sino que también podemos integrar el propio Hermes dentro de otros flujos y productos. El autoalojamiento ofrece más control sobre los datos, los accesos y aquello que queremos conservar o eliminar. Aun así, debemos mirar el recorrido completo. Si instalamos Hermes en nuestro servidor, pero utilizamos un modelo externo, las peticiones seguirán pasando por ese proveedor y se aplicarán sus condiciones y nuestra configuración. El software utiliza una licencia abierta y puede instalarse sin pagar por el propio programa, pero eso no significa que toda la operación sea gratuita. Debemos asumir el coste del VPS, la infraestructura y las APIs que utilicemos. Podemos elegir modelos con distintas tarifas o instalar uno local si contamos con el hardware necesario. Ejecutar también el modelo en nuestra infraestructura evita pagar tokens a un proveedor, aunque puede exigir una máquina con GPU y encarecer mucho el servidor. Hay que comparar ambas opciones. En algunos casos compensará pagar por uso y en otros tendrá sentido mantenerlo todo dentro de nuestra propia nube. En definitiva, Hermes es un asistente personal persistente que vive en nuestro ordenador o servidor. Conserva memoria, utiliza herramientas, automatiza tareas, crea subagentes, aprende nuevos procedimientos y nos permite comunicarnos desde diferentes canales mientras mantiene el mismo contexto. Si queréis que dedique otro episodio a explicar el panorama completo de agentes persistentes o que analice cada alternativa por separado, dejadme un comentario en Spotify. Hay muchas opciones y bastante confusión, así que puedo preparar una comparativa para aclarar qué aporta cada una. Como siempre, muchas gracias por vuestras valoraciones de cinco estrellas en Apple Podcasts y Spotify, por suscribiros a los cursos y por estar ahí, al otro lado. Sin vosotros, esto no sería lo que es. Esto simplemente, no sería. Nos escuchamos mañana miércoles con más marketing online, como siempre, a las 07:07. Hasta entonces, ¡muy buenos días!

Hoy respondo preguntas sobre memoria entre chats, servidores, transcripciones locales, el futuro del SaaS y la captación para agencias. Pero antes, recordemos que hoy empieza el curso de Hermes. En la primera clase descubrimos qué es este agente de inteligencia artificial y lo instalamos en nuestro ordenador. En la segunda recorremos la aplicación para entender su interfaz y todo lo que podemos hacer con ella. Así empezamos a trabajar con un asistente persistente capaz de ejecutar tareas, modificar proyectos y comprobar sus propios resultados. También quiero dar las gracias a todos los que vinisteis el sábado al Evento de Marketing Online. La jornada participativa, el hackatón, el fotomatón y todos los momentos que compartimos hicieron que fuera un día muy especial. Espero volver a veros el año que viene y, si todo va según lo previsto, las nuevas entradas llegarán alrededor del Black Friday. Ahora sí, vamos a por vuestras preguntas, que hoy tratan sobre memoria en ChatGPT y Codex, dimensionamiento de servidores, transcripciones, el futuro del software como servicio y captación para agencias. 1. Hola Joan, aquí María. Me hago un poco de lío con lo de la memoria entre chats. ¿La activo en ChatGPT y en Codex? ¿Cómo lo tienes tú? (María) 2. Buenas Joan y equipo de soporte. Estos días estoy pasando todo a Hetzner, siguiendo los consejos del maestro, y ya tengo varios VPS contratados, pero no sé si lo estoy haciendo bien, si voy sobredimensionado o si me quedo corto. Uno es el de desarrollo y el resto son de producción, uno por cada web. ¿Cuál debería tener para cada uno? (José) 3. Hola Joan. Mil gracias por todo lo que aportas. Estoy aprendiendo una barbaridad con los cursos y gracias por la sección de inteligencia artificial que has creado. Me ha ayudado mucho a poner orden en todo lo que puedo hacer. Tengo una duda sobre las transcripciones. ¿Cuál es la forma más barata de hacerlas y la más rápida? ¿Y ambas cosas? Jeje. Mil gracias de nuevo y nos vemos en el EMO. (Ana) 4. Hola Joan, aquí Miguel desde Asturias. Estoy aprendiendo mucho con la IA y montando un par de SaaS que empecé para mí, pero que creo que pueden tener mercado. Mi duda es si quizás en el futuro todo el mundo va a crear sus propias aplicaciones o SaaS y no tendrá sentido crearlos, porque si todo el mundo puede hacerse el suyo, ¿para qué molestarse en hacerlo? (Miguel) 5. Tengo experiencia en marketing digital y dirijo una agencia orientada principalmente a pymes, ofreciendo SEO, Google Ads, redes sociales, diseño y desarrollo web y automatizaciones. Mi principal problema actualmente no es saber prestar los servicios, sino conseguir un flujo constante y predecible de nuevos clientes sin dispersarme entre demasiados canales y estrategias. Si hoy tuvieras que construir desde cero un sistema de captación para una agencia pequeña, con presupuesto limitado y siendo el propio fundador quien todavía presta buena parte de los servicios, ¿qué estrategia priorizarías durante los próximos seis o doce meses? ¿Te centrarías en una oferta muy concreta y un nicho determinado, prospección comercial, Google Ads, SEO, marca personal, partnerships, contenido u otro sistema? ¿Y qué cosas evitarías para no perder tiempo y foco? (Óscar) Y ahora vamos a por las respuestas. Ya sabéis que podéis tanto leerlas aquí como escucharlas en el podcast, si os suscribís a Boluda.com. Este contenido está únicamente disponible para los suscriptores. Puedes identificarte en este enlace o suscribirte a los cursos. En definitiva, hoy repaso cómo gestionar la memoria entre herramientas, dimensionar servidores a partir del uso real, transcribir audios en local, adaptarnos al nuevo mercado del SaaS y enfocar una agencia para conseguir clientes sin dispersarse. Espero que las respuestas os ayuden a avanzar con vuestros proyectos. :) Como siempre, muchas gracias por vuestras valoraciones de cinco estrellas en Apple Podcasts y Spotify, por suscribiros a los cursos y por estar ahí, al otro lado. Sin vosotros, esto no sería lo que es. Esto simplemente, no sería. Nos escuchamos mañana martes con más marketing online, como siempre, a las 07:07. Hasta entonces, ¡muy buenos días y mejor semana!