Caso real: una fábrica de creativos con IA para Meta Ads
Con un sistema, no con prompts sueltos: un pipeline de 8 etapas (research → ángulos → hooks → variantes → QA → lanzar → análisis → iterar), una memoria de marca que se captura una vez y alimenta cada generación, y workflows de media sintética evaluando 10+ modelos en producción. Es mi trabajo actual para una empresa de performance de EE.UU. — un caso de sistemas, sin números inventados.
Este caso es distinto a mis otros tres, y lo digo de entrada: acá no hay dashboards ni CPAs. Es mi trabajo actual (2026, en curso) para una empresa de marketing de performance de EE.UU., y sus resultados son del cliente. Lo que sí puedo abrir —y es lo que más me piden— es el sistema: cómo se produce creativo para Meta con IA, a velocidad, sin que la marca se desarme en el camino.
El problema: la velocidad creativa es el cuello de botella
En el Meta de hoy, el creativo es el targeting: con segmentación amplia, el anuncio decide a quién llegás. Y el creativo se fatiga rápido — producir rápido dejó de ser un lujo y pasó a ser una variable de performance. La respuesta típica es heroísmo: briefs artesanales, prompts sueltos, piezas únicas. El heroísmo no escala. Los sistemas sí.
El pipeline: ocho etapas, un solo loop
Cada pieza pasa por las mismas ocho etapas, y lo que enseña el análisis vuelve directo al research de la ronda siguiente:
Las etapas no son nuevas — lo nuevo es que la IA corre adentro de cada una, y el loop nunca se frena a esperar producción.
La memoria de marca
El corazón del sistema no es ningún modelo: es una memoria de marca reutilizable — posicionamiento, avatares, hooks ganadores, reglas visuales, tono, embudo — capturada una vez y alimentando cada generación. Encima corre una arquitectura de prompts para conceptos de ads, titulares, guiones UGC, secciones de landing, storyboards y matrices de testeo.
Sin memoria compartida, cada pieza generada con IA es una apuesta nueva a la consistencia. Con memoria, la pieza número cien suena como la primera.
Media sintética, probada en producción
La capa de imagen y video corre sobre workflows de media sintética —ads estilo creador, escenas de producto realistas, thumbnails nativos, variaciones de avatar, conceptos de video corto— evaluando más de 10 modelos de IA en producción (OpenAI, Claude, Midjourney, Runway, Kling, Veo, Higgsfield y lo que va saliendo) contra una sola pregunta: ¿entrega ads usables, de forma repetible?
De oficio a sistema
La última milla es la que convierte talento en sistema operativo: SOPs, estructuras de etiquetado, lógica de variaciones y plantillas listas para lanzar — para que media buyers y creativos generen output consistente y medible sin producción artesanal. Y la inteligencia creativa se conecta con la performance: patrones repetibles por hook, formato, audiencia, oferta, emoción, estilo visual y etapa del embudo.
Qué te llevás
- Prompts sueltos no escalan: sin memoria de marca compartida, la IA produce rápido pero inconsistente.
- El loop cerrado (análisis alimentando el research) es lo que separa producir mucho de aprender rápido.
- Sistematizá antes de acelerar: SOPs, etiquetas y plantillas primero — la velocidad sin estructura solo genera ruido más rápido.
→ El caso completo está (en inglés) en irgella.com/case-studies/ai-creative-systems — Irgella es mi agencia; esta biblioteca enseña lo que ahí se practica.