Jefe de Marketing Experto en Tecnología Comparte Cómo Deben Reestructurarse los Presupuestos y Equipos de Marketing para la IA
Descubre cómo un líder de marketing utiliza la IA para escalar contenido, reestructurar equipos y mejorar la ejecución de campañas, manteniendo la estrategia y el posicionamiento liderados por humanos.
Rol de la IA: La IA potencia significativamente el marketing técnico al aumentar la eficiencia y la coherencia narrativa en diversos canales.
Perspectiva de Liderazgo: Los líderes de marketing deben equilibrar las capacidades de la IA con el juicio humano para el mensaje estratégico y el posicionamiento.
Cambio Operativo: La adopción de la IA en marketing requiere pasar a un modelo multifuncional, mejorando la colaboración y la eficiencia.
Inversión en Herramientas: Los presupuestos descentralizados para herramientas de IA otorgan flexibilidad a los marketers, impulsando la productividad y la velocidad de innovación.
Rol de Habilitación: Un rol de habilitación de IA centraliza el aprendizaje y operacionaliza los avances de la IA, evitando la fragmentación en los equipos.
Simone Morellato es un líder en marketing técnico y el Jefe de Marketing en vCluster. Comenzó a experimentar con la IA en una función anterior y ahora la utiliza como multiplicador de fuerza dentro de su equipo de marketing.
Nos sentamos con él para entender cómo la IA está cambiando sus flujos de trabajo de marketing y sus equipos. Nos habló de los nuevos roles y partidas presupuestarias que ahora son imprescindibles.
Usando la IA como un multiplicador de marketing
Soy un líder de marketing que ha construido su carrera en la intersección entre un profundo entendimiento técnico de productos tecnológicos y su ejecución de salida al mercado, principalmente en infraestructura, nube y plataformas para desarrolladores. Mi viaje comenzó en el lado de la ingeniería, donde estudié electrónica e informática, y trabajé como ingeniero de software construyendo sistemas de redes de almacenamiento. Esa base me ayudó en marketing de productos técnicos porque siempre entendí cómo funcionan, no solo cómo posicionarlos.
¿Quieres más de The CMO?
Regístrate para obtener una membresía gratuita y terminar de leer este artículo:
Con el tiempo, pasé de ingeniería a marketing técnico de productos en Cisco, y después a roles de liderazgo en startups y empresas, incluidas Riverbed, Cloudian y Apcera. Mi etapa en VMware fue un punto de inflexión crucial en mi carrera, y pasé cerca de una década escalando el negocio de Tanzu Kubernetes. Construí y lideré un equipo global englobando marketing de producto, desarrollador y soluciones, y ayudé a expandir el portafolio de un solo proyecto de código abierto a una suite de más de 20 productos. Mientras estuve allí, experimenté tempranamente con flujos de trabajo impulsados por IA, creando herramientas internas de automatización para relaciones con analistas que redujeron significativamente los ciclos de trabajo y mejoraron la eficiencia.
Actualmente lidero el marketing en vCluster, construyendo un motor completo de salida al mercado abarcando crecimiento, marketing de producto, comunidad y marca. Mejoramos la eficiencia replanteando la generación de demanda, escalando la notoriedad de decenas de miles a millones de impresiones, y mejorando significativamente la eficiencia de costos y la conversión en el embudo. Un enfoque clave ha sido construir narrativas orientadas a los desarrolladores y bucles de crecimiento liderados por la comunidad, especialmente en el espacio de Kubernetes e infraestructura de IA.
Todo en lo que he trabajado converge en este momento de transformación por la IA. Ahora la IA está cambiando fundamentalmente tanto cómo se desarrolla el software como cómo se comercializa. Como líder de marketing, me enfoco en ayudar a las empresas a pasar de mensajes de producto fragmentados a narrativas de plataforma unificadas, usando la IA no solo como tema en la historia sino como multiplicador en la ejecución del marketing.
Equilibrando la confianza del desarrollador con la demanda empresarial
En vCluster, superviso una función de salida al mercado de pila completa que abarca crecimiento, marketing de producto, marca, comunidad y eventos. El equipo opera tanto en el ámbito de código abierto como empresarial, creando un doble mandato: impulsar una amplia adopción por parte de los desarrolladores a gran escala y también convertir ese compromiso en un flujo estructurado para empresas.
En cuanto a organización, la función opera como un sistema integrado en vez de disciplinas aisladas. El marketing de producto y las relaciones con desarrolladores trabajan de la mano para dar forma a la narrativa y construir credibilidad técnica, mientras que los equipos de crecimiento y contenido se enfocan en la adquisición y distribución escalables a través de distintos canales, como redes sociales, SEO, medios pagados y programas impulsados por la comunidad. La marca y los eventos extienden ese alcance hacia la interacción con el ecosistema, especialmente dentro de las comunidades de Kubernetes y cloud native.
La complejidad proviene de la audiencia y la dinámica del ecosistema. Comercializamos para perfiles altamente técnicos, principalmente DevOps y responsables de plataformas, a la vez que influimos en tomadores de decisión empresariales. Eso requiere equilibrar la credibilidad técnica con una articulación clara del valor de negocio. Al mismo tiempo, operamos en un espacio de infraestructura que avanza rápidamente e influenciado por la IA, donde las definiciones de categorías aún se están formando. Como resultado, una parte significativa del rol consiste en definir la narrativa, no solo amplificarla.
El modelo es efectivo porque un bucle unificado de adquisición-activación-compromiso lo conecta todo, respaldado por un fuerte enfoque en el rendimiento basado en datos y una rápida experimentación.
Donde termina la IA y comienza el juicio humano
Utilizo la IA principalmente para apoyar la toma de decisiones y agilizar el trabajo en áreas de alto volumen y patrones, o en aquellas que requieren síntesis rápida de grandes cantidades de información no estructurada. Al mismo tiempo, mantengo un límite claro donde el juicio humano sigue siendo esencial, especialmente para el contexto, la responsabilidad y las implicaciones de marca a largo plazo.
Dependo mucho de la IA en tres ámbitos:
Primero, el desarrollo de la narrativa y la exploración de mensajes. Al definir el posicionamiento o los temas de campaña, utilizo la IA para probar rápidamente variaciones, identificar vacíos en los mensajes y poner a prueba la claridad en diferentes perfiles como desarrolladores, ingenieros de plataforma y ejecutivos. Esto comprime en un bucle mucho más rápido lo que solía requerir múltiples iteraciones.
Segundo, escalado de contenido y campañas. Ahora la IA impulsa el primer borrador de la mayoría de los activos de contenido, incluyendo contenido para redes sociales, estructuras de blogs y variantes de campañas. También adapta insumos técnicos al lenguaje específico de cada perfil, lo cual es especialmente importante en el marketing de infraestructuras y plataformas de IA, donde el mismo concepto debe resonar de forma diferente según la audiencia.
Tercero, síntesis de rendimiento. Utilizo IA para analizar señales de rendimiento de campaña en varios canales y detectar patrones que de otro modo podrían pasar desapercibidos, especialmente al tratar con datos fragmentados en canales orgánicos, pagados y de comunidad.
Las tareas explícitamente humanas implican decisiones estratégicas y responsabilidad. Las decisiones de posicionamiento, la definición de categoría y la arquitectura del mensaje principal siguen siendo completamente dirigidas por humanos, ya que requieren una comprensión profunda del momento del mercado, la dinámica competitiva y la ambición de la empresa. Lo mismo aplica para el juicio creativo final sobre la voz de la marca y campañas de alta visibilidad.
Las decisiones de posicionamiento, la definición de categoría y la arquitectura del mensaje principal siguen siendo completamente dirigidas por humanos, ya que requieren una comprensión profunda del momento del mercado, la dinámica competitiva y la ambición de la empresa.
También mantengo la responsabilidad humana sobre las decisiones de priorización. La IA puede mostrar opciones y aportar información, pero decidir qué no hacer sigue siendo una responsabilidad de liderazgo, especialmente en categorías de rápido movimiento como la infraestructura de IA, donde es fácil sobrerreaccionar ante señales.
Así, la IA amplía de manera efectiva el área de pensamiento y ejecución, pero no asume la responsabilidad de los resultados. El liderazgo de marketing sigue tomando las decisiones finales que equilibran velocidad, coherencia y la reputación de marca a largo plazo.
Cómo un cambio estructural llevó las impresiones de miles a millones
Cambié nuestro modelo de marketing de una producción de contenido centrada en humanos a una generación de narrativa y activos asistida por IA. Ahora los humanos se concentran en la dirección, validación y distribución, en vez de crear desde cero.
En la práctica, introduje un sistema de contenido impulsado por IA. Utilizamos flujos de trabajo basados en LLM para transformar una sola fuente técnica — como un lanzamiento de producto, una demo, una idea de cliente o una narrativa de ingeniería — en múltiples activos de marketing posteriores. Esto abarca publicaciones orientadas a desarrolladores, contenido de formato largo, variaciones para redes sociales, mensajes de campaña e incluso borradores iniciales de posicionamiento. En vez de una autoría separada para cada uno, ahora una capa compartida de prompts y estructura genera, refina y alinea todos los activos.
Simone Comparte
En vez de una autoría separada para cada uno, ahora una capa compartida de prompts y estructura genera, refina y alinea todos los activos.
La IA genera estos de forma paralela en un nivel sólido de borrador, no secuencialmente desde cero. Luego agregamos revisión y perfeccionamiento humano, donde marketing de producto garantiza la integridad de la narrativa, growth optimiza la distribución y marca mantiene la voz y la coherencia.
Y pasamos de un ciclo de producción basado en campañas a un sistema de contenido continuo. La mayoría de las organizaciones de marketing todavía operan con una mentalidad tradicional orientada a campañas: defines una campaña, creas un conjunto de activos, lanzas y luego continúas. Ese modelo fue diseñado para un mundo donde la producción de contenido era costosa y lenta. Ahora, ejecutamos generación e iteración en paralelo. Esto reduce el tiempo de ciclo y nos permite responder mucho más rápido a señales de producto y mercado.
Cómo la IA beneficia la eficiencia de producción y la coherencia narrativa
En el lado positivo, el impacto más inmediato de la IA ha sido la escala y la eficiencia. Incorporar IA en los flujos de trabajo de producción de contenido y campañas aumentó significativamente la producción sin aumentar la plantilla. En vCluster, esto se tradujo en escalar de aproximadamente 36.000 a unos 7 millones de impresiones mensuales, al tiempo que se redujo el CPM de alrededor de $5.58 a $0.29. Si bien influyeron múltiples factores, un motor significativo fue producir e iterar contenido mucho más rápido y de manera consistente a través de los canales.
También mejoramos la velocidad de ejecución. Los ciclos de contenido que antes tomaban semanas —especialmente para materiales multifuncionales que involucraban marketing de producto, marca y crecimiento— se comprimieron en días. Esto nos permitió responder a lanzamientos de productos y señales del mercado en tiempo casi real, lo cual es fundamental en un ecosistema de IA de rápido movimiento.
Otro resultado positivo fue la consistencia narrativa. La IA ayudó a estandarizar la forma en que traducimos insumos técnicos en mensajes a través de los canales, reduciendo la fragmentación entre contenido orientado a desarrolladores, habilitación de ventas y campañas de generación de demanda. Esta alineación mejoró tanto la calidad del compromiso como el rendimiento del embudo a lo largo del proceso.
Cualitativamente, uno de los mayores cambios fue organizacional. El equipo de marketing pasó de ser una función principalmente centrada en la ejecución a un rol más enfocado en la orquestación. Ahora, los humanos dedican más tiempo a la dirección, estrategia y validación, mientras que la IA se encarga de la producción inicial y las variaciones. Esto ha mejorado el enfoque del equipo y reducido los cuellos de botella operativos.
Simone Comparte
Ahora los humanos dedican más tiempo a la dirección, estrategia y validación, mientras que la IA se encarga de la producción inicial y las variaciones.
Cómo la IA puede llevar a la sobreproducción
También surgieron desafíos. Al principio notamos una tendencia hacia la sobreproducción. La IA generaba demasiadas variaciones sin suficientes restricciones iniciales, creando ruido y obligándonos a construir capas editoriales y de gobernanza de prompts más robustas. Además, gestionamos activamente el riesgo de dilución del mensaje, asegurando que la velocidad no fuera en detrimento de un posicionamiento claro o de la claridad de la categoría.
Otro aprendizaje fue que la IA puede amplificar tanto buenos como malos insumos. Cuando la narrativa subyacente o el briefing es débil, la IA rápidamente amplifica esa debilidad. Esto nos forzó a invertir más en la estrategia inicial y en un diseño de insumos más preciso antes de generar contenido a escala.
En general, el resultado neto ha sido claramente positivo, pero solo después de establecer límites claros.
Por qué la IA no puede lograr diferenciación y posicionamiento
La IA también ha quedado corta respecto a las expectativas iniciales sobre diferenciación estratégica y posicionamiento.
Al principio, asumimos que la IA podría ayudarnos a generar narrativas de categoría más sólidas o incluso identificar ángulos de posicionamiento que nos dieran una ventaja. En la práctica, descubrimos que, si bien la IA es excelente al reorganizar patrones existentes del mercado, tiene dificultades para producir un posicionamiento verdaderamente original o defendible.
Tiende a converger hacia la media de lo que ya existe, lo cual es lo opuesto a lo que se busca cuando intentas destacar en un mercado saturado de plataformas de infraestructura o IA.
Por qué los líderes de marketing deben imponer límites a la IA primero
Una de las primeras campañas asistidas por IA que realizamos, para reposicionar una plataforma técnica a una audiencia más amplia de DevOps e ingeniería de plataformas, proporciona un ejemplo claro de dónde la IA falló a la hora de ofrecer diferenciación estratégica.
Usamos IA para reposicionar nuestra plataforma para una audiencia de Neoclouds. El resultado fue rápido, nos dio múltiples direcciones: 'simplificar las operaciones de Kubernetes', 'mejorar la eficiencia de la plataforma', 'acelerar la productividad de los desarrolladores.' Sonaba perfecto. Y ese era precisamente el problema.
Ninguno de estos enfoques nos diferenciaba realmente. Cuando los pusimos a prueba en el mercado, descubrimos que las herramientas adyacentes ya los utilizaban ampliamente en el ecosistema de Kubernetes y cloud-native. La IA amplificó eficazmente el lenguaje común de la industria en lugar de ayudarnos a romper con él. Si hubiéramos seguido adelante con lo generado, la campaña se habría diluido en la categoría en vez de influir en ella.
Reforzamos significativamente la fase humana de insumos. En vez de comenzar con prompts generales sobre las capacidades del producto, impusimos restricciones más claras en tres áreas: nuestra ventaja arquitectónica única, los sacrificios que estábamos dispuestos a asumir públicamente y los segmentos de audiencia con los que queríamos liderar, no solo incluir.
Una vez que reorientamos los insumos basándonos en esas elecciones estratégicas, utilizamos la IA de manera diferente, no para inventar el posicionamiento, sino para poner a prueba la claridad, traducir el mensaje entre distintas personas y generar variaciones ejecutables para contenido y campañas.
El resultado fue una narrativa mucho más precisa, centrada en un ángulo más específico y defendible: cómo los equipos de plataformas pueden replantear la abstracción de la infraestructura para cargas de trabajo modernas, en lugar de temas genéricos de eficiencia o productividad. Ese cambio mejoró la calidad del compromiso y volvió el mensaje más memorable en comunidades técnicas, especialmente entre los practicantes de Kubernetes, que son muy sensibles a posicionamientos excesivamente genéricos.
Así que el cuello de botella ya no es la calidad o la velocidad de producción; es la originalidad y agudeza en el pensamiento. Destacar ahora requiere un punto de vista mucho más sólido, un posicionamiento más claro y la disposición de asumir compromisos explícitos. Sin eso, la IA tiende a llevar todo hacia el promedio del mercado.
Cómo la IA cambia la estructura de los equipos de marketing
La IA transformó fundamentalmente mi equipo de marketing, que pasó de estar compartimentado funcionalmente a un modelo de ejecución más fluido y transversal.
Tradicionalmente, separábamos claramente los roles. Un especialista en contenido se encargaba de la creación, para luego pasar el trabajo a especialistas en distribución para su adaptación, mientras que marketing de producto desarrollaba por separado los mensajes y posicionamientos que luego debían traducirse para las campañas. Cada paso involucraba reelaboración y traducción entre funciones.
Con la IA integrada en el flujo de trabajo, la estructura ha cambiado significativamente. Ahora, cada miembro del equipo puede desempeñarse en varias partes del ciclo de vida del contenido y las campañas. Un especialista en contenido puede generar no solo el borrador inicial de un artículo, sino también las primeras versiones para redes sociales, copys para emails e incluso enfoques de posicionamiento. Un especialista en crecimiento puede tomar la misma información y generar inmediatamente variantes de campañas o marcos de pruebas. Marketing de producto puede pasar de escribir todo desde cero a refinar la narrativa, garantizar la precisión y alinear los mensajes con la estrategia.
El cambio clave es que ya no creamos el trabajo secuencialmente desde cero. La IA lo lleva, por defecto, a una etapa de borrador de alta calidad, y luego lo pasamos entre las diferentes funciones para refinar, validar y optimizar. Esto ha reducido significativamente la fricción entre equipos y ha acortado los ciclos de iteración.
Como resultado, los profesionales del marketing ahora se centran más en el juicio, la edición y la dirección estratégica que en la pura producción. El equipo es más pequeño en términos de dependencia de la ejecución manual, pero está más potenciado en cuanto a capacidad de producción.
La IA también ha hecho la colaboración más dinámica. En lugar de traspasos rígidos, ahora operamos más como un sistema de conocimiento compartido, donde podemos transformar cualquier insumo en múltiples resultados a través de diversos canales, y entonces el especialista relevante los refina.
Por qué los equipos de marketing necesitan presupuestos descentralizados para herramientas de IA
Si volviera a empezar, invertiría primero el presupuesto de marketing no en campañas tradicionales ni siquiera en personal, sino en dar a cada persona del equipo acceso directo a un presupuesto flexible y descentralizado para herramientas de IA.
Asignaría presupuestos individuales para que cada marketero pueda adoptar y experimentar con herramientas que mejoren su productividad diaria, sin esperar la aprobación de compras centralizadas o ciclos de aprobación de TI. Esto incluye herramientas de escritura con IA, asistentes de análisis de datos, plataformas de generación creativa, herramientas de automatización y utilidades especializadas que surgen rápidamente en el ecosistema IA.
La razón es sencilla. En un entorno impulsado por IA, la velocidad de evolución de las herramientas supera a los ciclos de compras empresariales. El acceso centralizado inevitablemente estandariza a los equipos con soluciones obsoletas, lo que ralentiza la experimentación y crea una brecha entre lo que es posible y lo que realmente se utiliza en la ejecución.
He visto esto de primera mano al introducir IA en los flujos de trabajo de marketing. Los equipos que disponían de la libertad para probar y adoptar herramientas desde el principio avanzaron mucho más rápido en la producción de contenidos, iteración de campañas y análisis de datos. Los equipos restringidos por procesos centralizados de aprobación muchas veces volvían a métodos más lentos y tradicionales, incluso cuando había herramientas mejores disponibles.
En cambio, un presupuesto distribuido para herramientas crea una dinámica diferente. Convierte a cada profesional del marketing en un operador capaz de optimizar continuamente su propio entorno de trabajo. Además, la innovación surge orgánicamente porque las mejores herramientas se difunden de manera natural dentro del equipo a través del uso, y no por obligación.
En segundo lugar, priorizaría construir una capa ligera de habilitación alrededor de esa libertad, incluyendo buenas prácticas compartidas, bibliotecas de prompts y flujos de trabajo internos para evitar que la experimentación se transforme en fragmentación.
El control centralizado optimiza la consistencia, pero la habilitación distribuida optimiza la adaptación. Y la adaptación es lo que crea una ventaja competitiva en entornos de marketing de rápido movimiento.
El control centralizado optimiza la consistencia, pero la habilitación distribuida optimiza la adaptación. Y la adaptación es lo que crea una ventaja competitiva en entornos de marketing de rápido movimiento.
Cómo Claude CoWork genera verdadero apalancamiento
Me entusiasma especialmente una función de IA de Anthropic: Claude CoWork.
Va más allá de la interfaz de chat tradicional y se siente como un verdadero entorno de trabajo para labores de conocimiento. En lugar de indicaciones aisladas, permite flujos de trabajo más estructurados y persistentes. Exactamente aquí es donde la IA ofrece una verdadera ventaja.
También valoro lo rápido que Anthropic itera en función del comportamiento real de los usuarios. Prestan atención a lo que la comunidad construye y utiliza, y luego integran esos patrones directamente en el producto principal. Esto me recuerda cuán rápidamente conceptos de proyectos como OpenClaw llegaron a Claude CoWork. Ese bucle de retroalimentación es importante porque la herramienta evoluciona para reflejar cómo la gente realmente trabaja, no solo como el equipo de producto imagina que deberían hacerlo.
En la práctica, también reduce la necesidad de juntar diferentes herramientas o extensiones. No tengo que recrear flujos de trabajo, evaluar nuevos proveedores ni preocuparme por la seguridad y gestión de datos a través de una pila fragmentada. Ya confío en Anthropic como empresa, así que cuando lanzan nuevas capacidades, puedo adoptarlas rápida y confiadamente.
Por Qué Todo Equipo de Marketing Necesita un Rol de Habilitación de IA
Dicho esto, la mayor brecha que he visto en la adopción de IA no es la tecnología. La mayoría de los equipos de marketing tienen acceso a herramientas de IA. Lo que les falta es alguien cuyo único trabajo sea rastrear lo que está cambiando, filtrar el ruido y convertirlo en flujos de trabajo que el equipo realmente pueda utilizar.
La mayoría de las organizaciones asumen que si los equipos tienen acceso a herramientas de IA, la adopción llegará de forma natural. En la práctica, la concienciación y la síntesis son los factores limitantes. El panorama de la IA avanza tan rápido que ningún especialista en marketing puede mantenerse realmente al día con nuevos modelos, herramientas, flujos de trabajo y mejores prácticas mientras ejecuta sus responsabilidades principales. Cuando todos son parcialmente responsables de mantenerse actualizados, nadie lo es completamente.
En mi experiencia, crear un rol dedicado de habilitación de IA dentro del área de marketing ha resultado mucho más efectivo. No es simplemente un administrador de herramientas ni un ingeniero de prompts; es alguien profundamente curioso acerca de la IA que sigue activamente los avances en modelos y aplicaciones y los traduce continuamente en flujos de trabajo prácticos para el equipo.
Esta persona se convierte efectivamente en una capa interna de inteligencia. Evalúa nuevas herramientas, prueba casos de uso, sintetiza lo que es útil frente al ruido y luego lo operacionaliza en flujos de trabajo repetibles. Igualmente importante, actúa como un puente bidireccional. Los miembros del equipo pueden llevarle problemas o ineficiencias, explorar soluciones basadas en IA y recibir recomendaciones estructuradas.
Este rol impacta principalmente en el enfoque. Elimina la carga cognitiva de "mantenerse al día con la IA" de los colaboradores individuales, centralizándola en una sola función cuyo único trabajo es anticiparse a la curva y distribuir ese conocimiento de forma eficaz. Sin esto, los equipos tienden a fragmentarse. Se produce una adopción desigual, prácticas inconsistentes y experimentación duplicada. Con ello, se crea un efecto compuesto donde el aprendizaje se centraliza mientras la ejecución se distribuye.
Por Qué los Marketers Deben Tratar la IA como un Cambio de Modelo Operativo
El consejo más importante que puedo dar a los líderes de marketing es tratar este momento como un cambio de modelo operativo y no como una simple actualización de herramientas.
Es fácil terminar evaluando herramientas, probando funciones y persiguiendo mejoras incrementales en productividad. Eso es importante, pero no otorga la verdadera ventaja. El verdadero cambio está en cómo se desarrolla el trabajo de marketing, cómo se estructuran los equipos y dónde se aplica el esfuerzo humano.
Algunos principios resultan especialmente importantes:
Primero, invierte en la calidad de los insumos antes que en la escala de salida. La IA genera tanta cantidad de contenido como le pidas, pero la calidad de ese contenido depende completamente de la claridad en tu propuesta, la definición de tu audiencia y el relato. Los líderes que omiten este paso solo escalan el ruido, como destaco en "Plan de Marketing para Startups Tecnológicas".
Segundo, rediseña los flujos de trabajo, no solo las tareas. En vez de preguntarte cómo la IA puede hacer más rápido un paso existente, observa todo el sistema desde la entrada hasta el resultado y replantea su funcionamiento en un mundo donde los borradores son instantáneos y la iteración es barata. Eso desbloquea mejoras de orden de magnitud.
Tercero, crea un espacio para la gestión enfocada de la IA. Ya sea un rol dedicado o un pequeño grupo, alguien debe mantenerse al tanto del panorama, probar herramientas y traducirlo en flujos de trabajo prácticos. Sin esto, los equipos se fragmentan y la adopción se detiene.
