El director de marketing experto en tecnología comparte cómo deben reestructurarse los presupuestos y equipos de marketing para la IA

Simone Morellato es un líder de marketing técnico y el director de Marketing de vCluster. Comenzó a experimentar con la IA al principio de su carrera, en un puesto anterior, y ahora la utiliza como multiplicador de fuerza dentro de su equipo de marketing.

Nos sentamos con él para comprender cómo la IA está cambiando sus flujos de trabajo de marketing y los de sus equipos. Nos habló de los nuevos roles y partidas presupuestarias que son imprescindibles.

Usar la IA como multiplicador del marketing

Soy un líder de marketing que ha desarrollado su carrera en la intersección entre un profundo conocimiento técnico de los productos tecnológicos y su ejecución comercial, principalmente en los ámbitos de la infraestructura, la nube y las plataformas para desarrolladores. Mi trayectoria comenzó en el área de ingeniería, donde estudié electrónica e informática y trabajé como ingeniero de software desarrollando sistemas de redes de almacenamiento. Esa base me ayudó en el marketing de productos técnicos, porque siempre entendí cómo funcionan, no solo cómo posicionarlos.

Con el tiempo, pasé de la ingeniería al marketing técnico de productos en Cisco y, posteriormente, ocupé puestos de liderazgo en empresas emergentes y corporaciones, como Riverbed, Cloudian y Apcera. Mi etapa en VMware supuso un importante punto de inflexión en mi carrera, y dediqué casi una década a ampliar el negocio de Tanzu Kubernetes. Creé y dirigí un equipo global que abarcaba el marketing de producto, para desarrolladores y de soluciones, y ayudé a ampliar la cartera desde un único proyecto de código abierto hasta un conjunto de más de 20 productos. Durante ese periodo, experimenté pronto con flujos de trabajo basados en IA y desarrollé herramientas internas de automatización para las relaciones con analistas que redujeron significativamente los tiempos de los ciclos y mejoraron la eficiencia.

Ahora dirijo el marketing en vCluster, donde estoy creando un motor completo de comercialización que abarca el crecimiento, el marketing de producto, la comunidad y la marca. Mejoramos la eficiencia replanteando la generación de demanda, ampliando el reconocimiento desde decenas de miles hasta millones de impresiones y mejorando significativamente la eficiencia de costes y la conversión del embudo. Un aspecto clave ha sido crear narrativas centradas en los desarrolladores y ciclos de crecimiento impulsados por la comunidad, especialmente en el ámbito de Kubernetes y la infraestructura de IA.

Todo aquello en lo que he trabajado converge en este momento de transformación impulsada por la IA. La IA está cambiando fundamentalmente tanto la forma en que se desarrolla el software como la manera de comercializarlo. Como líder de marketing, me centro en ayudar a las empresas a pasar de mensajes de producto fragmentados a narrativas de plataforma unificadas, utilizando la IA no solo como un tema de la historia, sino también como un multiplicador de la forma en que se ejecuta el marketing.

Equilibrar la confianza de los desarrolladores con la demanda empresarial

En vCluster, superviso una función integral de comercialización que abarca el crecimiento, el marketing de producto, la marca, la comunidad y los eventos. El equipo trabaja tanto con iniciativas de código abierto como empresariales, lo que crea un doble mandato: impulsar una amplia adopción entre los desarrolladores a escala y convertir también esa interacción en un embudo empresarial estructurado.

Desde el punto de vista organizativo, la función opera como un sistema integrado en lugar de como disciplinas aisladas. El marketing de producto y las relaciones con los desarrolladores colaboran estrechamente para definir la narrativa y crear credibilidad técnica, mientras que el crecimiento y el contenido se centran en la captación y distribución escalables a través de canales como las redes sociales, el SEO, los medios de pago y los programas impulsados por la comunidad. La marca y los eventos amplían ese alcance hacia la interacción con el ecosistema, especialmente dentro de las comunidades de Kubernetes y de la nube nativa.

La complejidad proviene de la dinámica de la audiencia y del ecosistema. Nos dirigimos a perfiles muy técnicos, principalmente ingenieros de DevOps y de plataformas, aunque también influimos en los responsables de la toma de decisiones empresariales. Esto exige equilibrar la credibilidad técnica con una explicación clara del valor empresarial. Al mismo tiempo, operamos en un ámbito de infraestructura dinámico e influido por la IA, en el que las definiciones de las categorías aún se están formando. Por ello, una parte importante del trabajo consiste en dar forma a la narrativa, no solo en amplificarla.

El modelo es eficaz porque un ciclo unificado de captación, activación e interacción conecta todos los elementos, respaldado por un sólido enfoque basado en datos para el rendimiento y la experimentación rápida.

Dónde termina la IA y comienza el criterio

Utilizo la IA principalmente como apoyo para la toma de decisiones y para acelerar el trabajo en áreas de gran volumen y basadas en patrones, o en aquellas que requieren sintetizar rápidamente grandes cantidades de información no estructurada. Al mismo tiempo, mantengo un límite claro en aquellos ámbitos en los que el criterio humano sigue siendo esencial, especialmente en lo relativo al contexto, la responsabilidad y las implicaciones a largo plazo para la marca.

Confío mucho en la IA para tres áreas:

• En primer lugar, el desarrollo narrativo y la exploración de mensajes. Al definir el posicionamiento o los temas de las campañas, utilizo la IA para probar rápidamente distintas variaciones, identificar lagunas en los mensajes y poner a prueba la claridad con diferentes perfiles, como desarrolladores, ingenieros de plataformas y directivos. Esto comprime en un ciclo mucho más rápido lo que antes requería múltiples iteraciones.
• En segundo lugar, la ampliación de contenidos y campañas. La IA impulsa ahora el primer borrador de la mayoría de los activos de contenido, incluidos los contenidos para redes sociales, las estructuras de artículos de blog y las variantes de campañas. También adapta las aportaciones técnicas a un lenguaje específico para cada perfil, algo especialmente importante en el marketing de infraestructuras y plataformas de IA, donde el mismo concepto debe resultar relevante para públicos diferentes.
• En tercer lugar, la síntesis del rendimiento. Utilizo la IA para analizar las señales de rendimiento de las campañas en distintos canales y detectar patrones que, de otro modo, podrían pasar desapercibidos, especialmente al trabajar con datos fragmentados entre canales orgánicos, de pago y de comunidad.

Las tareas explícitamente humanas implican decisiones estratégicas y asumir responsabilidades. Las decisiones de posicionamiento, la definición de categorías y la arquitectura central de los mensajes siguen estando totalmente dirigidas por personas, porque requieren un profundo conocimiento del momento del mercado, la dinámica competitiva y las ambiciones de la empresa. Lo mismo se aplica al criterio creativo final sobre la voz de la marca y las campañas de gran visibilidad.

También mantengo bajo responsabilidad humana las decisiones de priorización. La IA puede mostrar opciones y perspectivas, pero decidir qué no hacer sigue siendo responsabilidad del liderazgo, especialmente en categorías que evolucionan rápidamente, como la infraestructura de IA, donde es fácil reaccionar de forma exagerada ante las señales.

Por tanto, la IA amplía eficazmente el campo de acción del pensamiento y la ejecución, pero no asume la responsabilidad de los resultados. El liderazgo de marketing sigue tomando las decisiones finales que equilibran la velocidad, la coherencia y el valor de marca a largo plazo.

Cómo un cambio estructural llevó las impresiones de miles a millones

Cambié nuestro modelo de marketing, pasando de una producción de contenidos basada principalmente en las personas a una generación de narrativas y activos asistida por IA. Ahora las personas se centran en la dirección, la validación y la distribución, en lugar de crear desde cero.

En la práctica, introduje un sistema de contenidos impulsado por IA. Utilizamos flujos de trabajo basados en modelos de lenguaje de gran escala para convertir una única aportación técnica —como el lanzamiento de un producto, una demostración, una percepción de un cliente o una narrativa de ingeniería— en múltiples activos de marketing derivados. Esto incluye publicaciones dirigidas a desarrolladores, contenidos extensos, variaciones para redes sociales, mensajes de campaña e incluso borradores iniciales de posicionamiento. En lugar de contar con una autoría independiente para cada uno, ahora una capa compartida de instrucciones y estructura genera, perfecciona y alinea todos los activos.

Simone comparte

En lugar de contar con una autoría independiente para cada uno, ahora una capa compartida de instrucciones y estructura genera, perfecciona y alinea todos los activos.

La IA los genera en paralelo con un nivel avanzado de borrador, no de forma secuencial desde cero. Después añadimos revisión y perfeccionamiento humanos: el marketing de producto garantiza la integridad narrativa, el equipo de crecimiento optimiza la distribución y el equipo de marca mantiene la voz y la coherencia.

Además, pasamos de un ciclo de producción basado en campañas a un sistema continuo de contenidos. La mayoría de las organizaciones de marketing todavía funcionan con una mentalidad de campaña tradicional: se define una campaña, se crea un conjunto de activos, se lanza y después se pasa a la siguiente. Ese modelo se diseñó para un mundo en el que producir contenidos era caro y lento. Ahora ejecutamos ciclos paralelos de generación e iteración. Esto reduce el tiempo de ciclo y nos permite responder mucho más rápido a las señales del producto y del mercado.

Cómo la IA mejora 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. La introducción de la IA en los flujos de trabajo de producción de contenidos y campañas aumentó significativamente la producción sin incrementar la plantilla. En vCluster, esto se tradujo en pasar de aproximadamente 36K a unos 7M de impresiones mensuales, al tiempo que se redujo el CPM de alrededor de $5.58 a $0.29. Aunque contribuyeron varios factores, un factor importante fue producir y repetir contenidos con mucha más rapidez y coherencia en todos los canales.

También mejoramos la velocidad de ejecución. Los ciclos de contenido que antes requerían semanas —especialmente los activos interfuncionales en los que participaban el marketing de producto, la marca y el crecimiento— se comprimieron en días. Esto nos permitió responder a los lanzamientos de productos y a las señales del mercado casi en tiempo real, algo fundamental en un ecosistema de IA que evoluciona rápidamente.

Otro resultado positivo fue la coherencia narrativa. La IA ayudó a estandarizar cómo convertimos los aportes técnicos en mensajes para los distintos canales, reduciendo la fragmentación entre los contenidos dirigidos a desarrolladores, los materiales de apoyo a ventas y las campañas de generación de demanda. Esta alineación mejoró tanto la calidad de la interacción como el rendimiento posterior del embudo.

Desde un punto de vista cualitativo, uno de los cambios más importantes fue organizativo. El equipo de marketing pasó de desempeñar una función centrada principalmente en la ejecución a asumir un papel más orientado a la orquestación. Ahora las personas dedican más tiempo a la dirección, la estrategia y la validación, mientras que la IA se encarga de la producción inicial y de las variaciones. Esto ha mejorado la concentración del equipo y ha reducido los cuellos de botella operativos.

Simone comparte

Ahora las personas dedican más tiempo a la dirección, la estrategia y la validación, mientras que la IA se encarga de la producción inicial y de las variaciones.

Cómo la IA puede provocar una generación excesiva

También surgieron dificultades. Al principio, observamos una tendencia a generar contenido en exceso. La IA producía demasiadas variaciones sin suficientes restricciones iniciales, lo que generaba ruido y nos obligó a crear capas más sólidas de gobernanza editorial y de instrucciones. También gestionamos activamente el riesgo de dilución del mensaje, asegurándonos de que la velocidad no se produjera a costa de un posicionamiento claro o de la claridad de la categoría.

Otro aprendizaje fue que la IA puede amplificar tanto los aportes buenos como los malos. Cuando la narrativa o el briefing subyacentes son débiles, la IA amplifica rápidamente esa debilidad. Esto nos obligó a invertir más en la estrategia inicial y en diseñar aportes más precisos 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 ofrecer diferenciación y posicionamiento

La IA también ha quedado por debajo de las expectativas iniciales en cuanto a diferenciación estratégica y posicionamiento.

Al principio, suponíamos que la IA podría ayudar a generar narrativas de categoría más sólidas o incluso identificar enfoques de posicionamiento que nos dieran una ventaja. En la práctica, descubrimos que, aunque la IA destaca al recombinar patrones de mercado existentes, tiene dificultades para producir un posicionamiento verdaderamente original o defendible.

Tiende a converger hacia la media de lo que ya existe, que es justo lo contrario de lo que se busca cuando se intenta destacar en un mercado saturado de infraestructuras o plataformas de IA.

Por qué los líderes de marketing deben limitar primero la IA

Una de las primeras campañas con asistencia de IA que llevamos a cabo para reposicionar una plataforma técnica dirigida a un público más amplio de DevOps e ingeniería de plataformas ofrece un ejemplo claro de dónde se quedó corta la IA a la hora de proporcionar diferenciación estratégica.

Utilizamos la IA para reposicionar nuestra plataforma para un público de Neoclouds. El resultado fue rápido y nos ofreció varias direcciones: «simplificar las operaciones de Kubernetes», «mejorar la eficiencia de la plataforma» y «acelerar la productividad de los desarrolladores».
Todo sonaba bien. Ese era precisamente el problema.

Ninguno de estos enfoques nos diferenciaba realmente. Cuando los sometimos a una prueba de presión frente al mercado, descubrimos que las herramientas adyacentes ya los utilizaban ampliamente en el ecosistema de Kubernetes y nativo de la nube. La IA amplificó eficazmente el lenguaje común del sector en lugar de ayudarnos a alejarnos de él. Si hubiéramos seguido adelante tal como se había generado, la campaña se habría mezclado con la categoría en lugar de contribuir a definirla.

Reforzamos significativamente la fase de aportes dirigida por personas. En lugar de empezar con instrucciones generales sobre las capacidades del producto, impusimos restricciones más precisas en tres áreas: nuestra ventaja arquitectónica única, las concesiones que estábamos dispuestos a asumir públicamente y los segmentos de público con los que queríamos posicionarnos explícitamente como líderes, no solo incluir.

Una vez que volvimos a anclar los aportes en esas decisiones estratégicas, utilizamos la IA de otra manera: no para inventar el posicionamiento, sino para poner a prueba la claridad, adaptar el mensaje a distintos perfiles y generar variaciones de nivel operativo para contenidos y campañas.

El resultado fue una narrativa mucho más precisa, centrada en un enfoque más específico y defendible: cómo los equipos de plataformas podían replantearse la abstracción de la infraestructura para las cargas de trabajo modernas, en lugar de recurrir a temas genéricos de eficiencia o productividad. Este cambio mejoró la calidad de la interacción y hizo que el mensaje fuera más memorable en las comunidades técnicas, especialmente entre los profesionales de Kubernetes, que son muy sensibles a los posicionamientos excesivamente genéricos.

Por lo tanto, el cuello de botella ya no es la calidad ni la velocidad de producción; son la originalidad y la agudeza del pensamiento. Destacar ahora requiere un punto de vista mucho más sólido, un posicionamiento más claro y la disposición a asumir renuncias explícitas. Sin eso, la IA tiende a acercarlo todo a la media del mercado.

Cómo cambia la IA la estructura de los equipos de marketing

La IA transformó fundamentalmente mi equipo de marketing: pasó de estar dividido en silos funcionales a adoptar un modelo de ejecución más fluido y multifuncional.

Tradicionalmente, separábamos claramente las funciones. Un especialista en marketing de contenidos se encargaba de crear el contenido y luego lo entregaba a especialistas en distribución para adaptarlo, mientras que el marketing de producto desarrollaba por separado los mensajes y el posicionamiento, que después debían traducirse para las campañas. Cada paso implicaba rehacer trabajo y traducirlo entre funciones.

Con la IA integrada en el flujo de trabajo, la estructura ha cambiado significativamente. Ahora, cada miembro del equipo puede trabajar en varias partes del ciclo de vida del contenido y las campañas. Un especialista en marketing de contenidos puede generar no solo el borrador inicial de un artículo, sino también las primeras versiones de variaciones para redes sociales, textos para correos electrónicos e incluso enfoques de posicionamiento. Un especialista en marketing de crecimiento puede tomar la misma información y generar de inmediato variantes de campaña o marcos de pruebas. El marketing de producto puede pasar de redactarlo todo desde cero a perfeccionar la narrativa, garantizar la precisión y alinear los mensajes con la estrategia.

El cambio clave es que ya no creamos el trabajo de forma secuencial desde cero. La IA lo genera por defecto hasta una fase de borrador de alta calidad y, después, lo pasamos entre funciones para perfeccionarlo, validarlo y optimizarlo. Esto ha reducido significativamente la fricción entre equipos y ha acortado los ciclos de iteración.

Como resultado, los profesionales del marketing se centran ahora más en el criterio, la edición y la dirección estratégica que en la producción pura. El equipo es más pequeño en términos de dependencia de la ejecución manual, pero tiene una mayor capacidad de producción.

La IA también ha hecho que la colaboración sea más dinámica. En lugar de traspasos rígidos, ahora trabajamos más como un sistema compartido de conocimiento en el que podemos transformar cualquier entrada en múltiples resultados para distintos canales, y el especialista correspondiente los perfecciona.

Por qué los equipos de marketing necesitan presupuestos descentralizados para herramientas de IA

Si tuviera que empezar de nuevo, invertiría primero el presupuesto de marketing no en el gasto tradicional en campañas ni siquiera en la plantilla, sino en proporcionar a cada profesional del marketing acceso directo a un presupuesto flexible y descentralizado para herramientas de IA.

Asignaría presupuestos individuales para que los profesionales del marketing pudieran adoptar y experimentar con herramientas que mejoren su productividad diaria, sin tener que esperar a los ciclos centralizados de compras o de aprobación del departamento de TI. Esto incluye herramientas de redacción con IA, asistentes de análisis de datos, plataformas de generación creativa, herramientas de automatización y utilidades especializadas que surgen rápidamente en el ecosistema de la IA.

La razón es sencilla. En un entorno impulsado por la IA, la evolución de las herramientas avanza más rápido que los ciclos de compras empresariales. El acceso centralizado inevitablemente estandariza a los equipos en torno a una pila tecnológica obsoleta, lo que ralentiza la experimentación y crea una brecha entre lo que es posible y lo que realmente se utiliza en la ejecución.

Lo he comprobado de primera mano al introducir la IA en los flujos de trabajo de marketing. Los equipos que tenían libertad para probar y adoptar herramientas de forma temprana avanzaron significativamente más rápido en la producción de contenidos, la iteración de campañas y el análisis de datos. Los equipos limitados por procesos de aprobación centralizados a menudo volvían a flujos de trabajo más lentos y antiguos, incluso cuando había mejores herramientas 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 propia pila tecnológica. También hace que la innovación surja de forma orgánica, porque las mejores herramientas se extienden naturalmente por el equipo mediante el uso, en lugar de hacerlo por imposición.

En segundo lugar, daría prioridad a crear una capa ligera de capacitación en torno a esa libertad, que incluyera buenas prácticas compartidas, bibliotecas de indicaciones y flujos de trabajo internos para evitar que la experimentación se convierta en fragmentación.

El control central optimiza la coherencia, pero la capacitación distribuida optimiza la adaptación. Y la adaptación es lo que crea una ventaja competitiva en entornos de marketing que evolucionan rápidamente.

Cómo Claude Cowork genera un apalancamiento real

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 el trabajo basado en el conocimiento. En lugar de indicaciones aisladas, permite flujos de trabajo más estructurados y persistentes. Aquí es exactamente donde la IA ofrece una ventaja real.

También valoro la rapidez con la que Anthropic itera basándose en el comportamiento real de los usuarios. Prestan atención a lo que la comunidad crea y utiliza, y después integran directamente esos patrones en el producto principal. Esto me recuerda lo rápido que conceptos de proyectos como OpenClaw llegaron a Claude CoWork. Ese ciclo de retroalimentación es importante porque la herramienta evoluciona para reflejar cómo trabaja realmente la gente, no solo cómo el equipo de producto imagina que debería hacerlo.

En la práctica, también reduce la necesidad de combinar varias herramientas o extensiones. No tengo que recrear flujos de trabajo, evaluar nuevos proveedores ni preocuparme por la seguridad y la gestión de datos en un conjunto de herramientas fragmentado. Ya confío en Anthropic como empresa, así que cuando lanzan nuevas capacidades, puedo adoptarlas rápida y eficazmente.

Por qué todos los equipos de marketing necesitan una función de capacitación en IA

Dicho esto, la mayor carencia que he observado en la adopción de la IA no está en las herramientas. La mayoría de los equipos de marketing tienen acceso a herramientas de IA. Lo que les falta es alguien cuyo único trabajo sea hacer un seguimiento de los cambios, filtrar el ruido y convertirlo en flujos de trabajo que el equipo pueda utilizar realmente.

La mayoría de las organizaciones asume que, si los equipos tienen acceso a herramientas de IA, la adopción se producirá de forma natural. En la práctica, la concienciación y la síntesis son los factores limitantes. El panorama de la IA cambia tan rápido que ningún profesional del marketing puede mantenerse al día de forma realista con los nuevos modelos, herramientas, flujos de trabajo y buenas prácticas mientras desempeña sus responsabilidades principales. Cuando todos son parcialmente responsables de mantenerse al día, nadie es plenamente responsable de ello.

Según mi experiencia, crear una función específica de capacitación en IA dentro de la organización de marketing ha funcionado mucho mejor. No se trata simplemente de un administrador de herramientas ni de un ingeniero de instrucciones; es alguien con una profunda curiosidad por 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, en la práctica, en una capa interna de inteligencia. Evalúa nuevas herramientas, prueba casos de uso, sintetiza lo que resulta útil frente a lo que es ruido y, después, lo convierte en flujos de trabajo repetibles. Igual de importante es que actúa como puente bidireccional. Los miembros del equipo pueden plantearle problemas o ineficiencias, explorar soluciones basadas en IA y recibir recomendaciones estructuradas.

Esta función influye principalmente en la capacidad de concentración. Elimina de los colaboradores individuales la carga cognitiva de “mantenerse al día con la IA” y la centraliza en una única función cuyo único trabajo es adelantarse a las tendencias y distribuir eficazmente ese conocimiento. Sin ella, los equipos tienden a fragmentarse. Se produce una adopción desigual, prácticas incoherentes y experimentación duplicada. Con ella, se crea un efecto acumulativo en el que el aprendizaje se centraliza mientras la ejecución se distribuye.

Por qué los profesionales del marketing deben considerar la IA como un cambio del modelo operativo

El consejo más importante que daría a los líderes de marketing es que consideren este momento como un cambio del modelo operativo, no como una actualización de herramientas.

Es fácil dejarse arrastrar por la evaluación de herramientas, la prueba de funciones y la búsqueda de mejoras incrementales de productividad. Eso es importante, pero no proporciona la verdadera ventaja. El cambio real está en cómo se realiza el trabajo de marketing, cómo se estructuran los equipos y dónde se aplica el esfuerzo humano.

Hay varios principios especialmente importantes:

• En primer lugar, invierte en la calidad de los datos de entrada antes de ampliar la producción. La IA genera tanto contenido como le pidas, pero la calidad de ese contenido depende por completo de la claridad de tu posicionamiento, la definición de tu audiencia y tu narrativa. Los líderes que omiten este paso amplifican el ruido, como destaco en "Plan de marketing para startups tecnológicas".
• En segundo lugar, rediseña los flujos de trabajo, no solo las tareas. En lugar de preguntarte cómo puede la IA acelerar un paso existente, analiza todo el sistema, desde los datos de entrada hasta el resultado, y replantea su funcionamiento en un mundo en el que los borradores son instantáneos y la iteración es barata. Eso permite obtener mejoras de un orden de magnitud.
• En tercer lugar, crea espacio para una responsabilidad centrada en la IA. Ya sea mediante una función específica o un grupo pequeño, alguien debe mantenerse al día del panorama, probar herramientas y traducir todo ello en flujos de trabajo prácticos. Sin eso, los equipos se fragmentan y la adopción se estanca.

Sigue las novedades

Puedes seguir a Simone Morellato en LinkedIn.

¡Próximamente habrá más entrevistas con expertos en The CMO Club!