Black Friday + AI: 7 experimentos reales que probé este año

Llevo años viendo Black Friday de cerca en LatAm. Cada año todos los gurús prometen que la AI va a cambiar todo. Cada año la realidad es más matizada. Este año decidí ser sistemática: separé un porcentaje del presupuesto y de mi tiempo para experimentar, con métricas claras y un post-mortem honesto. Acá lo que pasó.

El setup pre-BF

Tres reglas antes de empezar: cada experimento tenía que tener una métrica binaria de éxito decidida antes de correrlo, ningún experimento podía superar el 20 por ciento del presupuesto del canal donde corría, y todos tenían que documentarse aunque salieran mal. Sin eso, todo se vuelve teatro.

Los 7 experimentos

1. Hooks generados masivamente para ads pagos

Le pide a Claude que generara 80 variantes de hooks para tres audiencias distintas. Filtré con un humano hasta 24, lancé las 24 en pequeño volumen, escalé las que tuvieron CTR arriba del promedio. Resultado: las ganadoras fueron tres ángulos que el equipo nunca habría escrito por sí mismo. Movió la aguja. Recomendado.

2. Video corto generado con Sora 2

Tres piezas de 8 segundos para feeds. Estéticamente quedaron bien. El problema fue otro: la calidad de marca. Generar video que se sienta marca-tuya y no marca-AI-genérica todavía requiere mucho trabajo de prompts y selección. El video AI funcionó como complemento a contenido real, no como reemplazo. Empate.

3. Segmentación con embeddings

Tomé la base de clientes existentes, generé embeddings de las descripciones de su comportamiento de compra y armé clusters. Sirvió para descubrir tres microsegmentos que estaban escondidos en la data. A esos tres microsegmentos les armé landing y oferta específica. Performance superior al promedio. Movió la aguja en serio.

4. Copy multivariante por segmento

Una vez identificados los microsegmentos, le pide a Claude variantes de copy específicas para cada uno. El reto: que el copy se sintiera escrito por humanos del barrio, no por traducción de gringo. Funcionó solo después de iterar el prompt varias veces y darle contexto cultural local. Cuando funcionó, funcionó muy bien. Recomendado con asterisco: tomate el tiempo del prompt.

5. Agente de atención al cliente sin supervisión

Lo monté como soporte de primer nivel para preguntas de envío, tallas, devoluciones. En pruebas controladas, perfecto. En volumen real de Black Friday, dos errores costosos: dio información incorrecta de stock y prometió un envío que no era posible. Aprendí: agente sí, pero asistido. Humano revisa antes de mandar respuesta sensible. Mal experimento, buena lección.

6. Generación de assets gráficos

Banners, posts de redes, headers de email. AI generó borradores, diseñador humano refinó. Recortó tiempo a la mitad. No fue glamuroso ni revolucionario, pero fue eficiente. Recomendado pero sin esperar magia.

7. Post-mortem automatizado

Después del evento, monté un pipeline que junta datos de ventas, ads, atención y email, y le pasa todo a Claude para producir un análisis preliminar. El humano edita, valida y publica. Lo que antes tardaba una semana, ahora tarda dos días. Recomendado para cualquier evento grande.

Lo que sí movió la aguja

Tres cosas: hooks masivos para ads, segmentación con embeddings, post-mortem automatizado. Lo que tienen en común es que la AI hace volumen o procesamiento que un humano no puede, pero el humano sigue eligiendo y validando. Patrón claro: AI genera o procesa, humano decide.

Lo que decepcionó

Cuatro cosas: video AI pretendiendo reemplazar producción, agente sin supervisión en volumen, copy AI sin contexto cultural local, y, lo confieso, el experimento que no incluí en la lista de los 7 porque ni siquiera salió: un chatbot de recomendación de productos que era tan torpe en la primera pregunta que lo apagué a la hora.

Qué hago yo

yo recomiendo esta regla simple: en eventos pico como Black Friday, la AI va donde puede generar volumen o procesamiento que escala mal con humanos, pero el humano valida cualquier output que toque cliente directo. Esa frontera te ahorra desastres.

El otro principio: documenta todo. Los experimentos buenos te dan playbook para el año siguiente. Los experimentos malos te dan algo aún más valioso, evitas repetir el error. Si no escribes el post-mortem, vas a volver a tropezar con la misma piedra el próximo Black Friday. Es ley.

Última cosa: no compres el discurso de "AI va a transformar Black Friday". La AI es una palanca más en tu caja. La estrategia, la oferta, el producto, el servicio, el equipo, todo eso sigue mandando. AI no salva una mala oferta. AI bien usada amplifica una buena.