Todos los lunes a las 7 de la mañana yo abría seis pestañas. Google Analytics. Search Console. SendFox. LinkedIn analytics. Un Notion con fórmulas que se rompían cada dos semanas. Y una calculadora para hacer reglas de tres que me daban vergüenza ajena.
Dos horas después tenía una idea aproximada de cómo iba mi negocio. A veces ni eso — porque muchos lunes directamente no lo hacía. Estaba ocupado. O cansado. O ambas cosas.
Ahora abro un archivo de texto. Mi agente FBS lo genera cada lunes antes de que yo me levante. Tres minutos de lectura, ya con comparativas contra la semana anterior y una lista de dónde concentrarme. Si eres solopreneur y no revisas tus números cada semana, estás conduciendo con los ojos cerrados. Pero si revisarlos te lleva 2 horas, entiendo perfectamente por qué los saltas.
Te cuento cómo resolví ese problema con Claude Code y un agente que trabaja mientras duermo.
Por qué la mayoría de solopreneurs no revisan sus métricas
- Informe automático de negocio con IA
- Documento generado periódicamente por un agente de inteligencia artificial que recopila, analiza y resume las métricas clave de un negocio — tráfico, conversiones, contenido, costes — sin intervención humana. Sustituye a dashboards y hojas de cálculo con un resumen accionable en lenguaje natural que incluye comparativas y recomendaciones.
No es que no les importen. Es que es un coñazo.
Los datos están repartidos en 5 o 6 herramientas distintas. Cada una tiene su panel, su formato, su lógica. Para sacar algo útil tienes que abrir todo, copiar números, pegarlos en algún sitio y luego intentar ver patrones. Es un trabajo de analista, no de emprendedor.
Según un estudio de CB Insights (2025), el 42% de las startups que fracasan citan "no medir correctamente" entre sus errores principales. No es que no tuvieran datos — es que no los miraban porque el proceso era insoportable.
Yo lo viví en carne propia. Hubo tres semanas seguidas en las que no revisé mis números de newsletter. Cuando por fin miré, había perdido 47 suscriptores por un email que se enviaba doble. Tres semanas sin enterarme. Eso no habría pasado con un informe automático.
El problema real no es la falta de datos. Es que compilarlos es tan tedioso que lo pospones hasta que ya es demasiado tarde.
Mi sistema de métricas antes de los agentes IA
No te voy a mentir: mi sistema anterior era un desastre organizado.
Tenía un dashboard en Notion con métricas clave. En teoría se actualizaba manualmente cada lunes. En la práctica, lo actualizaba cuando me acordaba — que era menos de la mitad de las veces. Además tenía un Google Sheets con fórmulas para calcular crecimiento semanal que dejó de funcionar el día que Google cambió la estructura de sus exports.
El ritual del lunes era más o menos así: abrir Google Analytics, apuntar tráfico en un post-it. Abrir Search Console, buscar keywords que subían. Abrir SendFox, mirar aperturas y bajas. Abrir LinkedIn, screenshot del analytics. Pegar todo en Notion. Hacer cálculos. Intentar sacar conclusiones. Dos horas si iba bien, dos horas y media si algo fallaba.
Y lo peor: cuando acababa, no siempre sabía qué hacer con esa información. Tenía números, pero no contexto. No comparativas automáticas. No tendencias. Solo datos en crudo que necesitaban interpretación — que también era manual.
Cómo configuré mi primer informe automático con Claude Code
El cambio empezó cuando me di cuenta de algo obvio: el trabajo de compilar métricas es repetitivo, estructurado y predecible. Exactamente lo que un agente de IA hace mejor que un humano.
Configuré a FBS (mi agente de analítica) para que hiciera todo el trabajo en cuatro pasos.
Paso 1: definir qué medir. Esto fue lo más difícil. Empecé queriendo medir 30 cosas distintas. Terminé con 12 métricas repartidas en 5 secciones. La regla que me funcionó: si no vas a cambiar tu comportamiento basándote en esa métrica, no la midas. Punto.
Paso 2: identificar las fuentes de datos. Google Search Console (API), SendFox (API), datos del blog (archivos locales), LinkedIn (scraping manual que el agente automatiza), y mis costes (un JSON simple que actualizo una vez al mes).
Paso 3: escribir las instrucciones del agente. Esto es escribir un CLAUDE.md específico para FBS. Le expliqué qué datos extraer, cómo compararlos con la semana anterior, y qué formato usar para el output. Nada de gráficos bonitos — texto plano con números y flechas.
Paso 4: probar con datos de la semana pasada. Primer intento: el informe era de 3 páginas. Demasiado. Segundo intento: demasiado escueto. Tercer intento: perfecto. Un folio con las 12 métricas, comparativas y tres recomendaciones. El sweet spot.
Todo el proceso me llevó unas 3 horas. Desde entonces, cero mantenimiento.
Las 5 secciones de mi informe semanal
Cada lunes el informe tiene exactamente 5 secciones. Ni más ni menos. Las diseñé para poder leerlo en 3 minutos y saber exactamente dónde estoy.
La primera sección es tráfico web. Impresiones en Google, clics, keywords que suben o bajan, páginas con más crecimiento. FBS lo saca directamente de la API de Search Console. Me importan más las tendencias que los números absolutos — si paso de 40 a 52 impresiones en una keyword, eso es una señal de que algo funciona.
La segunda es contenido publicado. Cuántos posts de blog publiqué esa semana, cuántos posts de LinkedIn, si alguno tuvo un engagement fuera de lo normal. Esto es clave para correlacionar esfuerzo con resultado. Hay semanas que publico mucho y no pasa nada. Otras publico poco y explota algo. El informe me ayuda a ver esos patrones.
La tercera sección cubre la newsletter. Suscriptores nuevos, bajas, tasa de apertura, clics en enlaces. SendFox no tiene el panel más intuitivo del mundo, así que tener estos datos resumidos en dos líneas me ahorra 20 minutos de navegación.
La cuarta es LinkedIn. Impresiones totales, comentarios, mensajes directos recibidos, nuevos seguidores. Con 28.000 seguidores entre LinkedIn y X, necesito saber si la tendencia sube o se estanca. Ariel, mi agente de LinkedIn, genera el contenido — FBS me dice si está funcionando.
Y la quinta es costes y ROI. Cuánto gasté esa semana en herramientas, hosting, suscripciones. La gracia es que FBS compara el coste por canal con el resultado de cada canal. Así sé que mis ~115€/mes (100€ Claude Max + 15€ VPS) rinden más que los 12.000-16.000€ que costaría un equipo humano equivalente.
Cada semana mando automatizaciones reales que puedes copiar
Flujos que uso en mi negocio, paso a paso. Nada de teoría — solo cosas que funcionan.
🎁 Al suscribirte recibes mi guía: cómo llegué a 500 subs en <1 mes con agentes IA.
Cada sección incluye tres cosas: dato actual, comparativa con la semana anterior (con flecha arriba/abajo), y una recomendación si algo destaca.
Dashboard vs informe IA: por qué elegí texto plano
Esto sorprende a mucha gente. ¿Por qué texto plano en vez de un dashboard bonito con gráficos?
Porque los dashboards son pasivos. Los abres, los miras, los cierras. Son porno de métricas. Te sientes productivo viéndolos, pero no cambias nada. Llevo 12 años emprendiendo y he tenido dashboards en todos mis proyectos, incluido GuruWalk. La mayoría acababan sin actualizarse.
Un informe generado por IA es diferente. No solo te muestra datos — los interpreta. Te dice "el tráfico a tu post de Claude Code para no programadores creció un 23% esta semana, considera escribir un post complementario". Eso es accionable. Un gráfico de barras no te dice eso.
| Característica | Dashboard tradicional | Informe IA automático |
|---|---|---|
| Actualización | Manual o semi-automática | 100% automática cada semana |
| Formato | Visual (gráficos, tablas) | Texto con números y contexto |
| Contexto | Datos en crudo, tú interpretas | Datos + comparativa + recomendación |
| Tiempo de revisión | 15-30 minutos navegando | 3 minutos leyendo |
| Coste típico | 30-100€/mes (Tableau, Looker) | 0€ extra (incluido en Claude Max) |
| Accionabilidad | Baja — miras y cierras | Alta — te dice qué hacer |
Además hay un beneficio práctico que nadie menciona: un archivo de texto se busca con Ctrl+F. Quiero saber cuántas impresiones tenía hace 6 semanas — busco y lo encuentro en 10 segundos. Intenta hacer eso con un dashboard que solo muestra la vista actual.
Tres descubrimientos que no habría hecho sin informes automáticos
El valor real no está en ahorrar tiempo. Está en ver cosas que de otra forma no ves.
Descubrimiento 1: mis posts de LinkedIn de los martes triplicaban el engagement de los viernes. Llevaba meses publicando contenido sin mirar qué día funcionaba mejor. El informe de FBS lo detectó en la segunda semana porque compara rendimiento por día. Ahora Ariel prioriza los martes y jueves, y el engagement medio subió un 40%.
Descubrimiento 2: la newsletter perdía suscriptores cuando enviaba más de 2 emails por semana. Hubo un periodo donde pensé que más frecuencia era mejor. FBS detectó que las semanas con 3 envíos tenían el doble de bajas que las de 2. Sin el informe automático, habría tardado meses en darme cuenta — o no me habría dado cuenta nunca.
Descubrimiento 3: una keyword "silenciosa" estaba generando el 35% de mi crecimiento en impresiones. Era "claude code tutorial negocio", que según mis datos de Search Console llevaba 130 impresiones. FBS señaló la tendencia tres semanas seguidas. Sin ese dato, habría seguido invirtiendo esfuerzo en keywords que no movían nada.
Estos tres descubrimientos cambiaron decisiones reales en mi negocio. Y ninguno habría salido de un dashboard que abro y cierro en 30 segundos.
Errores que cometí al automatizar mis métricas de negocio
No fue un camino perfecto. Cometí tres errores gordos.
Error 1: medir demasiado. Mi primer informe tenía 30 métricas. Era inútil. Cuando todo es importante, nada es importante. Lo reduje a 12 métricas que realmente influyen en mis decisiones. Si una métrica no te hace cambiar algo, sobra.
Error 2: no incluir comparativas semana a semana desde el principio. Las primeras versiones solo mostraban el dato actual. "Tráfico: 1.200 visitas". ¿Eso es bueno o malo? No tenía ni idea. La comparativa con la semana anterior lo cambia todo: "Tráfico: 1.200 visitas (+18% vs semana anterior)". Ahora sí sé si estoy creciendo o no.
Error 3: olvidar el contexto cualitativo. Los números solos engañan. Si un lunes fue festivo, el tráfico baja y parece un desastre. Por eso añadí una sección al final donde yo escribo 1-2 líneas de contexto manual — "esta semana lancé producto nuevo" o "festivo el lunes". Me lleva 30 segundos y le da sentido a todo lo demás.
La lección general: un informe automático no tiene que ser perfecto desde el día uno. Iteras. Lo que importa es que lo generes y lo leas cada semana.
Cuánto tiempo me ahorra cada semana este sistema
Los números son claros.
Antes: 2 horas cada lunes (cuando lo hacía, que no era siempre). Abrir herramientas, copiar datos, pegar, calcular, interpretar. Después: 3 minutos leyendo el informe + 1 minuto anotando contexto. Total: 4 minutos.
En un año, eso son más de 100 horas liberadas. Cien horas que ahora dedico a crear contenido, hablar con mi audiencia y construir producto. No a mirar gráficos y hacer reglas de tres.
Pero el ahorro de tiempo no es lo más valioso. Lo más valioso es la consistencia. Antes revisaba mis números 2 de cada 4 semanas. Ahora las reviso las 4. Siempre. Porque no me cuesta nada — el informe ya está ahí cuando llego al ordenador. La diferencia entre un negocio que se pilota con datos y uno que va a ciegas no es la cantidad de datos disponibles. Es la frecuencia con la que los miras. Y para eso, automatizar con agentes IA es la respuesta más honesta que conozco.
Si tienes un negocio, por pequeño que sea, monta tu informe automático esta semana. No necesitas un dashboard de 200€/mes. Necesitas un agente que lea tus datos y te los resuma en lenguaje humano. Claude Code hace eso. Y cuesta lo que un almuerzo al mes comparado con la alternativa.
Antes abría 6 pestañas cada lunes para revisar mis números. Ahora abro un archivo de texto. La IA no solo recopila datos — los compara con la semana anterior y me dice dónde concentrarme. Es como tener un analista junior que trabaja gratis y no se queja.