Probé Claude 3.7 con NotebookLM y Gemini 2.5… es BRUTAL! 🚀 Casos de uso que puedes Hacer GRATIS

La clave no está en una pieza concreta, sino en el movimiento que nace cuando todas encajan. Actualmente tenemos muchas herramientas para crear cosas, desde aplicaciones, hacer investigaciones, audios y demás. Pero hay 3 inteligencias artificiales que uso que son claramente lo mejor en lo suyo: Notebook LM para procesar información, Gemini para investigaciones profundas y Claude 3.7 como la mejor para programar aplicaciones. Estas recibieron recientes actualizaciones que cambiarán la forma de trabajar para siempre. Y lo que más me gusta es lo bien que se combinan entre ellas. Para verlo, estaremos usando Notebook LM para encontrar información valiosa, ya sean de artículos, vídeos o incluso documentos. Y desde aquí orquestaremos la información de forma ágil. Luego usaremos Gemini para las investigaciones profundas, ya que Google es la líder para la búsqueda de información desde hace años. Con esto conseguiremos información valiosa que luego nos vamos a llevar a la última parte del proceso, en donde Claude 3.7 entrará en juego, analizando, estructurando, prototipando y creando aplicaciones por nosotros sin necesidad de saber ni escribir ninguna línea de código. Además, el proceso de todos los casos de uso que estarás viendo lo vas a poder hacer de una forma totalmente gratuita. ¿Suena bien? Pues apliquemos este flujo. Vamos a empezar con los análisis automatizados interactivos, ya sea para investigar una tendencia, producto o incluso el mercado. Con este primer caso de uso estaremos recopilando fuentes de información valiosa que que luego podamos exponer de una forma visual e interactiva en cuestión de minutos. Para verlo tenemos que empezar saltando a NotebookLM, una plataforma que te vas a encontrar abajo en la descripción junto a todas las que estaremos viendo en este vídeo. Y ya estando aquí, vamos a empezar con NotebookLM creando un nuevo cuaderno, y para ello vamos a utilizar la función de descubrir fuentes. Desde aquí nosotros le vamos a poder especificar aquel tipo de información que queramos buscar para que nos encuentre las mejores fuentes para ello. Yo para ello voy a empezar con un caso de uso real en donde me pregunto si está la educación preparada para el futuro laboral. Con esto realmente lo podríamos enviar, pero lo más potente de esta funcionalidad de Notebook LM es cuando le damos más información y le especificamos de forma concreta qué tipo de fuentes queremos. Para ello, en lugar de poner algo escueto, yo te recomiendo que lo complementes con algo como esto, donde ya le especifico qué tipo de información quiero, como es si la inteligencia artificial está redefiniendo la forma de aprender. Y esto pues aplicado en 4 bloques principales, como la transformación en la educación, las nuevas demandas del mercado, tecnologías emergentes y futuras proyecciones. Y por aquí abajo, fíjate qué interesante que le pongo site: y nombres de dominios concretos. Con esto realmente lo que conseguiremos es que la fuente de información las coja exactamente de estos sitios, que serían los líderes cuando queremos sacar este tipo de información. Aquí de hecho, si copio la primera de site:deloitte.com, al hacer esa misma búsqueda en Google, fíjate qué pasa. Ya que probablemente, salvo que seas SEO, no lo sabías, pero en el buscador cuando pones site: y el nombre del dominio, solamente te ponen los resultados de ese sitio web. Y como Notebook LM es tecnología de Google, también nos va a hacer este filtro. Así que ahora si clico en enviar, ya por aquí me empezaría a hacer las búsquedas de las fuentes. Y en aproximadamente unos 10 segundos más tarde ya tendríamos toda esta información valiosa. Pero sobre todo quiero que te fijes en cómo realmente tenemos información de Deloitte, que aquí de hecho si le doy un clic aquí voy a entrar a este documento oficial de esta empresa tal y como se le había especificado. Y del mismo modo pues tendría otra información como PwC, en donde podría ver ese PDF que efectivamente sería otro reporte oficial por parte de esta compañía, así como otras consultoras tan reconocidas como PMG, que al clicarlo pues ya podríamos ver información valiosa por parte de estas compañías, haciendo que ahora estemos ante un montón de fuentes que hasta hace no mucho nos hubiera costado mucho tiempo en poder llegar a ellas. Pero ahora sería tan fácil como clicar en importar, y mientras se están importando vamos a ver cómo podemos interactuar con esta información en formato audio. Y es que hace apenas unos días ya por fin NotebookLM ha sacado la funcionalidad de audio en español. Para utilizarlo sería tan fácil como clicar en configuración, idioma de salida, y desde aquí te vas a encontrar más de 50 idiomas para más de 200 países. En mi caso yo voy a seleccionar el español. Y teniéndolo guardado, pues ahora vamos a poder generar un audio en nuestro idioma y teniendo un resultado mucho mejor que cuando intentábamos traducirlo. Además, ahora el apartado personalizar lo vamos a poder dedicar realmente para decirle el foco que queremos en el podcast que nos genere, o incluso especificarle si queremos una duración mayor o menor. Yo, sin embargo, lo voy a dejar así. Y si clico en generar, pues unos minutos más tarde ya tendría generado este audio en donde me especifica que ya lo tenemos en el idioma español. Así que ahora vamos a escuchar los 30 primeros segundos.

Hola, hoy nos metemos de lleno en lo que nos espera en 2025, un año que pinta muy marcado por la inteligencia artificial, por esta búsqueda constante de ser más productivos y por cómo cambia nuestra forma de trabajar.

Exacto.

Tenemos informes de KPMG, de BBVA Research, tendencias que marcan desde ejecutivos.es, opiniones de foros como Reddit de grandes pymes, hasta una tesis sobre apps de productividad. Vamos a intentar sacar el jugo a todo esto.

Eso es, la idea es entender cómo— Bueno, y yo lo voy a cortar por aquí, pero quiero que te fijes en todas las muletillas y otros aspectos que lo hacen muy humano. De hecho, me gustaría que dejases ahora por el comentario si tú escucharas este audio, ¿realmente podrías detectar que es hecho por inteligencia artificial? Bueno, aparte de escucharlo, también vamos a poder jugar con la parte visual, y para ello vamos a hacer lo siguiente. Y es que desde Notebook LM le vamos a poder preguntar como si fuese un chatbot, solo que aquí nos va a dar respuesta en base a todas las fuentes de información que hemos introducido. Por lo que yo en este apartado le voy a decir que recopile todos los puntos cuantitativos más relevantes organizados por bloques, que nos ayude posteriormente a crear un panel con todos esos datos. Bien, si yo ahora clico en enviar, pues ahora me habría dado una respuesta basada en esa fuente de información concreta que tenemos de esos reportes oficiales por las compañías que le hemos dado. Así que con toda esta información ahora nosotros lo que podríamos hacer sería copiarla y en una hoja en blanco lo podríamos pegar y descargar como un PDF. Y ya con esto estaríamos listos para entrar a la plataforma de Claude y Y ya estando dentro de esta plataforma, que es la mejor para programar, nosotros ahora podríamos arrastrar el documento con todos esos puntos relevantes que hemos extraído de NotebookLM. Y teniendo seleccionado el modelo de Claude 3.7 Sonnet, que es el mejor para programar, y de hecho lo podemos utilizar en las versiones gratuitas, pues ahora le podría escribir el siguiente prompt en donde le voy a pedir un panel interactivo que muestre los insights principales relacionados con el sector educativo. Aquí básicamente le estoy pidiendo tanto gráficos interactivos de tasas de crecimiento y proyecciones, visualizaciones de tendencias, niveles de adopción de la tecnología, así como KPIs, es decir, las métricas clave del rendimiento de esa temática. Y además de eso también le voy a pedir 3 recomendaciones estratégicas de lo más importante. Bien, ya teniendo todo esto, si yo ahora clico en enviar, pues ya el modelo de Claude va a empezar primeramente a analizar ese documento que le hemos subido, y una vez ya tiene claro todos los requisitos, nos va a empezar a programar por nosotros todo el código necesario para crear ese panel interactivo. Y tras unos minutos Pues ya tenemos por aquí nuestro panel, que para verlo mejor lo voy a expandir más. Y desde aquí pues tendríamos esos datos clave que le hemos pedido, como la tendencia de la productividad en las pymes, así como otros datos como podría ser el impacto de la inteligencia artificial sobre el empleo, cómo se están adoptando las tecnologías en las empresas tanto a nivel de auditoría, automatización de informes, ciberseguridad y herramientas colaborativas. Y también observo por aquí que tenemos gráficos que me están impresionando, como esta de aquí sobre la competencia digital versus la ganancia media, que aquí de hecho una alta digitalización nos dice que gana de media unos 15,8 euros por hora, mientras que una baja digitalización se reduciría 9,5. Más abajo también tenemos datos como el índice de CEPYME, que es uno de los reportes que tenemos en Notebook LM, teniéndolo por diferentes categorías. Y además de esto, pues nos encontramos esas métricas claves. Y si nos vamos aún más abajo, también vamos a poder encontrar recomendaciones estratégicas. Y todo esto sin haber dedicado tiempo ni a la maquetación ni a programar. Y además, teniendo teniéndolo basados en datos relevantes de informes que hemos cogido de Notebook LM. Poder compartir información compleja de forma clara es clave. Por ello, ahora estaremos cubriendo cómo hacer presentaciones llenas de información valiosa sin PowerPoint y solo utilizando dos herramientas de Google. Para ello, vamos a volver a crear un nuevo cuaderno en Notebook LM y clicando en descubrir fuentes, ahora acabaría de escribir este prompt en donde le estoy pidiendo empresas que estén revolucionando sus procesos utilizando tecnologías emergentes como es la inteligencia artificial, automatización o la robótica avanzada. Aquí básicamente quiero conocer cuáles son los líderes y startups prometedoras. Lo más interesante es que nuevamente vamos a poder filtrar desde aquí, ya que si yo le especifico el año de información en la que quiero que coja todas esas fuentes, pues también lo va a tener en cuenta. Así que para ello ahora voy a clicar en enviar. Y ya teniendo importadas las 10 fuentes de información que hemos hecho con la primera búsqueda, que aquí he hecho por ver alguna, voy a clicar por ejemplo en esta fuente. Y si selecciono este botón, pues ya aterrizaría a esta fuente, que además vamos a poder comprobar que lo tenemos del 2025, al igual que esta otra fuente de aquí que también tendríamos en el mismo cuaderno. Lo ideal sería ver cada una de estas fuentes y realmente aquellas que no nos cuadrasen la elimináramos. Y en el caso que nos falte algo más de información, pues ten en cuenta que volviendo a clicar en descubrir pues vas a poder seguir importando más fuentes. En mi caso, como yo ya las he revisado y todas me cuadran bastante, pues ahora desde Nookduke LM le voy a decir directamente que me liste las 5 empresas líderes así como las startups prometedoras. Por lo que ahora aquí voy a clicar en enviar y segundos más tarde pues ya tendríamos esa información, que por cierto cada una de estas frases van a estar referenciadas con las fuentes que nosotros hemos elegido. Y aquí, como podemos ver, tenemos compañías como NVIDIA, IBM, Tesla, Adobe. Y si nos vamos más abajo, también vamos a poder encontrar startups prometedoras como Query o Apptronic. Bien, en mi caso voy a querer hacer una investigación más a fondo sobre NVIDIA, ya que esta está dando mucho que hablar. Y ahora, para hacer una investigación aún más profunda, la clave sería ir a la herramienta de inteligencia artificial que es la mejor para hacer investigaciones profundas. Esta Gemini 2.5. Así que desde la plataforma, en el caso que no tenga la versión de pago, vas a poder utilizar el Deep Research de la 2.0, que sigue siendo el mejor por detrás del que te voy a mostrar ahora, ya que si tuviese la versión Advanced podrías utilizar el Deep Research con el 2.5 Pro. Y ahora pues podemos seguir investigando. Para ello yo le voy a poner el siguiente prompt, en donde lo voy a expandir desde aquí para poder verlo bien, ya que le estoy pidiendo principalmente un análisis estratégico profundo sobre la compañía NVIDIA con un enfoque ejecutivo y visión de futuro. Aparte de esto, también le algunos puntos, como quiero la visión estratégica, los modelos de negocio, así como otros aspectos importantes a tener en cuenta, como es su propuesta de valor. Si yo ahora clico en enviar, pues la inteligencia artificial de Google primeramente lo que va a hacer va a ser analizar todo el prompt de lo que yo quiero investigar para proponer un plan estratégico de investigación. Si yo clico en el más, vamos a poder ver cada uno de los pasos que va a seguir esta inteligencia artificial para sacarnos este informe, en este caso con 8 pasos distintos. Y desde aquí incluso nosotros lo podríamos modificar. Sin embargo, yo lo he estado leyendo y como lo hace bastante bastante bien. Voy a confiar clicando directamente en empezar la investigación. Y ya por aquí el modelo más potente de Gemini estaría haciendo su trabajo, tanto pensando como buscando en fuentes de información relevantes. Y como puedes ver, gran parte de ellas son las oficiales de la propia compañía que le he especificado. Y tras aproximadamente unos 20 minutos, ya tenemos aquí un informe en detalle con un montón de profundidad, teniendo cada uno de estos párrafos nuevamente referenciados por fuentes relevantes. E incluso nos vamos a encontrar tablas con informaciones cuantitativas de esta compañía que le hemos especificado. Y para verlo de una mejor forma, voy a clicar en exportar a documentos. Y desde aquí pues vamos a poder ver cómo realmente nos ha hecho más de 35 páginas de información. Y además, si nos vamos directamente a las citas, vamos a poder descubrir que ha buscado en muchísimas fuentes, como estás viendo por aquí. Ahora sería momento de ver esta información de una forma más sencilla, ya que el tiempo es oro y quizás lo queramos compartir con alguna persona que no tenga mucho tiempo tiempo. Así que para ello vamos a clicar en Archivo y nuevamente lo vamos a exportar como PDF. Y ahora, para este siguiente caso de uso, podríamos estar utilizando Claude 3.7, aunque realmente cuando tenemos tanto contexto como es una investigación profunda de varias decenas de páginas, lo ideal sería utilizar el modelo de Gemini 2.5, ya que estos son los que mayor contexto tienen, teniendo actualmente 1 millón de contexto y próximamente 2 millones. Y esto será clave para que tenga en cuenta toda la información para poder trabajarla de forma visual. Por ello, yo me voy a venir a Gemini 2.5 Pro y activando la funcionalidad de Canvas le voy a poner este siguiente prompt, en donde básicamente le vamos a decir que transforme la información en una presentación visual que sea de alto impacto y orientada a ejecutivos. Para ello le vamos a pedir una estructura clara y elegante y que tenga aspectos importantes para poder recoger la información de una forma más rápida. Aquí de hecho le estoy especificando que cada gráfico e información debe interpretarse en menos de 10 segundos. Así que ahora simplemente voy a arrastrar el PDF que nos acabamos de descargar y clicando en enviar, pues ya Gemini nos estaría empezando a programar todo este código por nosotros. Y después del primer intento y algunos segundos después, ya tendríamos este panel de NVIDIA con información ejecutiva clave a tener en cuenta para poder verla de un vistazo, teniendo por aquí la visión general de esta compañía, los ingresos que tiene en este año por cada uno de sus segmentos. También vamos a poder encontrar gráficos de araña que me han impresionado bastante, ya que nos muestra de una forma muy clara la compañía NVIDIA, teniéndolo con las líneas estas verdes que vamos a poder ver de una forma totalmente interactiva. Y además también tenemos la competencia, teniendo AMD con este color rojo para poder ver la comparativa de una forma clara, como por ejemplo la innovación, precio, o incluso la cuota de inteligencia artificial, así como otras compañías como podría ser Intel. Aparte de esto, también nos ha añadido un mapa de posicionamiento inteligencia artificial, teniendo por aquí palabras clave a tener en cuenta. Y deslizando un poquito más abajo también nos vamos a encontrar con un análisis DAFO, así como las oportunidades estratégicas a tener en cuenta. Por último, también nos dicen tanto los riesgos y amenazas que se debería trabajar en esta compañía, junto con un cierre ejecutivo con los siguientes pasos que tendríamos que hacer. Y además, toda la información que acabas de ver son de fuentes relevantes, con esa investigación profunda que vimos antes, teniendo el valor añadido de tenerlo representado para poder verlo de una forma rápida. Tanto tú como algún posible inversor al cual le quieras compartir esta información. Con estos últimos casos hemos visto cómo podemos acceder a información valiosa e incluso visualizarla de forma interactiva, pero también es muy importante saber comunicar bien esta información. Para ello, ahora vamos a estar viendo cómo estas inteligencias artificiales pueden adaptar nuestro discurso para la audiencia que nos vayamos a dirigir. Para ver este nuevo caso, vamos a saltar nuevamente a Notebook LM y vamos a descubrir nuevas fuentes. La primera que queremos descubrir, pues, serían charlas, TED, que son las referentes a nivel conferencias, que sean exitosas de todos los tiempos y que estén en YouTube, para que podamos analizar qué han hecho bien estos conferenciantes. Así que ahora vamos a clicar en enviar. Ya unos segundos más tarde tendríamos todas estas fuentes relevantes a tener en cuenta para basarnos de anteriores conferencias TED y adquirirlo para nuestra comunicación. Así que ahora, clicando en importar, ya la estaríamos sumando a nuestro cuaderno. Bien, una vez ya tenemos estas grandes ideas de TED, ahora vamos a volver a clicar en descubrir fuentes y nos vamos a centrar en rastrear voces auténticas del emprendimiento digital para poder identificar esos relatos de fundadores o educadores online que estén contando su historia sin filtros, dándole aquí un foco en la conversación, youtubers de emprendedores, más charlas TED, así como valoraciones en primera persona. Bueno, teniendo ya esto, vamos a clicar en enviar y sumaríamos estas fuentes. Y ya con toda esta información que estamos añadiendo, pues vamos a tener un montón de datos valiosos de personas que hayan hecho charlas de forma exitosa. Pero ahora la clave sería añadir información sobre persona a la cual nos vayamos a dirigir, ya que esto tendríamos que personalizarlo. En mi caso, yo voy a imaginar que le quiero vender la idea a un inversor, así que para ello, en descubrir fuentes, le voy a decir que busque las dudas y preocupaciones más comunes de inversores digitales para que realmente mi charla le pueda solventar eso y que apuesten por mí. Aquí nuevamente le voy a especificar alguna fuente de información, como son foros Reddit o redes sociales como X y LinkedIn. Y clicando en enviar, pues segundos más tarde ya tendríamos un montón de fuentes de información relevantes, por lo que importamos. Y una vez vez tengamos procesadas las fuentes, ahora podríamos trabajar en nuestro propio estilo de comunicación. Para ello, desde Notebook LM le podemos especificar el siguiente prompt, en donde le voy a pedir que nos desarrolle una guía de estilos para mi marca enfocada en conectar con inversores que quieran invertir en productos online, lanzar formaciones o utilizar herramientas de SaaS. Para ello quiero que tenga en cuenta tanto el vocabulario clave, ejemplos de mensajes, estructura lingüística y tonos de voz más efectivos. Bien, con todo esto, si yo ahora clico en enviar, pues ahora va a estar procesando esta petición teniendo en cuenta las mejores conferencias TED, voces de emprendedores y las necesidades de los inversores a la cual nos queremos dirigir. Y efectivamente, unos segundos más tarde ya tendríamos creado nuestra guía de estilo, tanto con vocabulario clave e incluso términos que deberíamos de usar en estas charlas, que además cada una de esta información nuevamente la vamos a tener referenciada. Y aquí, como puedes ver, pues tenemos palabras como pitch, product-market fit, desarrollo de cliente, sostenibilidad, y al fin y al cabo términos que utilizaría un inversor. Luego también nos especifica términos que debemos de evitar, como es la palabra influencer o incluso el lenguaje vago, como nos dice por aquí. También nos muestra ejemplos de mensajes efectivos versus los que son genéricos y fríos para que podamos seguir practicando. Aquí de hecho veo que tenemos bastantes ejemplos, y también nos muestran estructuras lingüísticas clave para que podamos tener una conexión haciendo que esta sea lo más empático y cercano posible. También nos termina por abajo diciendo qué tono de voz sería el más efectivo. Y realmente pues aquí tendríamos un montón de información clave de cara a cuando queramos comunicar algo. Ahora, con toda esta información, lo que podemos hacer sería clicar en este botón que pone guardar como nota. Y si le doy un clic, pues automáticamente por este lado de la derecha se nos habría guardado toda esta información para que nunca la perdamos. Pero ahora imaginemos que queremos vender nuestra idea y necesitamos hacer un elevator pitch para vender nuestro proyecto en menos de 60 segundos. Pues nuevamente nos podemos venir a Gemini, ponerle un prompt como este, en donde en mi caso voy a hablar de la plataforma Amazon. Y aquí básicamente quiero que haga una radiografía estratégica y actualizada de esta compañía de Amazon. Para ello quiero conocer tanto la arquitectura de ingresos, ventajas estructurales, así como otros aspectos como es la voz del usuario. Bien, si yo ahora habilito la opción de búsqueda profunda y clico en enviar, pues unos minutos más tarde ya tendría toda esta investigación valiosa de una empresa que quizás vaya a representar. Y ahora yo podría clicar en exportar, nuevamente me lo voy a descargar en formato PDF, y desde nuestro cuaderno de Notebook LM podríamos clicar en añadir, arrastramos nuestro PDF y ya lo habría procesado por aquí. Teniendo ahora esta información valiosa, pues ahora nuevamente le voy a poder preguntar, pues por ejemplo, por ayuda para construir mi pitch de 60 segundos para presentar a amazon.com. Aquí le podemos especificar cómo queremos que empiece, cómo queremos que sean las explicaciones y el tono a utilizar, pero tenemos que tener en cuenta que ya al tener este cuaderno va a tener en cuenta todas las anteriores fuentes valiosas que hemos cogido. Así que si yo desde aquí ahora clicas en enviar, pues ya tendríamos nuestro pitch listo para que lo podamos decir. Aquí de hecho me ha dado por leerlo y efectivamente da esos 60 segundos tal y como se lo he pedido. Le podrías dar a pausa por si quieres comprobarlo, porque yo lo acabo de leer y el texto está bastante bien explicado. Nuevamente por aquí puedes clicar en guardar como nota para que por la parte de la derecha ya te aparezca por aquí guardado. Y si le das un clic, pues ya podrías entrar en esta nota que vas a poder visualizar e incluso convertir en una fuente, aunque aquí realmente tendríamos algo a medida para que realmente seamos nosotros los que lo digamos. Debemos tener en cuenta también que cuando hacemos algo como elevator pitch, quizás luego surjan preguntas y estar preparados es muy importante. Y esto también lo podemos hacer con la ayuda de NotebookLM. Para ver este caso, voy a clicar en descubrir fuentes, solo que ahora desde aquí le voy a decir que me identifique los frenos mentales más frecuentes que expresan los inversores cuando evalúan a una startup como podría ser la nuestra. Aquí le vamos a pedir que se centre en todas las fases y también que incluya dudas estratégicas con preocupaciones sobre el equipo, el producto o la escalabilidad. Así que ahora vamos a clicar en enviar, revisar buscaríamos estas fuentes de información, que yo de hecho las acabo de ver y están sorprendentemente bien, teniendo por ejemplo 15 preguntas frecuentes de un reporte de Silicon Valley, así como otra fuente de información que están bastante bien. Por lo que, como a mí me han gustado todas, voy a clicar en importar. Y ya teniéndolas todas, pues ahora le voy a poder especificar este otro prompt en donde básicamente quiero que me recopile las objeciones que podría tener un inversor, incluyendo categorías, preguntas típicas y la respuesta breve sólida que podríamos dar nosotros, pero que sobre todo tenga en cuenta nuestro objetivo de anticiparnos a dudas para reforzar nuestros discursos y, al fin y al cabo, que argumentemos de una forma clara. Bien, si yo ahora clico en enviar, y aquí se estaría procesando 36 fuentes de información con todo lo que le hemos volcado a Notebook LM, y unos segundos más tarde, fíjate lo que tenemos por aquí. Ya que, como puedes ver, Notebook LM también es capaz de crearnos tablas. Aquí teniendo la categoría, que sería en este caso primero un problema-solución, teniendo en segunda columna la pregunta típica que se podría hacer el al cual nos vayamos a dirigir. Y por último, qué respuesta sólida le podríamos dar basándose en las fuentes de información que nosotros le hemos especificado. Esto realmente nos lo pone tanto para el mercado, modelos de negocio, temas de financiación, del equipo, competencia, hasta escalabilidad, que son las cosas que le hemos pedido. Aquí nuevamente, si nos gustase, lo podríamos guardar como una nota. Y además, más allá de esto, también podríamos copiarlo y desde Gemini podríamos clicar en Gestor Gems, y clicando en Nuevo Gem podríamos pegar aquí aquí toda esa información que acabamos de coger de NotebookLM para que luego, dándole un nombre como es Preguntas de Inversores, yo ahora podría guardar este asistente, que sería como los GPTs de OpenAI, solo que gratuitamente. Y desde aquí, iniciando un nuevo chat, podríamos practicar con nuestro propio asistente personalizado basado en información real. Vamos a terminar con el último caso de uso en donde vamos a ir más allá de un curso, ya que a veces cuando queremos empezar con un proyecto de una forma más seria, pues quizás necesitemos aterrizar nuestra idea a una primera versión o prototipo, pero teniendo estos bajo una base sólida de información. Para ver cómo trabajar esto, vamos a volver a Notebook LM para crear un nuevo cuaderno, y aquí voy a volver a clicar en descubrir fuentes. Y ahora lo primero que quiero saber son las mejores prácticas para un diseño de producto de software en este año 2025. Aquí le voy a especificar fuentes de información relevante para lo que quiero conseguir, y además fíjate que también le puedo especificar el formato de la fuente que quiero, en este caso siendo PDFs. Así que ahora voy a clicar en enviar y ya por aquí pues tendría toda esta información. Así que vamos a importarla. Mientras se va procesando, voy a volver a clicar en descubrir y ahora vamos a seguir enriqueciendo con más datos relevantes, como son estudios de experiencia de usuario y estadísticas de plataformas de software as a service en el 2025. Vaya, para crear ese programa que queremos hacer. Aquí nuevamente le voy a especificar algunas fuentes de información y palabras clave que me gustaría que buscase. Así que vamos a clicar nuevamente en enviar y tras revisar las referencias que queremos quedarnos, clicaremos en importar. Bien, ahora voy a terminar con un último caso en donde describiendo fuentes le voy a poner el siguiente prompt de tendencias de paletas de colores para productos de software en 2025, ya que quiero algo muy aterrizado y que me recomiende directamente cómo debería hacer mi aplicación teniendo en cuenta las mejores prácticas de este año en el que estamos. Aquí estoy utilizando nuevamente fuentes relevantes. Así que vamos a clicar en enviar y las importaríamos nuevamente. Bien, una vez ya tenemos todos estos datos muy relevantes si queremos crear una aplicación, pues ahora desde este apartado le podríamos hacer preguntas basadas en todas estas informaciones. Para ello yo le voy a decir que cree ahora un informe con las mejores prácticas de usabilidad que debe tener en cuenta un diseño para un prototipo de un software. Aquí le voy a pedir también que añada aspectos claves como la paleta de colores y otros datos aterrizados, por lo que ahora voy a clicar en enviar y tras unos segundos más tarde ya tendríamos este reporte súper interesante, tanto con la paleta de colores claves que deberíamos de utilizar, aspectos importantes a considerar, cómo debería ser la accesibilidad y contraste, así como la estructura y elementos claves del diseño para nuestra aplicación. Bien, con toda esta información yo ahora podría copiar, llevármela a un documento. Quito la respuesta primera para quedarme simplemente con el informe. Y ahora nuevamente, si clicamos en descargar y exportar como PDF, nos podríamos volver a Claude y desde aquí le podríamos poner todas esas buenas prácticas que debe tener un software en este año de 2025 para que lo siga al pie de la letra. Y adicionalmente, por este apartado le podemos especificar la aplicación que queremos crear. Para ello yo le voy a poner este prompt de aquí, en donde básicamente le estoy diciendo que actúe como un diseñador de usabilidad especializado en crear prototipos visuales. Su objetivo es generar un boceto, en este caso para crear un dashboard para monitorizar el sentimiento de marca, ya que aquí quiero crear un programa que le sirva a las empresas para que puedan ver cómo es la percepción de los usuarios hacia su marca. Por ello le di un poco más de información. Y aquí adicionalmente, como quiero que sea un prototipo, le digo que no se preocupe por la lógica del backend, es decir, lo que hay por detrás, y que me lo haga de una forma simple en una sola página. Aquí voy a querer que por un lado me refleje la información como menciones de texto, las fuentes y el sentimiento, si es positivo o negativo. También quiero que me añada gráficos, una nube de palabras, tablas, y al fin y al cabo información relevante para aquellas empresas que quieran ese sentimiento de marca. Y por último, en cuanto a la guía de estilo, fíjate que aquí le he puesto según lo adjunto, ya que vamos a estar cogiendo todas estas buenas prácticas que hemos cogido de Notebook LM para que lo tenga en cuenta para nuestro prototipo. Así que ahora voy a clicar en enviar y ya el modelo más potente de inteligencia artificial nos estaría empezando a programar todo el código por nosotros. Y nada, unos minutos más tarde ya tenemos por aquí nuestra aplicación, que para poder verlo de una forma más clara nuevamente lo voy a ampliar. Y fíjate qué pinta tiene esto, teniendo por aquí un dashboard de sentimiento de marca, desde donde aquí los usuarios podrían clicar en cuánto tiempo quieren ver los datos. Aquí de hecho me añadió un botón de conectar redes, que si le doy un clic vamos a poder ver que la marca podría conectar su Twitter, Facebook, así como cualquier otro tipo de red social, incluso monitorizar los foros de plataformas como Reddit. Aparte de esto también tendrían un botón para exportar un informe, y luego tendríamos por aquí abajo pues todos los KPIs, teniendo el índice de sentimiento sobre 100 puntos, en ese caso teniendo un 78%, y también nos muestra la variación de cómo va aumentando o disminuyendo esa percepción positiva. Luego también nos dice todas las menciones que nos están haciendo, el engagement y el alcance de nuestra marca. Por aquí abajo nos muestra una gráfica de la evolución del sentimiento, siendo la línea verde positivo y la línea roja como sentimiento negativo. También se nos desglosa por aquí las menciones por cada una de las plataformas. Y por aquí también tendríamos un asistente inteligencia artificial que le diría al cliente qué debería de hacer para mejorar su reputación, así como resúmenes de la distribución de su sentimiento de forma general, y todo el desglose de menciones que están teniendo de esta marca, que aquí tenemos todo ficticio, pero imaginemos que esto lo hacemos real. Y abajo del todo nos pondré también los términos clave en una nube, teniendo en verde las palabras positivas, en rojo las que serían negativo, y en gris las palabras neutrales. Y sí, con esto realmente podemos aterrizar un proyecto de forma seria. Y si esto lo juntamos con las capacidades de comunicación que podemos adquirir con el caso de uso previo que hemos visto, así como los reportes y análisis automatizados que hemos estado viendo a lo largo de este vídeo, pues hace que estemos en un momento donde tenemos al alcance de nosotros un montón de herramientas muy potentes. Y con esto me gustaría que me dejase abajo en los comentarios qué te han parecido estos 4 casos de uso profesionales. Y oye, comparte también si te gustó. Como estamos viendo, ahora podemos tener un flujo de trabajo óptimo combinando las virtudes de las herramientas adecuadas. Y es que las grandes ideas nacen cuando conseguimos conectar puntos que otros no ven.