Prólogo: Aquella llamada telefónica
"Sr. Kim, ¿podría buscarme el material de la capacitación que dio para Hyundai Wia hace cinco años? El análisis de escenarios de ventas B2B que preparó entonces me pareció excelente."
Un viernes por la tarde llegó una solicitud que ya conocía. Instintivamente abrí Google Drive. Carpeta 'Clientes' → 'Hyundai WIA' → ¿2018? ¿2019? Abrí la carpeta. Ocho archivos de Keynote. Los abrí uno por uno. "Esto no es…" Volví a cerrarlo. Revisé otras carpetas. 'Material de clase' → 'Ventas B2B' → más de 40 archivos.
Al final lo encontré en 45 minutos. Bueno, para ser exactos, encontré un archivo que parecía ser «este…». No estaba 100% seguro.
Esto no pasa una o dos veces. Solo en los 15 años que llevo dando clases, tengo más de 2,000 archivos de presentaciones de Keynote. Si sumamos las propuestas por cliente, los programas de capacitación, los contratos y los materiales de análisis, son decenas de miles. Pienso "seguro que está en algún lugar…", pero encontrar ese 'algún lugar' siempre fue un suplicio.
Y había un problema aún mayor. Los artículos de mi blog, el contenido de mis clases en YouTube y la teoría que resumí en mis libros — todo estaba disperso, por separado. Sobre un mismo tema, en el blog lo escribí de una forma, en la clase lo dije de otra y en el libro lo organicé de un modo distinto. Era mi conocimiento, pero ni yo mismo podía verlo completo de un vistazo.
Así que tomé una decisión: «Le voy a entregar a la IA mis 15 años completos».

Día 1: La batalla con 2,023 archivos de Keynote
Comienzan los tropiezos
Sábado, 7 de la mañana. Me preparé un café y me senté frente a mi MacBook. El plan era sencillo: incorporar todo mi material de clases en una base de datos que la IA pudiera consultar. Técnicamente, se trata de construir un sistema RAG (Retrieval-Augmented Generation); dicho de forma sencilla, **«crear un asistente de IA que recuerde todo mi material»**.
El primer obstáculo fueron los archivos de Keynote. Primero había que convertir 2,023 presentaciones de Keynote a PDF. Intenté una conversión por lotes con Automator de Mac. Al principio iba bien: 100, 200… Pero se detuvo alrededor de 500. Los archivos con caracteres especiales en el nombre arrojaban errores. Paréntesis, almohadillas, ampersands — los nombres de archivo que puse sin pensar durante 15 años se volvieron un problema.
Se lo pedí a Claude Code: «Crea un script de conversión que también procese nombres de archivo con caracteres especiales». Quedó resuelto en 5 minutos. Antes, esto me habría tomado medio día buscando en Stack Overflow.
73,000 diapositivas
Terminada la conversión a PDF, extraje el texto de cada diapositiva. Promedio de 36 por archivo. De 2,023 archivos salieron 73,000 diapositivas con texto.
Pero aquí surgió un problema. Muchas diapositivas contenían solo "…", números de página o texto vacío. Este ruido contaminaba los resultados de búsqueda. Al revisar los registros sin sentido de menos de 20 caracteres, encontramos 7,983. Decidimos eliminarlos.
Carpetas de clientes de 15 años
Los materiales de clase no bastaban. Tengo carpetas ordenadas por cliente: Hyundai Motor, Samsung Electronics, LG, POSCO… Cada carpeta contiene la propuesta de capacitación, el programa a medida, el análisis previo y el contrato.
Extraje todo esto como texto y lo guardé en la base de datos. Se añadieron 67,000 fragmentos de archivos. A las 11 de la noche terminó el primer día. Tenía los ojos cansados, pero me llenó de satisfacción ver 140,000 registros en la base de datos.
Día 2: Mi vida entera, en formato digital
8,590 contactos de Google
Llegó la mañana del domingo y empezó el segundo día. El objetivo de hoy es incorporar todo lo que no sea material de clase.
Primero, la libreta de direcciones de Google: 8,590 contactos de personas que conocí en la capacitación durante 15 años. Nombre, empresa, cargo y correo electrónico: también los convertí en vectores e incorporé. Ahora, si busco «responsable del equipo de marketing de Samsung Electronics», aparecen los contactos relacionados, ordenados por similitud.
Blog, YouTube y libros
A continuación, el contenido.
499 publicaciones en Naver Blog. Artículos sobre marketing B2B, ventas y negociación que escribo desde 2012. Ejecuté un script de rastreo para recopilarlos todos y los vectoricé.
215 videos de YouTube. Extraje los subtítulos y guardé también los metadatos y los comentarios. Ahora puedo buscar en texto lo que dije en cada video. Si busco «Cómo generar confianza en el cliente en el marketing B2B», aparece lo que expliqué en un video de 2024.
200 artículos en Brunch. Son textos con un estilo más ensayístico: tendencias de marketing, historias de las aulas y experiencias de operar un negocio unipersonal.
Mi libro «Diseño del marketing B2B». Lo dividí en 345 fragmentos e incorporé. Ahora la IA puede responder citando el contenido de mi libro.
10 columnas del sitio web. Tampoco faltaron las columnas publicadas en el sitio web de Nanum Consultoría.
Al llegar la noche, esto es lo que se veía en la base de datos:
Fuente de datos Cantidad
| Diapositivas de clase | 73,000 diapositivas |
| Archivos de clientes | 67,000 casos |
| Libreta de direcciones de Google | 8,590 personas |
| Blog | 499 |
| YouTube | 215 |
| Libro | 345 fragmentos |
| Brunch | 200 |
| Columnas del sitio web | 10 |
Son 15 años de registros de mi trabajo reunidos en una sola base de datos.
Día 3: Enseñarle 'el significado' a la IA
Vectorización — buscar el significado, no las palabras
La tarea clave del tercer día fue la vectorización. Dicho de forma sencilla, consiste en asignar a cada texto unas 'coordenadas de significado' que la IA pueda entender.
La búsqueda normal coincide por palabras clave. Si busco «marketing», solo encuentra los documentos que contienen la palabra «marketing». La búsqueda vectorial, en cambio, es distinta. Si busco **«estrategia para entregar valor al cliente»**, encuentra material de clase, artículos de blog y subtítulos de YouTube relacionados por significado, aunque no aparezca la palabra «marketing».
Usamos el modelo de embeddings Voyage AI. Aplicar vectores de 1,024 dimensiones a más de 150,000 textos tomó varias horas, pero el resultado fue sorprendente.
Consolidación de la búsqueda híbrida
La búsqueda vectorial pura no bastaba. Para nombres propios como «Hyundai WIA» o «Samsung Electronics», la coincidencia exacta de palabras clave funciona mejor que la búsqueda por significado. Por eso implementé una búsqueda híbrida que combina búsqueda vectorial y búsqueda por palabras clave.
Los contenidos semánticamente parecidos los encuentra el vector, y los nombres o fechas exactos los encuentra la palabra clave. Es como matar dos pájaros de un tiro.
Clasificación automática por categoría
Clasifiqué automáticamente más de 2,000 clases en 14 categorías: marketing B2B, IA, emprendimiento, TRIZ/creatividad, liderazgo, negociación… Analicé los patrones de palabras clave de los títulos y completé la clasificación con una sola consulta SQL. Ahora también es posible buscar solo los "materiales de clase sobre IA".
El poder de «Hyundai Wia»
Una vez terminada toda la configuración, con el corazón latiendo fuerte, escribí **"Hyundai WIA"** en el buscador.
2.6 segundos.
La pantalla se llenó de resultados.
Sector: Fabricación de autopartes
Proveedor clave de autopartes del Grupo Hyundai Motor
Ingresos: KRW 1,922,400,000,000 (≈ US$1,438,857,500) (+0.7% interanual)
Margen operativo: 6.4%
Nuevos motores de crecimiento: ampliación de la planta de Seosan y expansión a México…
El material de análisis que había guardado hace tres años en la carpeta del cliente apareció automáticamente. Incluso se muestra la fuente: "Archivo de clientes - Análisis relacionado con Hyundai Wia". Información que antes me habría llevado revisar tres o cuatro carpetas, la IA la organizó en 2.6 segundos.
Lo más sorprendente vino después. Busqué **"estrategia de marketing B2B"**.
De mis materiales de clase aparecieron diapositivas sobre marketing relacional y marketing de soluciones. También salieron los subtítulos del video «Marketing B2B de la A a la Z» que di en YouTube. Se sumó la parte de estrategia de marketing de mis propuestas para clientes. Los contenidos que creé durante 15 años en distintos medios y formatos quedaron ordenados de forma clara bajo una sola pregunta.
En ese momento comprendí que esto no era una simple herramienta de búsqueda. Fue la experiencia de ver cómo los fragmentos de mi conocimiento, dispersos durante 15 años, se conectaban en uno solo.
Lo que cambió en el día a día: Antes & Después
Antes: medio día para una propuesta
Cuando llegaba una solicitud de propuesta de capacitación, seguía estos pasos.
- Análisis del cliente: revisar su sitio web, buscar noticias y rebuscar materiales existentes — 1 hora
- Encontrar el programa adecuado: revisar el historial de capacitaciones similares en el pasado — 30 minutos
- Redacción de la propuesta: ajuste del programa, adjuntar perfil del instructor — 1 hora
- Redacción del correo de propuesta — 30 minutos
Un total de 3 horas. Esto se repite de 2 a 3 veces por semana.
Después: listo en 30 minutos
Ahora es así.
- Búsqueda con RAG de "capacitación de ventas B2B para la empresa ○○" → consulta inmediata del historial de capacitaciones similares + materiales relacionados — 2 minutos
- Generación automática de un programa a medida con el generador de programas (integrado con RAG) — 5 minutos
- Redacción de correos de propuesta de capacitación con el generador automático (integrado con RAG) — 5 minutos
- Revisión y corrección — 15 minutos
En total, 30 minutos. Fue 6 veces más rápido.
Pero hay algo más importante que la velocidad. La calidad mejoró. Antes escribía las propuestas confiando en la memoria, con frases como "más o menos era este contenido…". Ahora la IA busca en mis 15 años de material el contenido más adecuado y me lo propone. Así se obtienen propuestas que aprovechan al 100% mi experiencia y conocimiento.
Hallazgos inesperados
Al construir el RAG hice un descubrimiento inesperado.
1. Se ve en qué temas he trabajado más
Después de la clasificación automática por categorías, mi portafolio de clases se me apareció en números.
- Marketing B2B: 1,854 diapositivas
- IA: 2,010 diapositivas
- Producción de video: 1,596 diapositivas
- TRIZ/creatividad: 984 diapositivas
Por primera vez confirmamos de forma objetiva que el material de capacitación sobre IA es el más abundante. Es un dato clave para definir la dirección de nuestro negocio.
2. El yo del pasado ayuda al yo del presente
Tengo un material de clase sobre negociación que hice en 2015. Para ser honesto, lo había olvidado. Pero al buscar "estrategia de negociación" en RAG, apareció ese material. Al releerlo, el contenido es bastante bueno. Pude reutilizarlo de inmediato en la capacitación actual.
Ese es el valor oculto de RAG: devolverle vida a los activos olvidados.
3. La fuerza de las imágenes
Subí 32,000 diapositivas, incluidas sus imágenes. Que los resultados de búsqueda muestren solo texto o que muestren también la imagen real de la diapositiva marca una gran diferencia. "¡Ah, esta diapositiva!" y el recuerdo vuelve de inmediato.
El arma de IA para un negocio unipersonal
Para ser honesto, no soy desarrollador. Sé qué es HTML, pero diseñar una base de datos o implementar un algoritmo de búsqueda vectorial nunca fue mi campo.
Pero la herramienta de programación con IA Claude Code lo cambió todo. Lo único que hice fue decir **«Necesito esta función»**. Diseño de bases de datos, creación de índices vectoriales, optimización de funciones de búsqueda, desarrollo de front-end — todo lo fui construyendo conversando con la IA.
Calculé el costo mensual.
Concepto Costo
| Supabase Pro (base de datos) | US$25/mes |
| GitHub Pro (alojamiento de código) | $4/mes |
| Voyage AI (incrustaciones vectoriales) | Gratis (200M tokens) |
| Total | US$29/mes |
Por el precio de cinco cafés, confié 15 años de conocimiento a un asistente de IA que trabaja las 24 horas.
Pensaba que ser un negocio unipersonal era una debilidad, porque tengo que hacerlo todo solo. Pero trabajando con la IA, estar solo me hace más rápido. No hay que pedir aprobaciones, ni convocar reuniones, ni escribir solicitudes para el área de TI. Si digo «hazme esto», sale en 30 minutos. Lo que necesito, lo creo, lo uso y lo corrijo en el momento.
Cambios que se perciben en la capacitación corporativa
Cada semana imparto capacitación en empresas sobre IA, marketing B2B y ventas. Cuando muestro este sistema RAG a los participantes, las reacciones se dividen en dos.
Primera pregunta: «¿Nuestra empresa también puede construir esto?»
Segundo: "¿Esto lo hizo usted solo?"
Las grandes empresas ya están construyendo sus propios sistemas RAG internos. Pero muchas pymes o empresas de una sola persona ni siquiera se animan. Les preocupa el costo y la tecnología les parece difícil.
Por eso comparto esta experiencia. Basta con KRW 30,000 (≈ US$22) al mes. No hace falta ser desarrollador. Basta con tener una herramienta de programación con IA. Lo importante no es la tecnología, sino la perspectiva sobre **"cómo aprovechar mis propios datos"**.
Los materiales de clase, las propuestas, los datos de clientes y los artículos del blog que acumulé durante 15 años — si permanecen dormidos en un disco duro, no valen nada. En el momento en que se los doy de comer a la IA, se convierten en un activo de conocimiento vivo.
Epílogo: Tres días que cambian quince años
La transcripción automática de grabaciones de llamadas, la integración con publicaciones de Facebook y con el boletín de LinkedIn están en espera. Cuando eso también se incorpore, la IA recordará todo lo que he creado, escrito, dicho y compartido en 15 años.
Hace poco, uno de los participantes me dijo esto al terminar la capacitación.
"Usted no nos enseña a aprender IA, sino a trabajar junto con ella."
Exacto. La IA es una herramienta. El valor de una herramienta depende de quien la usa. Cuando alguien con 15 años de experiencia se encuentra con la IA, esa experiencia se multiplica. ¿Y si se usa solo la IA, sin experiencia? Queda una cáscara vacía.
En la era de la IA, la verdadera ventaja competitiva es la experiencia acumulada × la capacidad de usar la IA.
Esos tres días fueron el inicio de esa multiplicación.
To be continued