Cómo creé y operé durante una semana un equipo autónomo de marketing con IA usando Claude Code sin escribir código

• El CEO de una startup AI SaaS de 7 personas aprovechó la función experimental Agent Teams de Claude Code para construir un equipo de marketing con IA de 5 integrantes, compuesto por un CMO, redactor de contenido, encargado de redes sociales, manager de HN y analista de rendimiento
• No escribió ni una sola línea de código directamente, y todo el sistema de agentes funcionó solo con 15 a 20 archivos Markdown y Claude Code
• En una Mac Mini M1, se ejecutaba automáticamente cada hora con cron y realizaba de forma autónoma redacción de blog, distribución en redes sociales, actividad en HN y análisis de resultados sin intervención humana
• En la primera semana se publicaron automáticamente 3 entradas de blog, y en redes sociales llegaron DM de inbound reales y solicitudes de conexión en LinkedIn. Alguien que no habló con él sino con el agente de IA le envió una solicitud de conexión

Contexto: las limitaciones reales de una startup

• Startup en etapa inicial con $500K ARR, en una situación donde la persona recién incorporada para growth debía enfocarse en ventas outbound
• Justo después del lanzamiento de una nueva función apareció un vacío de marketing. El CEO asumió directamente esa labor y, en vez de trabajar como siempre, decidió construir un equipo de marketing con IA
• El primer prototipo tomó 2 horas, el primer loop completo 2 días y llegar a una operación totalmente autónoma tomó alrededor de 1 semana

Diseño clave: pensar como si fuera una vacante, no un prompt

• El enfoque para los agentes no fue como “prompts”, sino como “contratación de empleados”. El alcance del rol, la guía de estilo, los documentos de la empresa, permisos de herramientas y horarios se definieron en Markdown
• Cada agente se definió en un único archivo Markdown dentro de .claude/agents/. Está compuesto por frontmatter YAML (nombre, modelo, memoria) y un system prompt (procedimientos de trabajo y reglas)
• Al guardar en .claude/rules/ las políticas comunes del equipo, como el esquema del CMS, reglas UTM y política de generación de imágenes, todos los agentes las heredan automáticamente
• CLAUDE.md cumple el rol de carta del equipo. Comparte con todos la estructura de agentes, reglas de seguridad y estructura de carpetas

Arquitectura de operación autónoma

• El agente CMO define cada domingo la estrategia semanal y distribuye el trabajo en bloques de 3 horas
• Cuando cron ejecuta Claude Code en modo headless cada hora (-dangerously-skip-permissions), el CMO lanza en paralelo agentes especializados como subprocesos (usando la función experimental agent team de Claude)
• Métodos de colaboración entre agentes
  • Sistema de tareas: TaskCreate / TaskUpdate
  • Sistema de archivos: tracker compartido en CSV
  • SendMessage: reportes al CMO
• Cada agente mantiene memoria persistente en .claude/agent-memory/, de modo que estrategias, resultados y patrones se acumulan entre sesiones como “conocimiento organizacional”

Integración de herramientas

• Servidor MCP: Sanity CMS (creación y publicación de posts), X/Twitter (tuits y búsqueda), Slack (notificaciones), Ahrefs (análisis SEO y palabras clave)
• Script personalizado: Reddit OAuth2, HN headless, generación de imágenes con Gemini, carga a Sanity CDN. Todos los scripts fueron escritos por Claude
• Toda la actividad se reportaba en el canal Slack #team-ai-marketing como si fuera un standup del equipo. Incluía plan diario, publicaciones completadas, errores y resumen de resultados

Bucle de retroalimentación

• Encargado de redes sociales → log en CSV → analista de rendimiento → reporte diario → CMO → actualización de estrategia → creación de contenido → distribución → repetición
• Cuando el analista de rendimiento actualiza automáticamente marketing-insights.md, los demás agentes lo leen antes de su siguiente tarea, por lo que los insights se propagan a todo el equipo en menos de un día
• La forma de gestión del CEO consistía en dar instrucciones en lenguaje natural a Claude Code. Ej.: “haz que la persona de redes no use em dash” → Markdown se corrige automáticamente → se aplica desde la siguiente sesión

Lecciones aprendidas

• Lo más importante no es el código sino la construcción del bucle de retroalimentación; lo clave es permitir que aprenda por sí mismo de los resultados de sus acciones
• Las reglas se acumulan con efecto compuesto. Una regla agregada una sola vez mejora de forma permanente el comportamiento de todos los agentes
• El sistema de bloques de 3 horas es clave. Sin eso, aparecen problemas porque los agentes hacen demasiado o demasiado poco
• En la tercera parte de la serie planea reflexionar sobre si esto representa “una nueva forma de trabajar o algo que terminará complicándote la vida”