Publicamos 15 artículos automatizados en 3 meses: esto es lo que pasó

Publicamos 15 artículos en 3 meses con un workflow de n8n, y la lección principal no es un número. Es esta: automatizar la producción de contenido solo funciona si automatizas también el control. Generar borradores es la parte rápida. Lo que decide si un artículo sirve es la revisión humana, las reglas contra datos inventados y medir en Search Console con paciencia.

Actualizado el 2026-11-02

Vamos al grano. Este no es el típico post de «hemos multiplicado el tráfico por diez con IA». No vas a encontrar aquí capturas con flechas hacia arriba. Vas a encontrar cómo está montado el sistema, qué partes no delegamos nunca y cómo medimos.

Y una advertencia honesta desde el principio: este post no incluye métricas de Search Console. Te explicamos por qué más abajo.

¿Qué pasó al automatizar la publicación de artículos con n8n?

Lo que pasó es que el cuello de botella cambió de sitio. Antes el problema era escribir. Con el workflow en marcha, el problema pasó a ser revisar, verificar fuentes y decidir qué se publica. La máquina produce borradores con rapidez; el criterio editorial sigue siendo humano y sigue llevando tiempo.

Esto, que parece obvio, tiene consecuencias prácticas para cualquier negocio que se plantee lo mismo:

• → El ahorro real no está en «no escribir». Está en no partir de una página en blanco.
• → El riesgo principal no es que el texto suene robótico. Es que incluya un dato que no existe.
• → La calidad depende más de las reglas que le das al sistema que de la herramienta que uses.

Un borrador mediocre se arregla en minutos. Un dato falso publicado se arregla con una disculpa. Algo muy diferente.

¿Por qué este post no lleva cifras de Search Console?

Porque preferimos un post sin cifras a un post con cifras sin verificar. Los datos de rendimiento de un periodo corto y una muestra pequeña se mueven mucho, y publicarlos como si fueran concluyentes sería venderte humo. Cuando tengamos datos consolidados y revisados, los publicaremos con su metodología completa.

Hay además una razón de fondo. Si estás leyendo esto, probablemente quieres saber si automatizar contenido te va a funcionar a ti. Y nuestras cifras, aunque las tuviéramos perfectas, dirían poco de tu caso: otro sector, otra antigüedad de dominio, otra competencia.

Un dato de tráfico sin contexto no es un resultado. Es una anécdota con decimales.

Lo que sí podemos darte, y es más útil, es el método: cómo está construido el sistema y cómo se mide si funciona. Eso sí es replicable.

¿Cómo funciona el workflow de n8n que usamos?

El workflow toma una consulta objetivo, genera un borrador estructurado con un modelo de lenguaje, lo valida contra una serie de reglas y lo sube a WordPress como borrador, nunca como publicado. Después, una persona lo revisa, corrige y decide. La publicación final es siempre una decisión humana.

Usamos n8n porque permite montar flujos a medida, alojarlos donde quieras y conectar casi cualquier servicio. Este es el recorrido de cada artículo:

¿Por qué el borrador sale en formato estructurado?

Porque un texto suelto es difícil de validar automáticamente. Si el modelo devuelve campos separados (título, meta descripción, contenido, enlaces usados, datos citados con su origen), el workflow puede comprobar cada pieza por separado. Si un enlace interno no está en la lista autorizada, salta la alarma antes de que llegue a WordPress.

¿Por qué nunca se publica directamente?

Porque publicar en automático es la forma más rápida de llenar tu web de contenido que no has leído. Y lo que no has leído no lo puedes defender ante un cliente. Así de simple.

¿Qué parte se automatiza y qué parte sigue siendo humana?

Se automatiza lo repetitivo: estructurar, formatear, generar metadatos, comprobar enlaces y subir el borrador. Sigue siendo humano todo lo que exige criterio: elegir temas, verificar cada dato, decidir si el artículo aporta algo nuevo y dar la última palabra sobre la publicación.

La regla más importante del sistema no es técnica. Es editorial: ninguna cifra se publica si no tiene una fuente enlazada o un dato propio verificado detrás. El brief que recibe el modelo lo dice de forma explícita, y la revisión humana lo comprueba igualmente. Doble cerrojo.

Por qué tanto celo: los modelos de lenguaje pueden generar estadísticas verosímiles que no existen. Suenan bien, encajan en el párrafo y son falsas. Si tu cliente las busca y no las encuentra, tu credibilidad se va con ellas.

¿Penaliza Google el contenido generado con automatización?

Google no penaliza el contenido por cómo se ha producido, sino por si es útil. Su postura oficial es que premia el contenido de calidad independientemente de si interviene la IA, pero considera spam generar páginas a escala con el objetivo principal de manipular el ranking. La diferencia está en el propósito y en la calidad.

Esto no es una interpretación nuestra. Está en la documentación oficial:

• → En su guía sobre contenido generado con IA (Google Search Central, 2023), Google explica que se centra en la calidad del contenido, no en cómo se ha creado.
• → Sus políticas de spam incluyen el abuso de contenido a escala: producir muchas páginas sin valor para el usuario, se hagan como se hagan.
• → La guía sobre cómo crear contenido útil y fiable plantea preguntas que cualquier artículo automatizado debería superar antes de publicarse.

Traducido a lenguaje de negocio: automatizar no es el problema. Publicar volumen sin valor, sí. Por eso nuestro workflow está pensado para producir menos artículos mejor revisados, no para inundar el blog.

¿Cómo se mide si los artículos automatizados funcionan?

Se mide en Google Search Console, artículo por artículo, comparando impresiones, clics, CTR y posición media a lo largo de varios meses. Antes de mirar rendimiento hay que confirmar que la página está indexada. Y conviene esperar: un contenido nuevo tarda en estabilizarse, y las primeras semanas no son representativas.

El informe de rendimiento de Google Search Console te da cuatro métricas básicas. Google las explica en su documentación del informe de rendimiento. Esto es lo que te dice cada una:

¿Qué errores de medición conviene evitar?

• ✕ Mirar el tráfico total del blog en vez de filtrar por las URLs nuevas.
• ✕ Sacar conclusiones en las primeras semanas tras publicar.
• ✕ Comparar artículos de temas con volumen de búsqueda muy distinto como si fueran equivalentes.
• ✕ Atribuir a la automatización cambios que vienen de una actualización del algoritmo o de la estacionalidad.

Un truco práctico: crea un filtro por página en el informe de rendimiento con el patrón de URL de los artículos del experimento. Así aíslas su evolución del resto de la web.

¿Qué limitaciones tiene un experimento así?

Las limitaciones son claras y conviene decirlas en voz alta: la muestra es pequeña, el periodo es corto y todo ocurre en un único dominio de un único sector. Cualquier conclusión cuantitativa sobre tráfico sería prematura. Lo que sí es sólido es lo aprendido sobre el proceso: qué se puede delegar y qué no.

• ✕ Muestra pequeña. Quince artículos no permiten separar el efecto de la automatización del efecto del tema elegido.
• ✕ Periodo corto. Tres meses es poco para que un contenido nuevo muestre su rendimiento estable.
• ✕ Un solo dominio. Lo que pasa en el blog de una agencia de marketing no tiene por qué repetirse en una clínica, una tienda online o un despacho.
• ✕ Sin grupo de control. No hemos publicado en paralelo artículos escritos a mano sobre los mismos temas para comparar.

Lo decimos así de claro porque es lo que esperarías de cualquiera que te venda una automatización. Si alguien te enseña un gráfico espectacular sin contarte estas cosas, desconfía.

¿Merece la pena automatizar el blog de una pyme?

Merece la pena si ya tienes claro qué temas te interesan y alguien con criterio puede revisar lo que se genera. No merece la pena si buscas publicar mucho sin leer nada. La automatización ahorra el trabajo mecánico; no sustituye conocer tu negocio ni a tus clientes.

Antes de montar algo parecido, hazte estas preguntas:

• ✓ ¿Sabes qué busca tu cliente en Google antes de contratarte? Sin eso, automatizas en la dirección equivocada. Aquí entra el trabajo de SEO técnico y de contenidos.
• ✓ ¿Tienes una voz de marca definida? Si no está escrita, el modelo no la puede imitar. Un buen trabajo de copywriting previo marca la diferencia.
• ✓ ¿Tu web aguanta crecer en contenido? Plantilla de blog, velocidad y estructura importan. Si no, empieza por el diseño web.
• ✓ ¿Hay una persona que pueda dedicar tiempo a revisar cada borrador? Si la respuesta es no, todavía no es el momento.

Si respondes que sí a todo, la automatización deja de ser un experimento y pasa a ser una herramienta de trabajo. Y punto.

Preguntas frecuentes

¿Se puede automatizar un blog entero con n8n?

Se puede automatizar casi todo el proceso técnico: generar borradores, formatearlos, validarlos y subirlos a WordPress. Lo que no conviene automatizar es la decisión de publicar ni la verificación de datos. Esas dos tareas son las que protegen tu reputación.

¿Google detecta y penaliza los artículos hechos con IA?

Google ha explicado en su blog de Search Central que valora la calidad del contenido, no el método de producción. Lo que sí considera spam es generar contenido a escala sin valor para el usuario, con el fin de manipular rankings.

¿Por qué no publicáis las métricas de tráfico del experimento?

Porque con una muestra pequeña y un periodo corto cualquier cifra sería poco fiable y fácil de malinterpretar. Preferimos publicar datos cuando estén consolidados y explicar su metodología, antes que enseñar números que no se sostienen.

¿Qué herramienta es mejor para esto, n8n, Make o Zapier?

Las tres pueden conectar un modelo de lenguaje con WordPress. n8n da más control y permite alojarlo en tu propio servidor; Make y Zapier son más visuales para flujos simples. La elección depende de la complejidad del flujo y de quién lo va a mantener.

¿Cuánto tarda en verse si un artículo automatizado funciona?

Varios meses como mínimo. Primero hay que confirmar la indexación en Search Console y después dejar que la página se estabilice en resultados. Las primeras semanas suelen ser engañosas, para bien y para mal.

¿Cómo evito que la IA invente datos en mis artículos?

Con dos barreras. Primero, instrucciones explícitas en el brief prohibiendo cifras sin fuente y pidiendo que cada dato venga con su origen. Segundo, una revisión humana que compruebe cada cifra antes de publicar. Una sola barrera no basta.

¿Necesito saber programar para montar un workflow así?

No hace falta programar en sentido estricto, pero sí entender cómo funcionan las APIs, los formatos de datos y la lógica de un flujo. Para un negocio sin perfil técnico, lo razonable es que alguien lo monte a medida y le deje la parte de revisión en sus manos.