Automatización con IA: crear posts desde transcripciones en Notion

Aprende a convertir una transcripción en una lluvia de ideas de publicación con automatización y LLM. Aquí vas a ver, paso a paso y sin tecnicismos, cómo definir un disparador, encadenar acciones y obtener un resultado escalable: una base de datos en Notion con un post por idea. Sin importar la herramienta, los principios son los mismos.

¿Qué es una automatización con IA y cuáles son sus elementos clave?

Una automatización se compone de tres partes: disparador, acción y resultado. La clave está en pensar con ingeniería inversa: primero define qué quieres lograr y después divide el problema en pasos pequeños.

• Disparador: automático por evento, manual con botón o programado por tiempo.
• Acciones: nodos para usar LLM, transformar data, operar con tablas e integraciones.
• Resultado: notificación en Slack u otra plataforma, o actualización en base de datos/página.
• Habilidad transversal: enfoque sistémico para encadenar pasos de forma lógica.

¿Cómo se define el objetivo y se aplica ingeniería inversa?

• Objetivo claro: convertir la transcripción de una reunión en ideas de publicación.
• Disparador: transcripción generada en un archivo al terminar la reunión.
• Acciones: leer el documento y procesarlo con LLM mediante un prompt.
• Resultado: crear una página por post en una base de datos de Notion.

¿Qué tipos de disparadores, acciones y resultados existen?

• Disparadores: evento en herramienta, clic manual, o “repetir cada cierto tiempo”.
• Acciones: integrar LLM, transformar y organizar data, usar conectores nativos.
• Resultados: enviar notificación o escribir en tablas/bases de datos/páginas.

¿Cómo crear el flujo: de transcripción de Google Meet a Notion con Relay?

El caso usa Relay (puedes replicar en Zapier, Make o n8n). La transcripción de Google Meet con Gemini se guarda como Google Docs en la carpeta de Drive “Meet recordings”. Desde ahí, el flujo detecta, lee, genera posts con LLM y los publica en Notion.

¿Cómo configurar el disparador en Google Drive?

• Trigger: “archivo agregado a la carpeta” en Drive.
• Carpeta: seleccionar “Meet recordings”.
• Autorización: conectar cuenta de Google para permisos.
• Nota: si usas otro tomador de notas, busca su disparador o un webhook (más avanzado).

¿Cómo procesar el documento y preparar el prompt para el LLM?

• Paso “Find documents” en Google Docs para identificar el archivo.
• Manejo de resultados: si no hay documento, pausar y notificar; si hay varios, tomar el más reciente (orden descendente).
• Prueba del paso: ver Rich Text para validar que la transcripción se obtuvo.
• Nodo de IA: pegar un prompt diseñado en Markdown que:
• Analiza la transcripción y detecta datos, métricas, insights y ideas principales.
• Separa ideas y crea posts.
• Usa la fórmula AIDA (atención, interés, deseo, acción) para el copy.
• Incluye reglas de estilo: evitar sonar a IA, tono cercano, checklist de calidad.
• Sumar ejemplos propios mejora el resultado por contexto.
• Ventaja de Relay: sugiere el formato de salida; aquí, una lista de posts.

¿Cómo usar loop y crear páginas en Notion por cada idea?

• Lógica de control: “loop over list” para iterar cada post generado por el LLM.
• Acción en Notion: “añadir página a una base de datos”.
• Base de datos: seleccionar “Ideas Posts” (database inline en Notion).
• Mapeo de campos: usar el JSON Data del LLM para poblar “Nombre” y título.
• Pruebas: ejecutar el flujo y verificar checks en cada paso.
• Resultado esperado: una página por post con contenido listo para pulir.

¿Qué habilidades, conceptos y keywords debes dominar para escalar automatizaciones?

Construir buenos flujos depende más de las habilidades que de la herramienta. Estas son las piezas que marcan la diferencia:

• Objetivo y ingeniería inversa: partir del resultado y retroceder a los pasos mínimos.
• Disparador: evento en carpeta de Drive, clic manual o programación periódica.
• LLM y prompt en Markdown: jerarquías claras, listas y negritas para estructurar salidas.
• AIDA: fórmula de copy para posts con atención, interés, deseo y acción.
• Flow control y loop: repetir una acción por cada elemento de una lista.
• Notion como base de datos: “database inline”, campos como Nombre y título.
• Pruebas por paso: vista previa del Rich Text para validar insumos.
• Manejo de errores: pausar y notificar cuando falten documentos.
• Orden descendente: priorizar el archivo más reciente al buscar en carpeta.
• Integraciones: Relay, Zapier, Make, n8n, Google Meet, Gemini, Google Docs/Drive.
• Contexto y ejemplos: alimentar al LLM con posts reales para guiar el estilo.
• Edición humana: refinar el post autogenerado antes de publicar.

¿Listo para llevarlo a tu caso de uso? Comparte en comentarios qué flujo quieres automatizar o cómo mejorarías este enfoque.