Make generará un documento estructurado con secciones claramente diferenciadas, lenguaje ejecutivo directo, y recomendaciones accionables adaptadas al contexto que hayas proporcionado.
El output incluirá: análisis de la situación, recomendaciones priorizadas, y en muchos casos, una tabla o checklist para facilitar la implementación.
Antes de empezar
Lo que necesitas para completar este tutorial
Lo que conseguirás al terminar
Si sigues estos 10 pasos, en 15-20 minutos tendrás:
- ✓ Cada vez que se graba y transcribe una reunión de dirección (vía Otter.ai, Fireflies o similar), el flujo extrae automáticamente todas las decisiones tomadas y los compromisos adquiridos, los añade a
- ✓ Un prompt copiable y adaptado a tu empresa, listo para reutilizar
- ✓ Prompts de iteración para refinar el output según tus necesidades específicas
Antes de empezar, asegúrate de tener lo siguiente:
Obligatorio
Cuenta activa de Make con plan Make Plan o superior
Obligatorio
Acceso a internet y un navegador actualizado (Chrome, Firefox, Edge o Safari)
Recomendado
Información básica de tu empresa o situación para personalizar el prompt
Recomendado
10-15 minutos sin interrupciones para completar el tutorial de principio a fin
⚠ Si es tu primera vez con Make: No te preocupes. Este tutorial está diseñado para neófitos. Cada paso incluye instrucciones visuales precisas sobre dónde hacer clic y qué esperar. Si algo no funciona como se describe, consulta la sección "Errores frecuentes" al final.
El caso
Empresa SaaS (Software as a Service (Software como Servicio)) B2B (Business-to-Business) — el problema real
Director de Ventas de Empresa SaaS B2B, una empresa del sector software como servicio. Necesita resolver el siguiente reto: Cada vez que se graba y transcribe una reunión de dirección (vía Otter.ai, Fireflies o similar), el flujo extrae automáticamente todas las decisiones tomadas y los compromisos adquiridos, los añade a una base de datos de Notion, y envía un resumen a los implicados con sus tareas asignadas.
Con Make y el prompt de este tutorial, puede resolver este reto en 15-20 minutos — sin conocimientos técnicos previos.
Situación real
Datos + contexto
Datos + contexto
→
Make
Prompt estructurado
Prompt estructurado
→
Output ejecutivo
Listo para usar
Listo para usar
Por qué funciona: Make no "inventa" la solución — estructura tu pensamiento y aplica el conocimiento de miles de casos similares. El valor está en que Make conoce los patrones, las mejores prácticas y el lenguaje ejecutivo. Tú aportas el contexto específico de tu empresa; Make aporta la estructura y la síntesis.
Paso 01
Acceder a Make y preparar el entorno
Antes de ejecutar el prompt, necesitas tener Make abierto y configurado correctamente. Este paso te lleva de cero a listo en menos de 2 minutos.
-
1
Abre Make en tu navegador. Navega a la URL oficial de Make. Asegúrate de estar con tu cuenta Make Plan o superior. Si no tienes cuenta, el tutorial incluye las instrucciones para crearla en la sección "Antes de empezar".
-
2
Abre una nueva conversación. Haz clic en el botón "Nueva conversación" o "New chat" (normalmente en la esquina superior izquierda o en el panel lateral). Esto garantiza que no hay contexto de conversaciones anteriores que pueda interferir con el resultado.
-
3
Selecciona el modelo correcto. Usa el modelo más capaz disponible en tu plan de Make. Para tareas complejas de análisis, el modelo más avanzado siempre produce mejores resultados.
Checkpoint: Si lo has hecho bien, verás una conversación nueva y vacía con el modelo seleccionado. El cursor estará en el campo de texto listo para recibir el prompt.
Paso 02
Configurar el webhook
Configurar el webhook: En Make, crea un nuevo escenario con el módulo "Webhooks → Custom Webhook". Copia la URL del webhook y configúrala en Otter.ai o Fireflies como destino de notificación cuando una transcripción está lista.
-
1
Ejecuta la acción indicada. Sigue las instrucciones del paso con atención. Si algo no funciona como se describe, consulta la sección "Errores frecuentes" al final del tutorial.
-
2
Verifica el resultado antes de continuar. No avances al siguiente paso hasta que el resultado de este paso sea el esperado. Cada paso construye sobre el anterior — un error no detectado aquí se amplifica en los pasos siguientes.
Checkpoint: Verifica que has completado correctamente este paso antes de continuar al siguiente.
Paso 03
Extraer decisiones con IA
Extraer decisiones con IA: Añade el módulo "OpenAI → Create Completion". Pasa el texto de la transcripción y usa el prompt de extracción estructurada.
-
1
Ejecuta la acción indicada. Sigue las instrucciones del paso con atención. Si algo no funciona como se describe, consulta la sección "Errores frecuentes" al final del tutorial.
-
2
Verifica el resultado antes de continuar. No avances al siguiente paso hasta que el resultado de este paso sea el esperado. Cada paso construye sobre el anterior — un error no detectado aquí se amplifica en los pasos siguientes.
Checkpoint: Verifica que has completado correctamente este paso antes de continuar al siguiente.
Paso 04
Parsear el JSON de la IA
Parsear el JSON de la IA: Añade el módulo "JSON → Parse JSON" para convertir el output de la IA (que debe ser un array JSON) en un bundle de Make.
-
1
Ejecuta la acción indicada. Sigue las instrucciones del paso con atención. Si algo no funciona como se describe, consulta la sección "Errores frecuentes" al final del tutorial.
-
2
Verifica el resultado antes de continuar. No avances al siguiente paso hasta que el resultado de este paso sea el esperado. Cada paso construye sobre el anterior — un error no detectado aquí se amplifica en los pasos siguientes.
Checkpoint: Verifica que has completado correctamente este paso antes de continuar al siguiente.
Paso 05
Iterar por compromiso
Iterar por compromiso: Añade el módulo "Flow Control → Iterator" para procesar cada compromiso de forma individual.
-
1
Ejecuta la acción indicada. Sigue las instrucciones del paso con atención. Si algo no funciona como se describe, consulta la sección "Errores frecuentes" al final del tutorial.
-
2
Verifica el resultado antes de continuar. No avances al siguiente paso hasta que el resultado de este paso sea el esperado. Cada paso construye sobre el anterior — un error no detectado aquí se amplifica en los pasos siguientes.
Checkpoint: Verifica que has completado correctamente este paso antes de continuar al siguiente.
Paso 06
Añadir a Notion
Añadir a Notion: Para cada compromiso, añade el módulo "Notion → Create a Database Item" con los campos: descripción, responsable, fecha límite y estado (Pendiente).
-
1
Ejecuta la acción indicada. Sigue las instrucciones del paso con atención. Si algo no funciona como se describe, consulta la sección "Errores frecuentes" al final del tutorial.
-
2
Verifica el resultado antes de continuar. No avances al siguiente paso hasta que el resultado de este paso sea el esperado. Cada paso construye sobre el anterior — un error no detectado aquí se amplifica en los pasos siguientes.
Checkpoint: Verifica que has completado correctamente este paso antes de continuar al siguiente.
Paso 07
Agregar resultados
Agregar resultados: Añade el módulo "Flow Control → Array Aggregator" para consolidar todos los compromisos procesados.
-
1
Ejecuta la acción indicada. Sigue las instrucciones del paso con atención. Si algo no funciona como se describe, consulta la sección "Errores frecuentes" al final del tutorial.
-
2
Verifica el resultado antes de continuar. No avances al siguiente paso hasta que el resultado de este paso sea el esperado. Cada paso construye sobre el anterior — un error no detectado aquí se amplifica en los pasos siguientes.
Checkpoint: Verifica que has completado correctamente este paso antes de continuar al siguiente.
Paso 08
Enviar resumen
Enviar resumen: Añade el módulo "Gmail → Send an Email" con el resumen de decisiones y compromisos, agrupados por responsable.
-
1
Ejecuta la acción indicada. Sigue las instrucciones del paso con atención. Si algo no funciona como se describe, consulta la sección "Errores frecuentes" al final del tutorial.
-
2
Verifica el resultado antes de continuar. No avances al siguiente paso hasta que el resultado de este paso sea el esperado. Cada paso construye sobre el anterior — un error no detectado aquí se amplifica en los pasos siguientes.
Checkpoint: Verifica que has completado correctamente este paso antes de continuar al siguiente.
Paso 09
Ejecutar el prompt principal
Este es el prompt central del tutorial. Cópialo completo, rellena las variables entre corchetes con los datos de tu empresa o situación, y envíalo. No modifiques la estructura del prompt — está diseñado para obtener el output más útil posible.
Prompt principal — Sistema de Seguimiento de Decisiones y Compromisos
Analiza la siguiente transcripción de una reunión de dirección y extrae todas las decisiones tomadas y los compromisos adquiridos.
TRANSCRIPCIÓN:
{{transcripcion}}
Devuelve ÚNICAMENTE un JSON válido con esta estructura (sin texto adicional antes ni después):
{
"decisiones": [
{"descripcion": "...", "contexto": "..."}
],
"compromisos": [
{
"descripcion": "...",
"responsable": "...",
"fecha_limite": "DD/MM/YYYY o 'No especificada'",
"prioridad": "Alta/Media/Baja"
}
],
"proxima_reunion": "DD/MM/YYYY o 'No mencionada'"
}
Variables a rellenar antes de enviar
[
{"descripcion": "...", "contexto": "..."}
]
Sustituye este marcador con el valor real de tu empresa o situación. Sé específico — cuanto más concreto, mejor será el output.
[
{
"descripcion": "...",
"responsable": "...",
"fecha_limite": "DD/MM/YYYY o 'No especificada'",
"prioridad": "Alta/Media/Baja"
}
]
Sustituye este marcador con el valor real de tu empresa o situación. Sé específico — cuanto más concreto, mejor será el output.
Checkpoint: Make debería empezar a generar el output en pocos segundos. Si tarda más de 30 segundos sin responder, recarga la página y vuelve a enviar el mensaje. El output completo puede tardar entre 30 segundos y 2 minutos según la complejidad.
El output es genérico o no se ajusta a mi situación: Asegúrate de haber rellenado todas las variables entre corchetes con información específica de tu empresa. Un prompt con variables sin rellenar produce outputs genéricos. Cuanto más contexto específico proporciones, más útil será el resultado.
Paso 10
Revisar el output y aplicar los ajustes
El primer output de Make es un borrador de alta calidad, no el documento final. Dedica 5-10 minutos a revisarlo con estos criterios antes de usarlo:
-
1
Lee el output completo de arriba a abajo. No te saltes esta lectura. Make puede haber incluido suposiciones o datos que no corresponden a tu situación real. Identifica qué partes son correctas, qué partes necesitan ajuste y qué partes debes eliminar.
-
2
Verifica todos los datos específicos (cifras, nombres, fechas). Make puede haber inferido datos a partir del contexto que proporcionaste. Cualquier cifra, nombre propio o fecha debe verificarse antes de compartir el documento con terceros. Si algo no es correcto, corrígelo directamente en el documento o pide a Make que lo ajuste.
-
3
Usa los prompts de iteración para refinar lo que no esté perfecto. No reescribas manualmente lo que Make puede ajustar por ti. Si algo no está bien, pídele que lo cambie en el siguiente mensaje. Los prompts de iteración de la sección siguiente están diseñados para los ajustes más frecuentes.
-
4
Exporta el resultado a tu herramienta habitual. Copia el texto del output y pégalo en Word, Google Docs, PowerPoint o el sistema que uses habitualmente. El texto generado en formato Markdown se convierte automáticamente en formato limpio al pegarlo en la mayoría de editores.
💡 Regla de oro: No reescribas manualmente lo que Make puede ajustar por ti. Si algo no está bien, pídele que lo cambie en el siguiente mensaje. Es más rápido y mantiene la coherencia del documento.
Iteración
Prompts para refinar el output
Estos son los ajustes más frecuentes que se piden después del primer output. Cópialos directamente en el chat:
Hacer el output más específico
-
Cuando el output es demasiado genérico.
"El output es demasiado genérico. Adapta cada sección a la situación específica de [EMPRESA] en el sector [SECTOR]. Usa datos y ejemplos concretos del contexto que te he proporcionado."
Cambiar el nivel de detalle
-
Cuando necesitas más o menos profundidad.
"Necesito una versión más concisa: máximo [N] puntos o [N] páginas, priorizando lo más accionable. Elimina el contexto teórico y céntrate en las recomendaciones concretas."
Adaptar el tono
-
Cuando el tono no es el adecuado para tu audiencia.
"Reescribe el output con un tono más [formal/directo/ejecutivo/técnico] para una audiencia de [PERFIL DE AUDIENCIA]. Mantén el contenido pero ajusta el registro."
Añadir un elemento específico
-
Cuando necesitas incorporar algo que no está en el output.
"Añade [ELEMENTO ESPECÍFICO] al output. Debe integrarse de forma coherente con el resto del documento, no como un apéndice."
Versión ejecutiva resumida
-
Para compartir con el Comité de Dirección o el Consejo.
"Genera una versión ejecutiva de máximo una página con: la situación en una frase, los 3 puntos más importantes, y la recomendación de acción inmediata. Formato: directo, sin relleno, orientado a decisiones."
Resultado
Qué aspecto tiene el output
Este es el tipo de output que genera Make con el prompt de este tutorial. El contenido varía según tu empresa y situación, pero la estructura es siempre esta:
Ejemplo de output — Empresa SaaS B2B
Estructura del output
Señales de un buen output
• El output usa el nombre de tu empresa y datos específicos que has proporcionado
• Las recomendaciones son accionables (no genéricas)
• El lenguaje es ejecutivo y directo, sin relleno
• La estructura facilita la lectura rápida (encabezados, listas, tablas)
• Las recomendaciones son accionables (no genéricas)
• El lenguaje es ejecutivo y directo, sin relleno
• La estructura facilita la lectura rápida (encabezados, listas, tablas)
✓ Señal de que el output es bueno: Si el output incluye referencias específicas a tu empresa, sector o situación, significa que el prompt funcionó correctamente. Si el output es genérico, vuelve al paso del prompt y asegúrate de haber rellenado todas las variables entre corchetes.
Costes
Inversión y retorno
9$
Make Plan / mes
15 min
Por ejecución del tutorial
∞
Reutilizaciones del prompt
ROI: Una vez que tienes el prompt configurado con el contexto de tu empresa, puedes reutilizarlo indefinidamente. El tiempo de configuración inicial (15-20 minutos) se amortiza desde la segunda ejecución. Para tareas que antes requerían horas de trabajo manual, el ahorro acumulado en un mes supera con creces el coste de la suscripción.
Errores frecuentes
Qué hacer cuando algo no funciona
| Síntoma | Causa probable | Solución exacta |
|---|---|---|
| El output es genérico y no se ajusta a mi empresa | Las variables del prompt no se han rellenado con información específica | Vuelve al prompt y sustituye TODOS los textos entre corchetes [COMO ESTE] con información real de tu empresa. Cuanto más específico, mejor el output. |
| Make no responde o tarda demasiado | El prompt es demasiado largo o hay saturación del servidor | Recarga la página y vuelve a enviar el prompt. Si el problema persiste, divide el prompt en dos mensajes: primero el contexto, luego las instrucciones. |
| El output incluye datos incorrectos o inventados | Make infiere datos cuando no se los proporcionas explícitamente | Añade al final del prompt: "Si necesitas datos específicos que no te he proporcionado, indica [DATO PENDIENTE] en lugar de inferir cifras." Revisa siempre los números antes de compartir. |
| El output es demasiado largo para usarlo directamente | El prompt solicita demasiados elementos a la vez | Pide una versión resumida: "Genera una versión ejecutiva de máximo [N] puntos, priorizando lo más accionable." O divide la solicitud en dos mensajes separados. |
| El tono no es adecuado para mi audiencia | El prompt no especifica el tono ni la audiencia | Añade al prompt: "El tono debe ser [formal/directo/técnico] para una audiencia de [PERFIL]. Evita el lenguaje académico y usa términos del sector [SECTOR]." |
Siguiente paso
¿Qué hacer ahora?
Ahora que has completado este tutorial, hay dos caminos naturales:
💡 Para sacarle más partido: Una vez que hayas usado este tutorial en una situación real, guarda el prompt con las variables ya rellenadas para tu empresa. La próxima vez que necesites resolver un reto similar, tendrás el prompt listo y el proceso será mucho más rápido.
Alternativa segura
¿Puedo hacer esto sin que mis datos salgan de la empresa?
Sí. Este caso de uso trabaja con datos que, por su naturaleza confidencial, estratégica o regulada, son candidatos óptimos para ejecutarse con un modelo de lenguaje open source desplegado en infraestructura propia (on-premises o nube privada). Con esta configuración, ningún dato abandona nunca los servidores de tu organización y el modelo no puede ser entrenado con tu información.
Modelos recomendados
Llama 3.3 70B — Ideal para análisis de documentos largos y generación de texto estructurado (contexto 128K tokens).
Mistral Large 2 — Excelente para extracción de información y clasificación con alta precisión.
Qwen 2.5 72B — Especialmente potente para análisis de datos tabulares y financieros.
Mistral Large 2 — Excelente para extracción de información y clasificación con alta precisión.
Qwen 2.5 72B — Especialmente potente para análisis de datos tabulares y financieros.
Plataformas de despliegue
Ollama — Para equipos pequeños o uso individual en hardware propio (Mac M-series, workstation con GPU).
vLLM — Para entornos de producción con múltiples usuarios simultáneos y alto rendimiento.
LM Studio — Para pruebas y uso individual sin configuración de servidor.
vLLM — Para entornos de producción con múltiples usuarios simultáneos y alto rendimiento.
LM Studio — Para pruebas y uso individual sin configuración de servidor.
Infraestructura mínima
Para un modelo de 70B parámetros en producción:
GPU: 2× NVIDIA A100 40GB o 4× RTX 4090 (24GB VRAM cada una).
RAM: 128GB mínimo.
Alternativa cloud privada: AWS Private Cloud, Azure Government o Google Cloud Confidential Computing con VPC aislada.
GPU: 2× NVIDIA A100 40GB o 4× RTX 4090 (24GB VRAM cada una).
RAM: 128GB mínimo.
Alternativa cloud privada: AWS Private Cloud, Azure Government o Google Cloud Confidential Computing con VPC aislada.
🔒 Garantía de privacidad: Con un modelo on-premises correctamente configurado, los datos nunca salen de tu red corporativa, el modelo no se entrena con tu información, no hay transferencia internacional de datos (elimina el riesgo de transferencias a EE.UU. bajo el RGPD) y el cumplimiento normativo es total incluso para datos del art. 9 RGPD.
¿Necesitas implementar esta solución en tu organización?
La configuración de modelos open source on-premises requiere un proveedor técnico especializado que conozca tanto la tecnología como los requisitos de cumplimiento normativo. Emovere puede ayudarte a desplegar esta solución en tu infraestructura de forma segura, con garantías legales y sin que tus datos salgan nunca de tu organización.