FASE 1: Introducción, Beneficio Real y Stack Tecnológico
¿Alguna vez has perdido más tiempo eligiendo qué ver o escuchar que disfrutando del contenido en sí? La parálisis por análisis en plataformas como Netflix, Spotify o Kindle es un problema real que afecta nuestra productividad y calidad de descanso. La solución definitiva es construir tu propio recomendador personal de ocio con IA, un motor automatizado que filtra el ruido digital y te entrega sugerencias curadas basadas exclusivamente en tus gustos y estado de ánimo actual. Al implementar este sistema, no solo ahorras horas de búsqueda, sino que optimizas tu consumo cultural, asegurándote de que cada minuto de ocio valga la pena. Este sistema se integra perfectamente en tu ecosistema digital, funcionando como un asistente invisible que trabaja mientras realizas otras tareas. A continuación, definimos el stack tecnológico necesario para ponerlo en marcha sin necesidad de ser un programador experto.
- Make (antes Integromat): Plataforma de automatización no-code para conectar aplicaciones. (Plan Gratuito disponible).
- OpenAI API (GPT-4o): El cerebro que analiza y recomienda el contenido según tus preferencias. (Pago por uso, muy económico).
- Google Sheets: Tu base de datos personal donde almacenarás tus gustos, géneros favoritos y el histórico de recomendaciones. (Gratis).
- Telegram o Email: El canal de entrega donde recibirás tus sugerencias diarias o semanales. (Gratis).
- Requisitos previos: Una cuenta activa en Make, una API Key de OpenAI y una hoja de cálculo estructurada.
FASE 2: Arquitectura y Lógica del Flujo
La arquitectura de este sistema se basa en un flujo de trabajo lineal pero altamente efectivo. Primero, el Trigger (disparador) se activa mediante un horario programado (por ejemplo, cada viernes a las 18:00) o mediante un mensaje directo que envíes a un bot de Telegram indicando tu estado de ánimo. Una vez activado, el sistema consulta tu base de datos en Google Sheets para obtener tus preferencias históricas (géneros que te gustan, autores, directores y lo que ya has consumido para evitar repeticiones). El Procesamiento ocurre en la API de OpenAI, donde enviamos un prompt estructurado que actúa como un crítico cultural experto, cruzando tus datos con una base de conocimiento global para filtrar las mejores opciones. Finalmente, el Output se entrega como un mensaje enriquecido con sinopsis, enlaces directos y el motivo por el cual la IA considera que esa elección es perfecta para ti en ese momento específico.
FASE 3: Configuración Paso a Paso
Paso 1: Preparación de la Base de Datos
El primer paso es estructurar Google Sheets para que la IA entienda tus gustos. Crea columnas como ‘Género’, ‘Intereses’, ‘No me gusta’ y ‘Histórico’. Esto permite que el recomendador personal de ocio con IA no te sugiera algo que ya viste o que detestas.
Paso 2: Conexión del Trigger en Make
En Make, crea un nuevo escenario. Selecciona el módulo ‘Tools’ o ‘Telegram Bot’. Si usas Telegram, configura un ‘Watch Updates’ para que el sistema sepa cuándo le pides una recomendación. Si prefieres automatización pura, usa el módulo ‘Sleep’ o ‘Schedule’ para disparar el evento automáticamente cada viernes.
Paso 3: Configuración del Prompt de IA
Este es el núcleo. Debes enviar un prompt preciso a OpenAI. Usa la siguiente estructura en el módulo de ‘OpenAI Completions’:
Actúa como un experto curador de ocio. Mis preferencias son: {{datos_de_sheets}}. Evita: {{lista_negra}}. Recomiéndame 1 película, 1 libro y 1 podcast. Justifica cada elección basándote en mi perfil. Formato: JSON.El mapeo de los datos es crucial: asegúrate de que los campos de la hoja de cálculo se inserten correctamente en las variables del prompt para que la IA tenga contexto real.
Paso 4: Entrega del Resultado
Finalmente, configura el módulo de salida (Telegram o Gmail). Recibirás un mensaje formateado. Puedes usar un módulo de ‘JSON Parser’ para separar los campos y presentarlos de forma limpia. Verifica que cada recomendación incluya un enlace de búsqueda rápida en Google para facilitar el acceso inmediato.
FASE 4: Gestión de Errores y Casos Límite
El principal error es el ‘alucinamiento’ de la IA, donde sugiere contenido que no existe. Para evitarlo, añade en tu prompt la instrucción: ‘Si no estás seguro de la existencia de un contenido, no lo recomiendes’. Otro problema común es el límite de tokens. Si tu historial de lecturas es demasiado largo, la API podría cortarse. La solución es resumir tu historial en una sola línea o usar una base de datos vectorial (como Pinecone) si el volumen de datos crece exponencialmente. Si el flujo se detiene por un error de API, asegúrate de activar la función ‘Error Handler’ en Make, configurando un mensaje de notificación en tu móvil para que puedas reiniciar el proceso manualmente o revisar los logs de ejecución.
FASE 5: Checklist Final y Escalabilidad
Para asegurar que tu sistema sea robusto, sigue esta lista de verificación antes de lanzarlo:
- ¿Está correctamente mapeado el campo de ‘preferencias’ desde Google Sheets?
- ¿El prompt incluye instrucciones claras de formato JSON?
- ¿Has configurado un límite de peticiones para no exceder tu presupuesto de OpenAI?
- ¿El bot de entrega tiene acceso a los permisos necesarios?
Para escalar, puedes añadir dos funciones avanzadas: primero, un botón de ‘Feedback’ en cada recomendación (ej. ‘Me gustó’ o ‘No me gustó’) que actualice automáticamente tu hoja de cálculo, permitiendo que la IA aprenda de tus reacciones. Segundo, integra un módulo de ‘Web Scraper’ para que la IA analice las novedades de la semana en plataformas como Filmaffinity o Goodreads, asegurando que tus recomendaciones sean siempre tendencia y no solo clásicos antiguos.