Recibimos la pregunta casi cada semana, y viene en dos sabores. El fundador técnico pregunta “¿cómo están usando LLMs en sus engagements?” con esperanza. La persona de marca tradicional hace la misma pregunta con sospecha. Ambos merecen una respuesta precisa.
TISSA es AI-native, en el sentido específico de que usamos modelos de forma intensiva en la producción de cada Master Book y en cada retainer de Owner’s Rep. También somos AI-escépticos, en el sentido específico de que no dejamos que los modelos toquen las decisiones aguas arriba de las que depende una marca. Ambas posturas son deliberadas. La línea entre ellas es toda la apuesta de la firma.
Lo que los modelos hacen bien.
Tres cosas, de forma demostrable, a calidad de producción.
Aplicación de la voz a escala. Una vez que el capítulo Verbal del Master Book está escrito — descriptores de tono, léxico, ejemplos pareados — un modelo afinado puede reescribir cualquier copy hacia el cumplimiento en segundos. Usamos esto para hacer QC del copy entregado por proveedores en Gate 2. Una respuesta a un RFP de 4.000 palabras se puntúa contra el léxico en menos de un minuto; las desviaciones vuelven como un diff estructurado, que un revisor humano acepta o rechaza línea por línea.
Redacción de aplicaciones. Primeros borradores de fichas de venta, one-pagers y plantillas de email contra las especificaciones del Master Book. El modelo no inventa la especificación; la ejecuta. El output siempre se revisa en Gate 2, pero el primer borrador llega en horas en lugar de días, y la revisión se enfoca en el criterio en lugar de en la transcripción.
Clasificación de fotos de auditoría. El Field Audit trimestral captura de docenas a cientos de fotografías de la marca en el mundo real. Un modelo multimodal las tría contra la rúbrica 4C, marca las que están fuera de estándar y produce un borrador de scorecard. El Steward luego recorre a pie el conjunto marcado y lo finaliza. Sin el modelo, el triaje era el cuello de botella. Con él, la auditoría pasa del muestreo a la cobertura integral.
Lo que los modelos no pueden hacer.
Dos cosas, de forma duradera. Las razones son estructurales, no temporales.
Fijar la postura estratégica. El capítulo de Foundations es una posición, no una síntesis. Declara qué cree la marca sobre su mercado, dónde se ubica frente a los competidores y qué se niega explícitamente a hacer. Un modelo produce un promedio de sonido competente de cada estrategia de marca de su corpus de entrenamiento. Ese es exactamente el output equivocado: las marcas ganan apartándose del promedio, no regresando a él.
Un modelo te da el promedio de cada marca. El trabajo del principal es saber en qué dirección alejarse de él.
Tomar una decisión de criterio dentro de un Council. Cuando dos posiciones ratificadas en el Master Book entran en aparente conflicto — lo que ocurre cada quince a veinte Decision Memos — el Council debe decidir qué precedente gobierna. El modelo puede exponer el conflicto con claridad. No puede decir “vamos a quedarnos con la segunda y enmendar la primera”. Eso es una apuesta. Las apuestas son de lo que están hechas las marcas.
Dónde los usamos dentro de TISSA.
Concretamente, esta es la superficie de modelos a lo largo de un engagement típico.
En el Express Diagnostic, los modelos ayudan a triar evidencia de fotos y capturas de pantalla, la puntúan contra la rúbrica 4C y exponen los tres patrones de desviación principales. El principal escribe el Decision Memo. El modelo no escribe nada que el cliente vea.
En la construcción del Master Book, los modelos redactan aplicaciones, renderizan variantes para revisión y corren QC de consistencia a través de los seis capítulos a medida que el libro se acerca a la v1.0. La voz de la prosa — Foundations, Governance — la escribe el principal en su totalidad.
En el retainer de Owner’s Rep, los modelos corren QC de voz sobre los entregables de proveedores antes de Gate 2, clasifican imágenes del field audit y proponen entradas del Decision Log que el Steward edita y firma. El Council en sí es humano; el Memo lo firman humanos; el precedente lo fijan humanos.
Por qué esto cambia el modelo de consultoría.
La pregunta interesante no es si la IA desplaza a la consultoría de marca. Es qué tipo de consultoría de marca permite la IA que una firma pequeña sostenga.
Antes de los modelos, el overhead de producción de un engagement de Master Book requería trabajo junior para ser comercialmente viable a cualquier precio por debajo de $80K. La pirámide era estructural. Con los modelos, un solo principal puede sostener la columna estratégica y dejar que la capa de producción sea una herramienta en lugar de un equipo. La proporción de criterio senior respecto al output total sube de aproximadamente 15% en un modelo de pirámide a más del 70% en un modelo principal-led, aumentado por modelos.
Eso es lo que “AI-native” significa realmente en la práctica — no que el entregable lo haya escrito un chatbot, sino que la forma de la firma ha sido rediseñada en torno a lo que un practicante senior puede sostener cuando la producción ya no es el cuello de botella. El resultado es más criterio por dólar, no menos.
La capa de producción aumentada por modelos es una de las razones por las que nuestro pricing se ubica donde está. La metodología a la que sirve es El Brand Operating System.
