Tips & Tricks de ADA: El modelo correcto para cada tarea

El problema

Un solo modelo ya no alcanza

Durante años, sumar IA al análisis de marketing significó conectar un asistente atado a un único modelo. Servía para arrancar. Pero el ritmo al que aparecen modelos nuevos dejó ese enfoque corto.

Hoy el selector de ADA lista catorce modelos de cuatro proveedores (Anthropic, OpenAI, Google y xAI) conviviendo en la misma pantalla. Y la lista se mueve: mientras ADA Flash corre sobre Gemini 3.7 Flash, el catálogo ya ofrece la 3.8. Cada salto trae una capacidad nueva: más ventana de contexto, mejor lectura de imágenes, más velocidad o menor costo.

El problema del modelo único es el lock-in: cuando aparece uno mejor para tu tarea, quedas afuera hasta que alguien rehace la integración. Estás siempre una versión atrás.

El mejor modelo del mes deja de serlo el mes siguiente. Casarse con uno es apostar a que el mercado deje de mejorar.

La arquitectura

ADA no es un modelo: es quien elige el modelo

ADA es multi-modelo, o model-agnostic. Dicho simple: por debajo del asistente pueden correr distintos modelos de frontera, y ADA elige cuál usar según lo que pidas. No es un chatbot conectado a un solo LLM; es la capa que los orquesta a todos.

Conviene separar dos términos que suelen confundirse. Multi-modelo es esto: varios modelos disponibles, uno por tarea. Multimodal es otra cosa: la capacidad de un mismo modelo de entender texto, imagen y video a la vez. ADA es multi-modelo y, además, aprovecha modelos multimodales cuando la tarea lo pide, como leer un creativo.

Esa orquestación funciona de dos maneras:

• ADA automática. Opera sola. Decide qué modelo usar para resolver cada tarea con el menor consumo de créditos posible: tú preguntas y ADA se ocupa del resto.
• ADA en conversación. Tú eliges el modelo. Cuando una tarea puntual necesita un perfil específico, lo seleccionas a mano desde el mismo asistente.

En modo conversación, ADA presenta sus motores como niveles con nombre propio, cada uno respaldado por un modelo distinto:

• ADA Flash · Gemini 3.7 Flash: volumen alto, complejidad baja
• ADA Pro · GPT-5.6 Terra: el motor por defecto
• ADA Max · Claude Sonnet 5: razonamiento profundo
• ADA X · Grok 4.6: señal en tiempo real de X

…más un catálogo abierto de modelos individuales para casos donde necesitas máxima profundidad o el mínimo costo posible.

La arquitectura cambió con ADA 2.0 y trajo tres cosas que se notan al usarla. Transparencia: puedes ver qué acciones ejecuta el asistente, qué información toma y con qué contexto arma el resultado. Memoria conversacional: recuerda el intercambio previo, así que no necesitas repetir las instrucciones en cada mensaje. Y actualización inteligente de widgets: cuando pides ajustar un gráfico, ADA conserva el procedimiento y la lógica con que lo construyó, en vez de empezar de nuevo.

Detrás de cada nivel hay un criterio, no un capricho. Y cuando ADA trabaja sola, ese criterio se aplica automáticamente: elegir bien es la parte que no se ve, y es justamente donde está el valor.

El comparativo

Cada modelo brilla en algo distinto

Aclaración importante: no es que cada modelo sirva para una sola cosa. Todos pueden hacer casi todo. La diferencia está en cuánto consumen para lograrlo y en qué tarea rinden mejor. Elegir bien es, sobre todo, una cuestión de eficiencia.

El consumo relativo es una proporción, no un valor de créditos exacto: indica cuánto pesa cada modelo frente a los demás. Multiplicadores del selector de ADA, septiembre de 2026.

El patrón es claro. Para leer qué muestra un aviso (qué personas, objetos, colores o logos aparecen), un modelo con fuerte capacidad multimodal como Gemini detecta más y mejor. Para una consulta simple y repetida, un modelo económico la despeja por una fracción del costo. Y para un análisis que no admite errores, el ecosistema de Claude sostiene mejor el razonamiento largo.

Hay un caso donde la eficiencia manda con nombre propio: al analizar X, no importa con qué modelo estés conversando. ADA recurre a Grok para recopilar la información, porque es la vía que optimiza los créditos en esa fuente.

La regla

La regla que te ahorra créditos

Si te quedas con una sola cosa de esta nota, que sea esta: empieza siempre por ADA Pro. Es el motor por defecto y está pensado para cubrir la mayor parte del trabajo diario de un equipo de marketing con la mejor relación entre calidad y costo. Sube de nivel solo cuando una tarea puntual demuestre que lo necesita.

Suena obvio. No lo es: el reflejo natural es dejar puesto el modelo más potente «por las dudas», y ahí es donde se van los créditos sin que nadie lo note.

Los tres movimientos, entonces:

• Baja a Flash cuando el volumen manda y la tarea es simple. Clasificar cientos de comentarios, etiquetar, traducir, resumir reuniones, un primer pase de moderación. Pagar razonamiento profundo para etiquetar es tirar créditos.
• Quédate en Pro para el 90% del día: análisis de campañas de Google Ads, Meta, TikTok o GA4; copy y contenido; interpretación de tablas y KPIs; benchmarks y competencia; presentaciones ejecutivas.
• Sube a Max cuando el costo de un error es alto: churn, Go-to-Market, modelos de atribución o pricing, planificación anual, síntesis de research multi-fuente. La prueba es simple: si rehacer el trabajo cuesta más que el análisis, usa el motor bueno.

Y al catálogo abierto, recién después de Max. Es uso quirúrgico para casos puntuales, no un reemplazo del camino normal.

Los entregables

Pide el entregable, no solo la respuesta

La mayoría de los equipos usa ADA como un buscador con mejores modales: pregunta, lee la respuesta, copia y pega. Es el uso más pobre posible. ADA 2.0 entrega en cinco formatos distintos, y el formato lo pides tú en el prompt.

• Respuesta ejecutiva en chat. Directa y accionable, sin tecnicismos de más. Para resolver una duda puntual.
• Gráfico interactivo. Se inserta en la conversación y queda listo para consultar o pinear en un panel.
• Tabla estructurada. Vista tabular ordenada por relevancia métrica, cuando necesitas comparar filas y no leer prosa.
• Reporte visual completo en HTML. Un documento autocontenido con diseño editorial, tarjetas de KPI, gráficos integrados y narrativa de negocio. Se guarda dentro de Bunker, sin herramientas externas.
• Exportación de datos. CSV o XLSX cuando el volumen es grande y el destino es otra herramienta.

El reporte HTML es el entregable que más cambió, y no solo por lo que dice: también por cómo se ve. Eso merece su propio apartado.

El diseño

El reporte ya no sale con la cara de la herramienta

Hay un costo que casi ningún equipo contabiliza. La plataforma entrega un reporte correcto pero genérico, y alguien dedica un par de horas a rehacerlo en Slides con la identidad de la marca antes de presentarlo al cliente. Ese trabajo no agrega una sola conclusión al análisis: se limita a traducirlo de formato.

ADA ahora genera el reporte con la identidad de marca ya aplicada. El diseño dejó de ser una corrección posterior y pasó a ser un parámetro más del entregable.

Lo que defines antes de generarlo:

• El logo. Lo subes en PNG, JPG o SVG y ADA extrae la paleta de ahí. No hace falta que sepas los hex de tu marca.
• Los colores. Primario, secundario y terciario, más títulos y botones, a mano o eligiendo de un abanico de paletas ya armadas. El fondo, las tarjetas y el texto se derivan solos.
• El fondo. Flat, gradient o mesh.
• Las tarjetas. Sólidas, glass, con gradiente, solo contorno o sin caja.
• La tipografía. Poppins, Playfair Display, la del sistema o cualquiera de Google Fonts.
• El ritmo. Densidad y redondeo de esquinas, con dos sliders.
• La navegación. Horizontal, una sección por vez con anterior y siguiente, pensada para presentar en vivo. O scroll, todo el reporte en una página, donde las pestañas se vuelven anclas.

Si no quieres decidir cada cosa, ADA propone. Debajo del lienzo aparecen atajos de diseño listos para aplicar de a uno: modo oscuro, fondo con gradiente, tarjetas glass, parallax, títulos más grandes, esquinas más redondeadas, colores más suaves. Los pruebas, ves el resultado y sigues.

Y cuando ninguna opción del panel hace exactamente lo que tienes en la cabeza, se lo pides hablando. La personalización también es conversacional: describes el cambio sobre cualquier elemento del reporte y ADA lo aplica. Es el mismo asistente, trabajando ahora sobre la estética en vez de sobre los datos.

La práctica

Siete formas de sacarle más a ADA

Nada de esto es avanzado. Son las cosas que separan a un equipo que usa ADA de uno que le saca provecho.

1. Empieza por Pro y escala con motivo. Pro es el motor por defecto y resuelve casi todo el día a día. Baja a Flash si la tarea es simple y repetitiva; sube a Max si un error te costaría caro. Es el hábito que más créditos ahorra en el mes.
2. Deja de repetir el contexto. ADA 2.0 tiene memoria conversacional: recuerda el intercambio previo. En vez de reescribir el enunciado completo, encadena: «ahora lo mismo pero solo para Meta», «compáralo contra el trimestre anterior». Cada repetición innecesaria consume créditos.
3. Revisa el proceso antes de compartir. ADA muestra qué acciones ejecutó y qué información tomó para armar el resultado. Cuando el análisis va a una decisión sensible, ábrelo y verifica de dónde salieron los datos. Te toma treinta segundos y es lo que separa un insight de un error con formato lindo.
4. Pide el ajuste, no el rehecho. Si un gráfico no salió como querías, pide la corrección sobre el mismo widget: ADA conserva el procedimiento y la lógica originales. Rehacerlo desde cero paga el trabajo dos veces y suele dar un resultado menos consistente.
5. Nombra el formato en el prompt. «Dame esto como tabla», «arma un reporte HTML con la paleta de la marca», «expórtalo a CSV». Pedir el entregable correcto desde el principio evita la ronda de ida y vuelta.
6. Programa lo que repites. Si todos los lunes pides el mismo reporte semanal, conviértelo en tarea programada: se ejecuta sola con periodicidad diaria, semanal o mensual sobre períodos relativos (la última semana completa, el mes cerrado) y se distribuye por correo a la lista de destinatarios que definas. El reporte te espera hecho.
7. Guarda y comparte los prompts que funcionan. Cuando encuentres el que te da exactamente el análisis que necesitas, guárdalo y actívalo para el resto de tu marca. El conocimiento de un analista deja de ser suyo y pasa a ser del equipo.

Dos datos operativos para cerrar: los datos quedan en memoria hasta una hora, así que si retomas una conversación mucho después conviene volver a pedirlos. Y el consumo cuenta tanto lo que preguntas como lo que ADA responde: un prompt vago que genera tres páginas de texto cuesta más que uno preciso que genera media.

El criterio

Más potencia no siempre es la respuesta

Si todos los modelos pueden casi todo, ¿por qué no usar siempre el más potente? Por dos razones: costo y adecuación.

Pedirle a un modelo económico un análisis complejo puede salir caro de otra forma. Un modelo liviano, llevado más allá de lo que rinde, tiende a alucinar: entrega una respuesta que suena convincente pero es incorrecta. Por eso, cuando la tarea es exigente, conviene revisar tanto de dónde salieron los datos como cómo se usaron.

En el otro extremo, un modelo de máxima capacidad reduce drásticamente ese riesgo en tareas complejas y da respuestas de alta confianza para decisiones sensibles. Pero usarlo para una pregunta trivial es pagar de más sin ganar nada.

No se trata de usar la IA más potente. Se trata de usar la correcta.