Cómo montar un sistema de contenidos automatizado por 15€ al mes (Stack 2026)

Cómo montar un sistema de contenidos automatizado por 15€ al mes (Stack 2026)

Mira, te cuento la verdad. Producir contenido todas las semanas para tu negocio digital es un coñazo si estás solo o si tu equipo es de dos personas. Y pagarle 3.000 euros al mes a una agencia para que te ponga posts genéricos en LinkedIn tampoco tiene sentido en pleno 2026.

Llevo seis meses probando este flujo. Me cuesta literalmente 15 euros al mes y me quita el 80% del trabajo pesado.

Te explico cómo montarlo paso a paso sin arruinarte.

El problema del contenido en 2026

Entre 2024 y 2025 todo el mundo se volvió loco creando basuras masivas con ChatGPT. ¿El resultado? La gente se empachó de texto genérico. Hoy, los algoritmos de LinkedIn, X y los motores de búsqueda castigan el contenido que huele a bot a kilómetros.

La clave hoy no es “automatiza y olvídate”. Es automatiza la carpintería, pon tú la cabeza.

El objetivo de este sistema no es que una IA escriba por ti sin que leas nada. El objetivo es que tú solo tengas que dedicarle 10 minutos al día a revisar y dar el ok final.

El Stack barato que necesitas

Olvídate de herramientas SaaS de 99$ al mes que solo le ponen una interfaz bonita a las APIs de siempre. Esto es lo que vamos a usar:

1. n8n (Self-hosted): Tu orquestador. En lugar de usar Zapier y arruinarte con las tareas, lo instalamos en un VPS barato.
2. DeepSeek V3 / GPT-4o-mini: Para procesar datos, sintetizar y sacar borradores. Tienen costes absurdamente bajos.
3. Notion o Supabase: Como base de datos y calendario editorial.
4. Telegram: Tu panel de control móvil para aprobar o rechazar contenido sobre la marcha.

Paso 1: La captura automática de ideas

El error típico es sentarte delante de la pantalla en blanco a pensar “qué escribo hoy”. Eso no funciona.

Tengo un workflow en n8n que se ejecuta todos los días a las 8:00 AM. Hace esto:

• Lee los feeds RSS de los 5 blogs más potentes de mi sector.
• Extrae los hilos más comentados de dos subreddits de mi nicho.
• Procesa las transcripciones de un par de canales de YouTube clave usando una API sencilla.

Toda esa información cruda se envía a un modelo barato (como DeepSeek) con un prompt muy simple: “Extrae los 3 temas más relevantes de este texto y genera una hipótesis o ángulo diferente para un negocio digital”.

El resultado llega a un canal privado de Telegram con dos botones: Guardar idea o Descartar.

Paso 2: La generación del borrador (Con código real)

Cuando pulso “Guardar idea” en Telegram, se activa un webhook en n8n que lanza la generación del primer borrador.

Aquí no usamos prompts estilo “Escribe un post viral con emojis”. Esos no valen para nada. Le damos contexto real, nuestro tono de voz y una estructura clara.

Si prefieres usar un pequeño script en tu servidor en lugar de un nodo visual, así se ve la petición básica en Python para procesar la idea antes de mandarla a tu base de datos:

import os
import requests
from openai import OpenAI

# Configuración del cliente (funciona igual con DeepSeek u OpenAI)
client = OpenAI(
    api_key=os.environ.get("LLM_API_KEY"),
    base_url="https://api.deepseek.com/v1" # O la url de tu proveedor en 2026
)

def generar_borrador(idea, contexto_negocio):
    system_prompt = f"""
    Eres el fundador de un negocio digital. Escribes de forma directa, sin adjetivos vacíos, 
    sin usar palabras como 'fascinante' o 'en el mundo actual'. Usa frases cortas. 
    Contexto de la empresa: {contexto_negocio}
    """

    user_prompt = f"Crea un borrador para LinkedIn basado en esta idea: {idea}. Incluye una llamada a la acción hacia nuestro producto."

    response = client.chat.completions.create(
        model="deepseek-chat",
        messages=[
            {"role": "system", "content": system_prompt},
            {"role": "user", "content": user_prompt}
        ],
        temperature=0.4
    )

    return response.choices[0].message.content

# Ejemplo de uso
idea_capturada = "Las empresas están dejando los SaaS caros para volver al self-hosted en 2026"
contexto = "Vendemos servicios de infraestructura e integración"

borrador = generar_borrador(idea_capturada, contexto)

# Enviar borrador a Notion via Webhook de n8n
requests.post("https://tu-instancia-n8n.com/webhook/nuevo-borrador", json={"texto": borrador})

Enter fullscreen mode Exit fullscreen mode

Paso 3: El filtro humano (Aquí te juegas la marca)

El borrador se guarda en Notion con el estado “En Revisión”.

Aquí entra tu único trabajo manual del día:

1. Entras a Notion desde el móvil mientras te tomas el café.
2. Le pones tu toque personal. Cambias un par de frases, añades una anécdota real de la semana pasada o una foto tuya.
3. Cambias el estado de Notion a “Aprobado”.

Si te saltas este paso y publicas directamente lo que saca la API, la gente lo va a notar. La IA te hace la estructura y el trabajo sucio; tú pones el criterio.

Paso 4: Publicación multicanal

En cuanto la entrada en Notion cambia a “Aprobado”, n8n se despierta de nuevo:

• Toma el texto formateado y lo publica en LinkedIn mediante su API.
• Si el texto es largo, genera una versión resumida para X.
• Pasa el contenido a una plantilla de correo y deja el email preparado en tu plataforma de newsletter (por ejemplo, Resend, que tiene un plan gratuito excelente).

El desglose real de costes al mes

Vamos a hacer números para que veas que no te engaño:

• VPS en Hetzner (para n8n y scripts): 4,50 € / mes.
• Consumo de API (DeepSeek V3 / GPT-4o-mini): ~6,00 € / mes (para unos 40-50 contenidos al mes).
• Notion: 0 € (Plan gratuito sobra).
• Resend (Email marketing): 0 € (Hasta 3.000 correos al mes).
• Telegram: 0 €.

Total mensual: 10,50 € (más IVA).

Por unos 13 euros al mes tienes una cadena de montaje que te ahorra fácil 15 horas de trabajo a la semana.

Tres errores que cometí al principio (Para que no tropieces)

1. Querer estar en todas partes: Empecé intentando adaptar el contenido para LinkedIn, X, Instagram, YouTube Shorts y la newsletter. Un desastre. Elige dos canales donde realmente esté la gente que te compra.
2. Prompts demasiado largos: Cuantas más instrucciones raras le das al modelo, más robótico suena. Mantén los prompts directos y pon restricciones negativas (ejemplo: “No uses emojis de cohetes”, “No hagas intros largas”).
3. Olvidarse de medir: Una vez al mes, pasa los datos de impresiones a tu base de datos. Haz que el sistema analice qué temas han funcionado mejor y ajusta las fuentes de información del Paso 1 en consecuencia.

Montar esto te lleva un sábado por la mañana. Una vez ajustado, solo tienes que dedicarle unos minutos al día para revisar borradores. Si te atascas configurando n8n o la API, déjame un comentario y te echo una mano.