Los equipos de marketing se enfrentan a una presión cada vez mayor para crear campañas atractivas rápidamente y al mismo tiempo mantener la coherencia de la marca y la calidad creativa. Los procesos tradicionales de creación de campañas de marketing a menudo implican múltiples iteraciones entre equipos creativos, partes interesadas y agencias externas, lo que genera plazos extendidos y mayores costos.
La llegada y disponibilidad de modelos generativos (especialmente los de generación de imágenes y videos) ha abierto la posibilidad de iterar rápidamente a través de múltiples propuestas de campaña en minutos. Sin embargo, la creación eficiente de campañas con la ayuda de modelos generativos aún requiere un alto nivel de habilidades y dominio de herramientas generativas, como ingeniería rápida, ajuste de parámetros, aplicación de barreras de seguridad, etc. Las habilidades de edición, guión y postproducción también son importantes para crear historias impresionantes.
En esta publicación, la primera de una serie de tres, nos centramos en cómo puede utilizar Amazon Nova para optimizar, simplificar y acelerar la creación de campañas de marketing mediante IA generativa. Mostramos cómo Bancolombia, uno de los bancos más grandes de Colombia, está experimentando con los modelos de Amazon Nova para generar imágenes para sus campañas de marketing.
El desafío de las campañas de marketing modernas
Los desafíos para crear campañas de marketing atractivas van mucho más allá de los gastos generales creativos y afectan a las empresas a niveles operativos, financieros y estratégicos. El enfoque convencional para la creación de campañas de marketing suele implicar un proceso complejo de interacciones entre equipos internos, agencias externas y partes interesadas, cada uno con sus propias prioridades, ciclos de retroalimentación y procesos de aprobación.
Uno de los puntos débiles más importantes en la creación de campañas de marketing tradicionales es la naturaleza del trabajo que requiere mucho tiempo. Desde el desarrollo inicial del concepto hasta la producción final de los activos, las campañas suelen requerir semanas o incluso meses para pasar de la ideación a la ejecución. Este cronograma extendido podría incluir múltiples rondas de revisiones, aprobaciones de partes interesadas y mejoras de activos que pueden representar una sobrecarga en el proceso interno. Sin embargo, cuando se habla del negocio del marketing, lo que importa es el contexto en el que se lanzan las campañas. Factores externos como noticias recientes, tendencias de moda, nuevos productos lanzados y la temporada del año pueden afectar la aceptación de las campañas por parte del usuario. Es por eso que el tiempo es crítico para el marketing, y un lanzamiento retrasado de la campaña puede significar perder ventanas críticas o permitir que los competidores capten primero la atención de la audiencia.
Las implicaciones financieras de estos métodos tradicionales son igualmente preocupantes. Los equipos de marketing frecuentemente enfrentan restricciones presupuestarias y se espera que entreguen campañas sofisticadas en múltiples canales y formatos de entrega, como publicaciones en redes sociales, videos cortos, páginas de destino y más. Los costos asociados con la creación de una campaña (incluidos los honorarios de agencia, los gastos de producción y el costo de oportunidad de un lanzamiento retrasado) pueden aumentar rápidamente. Según una encuesta de Gartner, en 2024, las empresas redujeron su presupuesto de marketing del 9,9% al 7,7% de su presupuesto total, lo que limitó aún más los recursos y el tiempo asignado para crear campañas de marketing. Esta crisis presupuestaria es precisamente la razón por la que las herramientas de inteligencia artificial se están volviendo esenciales y no opcionales para los equipos de marketing.
Más allá de las consideraciones de tiempo y costos, los equipos de marketing luchan con una tensión fundamental. Deben mantener una identidad de marca coherente y al mismo tiempo crear contenido nuevo y atractivo al ritmo que exige el mercado. Este desafío se complica aún más por la personalización del contenido en varios sistemas y formatos, cada uno con sus propios requisitos técnicos y mejores prácticas. En respuesta, estamos viendo que las empresas repensan por completo cómo asignan los recursos. Muchos están cambiando hacia los medios pagos y recortando tecnologías heredadas, reduciendo la plantilla y reduciendo las relaciones con las agencias. Esto crea una situación interesante en la que las herramientas de IA están provocando reducciones presupuestarias (al hacer que los equipos sean más eficientes) y ayudando a los equipos a sobrevivir esos mismos recortes presupuestarios.
El impacto en el mundo real es significativo. Los equipos de marketing que utilizan IA generativa ahora pueden producir en horas lo que antes llevaba días o semanas. Estas herramientas no sólo crean eficiencia, sino que también permiten enfoques completamente nuevos para la creación de contenido. Este cambio tecnológico ha creado las condiciones perfectas para implementar modelos generativos avanzados que pueden producir imágenes, vídeos y otros activos visuales de alta calidad a una escala que antes era imposible con los métodos tradicionales.
Familia de modelos de cimentación Amazon Nova
Amazon Nova es una familia de modelos básicos (FM), disponibles mediante API a través de Amazon Bedrock, creados por Amazon y que se diferencian por su excelente relación precio-rendimiento.
La familia está compuesta por las siguientes subfamilias:
Amazon Nova Comprensión de los modelos: comprensión de los modelos que aceptan entradas de texto, imágenes y videos y generan salidas de texto. Proporcionan una amplia selección de puntos de operación de capacidad, precisión, velocidad y costo. Compuesto por cuatro modelos: Amazon Nova Micro, Amazon Nova Lite, Amazon Nova Pro, Amazon Nova Premier. Modelos de generación de contenido creativo de Amazon Nova: modelos de generación de contenido creativo que aceptan entradas de texto e imágenes y producen salidas de imágenes o videos. Integrado por dos modelos: Amazon Nova Canvas (generación de imágenes) y Amazon Nova Reel (generación de videos). Modelos de voz a voz de Amazon Nova: incluye solo un modelo, Amazon Nova Sonic, un modelo de voz a voz que acepta voz como entrada y genera voz y texto como salida. El modelo está diseñado para ofrecer conversaciones de voz humanas en tiempo real con riqueza contextual.
Generación de imágenes con Amazon Nova Canvas
Con Amazon Nova Canvas puede generar imágenes realistas con calidad de estudio mediante indicaciones de texto. Amazon Nova Canvas es capaz de generar imágenes de hasta 2K x 2K. Amazon Nova Canvas también es capaz de editar imágenes existentes mediante indicaciones de texto para guiar la edición. Consulte la guía visual de Amazon Nova Canvas para explorar las posibilidades que ofrece el modelo Nova Canvas. Para generar una imagen mediante programación, ingrese el siguiente código:
Encuentre más ejemplos de Amazon Nova en el repositorio de GitHub de ejemplos de Amazon Nova.
Puede obtener información sobre la ingeniería de avisos para Amazon Nova Canvas y Amazon Nova Reel en Ingeniería de avisos de imágenes y videos para Amazon Nova Canvas y Amazon Nova Reel en el blog de inteligencia artificial de AWS.
Acelere la creación de activos visuales para campañas de marketing utilizando Amazon Nova
Para agilizar la generación de activos visuales de campañas de marketing, proponemos un proceso automatizado, con la ayuda de IA generativa, para realizar la transición de la idea de la campaña a un conjunto de activos visuales para la campaña. Nuestro proceso propuesto se describe a continuación:
Usted proporciona una descripción de su campaña. El sistema recupera automáticamente imágenes de campañas anteriores relacionadas con su campaña actual y puede seleccionar aquellas que representen mejor las ideas para su nueva campaña. El sistema generará un mensaje de referencia (usando Amazon Nova Pro) para generar las imágenes de su campaña usando Amazon Nova Canvas. Puede editar este mensaje. El sistema generará hasta cinco imágenes para su campaña.
Ahora exploramos algunos de los conceptos clave de esta solución.
Recomendación de imagen de referencia.
Después de proporcionar la descripción de nuestra imagen, buscamos imágenes relacionadas con nuestra campaña dentro de una base de datos de imágenes. Esta búsqueda devuelve imágenes estrechamente relacionadas con el tema de la campaña que se utilizaron en campañas anteriores y que han demostrado ser exitosas en el pasado. El usuario puede seleccionar algunas de las imágenes de referencia para guiar la creación de nuestros nuevos recursos visuales. Esta técnica es el tema de discusión de la próxima entrega de esta serie. Le recomendamos que lo lea para obtener una comprensión más profunda de cómo creamos un motor de búsqueda eficiente utilizando modelos de incrustaciones multimodales y bases de datos vectoriales.
Crear buenas indicaciones de generación de imágenes utilizando modelos de lenguaje grandes (LLM)
Aunque los modelos creativos de Amazon Nova tienen cierto conocimiento de idiomas como el español o el alemán, el inglés sigue siendo el único idioma totalmente compatible. Por lo tanto, los usuarios deben redactar sus indicaciones en inglés para maximizar las capacidades de los modelos creativos de Amazon Nova. Además, impulsar modelos creativos de manera efectiva requiere un enfoque diferente que cuando se trabaja con modelos comprensivos. Incluso los ingenieros experimentados pueden necesitar tiempo para adaptar sus técnicas y desbloquear completamente el potencial de un modelo creativo. Para los recién llegados a la generación de contenido basado en LLM, esta curva de aprendizaje puede ser particularmente pronunciada.
Para abordar estos desafíos, utilizamos una técnica llamada metaprompting. Este enfoque implica instruir a un LLM para que genere indicaciones efectivas para otros FM. Por ejemplo, podemos utilizar Amazon Nova Pro para crear indicaciones de alta calidad para que Amazon Nova Canvas genere imágenes.
La siguiente plantilla de mensajes muestra cómo indicarle a Amazon Nova Pro que genere mensajes optimizados de texto a imagen basados en una descripción de imagen simple (resaltada en negrita):
La respuesta es:
Como puede ver, recibimos un mensaje que está alineado con los requisitos de Amazon Nova Canvas y obtenemos una imagen de alta calidad.
Nuestra plantilla de metaprompt tiene cuatro secciones:
Establecemos la persona y la tarea de alto nivel (creación rápida eficiente). Establecemos las reglas que esperamos que se sigan al escribir el mensaje. Por ejemplo, proporcionamos los límites de caracteres e indicamos al modelo que responda solo en inglés. Establecemos pautas que describen cómo queremos que se construya el mensaje, pero no son obligatorias. También hay algunas sugerencias sobre las palabras clave utilizadas en el modelo final, por lo que el metamensaje anima al modelo a utilizarlas en su salida. Identificamos el resultado final.
Si desea explorar más ideas de metaprompting, la publicación del blog Mejore el rendimiento de la migración de Amazon Nova con optimización de avisos basada en datos tiene buenas ideas. Para conocer las mejores prácticas para escribir indicaciones para los modelos de comprensión de Amazon Nova, consulte la Guía del usuario de Amazon Nova.
Arquitectura de la solución
Ahora proponemos una arquitectura de referencia para implementar las ideas discutidas anteriormente. La arquitectura es la siguiente:
Amazon Bedrock se utiliza para invocar los modelos Amazon Nova Pro y Amazon Nova Canvas mediante una API común. Las funciones de Amazon Lambda se utilizan para crear metaprompts, generar imágenes, recuperar imágenes relacionadas y almacenar la campaña en una base de datos. La información de la campaña se almacena en una base de datos de Amazon DynamoDB. Las API se administran mediante Amazon API Gateway. Amazon Cognito se utiliza para administrar los usuarios de la aplicación.
El siguiente diagrama muestra la arquitectura.
Cómo Bancolombia está utilizando Amazon Nova para optimizar la generación de activos de sus campañas de marketing
Bancolombia, uno de los principales bancos de Colombia, ha estado experimentando con este enfoque desde hace más de un año. Por lo general, el marketing estratégico en Bancolombia comienza con un brief que establece los objetivos, el público objetivo y los mensajes principales. Un resumen detallado, que a menudo contiene ejemplos visuales y análisis de datos, puede ayudar a optimizar el flujo de trabajo entre los equipos y las partes interesadas.
“A menudo se necesitan muchas reuniones y rondas de cambios entre hacer el informe y alinear a todas las partes interesadas”, dijo Juan Pablo Duque, líder científico de marketing de Bancolombia. "Aquí es donde nos dimos cuenta de que podíamos incorporar nuevas tecnologías. El dicho 'una imagen vale más que mil palabras' es muy cierto. Sería fantástico si los analistas de marketing pudieran utilizar la IA generativa para hacer referencias visuales. En lugar de simplemente utilizar texto, podrían dibujar una ilustración clara de lo que están pensando".
"Comenzamos a experimentar y, después de cada iteración, encontramos más opciones. Por ejemplo, ¿qué pasaría si analizáramos información de campañas anteriores? Muchas iniciativas anteriores tenían los mismos objetivos y su rendimiento se puede utilizar como información útil. El uso de elementos visuales junto con elementos de campaña probados le daría al equipo creativo una base más sólida que les ayudaría a ahorrar tiempo en las primeras etapas de creación de ideas.
A medida que los modelos generativos sigan mejorando, podrían cubrir todo el proceso de diseño produciendo imágenes y ajustándolas para diferentes usos digitales. Esto significa generar contenido siguiendo los lineamientos de nuestra plataforma. Con este flujo de trabajo, la publicación se puede realizar más rápido, los equipos pueden reaccionar a las tendencias actuales, mejorar el contenido que no funciona bien y ofrecer mensajes que sean más consistentes”.
Mejores prácticas de implementación
En esta sección, proponemos un conjunto de mejores prácticas para los lectores que deseen automatizar la generación de campañas de marketing. A continuación se presentan algunas consideraciones y pautas técnicas:
Arquitectura modular: implemente la solución utilizando un enfoque modular, separando el motor de búsqueda de imágenes y los componentes de generación visual. Esto permite un mantenimiento sencillo y mejoras futuras. Primero sin servidor: utilice tecnologías sin servidor como AWS Lambda y Amazon API Gateway para reducir la sobrecarga operativa y mejorar la escalabilidad. Control de versiones del modelo: realice un seguimiento de las versiones específicas de los modelos de Amazon Nova utilizadas en su implementación. Esto respalda la reproducibilidad y ayuda en la resolución de problemas.
Para conocer las mejores prácticas de seguridad, considere estas pautas:
Acceso con privilegios mínimos: utilice roles de AWS Identity and Access Management (IAM) con el principio de privilegios mínimos para todos los componentes, especialmente al acceder a Amazon Bedrock y otros servicios de AWS. Cifrado en tránsito y en reposo: asegúrese de que todos los datos, incluidas las descripciones de la campaña y las imágenes generadas, estén cifrados tanto en tránsito como en reposo mediante AWS Key Management Service (AWS KMS). Validación de entradas: implemente una validación de entradas estricta para todas las entradas de los usuarios para ayudar a prevenir posibles vulnerabilidades de seguridad, especialmente en la descripción de la campaña y en las etapas de edición rápida. Acceso seguro a la API: utilice Amazon Cognito para la autenticación y autorización de usuarios para proteger el acceso a sus puntos finales de API.
Para optimizar el rendimiento, siga estas pautas:
Estrategia de almacenamiento en caché: implemente una capa de almacenamiento en caché mediante Amazon ElastiCache para almacenar datos a los que se accede con frecuencia, como descripciones de campañas populares o imágenes de referencia de uso común. Procesamiento asincrónico: para tareas de generación de imágenes que pueden llevar más tiempo, implemente el procesamiento asincrónico para mejorar la experiencia del usuario y la capacidad de respuesta del sistema. Escalado automático: configure el escalado automático para sus funciones Lambda y API Gateway para manejar cargas variables de manera eficiente.
Para el manejo y monitoreo de errores, siga estas pautas:
Registro completo: implemente registros detallados utilizando Amazon CloudWatch Logs para capturar eventos del sistema, acciones de usuarios e interacciones de modelos. Alertas automatizadas: configure alarmas de CloudWatch para monitorear métricas clave y enviar notificaciones en caso de anomalías o errores. Degradación elegante: diseñe el sistema para manejar fallas de manera elegante, como la indisponibilidad temporal de los modelos de Amazon Nova, mediante la implementación de mecanismos alternativos adecuados. Auditorías periódicas: realice auditorías periódicas de su contenido generado para verificar el cumplimiento de las pautas de la marca y los estándares éticos.
Si sigue estas mejores prácticas, podrá mantener una implementación confiable, segura y eficiente de su solución de campaña de marketing de IA generativa. El monitoreo y el mantenimiento regulares pueden ayudarlo a identificar áreas de mejora y mantener su sistema optimizado a medida que evolucionan las necesidades de su campaña.
Conclusión
En esta publicación, demostramos cómo utilizar la familia de FM de Amazon Nova para revolucionar la creación de campañas de marketing a través de un enfoque automatizado impulsado por IA. Al combinar Amazon Nova Pro para la generación inteligente de mensajes y Amazon Nova Canvas para la creación de imágenes de alta calidad, hemos demostrado cómo los equipos de marketing pueden reducir drásticamente el tiempo y los recursos necesarios para producir activos visuales atractivos y, al mismo tiempo, mantener la coherencia de la marca y la calidad creativa. De cara al futuro, esta solución se puede ampliar para admitir casos de uso adicionales, como:
Integración con servicios de automatización de marketing Personalización avanzada utilizando información del cliente Generación de activos de campaña multicanal Automatización de pruebas A/B para contenido visual
En la próxima entrega de esta serie, abordaremos cómo incorporar información de imágenes de campañas anteriores para mejorar el proceso creativo.
También lo alentamos a explorar las capacidades de la familia de modelos Amazon Nova para sus flujos de trabajo de marketing. Puede comenzar implementando la solución disponible públicamente en el repositorio de GitHub de muestras generativas de AI ML latam.
Sobre los autores
David Laredo es arquitecto de prototipos en AWS, donde ayuda a los clientes a descubrir el arte de lo posible a través de tecnologías disruptivas y técnicas rápidas de creación de prototipos. Es un apasionado de la IA/ML y la IA generativa, para lo cual escribe publicaciones en blogs y participa en sesiones de oratoria en todo LATAM. Actualmente lidera la comunidad de expertos en AI/ML en LATAM.
Josué Martínez es Arquitecto Sr de Soluciones con +25 años de experiencia en TI. Últimos 10 en Tecnologías en la Nube con enfoque en soluciones AI/ML. Josue ama la naturaleza y pasar tiempo con su familia conociendo lugares mágicos. Sigo codificando por diversión.
Dr. José Gardiazabal es Arquitecto de Soluciones en AWS, enfocado en Salud y Ciencias de la Vida. Le apasiona aprender nuevas tecnologías y descubrir cómo ayudar a los clientes con ellas. También está trabajando con clientes que utilizan IoT en América Latina.
Arturo Minor es un arquitecto de soluciones de prototipos radicado en la Ciudad de México. Le gusta el aire libre y viajar, y está interesado en la informática, los idiomas y la tecnología. Trabaja en AWS ayudando a los clientes a innovar, desarrollar y visualizar nuevas soluciones.
Jorge López es Arquitecto Sr de Soluciones en AWS con más de 10 años de experiencia en tecnología. Es líder técnico en AI/ML en AWS.
Juan Pablo Duque es Líder de Ciencias de Marketing en Bancolombia, donde fusiona ciencia y marketing para impulsar la eficiencia y la eficacia. Transforma análisis complejos en narrativas convincentes. Apasionado por GenAI en MarTech, escribe publicaciones informativas en blogs. Dirige científicos de datos dedicados a remodelar el panorama del marketing y definir nuevas formas de medir.