YT YouTube2Text

YouTube2Text → Transcripts → Haz ESTO y Cualquier IA Te Dará Resultados 10X Mejores

Haz ESTO y Cualquier IA Te Dará Resultados 10X Mejores — Transcript

by Juan Ma Ecom · 3,932 words · 624 segments · language en · Watch on YouTube

Open in transcriber Summarize with AI Download SRT/VTT

Full transcript

0:00Muy buenas tardes, señoras y señores.
0:01Bienvenidos nuevamente a un vídeo en mi
0:03canal. El vídeo de hoy me hace especial
0:05ilusión porque estoy seguro que va a
0:07marcar un antes y un después en la
0:10relación que tienes con la inteligencia
0:12artificial. Con los conocimientos que te
0:14voy a estar dando en los próximos
0:15minutos, vas a ser capaz de incrementar
0:18de manera exponencial [música] todos los
0:20resultados que te da la inteligencia
0:22artificial en la generación de imágenes,
0:24en la generación de vídeos, en la
0:26estructuración de webs, en la
0:27automatización, en el análisis de
0:29mercado, en cualquier otra tarea que
0:32esté relacionada tanto con el e-commerce
0:34o con otra cosa, este video te va a
0:37ayudar. Y créeme, esta información no se
0:39encuentra tan fácil en internet o
0:41incluso hay gente que la vende por
0:43cientos de euros. Y yo aquí te la voy a
0:45regalar gratis porque de verdad quiero
0:47que tú veas lo mismo que yo veo, la
0:49revolución increíble que está sucediendo
0:51y quiero que tomes acción y quiero que
0:53tú, al igual que yo, puedas cambiar tu
0:56vida. Por ello te prometo que si ves
0:58este vídeo, lo entiendes y además lo
1:01pones en práctica, vas a estar por
1:03encima del top 15% de todas las personas
1:06que utilizan la inteligencia artificial.
1:09Así que si quieres aprender a cómo tomar
1:11finalmente el control absoluto de las
1:13respuestas que te da la inteligencia
1:15artificial, de los trabajos que te hace
1:17para convertirte tú en el CEO, en el
1:20estratega y no en la persona que
1:22trabaja, quédate porque este vídeo te va
1:25a servir y muchísimo. Bueno, antes de
1:27adentrarme en todas las prácticas que he
1:29tenido en el uso de la inteligencia
1:30artificial para obtener resultados
1:33increíbles en generación de fotos, en
1:35generación de vídeo, en automatización
1:37de tareas, [música]
1:38quiero decirte que esto lo alegré debido
1:40a una sencilla razón y es que me puse en
1:43la tarea de entender la inteligencia
1:46artificial, pero no desde una
1:47perspectiva de ingeniería, de cálculo,
1:49de matemática, porque no lo soy. No soy
1:52PhD ni doctorado ni tengo cosas
1:55complejas con la inteligencia
1:56artificial. Como siempre digo, soy una
1:58persona muy curiosa que le gusta
2:00entender un concepto y de esa manera
2:02poderlo utilizar en diferentes [música]
2:05acciones que hago. Esto es lo que quiero
2:06hacer en este momento contigo. Quiero
2:08que entiendas de una manera simple
2:10[música]
2:10qué es la inteligencia artificial y cómo
2:13funciona. Así que vamos a ello. ¿Qué es
2:15la inteligencia artificial? La
2:17inteligencia artificial al final es un
2:19algoritmo. ¿Qué es un algoritmo? es una
2:21secuencia de operaciones. Suma, restas
2:23cálculos de probabilidad de manera
2:25cíclica y repetitiva. [música] Y tú me
2:28dirás, Juan, ¿y para qué un algoritmo?
2:30Ya lo vamos a ver. Por otro lado, ¿quién
2:32alimenta la inteligencia artificial? Las
2:34empresas las alimentan a través de datos
2:36que puede ser desde toda la internet.
2:39¿Qué es toda la internet? Todo lo que
2:41está en YouTube, en Google, todos los
2:43que están en foros, en diferentes
2:44páginas web, en las licencias de
2:47software, en todo lo que ha creado el
2:49ser humano a través de software,
2:50licencias, investigaciones científicas,
2:53están ahí metidas. Información
2:55sintética, que también son datos
2:57sintéticos inexistentes que utilizan los
3:00ingenieros de sistemas y de software
3:02para crear y alimentar la inteligencia
3:04artificial. Y finalmente, código, ¿vale?
3:07códigos son operaciones, [música] son
3:10ecuaciones
3:11complicadas que al final permiten que la
3:14inteligencia artificial [música] exista,
3:16¿vale? No tienes que entender nada más,
3:18solo tienes que entender que la
3:20inteligencia artificial se alimenta de
3:22todas estas cosas y que por ende tiene
3:25[música] mucha mucha información. Cuando
3:28alimentamos la inteligencia artificial y
3:30finalmente es capaz de calcular a través
3:33de algoritmos diferentes [música]
3:35ecuaciones, lo que está haciendo la
3:37inteligencia artificial es calcular lo
3:39que nosotros conocemos como
3:41probabilidades.
3:43Ojo con esto, no son certezas, [música]
3:45probabilidades. Ya lo vamos a ver
3:47ahorita de una manera muy gráfica. Así
3:49que aquí se viene el primero de los
3:50factos de la inteligencia artificial.
3:52Todas las respuestas, todas las tareas
3:54que nos da la inteligencia artificial no
3:57son certezas, son probabilidades
4:00resultantes de diferentes cálculos
4:02realizados previamente a través de un
4:05algoritmo, teniendo en cuenta toda la
4:07información que tenemos aquí. ¿Vale? Muy
4:10fácil. Entonces, cuando tú le escribes a
4:12la inteligencia artificial una frase
4:13como, "El perro tiene hambre", por lo
4:16cual fue a caminar por dos puntos y
4:20quieres que la inteligencia artificial
4:21lo complete, la inteligencia artificial
4:24literalmente va a entender [música] y a
4:26relacionar diferentes palabras como el
4:28perro, hambre, caminar y finalmente va a
4:32determinar a partir de probabilidad cuál
4:36es la palabra con mayor probabilidad de
4:39éxito en este contexto. texto. ¿Y cuál
4:41vendría siendo? Pues va a analizar todas
4:43las palabras, todo el contexto y va a
4:45decir [música] comida. ¿Vale? Pero,
4:47¿cómo hace esto? Aquí no voy a
4:49adentrarme en ningún concepto complejo,
4:51solamente quiero que lo veas de manera
4:53gráfica. La inteligencia artificial está
4:55alimentada de millones de millones de
4:57tokens. ¿Qué son tokens? Palabras o
5:00sílabas, ¿vale? que ya vimos que tienen
5:03unas capas de entrada, un input que es
5:05la internet, los blogs, los artículos
5:08científicos, el software, etcétera, que
5:10finalmente a partir de diferentes
5:13relaciones y en diferentes capas, que
5:16esto al final son millones de capas que
5:19tiene, va a realizar diferentes
5:21probabilidades que a partir de un input,
5:23que si nosotros le ponemos aquí la
5:24palabra [música] perro, la palabra
5:27caminar, la palabra comida, va a
5:30comenzar a relacionar estas otras
5:31palabras con diferentes otras palabras
5:33que se encuentran dentro del contexto
5:36[música] de la internet de artículos
5:37científicos y va a tener una segunda
5:40capa en donde de esto va a escoger el
5:42resultado que tiene la mayor
5:44probabilidad de éxito y de esa manera a
5:46través de diferentes capas [música] va
5:48obteniendo siempre la mayor probabilidad
5:50hasta que finalmente tiene una capa de
5:52salida que nos da el resultado que
5:54nosotros queremos, que ahora le
5:56escribimos a la inteligencia artificial.
5:57El dropshipping es un modelo de y va a
6:00empezar a buscar por toda la internet
6:02diferentes conceptos [música] ubicando
6:04cada concepto en una probabilidad.
6:06Entonces, seguramente en uno de esos
6:08conceptos va a encontrar la palabra
6:10elefante, ¿vale? Porque tiene millones y
6:12millones de conexiones. [música]
6:14Entonces, el dropshipping es un modelo
6:16de elefante, dice poco probable. ¿Por
6:19qué poco probable? Porque la
6:21probabilidad de que haya una palabra
6:24asociada a que termine esta frase y que
6:27se encuentre en el contexto es muy baja,
6:30es poco probable. Y luego va con el
6:33siguiente concepto que dice, "El
6:34dropshipping es un modelo de comercio,
6:36[música]
6:37¿vale? Cuando encuentra este concepto y
6:39hace todas las relaciones, seguramente
6:41ha encontrado algunos papers, ha
6:42encontrado unos artículos científicos
6:44que tienen este concepto de comercio
6:46relacionado con el dropshipping y
6:48relacionado con modelo, por lo cual
6:50[música] es algo probable y le asigna un
6:52número más grande de probabilidad. Luego
6:54seguramente va a encontrar alguna otra
6:56palabra en una de las capas intermedias
6:58que hemos visto de venta. El
7:00dropshipping es un modelo de venta.
7:03Seguramente al analizar cada uno de los
7:05inputs de información es algo probable
7:08que suceda que la frase deba terminar en
7:11venta. Y finalmente, después de buscar y
7:13de comparar todas las probabilidades, se
7:15va a dar cuenta que negocio es la
7:18palabra con mayor probabilidad de éxito
7:23que encaje dentro de este contexto que
7:25le hemos dado en función de diferentes
7:27análisis previos. [música] Y tú me
7:29dirás, "Listo, Juan, pero esto es en
7:30palabras. Nosotros estamos haciendo
7:32e-commerce. ¿Cómo hace la inteligencia
7:34artificial? ¿Cómo hacemos para utilizar
7:36la inteligencia artificial para que nos
7:38dé buenas imágenes y buenos vídeos en
7:41función de lo que tú estás diciendo?
7:42Pues [música] muy fácil, vamos a
7:44entenderlo ahora no solamente en texto,
7:46sino en imágenes. Al final [música] es
7:49lo mismo porque estamos hablando de
7:51datos. Supongamos que aquí toda la
7:54inteligencia artificial, aquí voy a
7:56poner solamente cuatro imágenes, pero ya
7:57les digo que la inteligencia artificial
8:00[música]
8:00tiene un montón, tiene millones y
8:03millones de imágenes de diferentes
8:05conceptos. Y para el tema de los gatos,
8:07este es el universo completo de imágenes
8:09que tiene la inteligencia artificial en
8:11cada uno de las páginas de internet,
8:13documentos científicos, [música]
8:14etcétera. Pero supongamos que en
8:16internet alguien literalmente en un
8:18blog, en algún foro, ha puesto [música]
8:19que esto es un gato, cuando en realidad
8:22es un tigre, pues aquí es donde empiezan
8:25a ver alucinaciones. Aquí es donde quizá
8:27la probabilidad empieza a jugar mal a
8:29nuestro favor, porque dentro del input
8:31de la información literalmente puede
8:34tomar tanto datos relevantes y correctos
8:37como datos incorrectos. Entonces cuando
8:40nosotros le pedimos a modelos como por
8:42ejemplo nanobanana o chat GPT que nos
8:45genere una imagen de un gato, ¿vale?
8:47completa. El modelo literalmente en cada
8:50uno de estos píxeles va a decir cuál es
8:52la probabilidad, teniendo en cuenta
8:54todas estas imágenes que tenemos, que
8:57este píxel que esté aquí sea de color
8:59oscuro, o sea, un color claro, o sea, un
9:01color específico como puede ser un color
9:04café o un color blanco. Eso es lo que
9:06está haciendo con todos los píxeles y
9:08por eso es que al final una imagen
9:10también puede fallar, porque cuando le
9:12decimos que queremos un gato,
9:14seguramente va a extraer la probabilidad
9:17que obtiene la internet de lo que es
9:19gato, pero seguramente se va a ver un
9:21poco un poquitín manchado de estos
9:23errores o estas imágenes de un tigre,
9:26pero imagínense que la internet esté
9:28manchada de literalmente todo el
9:30universo esté manchado de errores en
9:34donde cada dos fotos de gato hay una
9:35foto de un tigre, pues literalmente esta
9:38foto va a cambiar porque la probabilidad
9:41de que cada píxel esté asociado a esta
9:44imagen o a esta va a cambiar y
9:47seguramente la imagen será [música]
9:49diferente. Tú me dirás, "Listo, Juan,
9:51¿qué sucede con los vídeos?" Exactamente
9:52lo mismo. Los vídeos, todo lo que
9:54obtiene, la inteligencia artificial de
9:56lo que de YouTube, de las redes
9:58sociales, de lo que es, por ejemplo, una
10:00acción tan sencilla como es caminar,
10:03¿qué es un vídeo? Al final es una
10:05secuencia de fotogramas. Son varias
10:07fotos dispuestas en un segundo, que
10:09puede ser 30 fotogramas, 60 fotogramas
10:12por segundo. [música] Entonces, la
10:13inteligencia artificial analiza lo
10:15mismo, analiza lo que es caminar,
10:17analiza los movimientos y dice, "Vale,
10:20¿cuál es la probabilidad de que este
10:22fotograma sea de esta manera? Esta
10:24manera, entendiendo el contexto de los
10:26fotogramas anteriores y que finalmente
10:29se arme una escena en movimiento, que en
10:31este caso es caminar. Cada fotograma
10:34tiene una probabilidad de existencia y
10:37también una probabilidad de error. Tú me
10:40dirás ahora, entonces, Juan, pero ¿a
10:42dónde quieres llegar con todo este tema?
10:43¿A dónde quieres llegar con toda esta
10:44teoría? Pues es muy sencillo. La razón
10:46por la cual explico todo esto es que
10:48quiero que tengas muy claro que para que
10:51tú puedas utilizar la inteligencia
10:53artificial como tú quieres, como tú
10:56deseas y que te dé los resultados que tú
10:59quieres, no puedes utilizar todo el
11:01universo del dato, no puedes utilizar
11:03toda la internet, no puedes utilizar
11:05todos los ensayos, no puedes utilizar
11:07absolutamente todo de lo que está ahí,
11:09porque hay cosas que están bien, pero
11:11hay muchas cosas que están mal y tú
11:14puedes darle la inteligencia artif
11:15artificial y a todo ese código y a todo
11:17ese algoritmo unos límites, reglas y un
11:21contexto que tú mismo puedes construir.
11:24Y esto es muy potente. Mucha gente, se
11:28los puedo asegurar, muchísima gente no
11:31tiene ni idea de este concepto. No tiene
11:33ni idea que se puede delimitar a la
11:36inteligencia artificial y son los
11:38primeros que alzan la mano y dicen como,
11:40"Ah, es que la inteligencia artificial
11:42alucina. Ah, es que la respuesta de la
11:45inteligencia artificial, la verdad, me
11:47genera errores. Ah, es que la
11:50inteligencia artificial no sirve para
11:51nada. No, tú no sirves para entender a
11:54la inteligencia artificial. Tú no sirves
11:56para aprovechar literalmente la mayor
11:58revolución tecnológica que está ha
12:00sucedido en toda la historia y mereces
12:02quedarte atrás. Así que sigue quedándote
12:04brazos cruzados diciendo que la
12:06inteligencia artificial es una
12:08diciendo que la inteligencia artificial
12:09no es capaz de darte una respuesta
12:11mientras ves a todos tus compañeros de
12:13trabajo, a toda tu competencia de
12:15e-commerce, a toda tu competencia de
12:17nutrición y de cualquier otro ámbito,
12:19progresar en la vida y siendo muchísimo
12:21más eficiente que tú. Así que ahora,
12:24entendiendo la importancia de tener
12:27reglas, límites y contexto de la
12:29inteligencia artificial, vamos a ver
12:31cómo hacerlo. Los proyectos, los
12:34proyectos son escenarios. Son escenarios
12:37que tú mismo vas alimentando con tus
12:39propias reglas, con tu propio contexto,
12:42con la información exclusiva que tú
12:45quieres que utilice la inteligencia
12:46artificial para darte una respuesta. Y
12:49esto es muy pero muy poderoso. ¿Cómo se
12:53crea un proyecto? Es muy sencillo. Nos
12:55venimos aquí a proyectos, nuevo
12:57proyecto,
12:59le ponemos aquí el nombre, Juan Manuel
13:04YouTube, porque para el canal de YouTube
13:07crear proyecto y aquí podemos ver su
13:09estructura interna. ¿Cómo se compone un
13:11proyecto? de un contexto
13:14que puede ser documentos en PDF,
13:17documentos txt, pero todo tiene que
13:19estar en texto [música]
13:21de unas instrucciones, que es todo lo
13:24que tú quieres que haga el proyecto, la
13:26inteligencia artificial con todo este
13:29contexto que tienes aquí, ¿vale? Y
13:32finalmente de chats, ¿qué es lo
13:34interesante del proyecto? que cuando tú
13:35ya le das un contexto, le das unas
13:38instrucciones, tú puedes tener
13:40diferentes chats y cada chat se va a
13:42servir en función del contexto principal
13:46del proyecto. Y esto a mí me encanta
13:48porque aterrizándolo al e-commerce, yo
13:51literalmente tengo un proyecto de
13:53generación de imagen, un proyecto de
13:56generación de vídeo de cero y un
13:58proyecto de creación [música] de copy
14:00para las tiendas, en donde literalmente
14:02cada uno de los chats, tengo cada una de
14:05las tiendas, tengo cada uno de los
14:07personajes, tengo cada uno de los
14:09productos que estoy utilizando, [música]
14:11tengo tres proyectos y dentro de cada
14:13proyecto, literalmente tengo todas mis
14:16tiendas y todas mis acciones. Y tú me
14:18dirás, "Listo, Juan, pero ¿cómo alimento
14:20este contexto? ¿Cómo alimento [música]
14:21este proyecto?" Pues lo primero es un
14:23deep research. ¿Qué es un deep research?
14:26una búsqueda [música] profunda.
14:27Literalmente cuando tú te vas a cloud y
14:29le dices, "Hazme un deep research de X,
14:33de Y de Z", va a literalmente investigar
14:36en toda el internet, en todas las
14:37páginas, en todos los blogs, a
14:39relacionar conceptos, a sacar
14:41conclusiones y hacerte un documento
14:43completo de información relacionada a
14:45eso que quieres aprender. Yo usualmente
14:48lo que hago es hacer deep research, por
14:50ejemplo, del lenguaje de nanobanana o
14:52del lenguaje de chap o del lenguaje de
14:55sidans. En cuanto a prono, en función de
14:58los inputs que le meta al proyecto, los
15:01outputs estén [música] muy bien
15:02entrenados. Entonces, en este caso, tú
15:04no le estás dando la instrucción, le
15:05estás diciendo a la inteligencia
15:07artificial que investigue por ti cómo
15:10hacerlo. Por otra parte, los documentos
15:12externos que tú le pongas, que pueden
15:14ser uno libros, si tú, por ejemplo,
15:16quieres hacer un proyecto para realizar
15:18un muy buen copy, puedes poner los
15:20mejores libros de copyright, [música]
15:22los mejores libros de marketing, los
15:24mejores libros de psicología en el
15:27proyecto, pero todo que tenga un
15:28sentido, para que tenga un contexto, un
15:30bagaje exponencial y que el output sea
15:33muy interesante. Otra cosa que yo suelo
15:36hacer es poner documentos. Literalmente
15:38te puedes venir aquí a Google, le puedes
15:40decir promps
15:43eh nanobanana
15:46PDF y aquí puedes encontrar scripts o
15:50PDFs. Me lo acabo de inventar
15:52literalmente porque lo estoy aquí
15:54improvisando, pero es algo que yo suelo
15:56hacer. Fíjate, hay documentos también
15:58que han escrito personas, ¿vale?,
16:01sobre imágenes, sobre cómo realizar muy
16:03buenos proms. Y esto también lo puedes
16:04descargar para no tener que descargar
16:06libros enteros, sino también papers que
16:09personas como tú o como yo han puesto a
16:12disposición en la internet. Y también lo
16:14puedes alimentar de transcripciones.
16:15Fíjense que yo, por ejemplo, si me vengo
16:17a YouTube
16:20y pongo, por ejemplo, una persona
16:22referente Alex Ormosi,
16:26¿vale? Esto es una persona referente en
16:28los negocios para muchas personas. Y
16:30aquí yo escojo cualquiera de estos
16:32vídeos, ¿vale? Que puede ser, no sé, eh,
16:35este hace 6 días de 8 minutos 50. Tú
16:40literalmente puedes descargar una
16:41extensión que te permita transcribir
16:43todo el vídeo. Yo en este caso tengo
16:46esta donde me transcribe [música] todo
16:48el vídeo, todo, todo, todo. Y eso lo
16:50puedo hacer con todos los vídeos, todos
16:52los vídeos de Alex Mos. ¿Qué es lo que
16:53suelo [música] hacer? Copiar. Me voy a
16:56Word. Vale, lo pego, ¿vale? Ya tengo
16:59todas las transcripción del del vídeo,
17:01lo guardo como PDF o como txtmente lo
17:05cargo como proyecto. [música] Entonces,
17:07de esa manera yo ya soy capaz, por
17:09ejemplo, de tener un proyecto en donde
17:10puedo estar hablando perfectamente con
17:12Alex Ormosi debido a que le he cargado
17:15tanto su libro como casi toda su
17:16biblioteca de YouTube. Bueno, y
17:18finalmente hay algo que ustedes
17:19literalmente me escuchan decir varias
17:21veces y es [música] el F shot Shot y le
17:24pongo la coronita. Literalmente no se
17:26imaginan las locuras que he hecho
17:28solamente utilizando Fus Shot. [música]
17:30Sí les gusta a ustedes darle mucho más
17:32conceptos porque tienen muchas más
17:34posibilidades [música] de hacer más
17:36cosas, de hacer las cosas de diferente
17:38manera y porque me gusta que ustedes
17:40también entiendan todos los conceptos,
17:42pero déjenme decirles que para mí si
17:44ustedes entienden este y aplican
17:46[música] este prácticamente lo tienen
17:48todo. Lo tienen todo. ¿Vale? ¿Qué es un
17:50fus shot? Un fus shot es literalmente
17:53aplicar ingeniería inversa. [música]
17:55¿Qué es ingeniería inversa? En vez de
17:57decirle a la inteligencia artificial,
17:59"Quiero que me hagas un copy para una
18:01web determinada, haciendo que la
18:03inteligencia artificial busque en toda
18:05la internet y te dé seguramente algo que
18:07tú no quieres, tú le dices a la
18:10inteligencia artificial y le pasas lo
18:12que tú quieres, un ejemplo de lo que tú
18:15quieres. [música]
18:15Entonces, por ejemplo, si hay una
18:17estructura de guion de vídeo o un prompt
18:20de imagen que tú quieres tener, no le
18:23dices a la inteligencia artificial que
18:24investigue cómo hacerlo, sino que le das
18:27literalmente un ejemplo, dos ejemplos,
18:29tres ejemplos de promps muy potentes de
18:32imágenes o de vídeo que le van a
18:34permitir [música] a la inteligencia
18:35artificial y al proyecto entender cuál
18:38es el formato que [música] tú necesitas.
18:40Y esto es muy pero muy potente. ¿Cómo
18:44construimos un fusion? Muy sencillo, lo
18:46que tenemos que hacer es simplemente
18:47tomar ejemplos de cosas que nosotros ya
18:50hayamos visto que [música] funcionan.
18:53Por ejemplo, si queremos de proms de
18:55imágenes, ejemplo uno sería literalmente
18:58pasarle un prom completo para nano
19:01banana, por ejemplo, [música] en donde
19:04está toda la descripción del prom. ¿Y
19:06por qué escogemos ese ejemplo? porque ya
19:08vimos la imagen, ya vimos algo que
19:10literalmente nos llamó la atención y
19:12dijimos, "Me encanta este resultado, me
19:15encanta." Luego cogemos otro ejemplo y
19:17hacemos lo mismo, otro prom de nanoban o
19:20puede ser de otro producto para hacernos
19:22un gato. Y aquí es otro prom y hacemos
19:25lo mismo. Ejemplo tres, ejemplo 4,
19:315, [música]
19:33¿vale? Entonces, esto es un documento
19:36fus que mucha gente dice, "Dios, Juan,
19:38esto es muy difícil." Es muy fácil. Un
19:41fus es literalmente pillar ejemplos de
19:45la competencia o incluso ejemplos de
19:48nosotros mismos que nos haya gustado,
19:50darle el resultado al proyecto de lo que
19:52queremos hacer y finalmente guardar esto
19:55como un archivo txt o PDF, [música]
19:58cargar el documento aquí y decirle como
20:00instrucción. A partir de ahora, todos
20:02los inputs que yo te dé los vas a
20:05transformar en estos outputs, sea cual
20:08sea el input. Entonces, literalmente tú
20:10a partir de dos líneas [música] de
20:12frases muy cortas, ¿vale?, de una
20:15descripción de alguna imagen de
20:17referencia de cualquier cosa, te lo va a
20:19convertir, sea como sea que le hayas
20:21escrito, te lo va a convertir [música]
20:23en un formato como estos que tú le has
20:26puesto en este f shot. Y esto es oro
20:29puro. Esto es increíble.
20:31[música]
20:31Porque con esto tú puedes hacer vídeos
20:34de cero, puedes [música] hacer imágenes
20:37increíbles, puedes hacer copies para
20:41estructuras de copy para web, teniendo
20:43en cuenta las mejores estructuras de web
20:48de la competencia [música]
20:50de todas esas marcas que están haciendo
20:52miles de millones y replicar y obtener
20:55todo ese formato y toda esa información
20:57para estructurarte a ti a partir de un
20:59input, una web completa y esto
21:02literalmente cambia el juego. Y tú me
21:05dirás, "Juan, pero si yo no tengo una
21:07imagen que me guste, si yo no he logrado
21:09finalmente hacer una imagen que sea
21:11realista o que sea potente para mí, ¿de
21:13dónde obtengo los promps?" Y aquí está
21:16uno de los secretos, literalmente que
21:18esto no se lo he dicho a casi nadie,
21:20pero es un secreto muy top de una página
21:23que se llama Menen, literalmente lo
21:27escribí mal, en donde hay un repositorio
21:29de un montón de imágenes, fíjense,
21:32vídeos también, fíjense como por ejemplo
21:35un vídeo como este, ¿sí? Y aquí está el
21:38prom, o sea, aquí está la imagen y aquí
21:40está el prom completo y el modelo que se
21:43utilizó. Entonces, literalmente imagen
21:46uno, vídeo uno, ponen el prom del vídeo,
21:50ponen el prom de la imagen para generar
21:52ese vídeo. Es una locura. Es una
21:55completa locura. Se vienen aquí, por
21:57ejemplo, y buscan cualquier foto que
21:59puede ser anuncio de producto. Fíjense
22:03esta foto que es una un anuncio de de un
22:06producto que es increíble. Literalmente
22:09aquí te aparece que está hecho con JPT
22:12image y aquí está todo el prom que se
22:15utilizó. [música] Esto es un repositorio
22:17de proms, imágenes que utiliza la gente.
22:19Con esto tú literalmente puedes empezar
22:21a armar tu view shot de imágenes, de
22:24vídeos, lo que tú quieras. Y esto es una
22:26completa barbaridad, chicos, porque en
22:29cuestión de horas ya puedes tener un
22:31proyecto profesional con trabajo que ya
22:34han hecho otros. Sí que es verdad que a
22:36mí me gusta mucho más ir entrenando mis
22:38propios proyectos a partir del chat que
22:41yo voy teniendo con la inteligencia
22:42artificial, pero aquí mi idea es yo
22:45exponerte todas las posibilidades que tú
22:47tienes para hacerlo. Si has llegado
22:50hasta aquí, déjame felicitarte porque
22:51seguramente ya tienes los conocimientos
22:54adecuados que te permitirán tener una
22:56ventaja competitiva en cualquier ámbito
23:00de tu vida. Si estás dedicado al
23:02e-commerce como yo, seguramente esto
23:04marca un antes y un después en todo lo
23:07que tiene que ver con la generación de
23:09contenido, con la creación de webs, con
23:11el análisis de mercado, etcétera. Y si
23:14no estás dedicado al e-commerce,
23:15seguramente esto te va a permitir a ti
23:18desarrollar sistemas y estructuras que
23:20te hagan la vida más fácil en tu
23:22trabajo, en tu día a día, etcétera.
23:24[música]
23:25Y si quieres estar al día con todas las
23:27actualizaciones de inteligencia
23:29artificial, e-commerce, dropshipping
23:31orgánico, tanto productos o de
23:33infoproductos, suscríbete a mi canal
23:35porque estaré compartiendo contigo toda
23:38la información más actualizada que te
23:40aporte valor y que te ayude a cambiar tu
23:43Yeah.

About this transcript

This page contains the full transcript of Haz ESTO y Cualquier IA Te Dará Resultados 10X Mejores by Juan Ma Ecom, generated from the public captions YouTube serves with the video. The transcript has 3,932 words across 624 segments, with the original timestamps preserved so you can click any line to jump to that moment in the embedded player.

What you can do with it

Use the transcript to take notes, quote the speaker, build a study guide, generate a summary with ChatGPT or Claude via the YouTube Summary tool, or export it as a timed subtitle file with YouTube to SRT. You can also re-open it in the transcriber to translate the transcript into 100+ languages.

Free YouTube transcript tool

YouTube2Text is a free YouTube transcript generator — no signup, no daily limit. Paste any YouTube link and get the full transcript instantly, with timestamps, click-to-jump, translation to 100+ languages, AI prompts for ChatGPT, Claude, and Gemini, and exports to TXT, SRT, VTT, or Markdown.