Cómo construí preSkool: comunidades de Skool con IA (2026)
En Skool Skale, armar la comunidad de Skool de un cliente nos tomaba de cuatro a cinco semanas. Hoy la construcción toma más o menos una hora, hora y media. La herramienta que cambió eso se llama preSkool: una app interna que construí como CTO de Skool Skale. Toma un solo cuestionario del creador y lo convierte en el marketing de prelanzamiento, la estructura del classroom y los textos e imágenes de toda la comunidad.
Este es el primer artículo de mi serie de bitácoras: cómo funcionan los sistemas que de verdad opero, sobre qué están construidos y qué sigue necesitando a una persona. Si quieres el panorama general de dónde encaja la automatización en una empresa chica, empieza por la guía completa de automatización con IA para pequeñas empresas (en inglés). Aquí va el acercamiento.
Puntos Clave
- preSkool convierte un solo cuestionario del creador en un paquete de marketing de prelanzamiento, un temario con su estructura de classroom, y los textos e imágenes de una comunidad completa en Skool
- La construcción pasó de 4–5 semanas a cerca de 1–1.5 horas. A los clientes les seguimos prometiendo 2 semanas, y se la entregamos mucho antes
- El equipo de 5 personas de Skool Skale lleva unas 12 comunidades construidas con ella (dato propio, interno de Skool Skale)
- Stack: Next.js, React, Supabase, funciones serverless de Vercel y las APIs de Claude y OpenAI
- Lo difícil no fue la IA. Fue poner por escrito cómo se ve una buena comunidad, para que una herramienta la pudiera repetir
¿Qué es preSkool, el generador de comunidades de Skool con IA?
preSkool es un generador interno de comunidades: el creador llena un cuestionario y la app produce todo lo que Skool Skale necesita para lanzar su comunidad. No es un producto público. Es la herramienta que usa nuestro equipo en cada proyecto nuevo, y tiene su propia sección en mi página Sobre mí.
Skool Skale es una agencia que lo hace todo por el cliente: construimos, lanzamos y hacemos crecer comunidades de Skool para creadores, coaches, educadores y empresas. Yo me encargo de la parte técnica: arquitectura, herramientas internas, automatización y qué modelos y proveedores usamos.
Por cada cliente nuevo, preSkool genera tres bloques:
| Entregable | Qué incluye |
|---|---|
| Paquete de prelanzamiento | El material que calienta a la audiencia del creador antes de abrir la comunidad |
| Temario y estructura del classroom | Cómo se organiza el contenido del curso en módulos y lecciones |
| Textos e imágenes de la comunidad | Las páginas escritas y los visuales de toda la comunidad |
Son los mismos entregables que el equipo armaba a mano durante varias semanas.
¿Por qué una comunidad tardaba de 4 a 5 semanas?
Porque cada comunidad se hacía desde cero. Los entregables tenían la misma forma cada vez, pero convertir lo que sabe un creador en marketing, temario y textos era trabajo manual, página por página.
Ese patrón ya lo conocía. Antes de escribir software dirigí un rancho resort en Palm Springs, vendí autos y publicidad en revistas, y fui entrenador personal siete años. En todos esos negocios había algo parecido: un entregable que tardaba mucho más de lo necesario porque alguien lo rehacía a mano cada vez.
En Skool Skale, ese cuello de botella limitaba cuántos clientes podía tomar el equipo. Más clientes significaba más semanas de armado, al mismo ritmo.
¿Cómo funciona preSkool por dentro?
preSkool es una app web en Next.js y React montada en Vercel, con Supabase para los datos y las APIs de Claude y OpenAI para escribir y generar imágenes. Nada exótico. El valor está en el proceso que la app tiene integrado, no en el framework.
El stack y para qué sirve cada parte:
| Capa | Herramienta | Función |
|---|---|---|
| Front end | Next.js + React |
El cuestionario y las pantallas donde el equipo revisa lo generado |
| Back end | Funciones serverless de Vercel | Ejecutan los pasos de generación y llaman a las APIs de los modelos |
| Datos | Supabase (Postgres) |
Guarda los cuestionarios y lo que se genera a partir de ellos |
| Modelos | Claude (Anthropic) + OpenAI | Escriben los textos y el temario, crean las imágenes |
El flujo, a grandes rasgos:
- Cuestionario. El creador contesta un solo formulario estructurado.
- Generación. preSkool avanza entregable por entregable, cada uno a partir del cuestionario y de lo que se generó antes.
- Revisión. El equipo lee, edita y aprueba antes de que algo entre a la comunidad del cliente.
Esa forma de ir paso a paso es lo que el equipo de ingeniería de Anthropic llama prompt chaining: dividir una tarea en una secuencia de llamadas al modelo, donde cada una trabaja sobre el resultado de la anterior (Anthropic, "Building Effective Agents", diciembre de 2024). El mismo texto recomienda empezar con patrones simples y llamadas directas a la API antes de meterse con un framework de agentes pesado. Coincide con lo que encontré: preSkool no necesita un agente autónomo. Necesita una secuencia clara y una buena entrada.
Sobre los modelos, uso los dos proveedores. Claude es mi modelo principal en todos mis proyectos, y OpenAI cubre lo que hace bien. Si estás comparando, escribí sobre eso en OpenAI vs Anthropic para pequeñas empresas (en inglés). Versión corta: no tienes que escoger uno.
¿Qué fue lo que de verdad funcionó?
Escribir el proceso antes de escribir el software. Una herramienta solo puede repetir un proceso que ya existe, y al principio el nuestro vivía casi todo en la cabeza de la gente.
Tres lecciones del proyecto:
- Primero el proceso. Antes de que preSkool pudiera construir una comunidad, el equipo tuvo que ponerse de acuerdo en cómo se ve una buena: qué va en el cuestionario, qué necesita cada sección y en qué orden. Eso fue la mayor parte del trabajo, y nada de eso era código.
- El cuestionario es el producto. Una buena entrada vale más que diez preguntas de seguimiento. Cuando el cuestionario captura lo correcto desde el inicio, todo lo demás se facilita, para los modelos y para quien revisa lo que producen.
- El tiempo no desapareció. Se movió. El equipo dedica mucho menos tiempo a armar páginas y más a lo que requiere criterio: el posicionamiento, la oferta y las conversaciones con el creador.
Ese último punto resume cómo veo la IA y al personal. preSkool no reemplazó a nadie en un equipo de cinco. Les quitó el trabajo de armado para que hicieran lo que solo ellos pueden hacer. Hablo más de esa decisión en automatización con IA vs contratar (en inglés).
¿Qué sigue necesitando a una persona?
El criterio, el gusto y la relación con el creador. preSkool produce una primera versión completa. Las personas deciden si está bien.
Lo que sigue siendo humano en Skool Skale:
- Posicionamiento y oferta. Qué promete la comunidad, para quién es y cuánto cuesta son decisiones de estrategia que el equipo toma con el creador.
- Revisión antes del lanzamiento. Los textos e imágenes generados se leen y se editan antes de publicarse. Un borrador que está 90% bien todavía necesita el último 10% de alguien que conoce al cliente.
- Las conversaciones con el creador. El cuestionario trae los datos. Las llamadas traen los matices, y de ahí sale buena parte de la voz de una comunidad.
Si estás planeando algo parecido, contempla esa revisión desde el primer día. Saltártela es uno de los errores más comunes al automatizar con IA (en inglés): tratar el primer resultado como si fuera el final.
¿Dónde más sirve este patrón, fuera de Skool?
En cualquier equipo que rehace el mismo entregable para cada cliente. Propuestas, paquetes de bienvenida, reportes para clientes, planes de lanzamiento y descripciones de propiedades tienen la misma forma que construir una comunidad en Skool.
La prueba que uso es sencilla. Si puedes describir cómo se ve una buena versión, y tu equipo hace una nueva para cada cliente, es candidato. Si nadie sabe todavía cómo se ve una buena versión, empieza por ahí. Una herramienta no arregla un proceso que nadie ha puesto por escrito.
Un generador así normalmente arranca como proyecto Starter: de $3,000 a $5,000 USD de instalación, y desde $500 USD al mes para operarlo y mejorarlo. Cuando se conecta a tu CRM, al onboarding y a los reportes, ya está más cerca del nivel Systems: $5,000–$8,000 USD de instalación, desde $1,250 USD al mes. El desglose completo está en mi página de precios de automatización con IA. Los costos de las APIs de los modelos se cobran al costo, y todo lo que se construye es tuyo.
Preguntas frecuentes
¿Puedo comprar o usar preSkool para mi comunidad?
No. preSkool es una herramienta interna de Skool Skale y no se vende ni se ofrece al público. Si quieres algo parecido para tu negocio, el mismo enfoque se puede construir alrededor de tus propios entregables.
¿Necesito un framework de agentes de IA para construir algo así?
Por lo general, no. preSkool corre una secuencia clara de pasos con llamadas directas a Claude y OpenAI. La propia guía de Anthropic recomienda empezar con patrones simples antes de agregar frameworks de agentes (Anthropic, 2024).
¿Cuánto tarda construir una herramienta así?
Depende de qué tan definido esté tu proceso. Si puedes describir cómo se ve un buen entregable, la construcción es casi pura ingeniería. Si no, las primeras semanas se van en definirlo con tu equipo, y esa es la parte que más importa.
¿Puedo mandar lo que genera la IA sin revisarlo?
No de forma confiable. Cuenta con que una persona revise cada resultado antes de que llegue a un cliente. En Skool Skale, el equipo revisa y edita cada comunidad antes del lanzamiento.
¿Esto reemplaza a mi equipo?
No. En el equipo de cinco personas de Skool Skale, preSkool eliminó el armado página por página. Ese tiempo ahora se va en posicionamiento, en la oferta y en hablar con los creadores.
¿Qué modelos de IA usa preSkool?
Claude de Anthropic y los modelos de OpenAI, llamados por API desde funciones serverless de Vercel. Claude es mi modelo principal en todos mis proyectos. Usar los dos es normal: la mayoría de los flujos reales combinan proveedores.
Esta es la primera de mis bitácoras. Las siguientes cubren la redacción con IA del Gringo Gazette y el BCS News Engine. Mientras tanto, si quieres ver la IA aplicada a operaciones en Los Cabos, lee cómo implementar IA en hoteles de Los Cabos en 90 días.