¿Cómo generar contenido en masa con Make.com y OpenAI?

Respuesta rápida: Puedes generar contenido en masa con Make.com y OpenAI creando un escenario que recorra una fuente de datos, llame al módulo de OpenAI para cada fila y gestione los límites de tasa con controladores de errores integrados y módulos de pausa (sleep). Este enfoque sustituye el trabajo manual prompt por prompt por un pipeline automatizado y repetible que escala a cientos de resultados por ejecución.

Generar contenido a escala con OpenAI es sencillo cuando tienes que escribir una o dos piezas. Deja de funcionar enseguida cuando necesitas 50 descripciones de producto, 200 variantes de email o un mes entero de publicaciones sociales en una sola sesión. Copiar y pegar prompts no es un flujo de trabajo. Es un cuello de botella.

Make.com lo resuelve actuando como capa de orquestación entre tus datos y la API de OpenAI. Defines la lógica una vez, la conectas a tu fuente de datos y dejas que se ejecute. Esta guía explica paso a paso cómo crear ese pipeline, incluida la forma de gestionar los errores de límite de tasa que sorprenden a la mayoría la primera vez.

Lo que necesitas antes de empezar

• Una cuenta de Make.com (cualquier plan de pago para escenarios con más de 1.000 operaciones al mes)
• Una clave de API de OpenAI con crédito suficiente
• Una fuente de datos con tus entradas (Google Sheets, Airtable o un CSV son las más habituales)
• Una plantilla de prompt clara con una o más variables dinámicas

Si tu fuente de datos es una hoja de Google Sheets, estructúrala de modo que cada fila sea un trabajo de contenido. La columna A podría ser el nombre del producto, la columna B una descripción breve y la columna C el público objetivo. Tu escenario de Make leerá cada fila e insertará esos valores en el prompt.

Cómo conectar Make.com con OpenAI para generar contenido en masa

Paso 1: crea un escenario nuevo y añade un módulo de fuente de datos

Abre Make.com y crea un escenario nuevo. Añade el módulo de disparo que corresponda a tu fuente de datos:

• Google Sheets: usa «Search Rows» para extraer todas las filas de tu hoja de entrada
• Airtable: usa «Search Records» con un filtro para las filas que aún no se han procesado
• Módulo HTTP: úsalo si extraes datos de una base de datos o una API personalizada

Configura el módulo para que devuelva todas las filas en lugar de una sola. Make pasará cada fila por el resto del escenario como un bundle independiente.

Paso 2: añade un módulo Iterator

Después del módulo de la fuente de datos, añade un Iterator. Este divide tu array de filas en elementos individuales para que cada uno pase por separado por el módulo de OpenAI. Sin este paso, Make intenta enviar todo el conjunto de datos a OpenAI en una sola llamada, lo que produce un único resultado en lugar de uno por fila.

Conecta la salida del Iterator con el siguiente módulo de tu cadena.

Paso 3: añade el módulo de OpenAI (ChatGPT)

Añade el módulo OpenAI (ChatGPT) y selecciona «Create a Completion» o «Create a Chat Completion», según el modelo que uses. GPT-4o y GPT-3.5-turbo usan Chat Completions.

En el campo del prompt, escribe tu plantilla y asigna las variables dinámicas del Iterator:

Write a 150-word product description for {{1.product_name}}.
Target audience: {{1.target_audience}}.
Tone: {{1.tone}}.
Include one specific benefit and one clear call to action.

Las referencias entre dobles corchetes extraen automáticamente los valores de las columnas correspondientes de cada fila.

Define el modelo, el máximo de tokens y la temperatura. Para obtener resultados coherentes en lote, mantén la temperatura entre 0,3 y 0,7. Los valores más altos introducen más variación, lo que resulta útil para textos de redes sociales, pero menos para descripciones de producto estructuradas. Si produces activos orientados a SEO a escala, también conviene revisar los enfoques de una agencia de content marketing para B2B SaaS para estandarizar los briefs y la calidad de los resultados.

Paso 4: escribe el resultado de vuelta en tu fuente de datos

Después del módulo de OpenAI, añade un módulo que escriba el resultado de vuelta en tu hoja o base de datos. En Google Sheets, usa «Update a Row» y asigna el contenido generado a tu columna de salida. En Airtable, usa «Update a Record».

Asigna el campo de respuesta de OpenAI (normalmente choices[0].message.content) a la celda correcta. Añade también una columna de marca de tiempo para saber cuándo se procesó cada fila.

Cómo gestionar los límites de tasa de OpenAI en Make.com

Los límites de tasa son el punto de fallo más común en los escenarios de contenido en masa. OpenAI aplica límites tanto de solicitudes por minuto (RPM) como de tokens por minuto (TPM). Si tu escenario lanza solicitudes más rápido de lo que permite tu nivel, empezarás a ver errores 429 y el escenario fallará a mitad de ejecución.

Añade un módulo Sleep entre solicitudes

La solución más sencilla es un módulo Sleep colocado justo después del módulo de OpenAI y antes del módulo de salida. Configúralo para que haga una pausa de 1 a 3 segundos entre cada iteración. Esto reduce el rendimiento, pero te mantiene holgadamente dentro de los límites de tasa estándar de la mayoría de los niveles de OpenAI.

Como referencia, el nivel gratuito de OpenAI permite 3 RPM en GPT-4o. El nivel 1 (tras gastar 5 $) permite 500 RPM. Si estás en el nivel 1, una pausa de 1 segundo te da un margen cómodo. Si estás en el nivel gratuito, configura la pausa en 20 segundos.

Usa el controlador de errores integrado de Make para los errores 429

Añade un controlador de errores a tu módulo de OpenAI para capturar las respuestas 429 sin que se caiga todo el escenario:

1. Haz clic con el botón derecho en el módulo de OpenAI
2. Selecciona «Add error handler»
3. Elige «Resume» como tipo de controlador
4. Añade otro módulo Sleep dentro del controlador de errores, configurado en 60 segundos
5. Dirige el flujo de vuelta al módulo de OpenAI para reintentar la misma solicitud

Así se crea un bucle de reintento automático. Cuando OpenAI devuelve un error de límite de tasa, Make espera 60 segundos y lo intenta de nuevo, en lugar de fallar toda la ejecución y perder tu progreso.

Divide los lotes grandes en ejecuciones más pequeñas

Si procesas más de 200 filas de una vez, divide el trabajo. Usa un filtro en el módulo de tu fuente de datos para extraer las filas 1-100 en una ejecución del escenario y las filas 101-200 en la siguiente. Puedes automatizarlo con un contador guardado en un data store de Make que se incremente tras cada ejecución.

Cómo estructurar la plantilla de prompt para obtener resultados coherentes en lote

La calidad del prompt importa más a escala porque no puedes revisar cada resultado antes de que se ejecute el siguiente. Un prompt vago que da resultados aceptables una vez producirá resultados muy incoherentes en 100 filas.

Usa restricciones de salida explícitas:

Write exactly 3 bullet points. Each bullet must be under 20 words.
Do not include an introduction or conclusion. Start directly with the first bullet.

Especifica los requisitos de formato:

Return only the finished copy. Do not include explanations, labels, or commentary.

Usa un rol para fijar el tono:

You are a direct-response copywriter for a B2B SaaS brand.
Write in second person. Avoid jargon.

Probar el prompt con entre 5 y 10 filas representativas antes de ejecutar el lote completo ahorra mucho tiempo de limpieza. Si el resultado va a apoyar la generación de pipeline, la coherencia del mensaje o la segmentación de campañas, también puede ser útil comparar tu flujo con la forma en que las agencias de marketing digital especializadas en B2B SaaS ponen en práctica sistemas de contenido repetibles.

Cómo hacer el seguimiento y la gestión de los resultados en lote en Make.com

Usa una columna de estado en tu fuente de datos

Añade una columna «Status» a tu hoja de entrada con valores como «Pending», «Processing» y «Done». Actualízala al inicio y al final del recorrido de cada fila por el escenario. Así podrás filtrar las filas sin procesar en la siguiente ejecución y evitarás duplicar trabajo si el escenario falla a mitad de camino.

Guarda los resultados en una hoja o tabla aparte

Escribe el contenido generado en una tabla de salida específica en lugar de sobrescribir tus datos de entrada. Así mantienes limpios los datos de origen y tienes un registro completo de cada pieza generada, con su marca de tiempo y los valores de entrada que la produjeron.

Registra los errores en una hoja aparte

Añade una segunda ruta de salida desde tu controlador de errores que escriba las filas fallidas en una hoja de registro de errores. Incluye el ID de la fila, el mensaje de error y la marca de tiempo. Después de cada ejecución, podrás reprocesar las filas fallidas por separado sin tocar las que salieron bien.

¿Cuál es la diferencia entre el procesamiento en masa de Make.com y la Batch API de OpenAI?

La Batch API de OpenAI es un producto independiente pensado para desarrolladores que quieren enviar grandes volúmenes de solicitudes mediante llamadas directas a la API y recuperar los resultados de forma asíncrona, a menudo con un coste un 50 % menor. Está pensada para equipos de ingeniería que trabajan con comodidad con archivos JSON y endpoints de API.

El enfoque de Make.com es distinto. Te ofrece una interfaz visual y sin código con la que puedes crear la misma lógica de procesamiento en masa sin escribir llamadas a la API manualmente. Obtienes visibilidad del estado en tiempo real, gestión de errores nativa e integración directa con herramientas como Google Sheets, Airtable, Slack y Notion en el mismo flujo. Para equipos de marketing, responsables de content ops y fundadores de SaaS que quieren automatizar la producción de contenido sin depender de ingeniería, Make.com es el camino más rápido hacia un pipeline que funcione.

Los dos enfoques no son excluyentes. Si generas contenido a un volumen muy alto (decenas de miles de filas), puedes usar Make para lanzar un trabajo de la Batch API de OpenAI y consultar después los resultados cuando termine. Es un patrón más avanzado y merece la pena explorarlo cuando tu pipeline básico ya funcione de forma fiable.

Preguntas frecuentes

P: ¿Cuántas filas puede procesar Make.com con OpenAI en una sola ejecución de un escenario?
R: Make.com no impone un límite estricto al número de iteraciones por ejecución de un escenario, pero se aplica el límite de operaciones de tu plan. Cada llamada a OpenAI cuenta como una operación. En el plan Core de Make (10.000 operaciones al mes), un solo lote de 500 filas consumiría el 5 % de tu cuota mensual. Ten esto en cuenta al elegir tu plan antes de ejecutar lotes grandes de forma habitual.

P: ¿Qué pasa si mi escenario de Make falla a mitad de una ejecución masiva de contenido?
R: Make registra el punto del fallo y puedes revisar el historial de ejecuciones para ver qué bundles se completaron. Si tu fuente de datos tiene una columna de estado, en la siguiente ejecución solo se omitirán las filas marcadas como «Done». Sin una columna de estado, corres el riesgo de volver a procesar filas ya completadas y generar duplicados. Incorpora siempre un seguimiento del estado en los escenarios masivos antes de ejecutarlos a gran escala.

P: ¿Es Make.com con OpenAI más barato que usar directamente la Batch API de OpenAI?
R: La Batch API de OpenAI ofrece costes por token un 50 % más bajos que el precio estándar de la API, lo que la hace más barata con volúmenes muy altos. Make.com añade sus propios costes por operación al precio estándar de la API de OpenAI. Para ejecuciones de menos de unos cientos de filas por semana, el enfoque con Make suele ser más rentable si tienes en cuenta el tiempo que ahorras en la configuración y el mantenimiento. Para decenas de miles de filas al mes, merece la pena evaluar un enfoque híbrido (Make lanzando trabajos de la Batch API).

P: ¿Puedo usar Make.com para generar imágenes en bloque con DALL-E de OpenAI junto con texto?
R: Sí. El módulo de OpenAI de Make incluye una acción «Create an Image» que llama a DALL-E. Puedes encadenar una finalización de texto y una generación de imagen en el mismo escenario, usando el texto resultante como prompt de la imagen. Cada generación de imagen cuenta como una operación y una llamada a la API independientes, así que tenlo en cuenta en tus cálculos de límites de uso y de costes.

P: ¿Es este enfoque adecuado para equipos de SaaS sin perfil técnico?
R: Make.com está pensado precisamente para este caso de uso. No necesitas escribir código para crear un flujo de contenido masivo que funcione. Los módulos de Google Sheets, OpenAI y gestión de errores se configuran con unos pocos clics. Los equipos de SaaS que también piensen en la visibilidad en buscadores de los contenidos generados pueden compararse con agencias de SEO especializadas en B2B SaaS, pero el mejor punto de partida sigue siendo un lote de prueba de 10 filas para validar tu prompt y el formato de salida antes de escalar a todo tu conjunto de datos.