Cómo armar un sistema de contenido UGC con IA — y por qué el verdadero cuello de botella es la distribución, no la generación
Alex Nguyen, un indie hacker que hizo crecer apps como Notewave y MedDeep hasta sumar más de 400K usuarios entre ambas, publicó un X Article detallando el stack de agentes de IA detrás de un tipo específico de contenido de marketing para apps: UGC "brainrot" — videos cortos y adictivos generados por IA, pensados para poner una app frente a cientos de millones de personas de forma orgánica. Su artículo, "How to Build an AI UGC/Brainrot System That Can Generate 100M+ Views with Hermes Agent", es una colaboración paga con Higgsfield, y vale la pena leerlo completo — pero la parte que más importa para cualquiera que maneje contenido en más de una cuenta no es la generación de video. Es el cuello de botella que él mismo nombra explícitamente una vez que el sistema empieza a funcionar: la distribución y el feedback empiezan a romperse mucho antes que la generación.
El patrón: un formato de video, un ejército de cuentas
La observación inicial de Nguyen es que un puñado de apps — nombra a Her75 y Looksmaxing — factura decenas de miles de dólares al mes puramente por UGC orgánico, con cuentas de "influencers de IA" acumulando entre decenas y cientos de millones de views y ubicándose constantemente en el top del App Store de EE.UU. Después señala el mismo mecanismo apareciendo en EdTech, el mismo rubro donde crecieron sus propias apps: videos generados por IA de profesores universitarios "debatiendo y peleando sobre IA" frente a una sala de clases.
El formato de hook detrás de la tendencia que describe Nguyen: un profesor "descubre" a un alumno usando IA, la clase reacciona, y la app se menciona en los últimos tres segundos.
Las cuentas que corren este formato — studyvamp entre ellas — llegaron a más de 71K seguidores y 10 millones de likes combinados, todas apuntando al mismo producto.
El caso de estudio: Turbo Learn
La app detrás de ese "ejército de influencers", según Nguyen, es Turbo Learn — un tomador de notas con IA que factura, según reporta, cerca de $204K/mes, construido casi enteramente sobre este patrón de UGC en vez de adquisición paga.
Ese número es lo que hace que valga la pena leer el resto con atención: el sistema no es una curiosidad, está atado a una línea de ingresos real y considerable.
El stack: Hermes Agent para orquestar, Higgsfield Super Computer para generar
Nguyen dice que viene usando la generación de video de Higgsfield desde 2025 y que desde entonces se volvió partner oficial. La función específica que destaca es el nuevo Super Computer de Higgsfield, que toma un prompt de escena detallado — estilo de cámara, iluminación, diálogo, beats del personaje — y renderiza el video.
Pero la generación sola no explica 100M+ de views — un video bueno no es un sistema. Ahí es donde entra Hermes Agent, un agente de IA de código abierto y autoperfeccionable de Nous Research. Lo relevante acá no es que genere nada por sí mismo; es que recuerda flujos de trabajo, arma skills reutilizables a partir del trabajo repetido, corre automatizaciones programadas, y se conecta a herramientas vía MCP — incluyendo plataformas de mensajería como Telegram, Discord, Slack, WhatsApp y email.
El flujo que describe Nguyen tiene seis pasos: recolectar videos ganadores de StudyTok desde TikTok/Reels/Shorts, extraer cada uno como una plantilla de prompt reutilizable (no una copia puntual), generar decenas de variaciones cambiando materia, persona y hook, encolar los prompts más fuertes en Super Computer, escribir varios ángulos de caption/CTA por video, y después devolver al sistema los datos de rendimiento — views, guardados, instalaciones, conversión a prueba, split por país — para que aprenda qué hooks, materias y ángulos realmente convierten, no solo cuáles generan views.
El cuello de botella que él mismo nombra — y no es la calidad del video
En medio del artículo, Nguyen es explícito sobre cuál es el verdadero límite del sistema: en el momento en que empezás a correr varias cuentas StudyTok a la vez, el caos operativo — no la calidad del video — se convierte en el cuello de botella más grande. Su solución propuesta es una cola de producción que registra, por video, el prompt, la app que se promociona, la persona objetivo, el caption, los hashtags, el idioma, en qué cuenta se publica, y un estado (idea → generado → editado → posteado → ganador/perdedor). Eso no es un problema de generación. Es un problema de distribución y operaciones — y es exactamente la capa para la que se construyeron la API y el servidor MCP de PosteAhora, pensados para sentarse debajo de un agente como Hermes.
Dónde PosteAhora refuerza exactamente este flujo
Para ser precisos sobre qué es esto y qué no: PosteAhora no construyó el sistema de Nguyen, y usarlo no requiere Hermes Agent ni Higgsfield específicamente — la misma mecánica aplica a cualquier agente que produzca múltiples variaciones de contenido para múltiples cuentas. Lo que la API pública y el servidor MCP de PosteAhora le dan a un agente es exactamente la capa de cola-de-producción-y-distribución que Nguyen describe querer tener, sin que nadie tenga que construirla a mano:
- Una cola con estados, antes de que nada sea un post real. El backlog de Ideas de PosteAhora (
create_idea/list_ideas/update_idea) es un tablero kanban donde un agente puede dejar caer cada variación — caption, media, y tags libres (materia, persona, tipo de hook, cuenta objetivo, idioma) — y moverla por columnas a medida que se genera, se revisa y se aprueba, antes de que llegue a ser un post en vivo. Es la misma progresión "idea → generado → editado" que Nguyen describe querer trackear a mano. - Una sola llamada, muchas cuentas. Una vez que una variación está lista,
create_post(oschedule_postpara una fecha futura) recibe un arrayaccountMappings— una entrada por cuenta conectada, cada una con suplatformy suaccountId— así que una sola llamada del agente puede distribuir el mismo video a través de todas las cuentas estilo StudyTok que maneje, conplatformCaptionssobrescribiendo el caption por cuenta cuando cambia la persona o el idioma. Eso es el "caos" que nombra Nguyen, resuelto como una llamada estructurada en vez de N subidas manuales. - Borrador por defecto. Tanto
create_postcomoschedule_postarrancan por defecto enstatus: "draft"— el agente hace la generación, el caption y el targeting de cuentas; una persona sigue revisando antes de que algo salga en vivo, la misma válvula de seguridad que vale la pena tener en cualquier pipeline capaz de postear "100 variaciones" sin supervisión. - El loop de feedback, automatizado. El paso 6 de Nguyen — devolver al sistema views, guardados, instalaciones y datos por país — es exactamente lo que devuelve la herramienta
get_analyticsde PosteAhora: views, likes, comentarios, shares, alcance, guardados e interacciones, agregados y desglosados por plataforma, sincronizados cada hora desde cada cuenta conectada. Como está expuesto vía MCP, es una herramienta que Hermes Agent (que Nguyen ya describe conectándose a herramientas vía MCP) puede llamar directamente — convirtiendo el trabajo manual semanal de sacar números y reportarlos en un skill programado que el propio agente ejecuta.
Nada de esto reemplaza el razonamiento real de Hermes sobre qué hooks y personas están funcionando — eso sigue siendo trabajo del agente. Lo que elimina es el trabajo de integración a medida para conectar ese razonamiento con cada cuenta social a la que necesita publicar y de la que necesita sacar números.
Qué vale la pena copiar aunque nunca toques este stack exacto
Tratá un video ganador como una plantilla, no como algo puntual — la palanca está en las cien variaciones, no en el único hit. Trackeá un estado por cada pieza de contenido, no solo una carpeta de archivos, en el momento en que manejás más de una cuenta. Por defecto, dejá el contenido nuevo en un estado de revisión antes de publicarlo, sobre todo una vez que un agente produce decenas de variaciones por semana. Y cerrá el loop: generar sin un camino de feedback desde el rendimiento real es solo volumen de contenido, no un sistema que mejora.
Fuentes
- Artículo original: Alex Nguyen (@alexcooldev), "How to Build an AI UGC/Brainrot System That Can Generate 100M+ Views with Hermes Agent" — declarado como colaboración paga con Higgsfield.
- Hermes Agent — agente de IA de código abierto y autoperfeccionable de Nous Research.
- Higgsfield — plataforma de generación de video con IA, incluyendo la función Super Computer referida arriba.
¿Ya tenés un agente de IA generando variaciones de contenido a escala? Conectá tus cuentas en PosteAhora y dejá que el mismo agente que genera tus videos los encole, distribuya y trackee en cada canal donde publica.
