Cómo convertí herramientas de IA de código abierto en proyectos de ingresos pasivos
1. Automatización de la creación de contenido con Hugging Face Transformers
La primera forma en que monetizé la IA fue automatizando la creación de contenido. Los clientes quieren entradas de blog, textos para redes sociales, descripciones de productos, y están dispuestos a pagar por contenido en grandes cantidades. En lugar de hacerlo manualmente, desarrollé un flujo de trabajo en Python con Hugging Face Transformers .
from transformers import pipeline
# Carga GPT-2 para la generación de contenido
generator = pipeline( "text-generation" , model= "gpt2" )
def generate_content ( topic, max_length= 200 ):
prompt = f"Escribe una introducción profesional para tu blog sobre {topic} :"
return generator(prompt, max_length=max_length, num_return_sequences= 1 )[ 0 ][ 'generated_text' ]
# Ejemplo de uso
print (generate_content( "IA en la atención médica" ))Lo usaba para generar borradores de más de 100 artículos al mes. A los clientes no les importaba si dedicaba 1 hora o 10 horas; pagaban por volumen.
2. Soporte al cliente impulsado por IA con Rasa
Las empresas invierten una fortuna en atención al cliente. Desarrollé chatbots con Rasa que gestionaban las preguntas frecuentes y el enrutamiento de llamadas. Cada bot sustituyó al menos a un agente de soporte a tiempo parcial.
# Primero, instala Rasa: pip install rasa
# Ejemplo de nlu.yml para entrenar el chatbot de Rasa
nlu:
- intent: greet
examples: |
- hi
- hello
- hey there
- intent: product_inquiry
examples: |
- Tell me about your pricing
- How much does it cost?
- I need details about plansCobré una cuota mensual de mantenimiento a pequeñas tiendas de comercio electrónico por este servicio. Se convirtió en una fuente de ingresos recurrentes sin mucho esfuerzo continuo.
3. Investigación de mercado automatizada con la API de OpenAI
Un cliente solicitó un seguimiento diario de la competencia . En lugar de contratar analistas, desarrollé un script con OpenAI + BeautifulSoup para extraer información de los sitios web de la competencia y resumir sus cambios.
import requests
from bs4 import BeautifulSoup
import openai
openai.api_key = "tu_clave_aquí"
def scrape_and_summarize ( url ):
response = requests.get(url)
soup = BeautifulSoup(response.text, "html.parser" )
text = soup.get_text()[: 2000 ]
prompt = f"Resumir la siguiente actualización del sitio web de la competencia:\n {text} "
completion = openai.Completion.create(
engine= "text-davinci-003" ,
prompt=prompt,
max_tokens= 150
)
return completion.choices[ 0 ].text.strip()
print (scrape_and_summarize( "https://example.com" ))Me pagaban 500 dólares al mes por ejecutar un script que tardaba menos de 15 minutos en configurarse.
4. Locuciones de IA con Coqui TTS
Los locutores son caros. Con Coqui TTS , automatizé vídeos de demostración de productos y audios explicativos. Después, empecé a ofrecer paquetes de voz con IA en plataformas de trabajo freelance.
# pip install TTS
from TTS.api import TTS
tts = TTS( "tts_models/en/ljspeech/tacotron2-DDC" , progress_bar= False , gpu= False )
tts.tts_to_file(text= "¡Bienvenido a nuestro futuro impulsado por IA!" , file_path= "output.wav" )Un solo trabajo en Fiverr, una locución de 3 minutos generada por IA, me reportó 50 dólares . Ampliarlo me generó ingresos extra fáciles.
5. Personalización de currículums con LangChain
Quienes buscan empleo detestan tener que adaptar sus currículos. Desarrollé una herramienta para optimizar currículos con LangChain y cobré el acceso a ella mediante una sencilla aplicación web.
from langchain import PromptTemplate, OpenAI, LLMChain
template = """
Eres un asistente de carrera.
Adapta este currículum para que coincida con la siguiente descripción de trabajo.
Currículum: {resume}
Trabajo: {job_desc}
"""
llm = OpenAI(model= "text-davinci-003" , temperature= 0 )
prompt = PromptTemplate(template=template, input_variables=[ "resume" , "job_desc" ])
chain = LLMChain(prompt=prompt, llm=llm)
print (chain.run({ "resume" : "Desarrollador de Python, 3 años de experiencia" , "job_desc" : "Puesto de Ingeniero de IA en Google" }))Los usuarios pagaban con gusto entre 10 y 20 dólares por un currículum personalizado porque les ahorraba horas.
6. Señales de negociación de acciones generadas por IA
Esto no es asesoramiento financiero 🚨, pero los modelos de IA pueden analizar el sentimiento y generar señales de inversión. He creado un flujo de trabajo sencillo con FinBERT para el análisis de sentimiento en noticias financieras.
from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch
tokenizer = AutoTokenizer.from_pretrained( "ProsusAI/finbert" )
model = AutoModelForSequenceClassification.from_pretrained( "ProsusAI/finbert" )
def analyze_sentiment ( text ):
inputs = tokenizer(text, return_tensors= "pt" , truncation= True , padding= True )
outputs = model(**inputs)
probs = torch.nn.functional.softmax(outputs.logits, dim=- 1 )
labels = [ "positive" , "negative" , "neutral" ]
return dict ( zip (labels, probs[ 0 ].detach().numpy()))
print (analyze_sentiment( "Apple stock rises after strong earn report" ))Lo vendí como una suscripción a señales . La gente se suscribía por 25 dólares al mes, aunque en su mayoría solo agregaba datos de sentimiento.
7. Panel de control SaaS con Gradio + API de IA
Finalmente, agrupé varios de estos scripts de IA en un panel de control usando Gradio . En lugar de vender scripts individuales, vendí el acceso al panel de control.
import gradio as gr
import openai
def summarize_text ( text ):
completion = openai.Completion.create(
engine= "text-davinci-003" ,
prompt= f"Resume esto:\n {text} " ,
max_tokens= 100
)
return completion.choices[ 0 ].text.strip()
demo = gr.Interface(fn=summarize_text, inputs= "textbox" , outputs= "textbox" , title= "Resumidor de IA" )
demo.launch()Con esta configuración, podía cobrar 9,99 dólares al mes por el acceso, y unas pocas docenas de usuarios lo convirtieron en un ingreso secundario fiable.
Las bibliotecas de IA no son solo juguetes académicos; son una mina de oro si se les da el enfoque adecuado. Empecé con pequeños proyectos (currículums con IA, generación de blogs, chatbots para clientes) y con el tiempo amplié mi oferta a servicios de suscripción.
Consejo profesional: No reinventes la rueda. Utiliza bibliotecas de IA de código abierto, incorpóralas a una interfaz y cobra por la comodidad.
Gracias por leer Código en casa.