Mesa de análisis de mercados

Caso real, con el nombre reservado a pedido.

Quiénes están detrás

Un equipo de traders especializado en oro y criptomonedas, con un sistema de análisis propio. El método, los criterios de entrada, la forma de leer el mercado y el historial acumulado son de ellos: no los inventé y ya funcionaban puertas adentro antes de que yo entrara.

Para que quede claro: yo no vendo señales ni rentabilidad. Mi trabajo fue construir la infraestructura que hizo público, medible y escalable el método del equipo. Nada más, y nada menos.

Lo que faltaba no era método. Era la capa pública: un sistema que hiciera escalable ese análisis sin que los traders tuvieran que convertirse en community managers.

Cómo estaba antes

• Traders analizando a mano tres veces al día, antes de cada sesión.
• Historial de pruebas con datos reales de varios meses, pero privado.
• Conocimiento de mercado difícil de explicar y difícil de vender a escala.
• Contenido educativo disperso en notas y capturas que nunca llegaban a ninguna parte.
• Sin sitio propio, sin comunidad, sin lista de correo, sin producto digital.
• Ingresos desde la parte pública: cero. Todo el valor se quedaba en la operativa privada.

No sobraba audiencia: sobraba sistema técnico. Eso también es capital sin monetizar.

Qué construí

La capa de automatización y la infraestructura pública. Ellos ponen el criterio de mercado; yo me encargo de que ese criterio corra en producción tres veces al día sin que nadie lo toque, y llegue a un producto con acceso por plan.

Los 6 módulos que operan hoy

1. Mesa de oro — un programa que ejecuta el análisis del equipo tres veces al día, solo. Toma los datos del mercado, arma el análisis estructural, lo enriquece con contexto macro, genera el artículo, los gráficos y las alertas, lo traduce a tres idiomas, lo hace revisar por 8 agentes de IA en paralelo y lo publica.
2. Mesa de cripto — la misma idea para BTC, ETH, SOL y BNB, con las fuentes de datos propias de ese mercado y 6 agentes de validación.
3. Monitores en tiempo real — vigilan el precio y avisan, con tres niveles de confirmación, cuando toca una zona que la mesa marcó como relevante.
4. Sitio público y zona privada — el blog abierto e indexable por un lado; la zona de pago por otro. La separación es estricta: el visitante ve la estructura y los escenarios; el suscriptor ve los niveles exactos, el detalle y las reglas del día.
5. Historial verificable — un componente en vivo con el resultado real de cada sesión, incluyendo los días en que no hubo entrada porque no se cumplieron las condiciones.
6. Motor de pruebas históricas — corre el sistema del equipo contra datos pasados para medirlo.

La parte comercial

• Tres planes de suscripción activos, entre USD 19 y USD 39 al mes, cada uno con sesiones distintas.
• Alertas personalizadas que el suscriptor copia y pega en su plataforma de gráficos.
• Repeticiones de análisis anteriores como contenido de retención.
• Biblioteca de patrones como puerta de entrada desde buscadores.

La pieza más técnica: público y privado desde el origen

El mismo análisis se bifurca en dos salidas desde el propio proceso, no en el producto final:

• Lo público: sesgo, estructura, contexto, escenarios sin niveles exactos, precios redondeados a zonas y un mapa de liquidez visualmente difuminado — se ven las líneas, no los números.
• Lo privado: la evaluación completa, los niveles exactos de entrada, salida y riesgo, el tamaño de posición según cuenta, el detalle hora por hora, las alertas listas y la discusión completa de los agentes que validaron el análisis.

El visitante ve que hay más, sabe exactamente qué desbloquea, y el botón lo lleva al plan que corresponde. Nada se regala por error.

Por qué vale mencionarlo

Es el caso donde mi rol es claramente de apoyo: el método lo ponen los traders, yo pongo la automatización, la validación con IA y el producto público. No me voy a atribuir un conocimiento de trading que no tengo.

Tres cosas lo hacen útil como referencia:

1. Tomar un método privado y automatizarlo de punta a punta, desde los datos crudos hasta el artículo publicado y la zona de pago, sin intervención manual.
2. Separar lo público de lo privado en el proceso, no en el producto — el sistema genera dos salidas distintas desde el día cero. Eso no es un detalle de implementación: es parte del diseño.
3. Usar la IA como validador cruzado — 8 agentes discuten cada análisis antes de publicarlo. Eso multiplica la capacidad de revisión del equipo sin sumar gente.

Resultados

(Lanzamiento en curso. Las cifras de conversión —suscripciones activas por plan, ingresos recurrentes, retención a 90 días— se irán actualizando a medida que el embudo capture datos. El historial operativo está visible y es verificable en el sitio del proyecto.)