Dejé que Claude eligiera mi stack tecnológico — y ahora corro sobre herramientas que nunca había escuchado

La tesis de la marca: «¿hasta dónde se puede delegar un lanzamiento a la IA?»

Empezamos por lo importante: MODAY es mitad marca de camisetas, mitad experimento.

Trabajo como consultor de e-commerce. La operativa de un lanzamiento la conozco desde el asiento del copiloto. MODAY está montado a propósito de otra forma: una sola persona, mercado global, tres días, y todo el juicio y la ejecución que la IA esté dispuesta a aceptar, delegado a la IA.

La elección del stack siguió la misma lógica. No es «no sabía y le pregunté a la IA». Es más bien: partí de la base de que la IA elige, y mi único trabajo era escribir los criterios.

Esto es lo que salió:

Capa	Servicio
Tienda	Shopify (tema Dawn)
Print on demand	Gelato
Traducción	Translate & Adapt
Automatización	Make.com
Servidor de webhooks	FastAPI en Render.com
Generación de imágenes	fal.ai (FLUX Pro)
Procesamiento de texto / IA	Anthropic API

De esos siete servicios, los únicos nombres que conocía antes de empezar eran Shopify y la API de Anthropic. A todos los demás los conocí en conversaciones con Claude.

Este stack tiene tres días de vida.

Elegí Shopify por una noticia, no por la tecnología

La explicación honesta es casi vergonzosa.

Hace un tiempo vi pasar el anuncio de Shopify MCP. Mi primer pensamiento: «vale, entonces Claude Code ya puede manejar una tienda Shopify desde dentro». Eso fue el 90 % de la decisión.

Llevo años mirando Shopify desde fuera, como consultor, pero nunca había construido encima yo mismo. Da igual: si Claude Code puede entrar vía MCP, no necesito convertirme primero en experto de Shopify para entregar.

Las plataformas locales japonesas (BASE, STORES) nunca entraron en la lista. Una sola razón: quería vender a nivel global desde el día uno. Nueve idiomas, varias monedas, checkout transfronterizo de verdad. Shopify es la única plataforma que hace eso fácil desde el primer día.

Mis criterios reales no fueron «la mejor plataforma técnicamente», sino «la que se entiende mejor con Claude Code» y «la que me permite vender mañana mismo en cualquier país».

Lo del POD se lo encargué a Claude a propósito

¿Cómo se imprimen y se envían las camisetas?

Antes de este proyecto no conocía ningún servicio de print on demand. Printful, Printify, Gelato — ninguno me sonaba.

No era un problema. Desde el principio, el plan era que la IA hiciera la selección. Mi conocimiento personal del mercado POD global es superficial. Si yo escribo las restricciones de negocio y dejo que Claude ordene las opciones contra esas restricciones, el resultado va a superar todo lo que yo pueda producir solo en una semana de investigación.

El prompt que envié:

Quiero vender camisetas personalizadas a través de Shopify, con print on demand y fulfillment automático. Mercados objetivo: Estados Unidos, Europa, Asia. Japón es secundario. ¿Qué servicio POD debería usar? Compara varios candidatos.

Eso es todo. Solo restricciones de negocio. Cero criterios técnicos: nada de lenguajes de SDK, ni rate limits, ni formato de webhooks, ni esquemas de autenticación. Tampoco habría sabido cómo escribirlos.

La respuesta:

Comparé los tres principales servicios POD. Conclusión: Gelato es el que mejor encaja para tu caso.

🥇 Gelato (recomendación principal)
- Red de impresión local en 32 países, más de 140 instalaciones
- Producción local en Japón, Corea, Singapur, Malasia, Australia, India y China
- Entrega media inferior a 72 horas en UE / EE. UU. / Asia
- Riesgo aduanero bajo (la producción se queda dentro del país)
- Envío a más de 200 países
- Puntos débiles: catálogo más reducido que Printify, precio unitario algo más alto

🥈 Printful (mejor para construir marca)
- 17 instalaciones en Norteamérica, Europa y Asia
- Control de calidad más estricto de los tres
- Punto débil: precio unitario más alto

🥉 Printify (mejor para coste)
- Más de 90 proveedores de impresión, 950+ productos
- Entre 10 y 20 % más barato que Gelato en la mayoría de categorías
- Puntos débiles: red asiática más fina, sin soporte en japonés

Recomendación: para «global primero, Japón secundario», Gelato como proveedor principal. La producción local en las tres regiones optimiza simultáneamente envío, aduana y tiempo de entrega.

Decidido. El núcleo de mi cadena de fulfillment corre ahora sobre un servicio que nunca había visto ni tocado.

Si hubiera hecho esa misma comparación a la antigua —leer tres documentaciones, preguntar en mi red—, habría perdido una semana. En su lugar: casi inmediato.

Con FastAPI ni siquiera estoy en el «¿lo usas?»

La tabla dice: «Webhook: FastAPI en Render.com».

Me río un poco al escribirlo. No sé bien qué es FastAPI.

Al principio del build necesitaba algo que recibiera los webhooks de pedidos de Shopify y los reenviara a Gelato. Claude Code dijo: «lo escribo en FastAPI y lo despliego en Render». Un framework de Python, hasta donde entiendo. Le dije que adelante.

Se escribió. Se desplegó. Funciona. Mi participación se reduce a mirar los logs en el dashboard de Render.

(Aviso: esa pieza ya está fuera. A mitad del build me chirriaba algo y me cambié a otro enfoque. Esa historia llega en un próximo post.)

Cuando uno decide ir «AI-first», acepta que no puede explicar al 100 % su propia stack. Ese trade-off es el punto, no un fallo.

¿Inteligente o temerario?

Yo mismo no lo tengo claro.

Las ventajas son evidentes:

• Opciones que jamás se me habrían ocurrido aparecen en la lista corta desde el día uno
• «Lo que yo sé» deja de ser el techo del proyecto
• Selección y implementación se funden en un solo paso — lo que normalmente lleva una semana, ocurre al instante
• Un no-desarrollador construyendo una marca D2C global se vuelve un proyecto realista, no teórico

Los riesgos son igual de claros:

• Cuando algo se rompa, puede que no sepa leer qué se ha roto
• Aún no sé explicar «por qué este stack» con mis propias palabras (precisamente por eso estoy escribiendo este post — al escribirlo me ordeno)
• Si un proveedor desaparece, mi decisión de reemplazo va a ser lenta

Cómo va a envejecer este trade-off en seis meses, no lo sé. Mientras funciona, es espectacular. El día que algo falle, puede ser brutal.

Sigo en esta línea porque quiero una respuesta honesta a «¿hasta dónde puede llegar la IA?», medida sobre un negocio real. Los proyectos de hobby no producen esa respuesta. Solo cuando hay dinero real circulando, clientes reales comprando y envíos reales saliendo, sale un número fiable.

Un stack de tres días, listo para vender al mundo

Tres días desde el pick del stack y el inicio del build. El tiempo real con las manos en el código es bastante más corto.

En esa ventana: la tienda está en línea, nueve idiomas funcionando, el webhook de pedidos se dispara, el sync de productos en Gelato se mueve. Esta es la V1 del experimento «AI-first brand launch».

Para fin de año probablemente la mitad estará reemplazada. FastAPI/Render ya salieron. Hay otras piezas que crujen.

Pero hoy, en este momento exacto, este stack está a punto de vender en cualquier parte del mundo — y eso es lo único que importa hoy.

En el próximo post: qué trabajo le pasé a Claude Code, y qué tuve que hacer yo.

— Yoskee
moday.me