Tiago Ferreira creó un negocio que convierte un pódcast en varios contenidos

Podsqueeze es un servicio de IA que transforma el audio de un pódcast en notas del episodio, boletines, publicaciones para redes sociales y otros contenidos. Una entrevista de Indie Bites publicada el 13 de septiembre de 2024 lo presentó como un negocio que había alcanzado 16.000 dólares de ingresos recurrentes mensuales (MRR) en 18 meses desde su lanzamiento. La cifra corresponde a los ingresos recurrentes del servicio, no al ingreso personal mensual del cofundador Tiago Ferreira ni al beneficio después de gastos.

El problema surgió al producir su propio pódcast

Ferreira dejó su empleo como ingeniero de software para emprender con productos independientes. Sin embargo, después de probar varios proyectos y una comunidad de pago, durante aproximadamente un año y medio siguió sin obtener lo suficiente para cubrir sus gastos de vida y trabajó también como autónomo. En ese periodo llevaba el pódcast Wannabe Entrepreneur, donde documentaba su recorrido y entrevistaba a otros fundadores.

Al producir un pódcast descubrió que el trabajo no terminaba con la grabación. Para presentar y promocionar el episodio tenía que volver a revisar una conversación larga y redactar resúmenes y publicaciones. Encargarlo a terceros suponía costes y espera. Pensó que combinar la transcripción de voz con la IA generativa podía reducir esas tareas posteriores.

Su compañero de proyecto fue el diseñador de UX/UI João Amaro. Ambos trabajaban desde Lisboa, Portugal, y combinaron sus capacidades de desarrollo y diseño. Podsqueeze fue una empresa fundada por dos personas con especialidades diferentes.

Comprobaron la demanda de pago antes de pulir el producto

A mediados de febrero de 2023 crearon la primera versión de prueba en aproximadamente una semana. Generaba contenidos a partir del RSS de un pódcast, pero no permitía pagar. La mostraron a conocidos que tenían pódcasts y dedicaron otra semana a integrar pagos y suscripciones con Stripe. El servicio de pago se lanzó a principios de marzo.

La diferencia con proyectos anteriores apareció en la reacción de los usuarios a los fallos. Si no salían resultados o había errores, pedían que los arreglaran o esperaban en el chat porque necesitaban la herramienta. Ferreira consideró ese comportamiento una señal de demanda más significativa que los elogios.

La solución técnica convertía el audio en texto mediante una API externa de transcripción y utilizaba GPT para generar distintos tipos de escritos. El valor del producto estaba en conectar esos pasos con el proceso de trabajo del creador y permitirle revisar y modificar los resultados.

Usar API externas no eliminó los problemas de desarrollo. Al principio, las transcripciones largas superaban el límite de entrada del modelo y las demoras o errores de las API provocaban numerosas consultas. Además de ajustar los prompts, tuvieron que resolver el tratamiento de entradas extensas y la fiabilidad del servicio.

Los clientes valoraban el ahorro de tiempo y dinero

Los primeros clientes se dividían en dos grandes grupos: creadores individuales o de pódcasts pequeños y medianos, y agencias de producción que gestionaban varios programas. Para los primeros, la herramienta permitía crear materiales promocionales que antes no podían hacer por falta de tiempo. Para las agencias que ya pagaban a autónomos por las notas de los episodios, reducía costes y plazos de entrega.

No todos los canales de captación funcionaron. Los mensajes privados en Twitter, útiles en proyectos anteriores, no dieron resultados con Podsqueeze. En su lugar utilizaron Reddit, boletines sobre IA y correos enviados directamente a posibles clientes. Consiguieron sus primeros 10 clientes en las dos primeras semanas tras el lanzamiento.

Una vez que llegaron visitantes, ajustaron el precio. La respuesta era positiva, pero pocas personas pagaban, por lo que probaron si el precio era una barrera de entrada. Según una entrevista de abril de 2023, ofrecieron un descuento del 35% por inscripción temprana a quienes se registraran en marzo, que se mantendría después, para impulsar la conversión de pago.

Antes de presentarse en Product Hunt, mejoraron el recorrido de la visita al pago. Redujeron el exceso de texto de la página de presentación y añadieron botones de registro y uso en la sección de funciones. El producto quedó segundo el día del lanzamiento. Según el fundador, el evento atrajo unos 5.000 visitantes y aumentó el MRR en aproximadamente 1.000 dólares. Un caso publicado en mayo de 2023 situó el MRR en 6.500 dólares unos dos meses después del lanzamiento.

Después del lanzamiento hicieron falta captación y operación continuas

Tras la promoción inicial, Ferreira se interesó por atraer clientes de forma constante mediante búsquedas y contenidos. En su pódcast trató el SEO, el marketing de contenidos y las compras que ocurren después de varios contactos con un producto. También recurrió a especialistas en SEO e Instagram, pasando de aprender y ejecutar personalmente todo el marketing a delegar parte del trabajo.

El modelo de negocio es de suscripción y la página oficial de precios diferencia los planes por el volumen de contenidos que se puede procesar y las funciones incluidas. Los creadores individuales y las agencias pueden elegir distintos niveles de uso. Además de sumar suscriptores, un negocio así necesita gestionar los costes de IA y la calidad del servicio en función del volumen procesado.

El producto se amplió más allá de la generación inicial de textos. En octubre de 2026, el sitio oficial describía clips de vídeo cortos, audiogramas, ajustes del estilo de escritura por programa, gestión de carpetas y funciones para compartir resultados con clientes. La ampliación buscaba facilitar el trabajo repetido con varios episodios y encargos.

Aunque comenzó sin inversión externa, necesitó dinero y personas. Los fundadores cubrieron sus gastos de vida con ahorros mientras dedicaban su tiempo, y la presentación oficial indica que después se sumaron un desarrollador y dos creadores de contenido. Se entiende mejor como un producto validado a pequeña escala por dos cofundadores que evolucionó hacia un negocio de equipo pequeño.

El reto posterior fue la continuidad del trabajo de los clientes

En Smart Bear Live, publicado el 23 de agosto de 2026, los fundadores hablaron de un MRR de unos 16.000 euros y de casi dos años de estancamiento. El problema se concentraba en el segmento de autoservicio, donde los clientes se registran y pagan por su cuenta; los contratos empresariales facturados por separado generaban ingresos adicionales. La entrevista de 2024 usaba dólares y esta euros, así que números parecidos no deben interpretarse como el mismo ingreso.

Entre las causas importantes de cancelación estaban el abandono de los pódcasts y el uso puntual. Cuando un programa deja de producir episodios, también desaparece la necesidad de crear contenidos derivados. Quien se registra para transcribir un solo archivo difícilmente se queda como suscriptor a largo plazo. Son características del cliente que no se resuelven simplemente añadiendo funciones o aumentando las visitas desde buscadores.

Por ello, Ferreira prestó más atención a clientes con trabajo continuo, como agencias que gestionan decenas de programas. Para ellos, reutilizar contenido forma parte de una entrega recurrente. Sin embargo, la entrevista planteaba una dirección para superar el estancamiento, no un resultado que demostrara que ya se había resuelto.

Podsqueeze muestra que validar pagos rápidamente y mantener suscripciones a largo plazo son retos distintos. Aunque un producto pequeño resuelva un problema conocido y consiga clientes que paguen, puede dejar de ser necesario si el trabajo del cliente se interrumpe. Al principio hay que descubrir quién pagará ahora; durante el crecimiento, hay que precisar quién seguirá realizando ese trabajo.