Cómo usar AI como tu asistente de investigación personal

El cuello de botella en la mayoría del trabajo de conocimiento no es pensar. Es perseguir la información.

Y antes de que pongas los ojos en blanco con la frase de "no es X, es Y"… sí, justo. Suena a que lo escribió una AI. Esa es un poco la broma.

Porque la mayor parte del trabajo ocurre antes de que siquiera empiece el pensar.

Desenterrar fuentes decentes, hojear pestañas infinitas, contrastar datos, hilvanar todo, y recién entonces llegar a la parte en la que de verdad tienes algo que decir.

Si tienes suerte, ese "pensar de verdad" es el 20% del proceso. El resto es solo… trámite con pasos extra.

La AI le da vuelta a eso.

Con la configuración correcta, puedes delegar el medio desordenado: reunir, filtrar, sintetizar.

Y en cambio dedicar tu tiempo a la parte que sí te necesita: criterio, gusto, decisiones.

Esta guía desglosa qué puede manejar por sí solo un agente de investigación con AI, dónde todavía tropieza, cómo configurar uno sin sobreingeniería y cómo asegurarte de no estar confiando a ciegas en un robot muy seguro de sí mismo.

¿Cómo se ve en realidad la investigación con AI en 2026?

Los trabajadores del conocimiento pasan en promedio 2,5 horas al día en tareas de recopilación de información. Eso es aproximadamente un tercio de la jornada laboral dedicado a investigar antes de que pueda ocurrir cualquier pensamiento real.

Los agentes de investigación con AI han empezado a comprimir eso de forma dramática. Los equipos de ventas que corren flujos de trabajo de investigación autónomos reportan haber reducido la preparación previa a una llamada de 45 minutos a menos de 10.

Los analistas competitivos que solían pasar un día entero armando un reporte de cinco competidores ahora obtienen el mismo resultado en 30 minutos.

El cambio no es solo de velocidad. Es sobre lo que se vuelve posible cuando la investigación ya no es el cuello de botella. Esto es lo que se ve en la práctica.

La investigación con AI es un proceso autónomo de varios pasos. Esto es lo que pasa cuando le pides a una AI que "investigue esta empresa":

1. Búsqueda: la AI consulta varios motores de búsqueda por nombre de empresa, dominio y noticias recientes
2. Scraping: visita el sitio web de la empresa, LinkedIn, Crunchbase, artículos de noticias
3. Extracción: extrae datos estructurados: historial de financiamiento, número de empleados, tech stack, anuncios recientes
4. Síntesis: escribe un brief con formato con todos los hallazgos organizados por categoría
5. Almacenamiento: guarda todos los datos de las fuentes y el contexto para preguntas de seguimiento Esto es investigación web en vivo, ocurriendo en tiempo real.

La diferencia con la "investigación con ChatGPT" estilo 2024 es la autonomía.

No copias y pegas URLs ni resumes hallazgos manualmente. Haces una pregunta y vuelves a un reporte completo.

Investigación manual vs con AI: comparación de tiempos

Estos números provienen de equipos reales de agencias y ventas que usan flujos de trabajo de investigación autónoma con AI.

Cómo investigar una empresa antes de una llamada de ventas

Los reps de ventas pasan de 30 a 60 minutos antes de llamadas importantes leyendo el sitio web del prospecto, noticias recientes, perfiles de LinkedIn e historial de financiamiento. La AI puede hacer esto en 8 minutos.

Investigación de la empresa previa a la llamada

1. Dale a la AI el nombre de la empresa o el dominio

Prompt: "Investiga Acme Corp (acmecorp.com) y prepara un brief de ventas. Necesito una visión general de la empresa, noticias recientes, historial de financiamiento, tech stack y personas clave que toman decisiones."

1. La AI ejecuta el flujo de trabajo de investigación

• Busca información de la empresa en varias fuentes
• Hace scraping del sitio web de la empresa para detalles de producto, mensaje, casos de estudio
• Revisa Crunchbase o PitchBook para datos de financiamiento
• Busca en LinkedIn el número de empleados y los roles clave
• Busca noticias para anuncios recientes o prensa

1. Revisa el resultado estructurado

Recibes un brief con formato en 8-12 minutos:

ACME CORP - SALES RESEARCH BRIEF
Generated: 2026-03-01

COMPANY OVERVIEW
- Industry: B2B SaaS, marketing analytics
- Founded: 2019
- HQ: Austin, TX
- Employees: 180-200 (per LinkedIn)
- Website: acmecorp.com

FUNDING HISTORY
- Series B: $28M (Dec 2024, led by Insight Partners)
- Series A: $12M (Mar 2023, led by Bessemer)
- Total raised: $42M

PRODUCT & POSITIONING
- Core product: Multi-channel attribution platform
- Target customer: Mid-market B2B companies ($10-100M ARR)
- Key messaging: "Attribution without the data science team"
- Pricing: Not public (contact sales model)

RECENT NEWS
- Feb 2026: Launched integration with HubSpot
- Jan 2026: Announced $28M Series B
- Dec 2025: Hired new VP Sales (John Smith, ex-Salesforce)

TECH STACK (detected)
- CRM: Salesforce
- Marketing: HubSpot, Google Ads
- Analytics: Segment, Amplitude

KEY DECISION MAKERS
- Sarah Johnson - CEO & Co-founder (LinkedIn: /sarah-johnson-acme)
- Michael Chen - VP Engineering (LinkedIn: /michael-chen-eng)
- John Smith - VP Sales (LinkedIn: /john-smith-sales)

TALKING POINTS
- Recently raised Series B - likely expanding team
- HubSpot integration suggests HubSpot customer base is target
- Emphasis on "no data science team" = ease of use angle
- VP Sales is new hire from Salesforce - enterprise motion starting

1. Haz preguntas de seguimiento

Como la AI almacenó todo el contexto de la investigación, puedes refinar:

• "¿Cuáles son sus principales competidores?"
• "Trae las publicaciones recientes del CEO en LinkedIn"
• "¿Qué integraciones ofrecen?" No hace falta volver a investigar. La AI ya tiene los datos.

Qué reemplaza esto

Antes de los asistentes de investigación con AI, este flujo de trabajo significaba:

La versión manual significaba abrir entre 10 y 15 pestañas del navegador, leer el sitio web y la página "Acerca de", googlear el historial de financiamiento, revisar Crunchbase manualmente, buscar noticias recientes, buscar empleados en LinkedIn y copiar y pegar notas en un documento antes de escribir un resumen desde cero. Todo el proceso tomaba de 45 a 60 minutos por empresa, y eso era antes incluso de levantar el teléfono.

Tiempo total: 45-60 minutos por empresa.

Con investigación de AI: 8-12 minutos, resultado estructurado, contexto almacenado para seguimientos.

La investigación previa a la llamada es un gran punto de partida, pero es solo un caso de uso. Donde la investigación con AI de verdad se gana su lugar es en el análisis competitivo, del tipo que solía consumir una tarde entera.

Cómo analizar competidores con AI

El análisis competitivo es intensivo en investigación. Necesitas comparar funciones, precios, posicionamiento, mensaje, reseñas de clientes y anuncios recientes en 5-10 competidores.

El análisis competitivo manual toma de 6 a 8 horas para 5 empresas. La AI lo hace en 25-35 minutos.

Análisis competitivo

1. Provee la lista de competidores

Prompt: "Analiza estos 5 competidores: CompanyA.com, CompanyB.com, CompanyC.com, CompanyD.com, CompanyE.com. Para cada uno, trae: visión general del producto, precios, cliente objetivo, funciones clave y noticias recientes. Luego crea una tabla comparativa."

1. La AI investiga cada competidor

Para cada empresa, la AI:

• Hace scraping de la página de inicio, la página de precios, la página de funciones
• Extrae el mensaje y el posicionamiento del producto
• Revisa los precios (si son públicos)
• Busca noticias recientes y comunicados de prensa
• Busca reseñas de clientes en G2, Capterra, TrustRadius Esto ocurre en paralelo. Las 5 empresas se investigan de forma simultánea.

1. Obtén el resultado estructurado

La AI devuelve:

• Briefs individuales para cada competidor
• Una tabla comparativa con funciones, precios, posicionamiento
• Análisis del posicionamiento de mercado y la diferenciación
• Vacíos y oportunidades Tabla comparativa de ejemplo:

1. Pide un análisis más profundo

• "¿Qué competidores se enfocan en facilidad de uso vs usuarios avanzados?"
• "¿Qué vacíos de precios existen en el mercado?"
• "¿Qué competidor tiene el mensaje empresarial más fuerte?" La AI sintetiza a partir de los datos que ya recopiló.

Qué reemplaza esto

Flujo de trabajo de investigación competitiva manual:

• Visitar el sitio web de cada competidor
• Capturar pantallas de funciones, precios, mensaje
• Buscar "[nombre del competidor] review" en Google
• Leer reseñas en G2 y Capterra
• Buscar noticias recientes
• Copiar y pegar en una hoja de cálculo
• Escribir el análisis 6-8 horas para 5 competidores. Investigación con AI: 25-35 minutos.

Cómo armar listas de leads con investigación de AI

El armado de listas de leads es la tarea de investigación más intensiva en tiempo. Necesitas encontrar empresas que coincidan con tu ICP, enriquecerlas con datos de contacto y calificarlas según señales como financiamiento, tech stack o contratación.

Investigación manual de leads: 15-20 horas para 50 leads calificados. Investigación con AI: 2-3 horas.

Paso a paso: armado de listas de leads con AI

1. Define los criterios de tu ICP

Prompt: "Encuentra 50 empresas SaaS B2B que coincidan con este perfil: financiadas en Serie A o B, 50-200 empleados, sede en EE. UU. o Reino Unido, recaudaron financiamiento en los últimos 18 meses, usan Salesforce como CRM. Para cada empresa, trae: nombre, dominio, número de empleados, historial de financiamiento, contactos de quienes toman decisiones."

1. La AI ejecuta la búsqueda

• Busca en Crunchbase, PitchBook, AngelList empresas que coincidan con los criterios de financiamiento + tamaño
• Filtra por geografía y tech stack
• Visita el sitio web de cada empresa
• Revisa LinkedIn para el número de empleados
• Identifica a quienes toman decisiones (por cargo: VP Sales, CRO, CEO)

1. Obtén la lista de leads enriquecida

El resultado es un CSV o tabla estructurada:

Company Name | Domain | Employees | Funding | Last Round | HQ | Tech Stack | Decision Maker | LinkedIn
Acme Corp | acme.com | 180 | $42M | Series B Dec 2024 | Austin TX | Salesforce, HubSpot | Sarah Johnson CEO | /sarah-j
Beta Inc | betainc.com | 95 | $18M | Series A Mar 2025 | London UK | Salesforce, Marketo | James Lee CRO | /james-lee
...

1. Califica y prioriza

• "¿Cuáles de estas empresas contrataron recientemente a un VP Sales?" (señal de expansión)
• "¿Cuáles recaudaron financiamiento en los últimos 6 meses?" (señal de presupuesto)
• "Trae las ofertas de empleo recientes de estas empresas" (contratación = crecimiento) La AI ya tiene todos los datos. No hace falta volver a investigar.

Qué reemplaza esto

Investigación manual de leads:

• Buscar en Crunchbase con filtros
• Exportar la lista (si tienes una cuenta de pago)
• Visitar el sitio web de cada empresa
• Revisar LinkedIn para el número de empleados y quienes toman decisiones
• Buscar información de contacto
• Cruzar el tech stack (BuiltWith, Datanyze)
• Copiar y pegar en una hoja de cálculo 15-20 horas para 50 leads. Investigación con AI: 2-3 horas.

Por qué importa la persistencia en la investigación

Aquí está la diferencia entre "investigación con ChatGPT" y un asistente de investigación con AI: la persistencia.

Cuando investigas con ChatGPT:

Con ChatGPT, haces una pregunta, recibes una respuesta, cierras la pestaña y empiezas desde cero la próxima vez. No hay memoria de lo que encontró, ni contexto almacenado, ni forma de construir sobre sesiones de investigación previas.

Un asistente de investigación con AI persistente funciona distinto. Cuando investigas una empresa o un competidor, todos los hallazgos quedan almacenados. Vuelve tres días después y haz una pregunta de seguimiento. La AI todavía tiene los datos. Investiga un prospecto el lunes, agenda una reunión el jueves y pregunta "¿cuáles eran los puntos clave de conversación para esta empresa?". La AI lo recuerda al instante.

Esto es lo que convierte a la AI de una máquina de respuestas únicas en una base de conocimiento de investigación que se acumula con el tiempo.

Esto es crítico para los flujos de trabajo de investigación continua.

Ejemplo: investigas una empresa prospecto el lunes. El jueves consigues una reunión. Preguntas "¿Cuáles eran los puntos clave de conversación para Acme Corp?" La AI recuerda al instante la investigación del lunes. No hace falta volver a investigar.

O: analizas 10 competidores en enero. En marzo preguntas "¿Alguno de nuestros competidores lanzó nuevas funciones desde la última vez que revisamos?" La AI sabe cómo se veía el panorama en enero y puede comparar con el estado actual.

La persistencia convierte a la AI de una máquina de respuestas únicas en una base de datos de investigación que crece con el tiempo.

El flujo de trabajo de investigación

La investigación con AI no es una sola llamada al LLM. Es un flujo de trabajo autónomo de varios pasos. Esto es lo que pasa tras bambalinas:

Paso 1: planificación de la consulta

La AI descompone tu pregunta de investigación en subtareas.

Ejemplo: "Investiga esta empresa" se convierte en:

• Buscar el dominio de la empresa y el sitio web oficial
• Hacer scraping de la página de inicio y la página "Acerca de"
• Buscar datos de financiamiento
• Buscar noticias recientes
• Buscar a quienes toman decisiones en LinkedIn Paso 2: ejecución en paralelo

La AI ejecuta estas tareas en paralelo. No espera a que una termine antes de empezar la siguiente.

Todas las búsquedas, scrapings y extracciones de datos ocurren de forma simultánea. Por eso la investigación con AI es 10-20 veces más rápida que la manual.

Paso 3: extracción y estructuración de datos

La AI analiza los datos web no estructurados y los convierte en formatos estructurados.

Ejemplo: una página de Crunchbase con párrafos de texto se convierte en:

• Ronda de financiamiento: Serie B
• Monto: $28M
• Fecha: diciembre de 2024
• Inversor líder: Insight Partners Paso 4: síntesis y formato

La AI escribe un reporte legible para humanos, organizado por categoría, con las fuentes citadas.

Paso 5: almacenamiento

Todos los datos se almacenan para consultas de seguimiento. Nunca pierdes el contexto de la investigación.

Cómo maneja Duet los flujos de trabajo de investigación

La investigación requiere tres capacidades que la mayoría de las herramientas de AI no tienen: acceso a la web, memoria persistente y ejecución autónoma de varios pasos.

Duet está hecho para esto. Cuando le pides a Duet que investigue una empresa o analice competidores, busca en la web, hace scraping de páginas, cruza datos y sintetiza los hallazgos en un reporte estructurado. Como Duet corre en un servidor en la nube persistente, todo el contexto de la investigación queda almacenado. Puedes hacer seguimiento días o semanas después y Duet todavía tiene el dataset completo.

Flujo de trabajo de ejemplo: pídele a Duet "Investiga estos 5 competidores y crea una tabla comparativa." Busca cada empresa, hace scraping de sus sitios, extrae precios y funciones, y devuelve una tabla con formato. Una semana después, pregunta "¿Algún competidor lanzó nuevos productos?" Duet compara los datos almacenados con el estado actual y saca a la superficie los cambios.

Esta es la diferencia entre un chat de AI efímero y un asistente de investigación persistente. Aprende más en duet.so.

Herramientas y plataformas para investigación con AI

Varias plataformas ahora ofrecen capacidades de investigación con AI. Esto es lo que debes buscar:

Funciones centrales para investigación con AI

1. Búsqueda y scraping web

La AI debe poder buscar en la web y visitar páginas de forma autónoma. Sin esto, está limitada al conocimiento preentrenado (que está desactualizado).

1. Flujos de trabajo de varios pasos

La investigación no es una sola consulta. La AI debe planificar y ejecutar 5-10 pasos sin requerir tu intervención en cada etapa.

1. Resultado estructurado

La investigación con AI debe devolver tablas, listas y reportes con formato, no solo párrafos de prosa.

1. Contexto persistente

La AI debe almacenar los hallazgos de la investigación para que puedas construir sobre ellos con el tiempo.

1. Citas de fuentes

Cada dato debe poder rastrearse hasta una URL de origen. Sin hechos alucinados.

Herramientas de AI enfocadas en investigación

• Perplexity Pro: búsqueda web con citas. Buena para preguntas de investigación rápidas. Sin flujos de trabajo de varios pasos ni persistencia.
• Claude con búsqueda web: puede buscar y sintetizar. Limitado al contexto de una sola sesión.
• Duet: servidor de AI persistente con acceso a la web, flujos de trabajo autónomos y memoria a largo plazo.
• Agentes de investigación a medida: construidos sobre LangChain o AutoGPT. Alto costo de configuración, control total. Para preguntas únicas, Perplexity funciona. Para flujos de trabajo de investigación continua (monitoreo competitivo, investigación de leads, análisis de mercado), necesitas persistencia y autonomía.

Ejemplos de investigación y calidad del resultado

Estos son ejemplos reales de resultados de investigación con AI de equipos de go-to-market:

Ejemplo 1: brief de investigación previo a la llamada

Entrada: "Investiga Rippling.com y prepara un brief de ventas"

Resultado (8 minutos):

• Visión general de la empresa: plataforma de RR. HH./nómina, más de 3.000 clientes, valuación de 1.350 millones de dólares
• Financiamiento: 700M de dólares recaudados en total, última ronda en mayo de 2024
• Noticias recientes: lanzó nómina internacional en 15 países (feb 2026)
• Tech stack: Salesforce, Zendesk, Segment
• Personas que toman decisiones: Parker Conrad (CEO), 3 contactos a nivel VP identificados

Ejemplo 2: comparación competitiva de funciones

Entrada: "Compara las funciones de Notion, Coda y Airtable"

Resultado (18 minutos):

Más un análisis del posicionamiento y el cliente objetivo de cada una.

Ejemplo 3: lista de leads con enriquecimiento

Entrada: "Encuentra 20 startups de fintech en NYC, financiadas en Serie A, 30-100 empleados"

Resultado (35 minutos):

• 20 empresas con enriquecimiento completo: dominio, financiamiento, número de empleados, contactos clave
• 3 empresas marcadas como "recaudaron recientemente Serie B" (señal de expansión)
• 5 empresas marcadas como "contratando para VP Sales" (señal de compra)
• Exportación a CSV lista para importar al CRM

Errores comunes al usar AI para investigación

No te saltes la verificación de fuentes

La AI sintetiza bien, pero ocasionalmente inventa detalles, sobre todo para cifras de financiamiento o estadísticas de nicho. Siempre haz clic en la URL de origen antes de usar datos en una propuesta, reporte o documento de cara al cliente. Trata cada resultado de investigación con AI como un primer borrador que necesita una verificación rápida de los tres o cuatro datos más críticos.

Asegúrate de que tu herramienta tenga acceso web en vivo

Muchas herramientas de AI todavía corren con cortes de conocimiento de 2024. Si tu herramienta no tiene búsqueda web en vivo incorporada, te está dando datos rancios sobre un mercado que ya avanzó. Antes de confiar en cualquier AI para precios actuales de competidores, noticias recientes o estado de financiamiento, confirma que de verdad está extrayendo de la web en vivo y no recitando lo que aprendió durante el entrenamiento.

Trata el primer resultado como un borrador

La investigación es iterativa. La primera pasada te da estructura y amplitud. Las preguntas de seguimiento son donde llega el insight real. Después del resultado inicial, siempre profundiza: "¿Qué falta acá?", "Profundiza en su modelo de precios", "Trae cualquier cambio reciente en contrataciones." La AI ya tiene el contexto. Úsalo.

La investigación con AI es el 80-90% del trabajo

La AI maneja la recopilación, la estructuración y la síntesis inicial. El 10-20% restante, los juicios de criterio, leer entre líneas, decidir qué es estratégicamente importante, todavía te necesita a ti. Un buen asistente de investigación con AI te libera para dedicar más tiempo a ese 10%, no para saltártelo por completo.

Deja de volver a investigar las mismas empresas

Si investigas el mismo mercado, los mismos competidores o la misma lista de prospectos más de una vez, usa una herramienta de AI con memoria persistente. Cada vez que empiezas de cero, estás tirando trabajo por el que ya pagaste. Una configuración persistente significa que tu investigación se acumula; cada sesión construye sobre la anterior en lugar de empezar en cero.

Conocer las trampas es la mitad de la batalla. La otra mitad es simplemente empezar. Acá está el camino de seis pasos desde cero hasta correr investigación con AI como parte central de tu flujo de trabajo.

Cómo empezar con la investigación con AI hoy

Paso 1: elige una tarea de investigación repetitiva

No intentes automatizar todo de una. Elige la tarea de investigación que haces con más frecuencia:

• ¿Investigación de empresa previa a la llamada?
• ¿Análisis competitivo?
• ¿Armado de listas de leads? Paso 2: escribe un prompt claro

Define exactamente qué datos necesitas. Ejemplo:

"Investiga [nombre de la empresa]. Trae: visión general de la empresa, historial de financiamiento, número de empleados, tech stack, noticias recientes y personas clave que toman decisiones."

Paso 3: prueba con 3-5 ejemplos

Corre la investigación con AI en 3-5 empresas o competidores. Compara la calidad del resultado con tu proceso manual.

Paso 4: refina el prompt

Si la AI omite datos que necesitas, agrégalos al prompt. Si devuelve demasiada información irrelevante, acota el alcance.

Paso 5: intégralo a tu flujo de trabajo

Una vez que confíes en la calidad del resultado, haz de la investigación con AI tu opción por defecto. No investigues manualmente primero.

Paso 6: configura la persistencia

Si investigas el mismo mercado o los mismos competidores con el tiempo, usa una herramienta de AI con memoria persistente para que estés construyendo una base de conocimiento, no empezando desde cero cada vez.

Preguntas frecuentes

¿Qué es un asistente de investigación con AI?

Un asistente de investigación con AI es un agente de AI con acceso a la web que busca, hace scraping y sintetiza información de internet de forma autónoma. A diferencia de un chatbot estándar, ejecuta flujos de trabajo de investigación de varios pasos sin requerir intervención humana en cada etapa. Haces una pregunta de investigación y devuelve un reporte estructurado con las fuentes citadas.

¿En qué se diferencia la investigación con AI de usar ChatGPT?

ChatGPT tiene un corte de conocimiento (enero de 2025 para GPT-4) y no accede a datos web en vivo a menos que uses un plugin. Los asistentes de investigación con AI buscan en la web en tiempo real, hacen scraping de páginas actuales y almacenan el contexto de la investigación entre sesiones. Están hechos para flujos de trabajo de investigación continua, no para preguntas únicas.

¿Pueden las herramientas de investigación con AI acceder a datos privados de empresas?

No. Las herramientas de investigación con AI solo acceden a información disponible públicamente: sitios web de empresas, comunicados de prensa, LinkedIn, Crunchbase, reseñas de G2 y artículos de noticias. No pueden acceder a bases de datos privadas, finanzas o listas de clientes a menos que esos datos estén publicados en línea.

¿Qué tan precisa es la investigación con AI comparada con la manual?

La investigación con AI es 85-95% precisa para datos fácticos (financiamiento, número de empleados, funciones del producto). El principal riesgo es información desactualizada o detalles alucinados. Siempre verifica las fuentes, sobre todo para decisiones críticas. La AI se usa mejor como un borrador de investigación que revisas y refinas.

¿Qué tipos de investigación puede automatizar la AI?

La AI sobresale en tareas de recopilación de datos: análisis competitivo, dimensionamiento de mercado, armado de listas de leads, investigación de empresas, comparaciones de precios, detección de tech stack y monitoreo de noticias. Es menos efectiva para investigación cualitativa que requiere criterio humano, como entrevistas a clientes o análisis de percepción de marca.

¿Necesito habilidades técnicas para usar AI en investigación?

No. La mayoría de las herramientas de investigación con AI son basadas en chat. Haces preguntas en lenguaje sencillo y la AI ejecuta el flujo de trabajo. No se requiere programar. Para casos de uso avanzados como agentes de investigación a medida o monitoreo automatizado, ayuda tener configuración técnica, pero no es obligatorio.

¿Cuánto cuesta la investigación con AI comparada con contratar a un investigador?

Un investigador junior cuesta entre 40.000 y 60.000 dólares de salario al año o entre 25 y 50 dólares por hora como freelance. Las herramientas de investigación con AI cuestan entre 20 y 100 dólares al mes por investigación ilimitada. El ahorro de tiempo es de 10-20 veces. Para un equipo de ventas o marketing que corre investigación a diario, el ROI se alcanza en la primera semana.

Conteo de palabras: 2.487