Este artículo presenta un marco metodológico para automatizar los flujos de trabajo de procesamiento de datos clínicos utilizando Inteligencia Artificial Generativa (IA) como co-desarrollador interactivo. Demostramos cómo los Modelos de Lenguaje Grande (LLMs), específicamente ChatGPT y Claude, pueden ayudar a los investigadores a diseñar, implementar y desplegar tuberías completas de ETL (Extraer, Transformar, Cargar) sin requerir conocimientos avanzados de programación o DevOps. Usando un conjunto de datos de 102 participantes de un estudio de expresión no verbal como prueba de concepto, mostramos cómo la automatización asistida por IA transforma las salidas de análisis de video de FaceReader durante el paradigma Cyberball en conjuntos de datos estructurados y listos para el análisis a través de flujos de trabajo en contenedores orquestados mediante Docker y n8n. El marco resultante procesa con éxito los 102 conjuntos de datos, generando salidas de aprendizaje automático para validar la estabilidad de la ejecución de la tubería (en lugar de la predictibilidad clínica), y despliega tableros de visualización interactivos, tareas que normalmente requerirían un esfuerzo manual significativo y experiencia técnica especializada. Este trabajo establece una metodología replicable para integrar la IA Generativa en los flujos de trabajo de gestión de datos de investigación, con implicaciones para acelerar el descubrimiento científico en los dominios de investigación conductual y médica.