Para desbloquear todo el potencial de la IA, la colaboración en datos es el eslabón perdido

Durante dos décadas la industria ha buscado su piedra filosofal: el punto exacto donde creatividad, datos y automatización confluyen para generar resultados medibles y sostenibles. Hoy la conversación parece dominada por la inteligencia artificial: todo el mundo promete algoritmos que segmentan mejor, creatividades generadas en segundos y decisiones de inversión tomadas con una precisión quirúrgica.

Pero hay un problema de fondo que apenas se menciona en los grandes escenarios: sin una infraestructura de datos sólida y un marco de colaboración entre players, la IA es un castillo de naipes. Los modelos aprenden de señales, y esas señales no están concentradas en una sola parte de la cadena, están dispersas en retailers, publishers, agencias, plataformas de medición y en los propios anunciantes.

Datos fragmentados, IA limitada

La historia se repite. Igual que ocurrió con el open exchange en programática hace una década, la promesa de eficiencia se enfrenta a la realidad de la fragmentación. Las marcas tienen sus señales propias, pero carecen de la escala necesaria. Las agencias acumulan aprendizajes, pero no siempre pueden compartirlos con transparencia. Los publishers guardan con celo sus datos de consumo y mientras tanto, la IA necesita volumen y diversidad de inputs para ser realmente útil. Aquí es donde las data clean rooms entran en escena. Ofrecen un terreno neutral para que distintas partes colaboren sin mover físicamente los datos. En teoría, resuelven el dilema: se puede entrenar un modelo con datos de múltiples fuentes manteniendo la privacidad y sin exponer la información bruta. En la práctica, no todos los players están dispuestos a participar en condiciones de igualdad y ahí radica el verdadero cuello de botella.

El espejismo de la automatización total

Se habla de campañas que se autoajustan en tiempo real: targeting, creatividad dinámica, redistribución presupuestaria. No es ciencia ficción; algunos DSP’s ya lo hacen de forma parcial desde hace años. Lo que cambia ahora es la ambición: llevar esa lógica no solo a la puja y la creatividad, sino también a la planificación y la estrategia de medios. El riesgo es confundir automatización con inteligencia. Los modelos de machine learning aprenden de lo que se les da, por lo que si los datos de partida son incompletos o sesgados, las decisiones resultantes amplificarán esos sesgos. Una IA entrenada únicamente con señales de conversión de corto plazo optimizará para clicks inmediatos, no para valor de cliente a largo plazo.

Poder y gobernanza de los datos

El debate real no es técnico, sino político. ¿Quién controla el acceso a los datos y las reglas del juego en esos entornos colaborativos? Las agencias se venden como integradores y consultores, pero también protegen su propio know-how. Los grandes retailers ven en sus datos de compra la nueva fuente de ingresos estratégicos y las plataformas tecnológicas construyen jardines con las murallas cada vez más altas. Sin resolver este problema, cualquier promesa de IA en publicidad es parcial. No basta con tener el modelo más avanzado, hace falta que los players clave estén dispuestos a compartir señales en un marco fiable, verificable y con incentivos alineados, y hoy por hoy, eso está lejos de ser la norma.

De las damas al ajedrez

La metáfora que mejor describe el momento es la transición de las damas al ajedrez. En las damas, todas las piezas se mueven igual: el juego es directo, casi mecánico. Sin embargo en el ajedrez, cada pieza tiene reglas y valor distintos, y la estrategia importa tanto como la táctica. Así ocurre con la IA en marketing: ya no basta con optimizar el CPM o el CTR, se trata de orquestar datos heterogéneos, modelos con objetivos diferentes y actores con intereses divergentes. El que domine esta complejidad no será necesariamente quien tenga la mejor tecnología, sino quien logre alinear incentivos para que los datos circulen de manera fiable. Y esa es una conversación que todavía no se está teniendo con la seriedad que merece. La IA en publicidad no fracasará por falta de innovación técnica. Lo que falta es una colaboración estructural. Mientras las empresas discuten sobre qué modelo genera mejores creatividades o predice mejor la conversión, el verdadero reto sigue siendo político: abrir los silos de datos, definir reglas claras de gobernanza y construir confianza entre competidores que, al menos en este terreno, necesitan cooperar.

Hasta que eso ocurra, lo que veremos serán pilotos interesantes y promesas rimbombantes, pero no una transformación estructural. Y como tantas veces en esta industria, el humo terminará evaporándose y dejará al descubierto la misma pregunta incómoda de siempre: ¿quién controla los datos y quién marca las reglas del juego?

Puntos clave:

• La IA publicitaria depende menos de algoritmos y más de la capacidad de compartir datos en entornos seguros y gobernados.

• El reto no es técnico, sino político: quién controla los datos y bajo qué reglas se colabora.

• Sin resolver la fragmentación y los silos, la IA en publicidad seguirá siendo más promesa que transformación real.

Este resumen lo ha creado una herramienta de IA basándose en el texto del artículo, y ha sido chequeado por un editor de PROGRAMMATIC SPAIN.