Especial verano 2026: ¿Qué ha pasado este verano en el entorno de la IA?
Había muchas formas de cerrar este especial de vuelta de verano, pero ninguna tan inevitable como con la IA, no porque sea el tema de moda, sino porque todas las demás piezas terminan desembocando en ella: Retail Media habla ya de asistentes de compra; CTV quiere optimizarse por performance y señales contextuales; los publishers están rediseñando sus webs para agentes; y la medición intenta saber cuándo una marca aparece en una respuesta. Incluso en temas como el cloud, ese sótano tan caro y tan poco glamuroso de internet, se ha convertido en el motor financiero de la carrera. La IA ya no es una capa más del ecosistema publicitario; es la interfaz hacia la que empieza a desplazarse el mercado.
Esta semana hemos resumido el verano y hemos visto cómo Retail Media quiere convertirse en Commerce Media, cómo CTV busca salir de su aislamiento, cómo los publishers intentan recuperar control y cómo la medición se está transformando en infraestructura de confianza. La IA cierra el círculo porque atraviesa todas esas tensiones: decide, resume, recomienda, compra, mide, cita, filtra y, cada vez más, monetiza. Esa era ya la tesis central del artículo revisado: todas las piezas del especial terminaban encontrándose en la IA.
Pero este verano ha añadido algo que no conviene tratar como nota legal al pie: el Artículo 50 del AI Act ha empezado a aplicarse en Europa desde el 2 de agosto de 2026, introduciendo obligaciones de transparencia para determinados proveedores y deployers de sistemas de IA. La Comisión Europea explica que estas reglas buscan que los ciudadanos puedan reconocer cuándo están interactuando con un sistema de IA o expuestos a contenido generado por IA.
Dicho de forma menos institucional: la IA entra en la fase en la que ya no basta con decir que es innovadora, ahora hay que explicar cuándo está actuando, qué ha generado y cómo se presenta al usuario.
El problema no es que los agentes de IA decidan, sino que decidan sobre datos que nadie ha revisado del todo. La IA no corrige por sí sola los fallos de medición ni de datos; si se alimenta un sistema con una visión parcial, desactualizada o sesgada del cliente, el output puede ser muy sofisticado y seguir estando equivocado. La automatización no elimina el problema del input, lo escala. Ese era el punto más importante de la versión original: cuando la IA deja de asistir al profesional y empieza a tomar decisiones operativas, el error deja de quedarse en un informe y pasa a convertirse en presupuesto reasignado, inventario priorizado, creatividad seleccionada, partner favorecido o fuente descartada. En publicidad digital, un agente no necesita tener “conciencia” ni “criterio” para cambiar el mercado, le basta con recibir un objetivo, acceder a unas señales, ejecutar contra unas restricciones y optimizar con suficiente velocidad. Si esas señales son incompletas, el error no se queda en una recomendación simpática: se convierte en una decisión económica.
Por todo eso la infraestructura importa tanto: la carrera de las Big Tech por la IA no se financia con entusiasmo, sino con cloud. En febrero ya contamos que Alphabet preveía un CAPEX para 2026 de entre 175.000 y 185.000 millones de dólares, el doble que en 2025, mientras Google Cloud crecía un 48% y acumulaba una cartera de contratos de 240.000 millones vinculada a la demanda de servicios de IA. También que Meta elevaría su inversión de capital un 73%, hasta superar los 125.000 millones, y que Microsoft esperaba incrementar el CAPEX un 41%. Esta es la parte que no suele caber en las demos: cada recomendación generada, cada anuncio conversacional, cada workflow agéntico, cada medición de visibilidad en IA y cada modelo de optimización vive sobre una infraestructura intensiva en capital. El software parece ligero, pero la factura no lo es. Eso explica por qué la IA no es solo una batalla de producto, sino de balance: quien tenga cloud, chips, energía, datos y distribución puede aguantar una carrera que otros solo pueden describir en una nota de prensa.
La segunda capa del verano ha sido la visibilidad. Si los usuarios empiezan a descubrir marcas, productos, medios y respuestas dentro de ChatGPT, Gemini, Perplexity o AI Overviews, aparece una pregunta nueva: ¿cómo medimos la presencia en una respuesta? IAB publicó en agosto su guía Measuring Visibility in the AI Era, con las llamadas 4P de la visibilidad en IA: Presence, Prominence, Portrayal y Persuasion. Presence mide si una marca o publisher aparece; Prominence, dónde y con qué relevancia; Portrayal, el contexto, precisión y tono; y Persuasion, si esa aparición impulsa una acción posterior. La guía es útil porque da vocabulario común a un mercado que ya empezaba a llenarse de herramientas de AEO y GEO con metodologías difícilmente comparables. IAB diferencia además entre mediciones direccionales y métricas “decision-grade”, suficientemente sólidas como para respaldar decisiones de inversión. Y conviene advertir que unas pocas decenas de consultas no bastan para caracterizar una categoría de forma robusta, precisamente porque las respuestas de IA varían según prompt, plataforma, contexto y momento. Este matiz es esencial: medir visibilidad en IA no puede convertirse en el nuevo juego de mirar diez prompts y fabricar una estrategia. Ya lo hicimos con el SEO mal entendido, luego con social listening, después con atribución de último click y, más tarde, con dashboards de brand safety que daban más tranquilidad que verdad. No hace falta repetir todos los errores con una interfaz más bonita.
Cloudflare ha movido ficha en la misma dirección con su AEO Visibility Dashboard, una herramienta diseñada para mostrar cuándo asistentes como ChatGPT o Gemini citan, mencionan o recomiendan una marca. El panel utiliza cuatro indicadores principales: Citation Rate, Mention Rate, Prominence y Share of Voice, y se apoya en first-party data procedente de la posición de Cloudflare en la infraestructura web. La propuesta es interesante porque se aleja parcialmente de las mediciones basadas solo en consultas simuladas. En lugar de preguntar artificialmente al modelo y observar qué responde, Cloudflare intenta aprovechar señales reales de acceso, rastreo y referencia. Pero no resuelve todo: el dashboard no ofrece inicialmente recomendaciones concretas para mejorar el posicionamiento y está limitado a clientes de Cloudflare. Aun así, apunta a una dirección clara: la visibilidad en IA se está convirtiendo en una categoría medible, vendible y, por tanto, disputable.
El tercer frente es el acceso a contenidos. Los medios y propietarios de webs están empezando a distinguir entre ser leídos por humanos, rastreados por buscadores, usados para entrenamiento, citados por asistentes o activados por agentes. No es lo mismo. Cloudflare ya había lanzado herramientas de control para crawlers de IA y en julio empezó a configurar por defecto determinados bloqueos para nuevos clientes, aumentando la presión sobre las plataformas para negociar mejor el uso del contenido. También se ha documentado una presión creciente del tráfico de bots. Según el texto revisado, Cloudflare explica que los rastreadores de IA pueden tener distintos fines —entrenamiento, búsqueda o acción del usuario— y que el rastreo para entrenamiento representa la mayor parte del tráfico de crawlers de IA. Para los publishers, esto cambia la negociación: antes el crawler era el precio de participar en la distribución; ahora puede ser una extracción de valor sin tráfico de retorno. Si el contenido alimenta respuestas que reducen visitas, la pregunta deja de ser técnica y pasa a ser económica: quién paga por leer, resumir y reutilizar el trabajo editorial. Y aquí el Artículo 50 introduce un giro relevante para medios, marcas y agencias: las reglas de transparencia no se limitan a decir “etiqueta lo generado por IA” de forma genérica. La Comisión Europea distingue varios supuestos: los proveedores deben diseñar sistemas para informar a las personas cuando interactúan con IA y para marcar contenido generado o manipulado por IA de forma detectable; los deployers deben informar cuando las personas estén expuestas a sistemas de reconocimiento de emociones o categorización biométrica, deepfakes o textos sobre asuntos de interés público generados por IA sin revisión humana o control editorial.
Para el sector publicitario, esto es bastante más que compliance legal. Afecta al proceso creativo, al contenido automatizado, a los anuncios con imágenes o vídeos sintéticos, a los influencers virtuales, a los assets generados para social, a los resúmenes de medios, a los chatbots de atención, a los asistentes de compra, al branded content y a cualquier pieza que pueda informar o persuadir al público usando IA. La Comisión Europea señala además que los proveedores deben aplicar marcas legibles por máquina al contenido sintético generado o manipulado por IA, salvo excepciones vinculadas a funciones asistivas o ediciones que no alteren sustancialmente los datos de entrada o su semántica. Los deployers, por su parte, deben divulgar deepfakes y marcar textos sobre asuntos de interés público con etiquetas claras y perceptibles cuando no exista revisión humana o control editorial.
Este último matiz es clave para un medio como nosotros: el AI Act no trata igual un texto generado automáticamente y publicado sin revisión que un contenido en el que hay revisión humana y responsabilidad editorial. El propio Artículo 50 contempla una excepción para textos generados o manipulados con IA sobre asuntos de interés público cuando hayan pasado por un proceso de revisión humana o control editorial y una persona física o jurídica asuma responsabilidad editorial sobre la publicación. Dicho de una forma más directa: la transparencia ya no se puede improvisar al final. Tiene que entrar en el workflow. ¿Qué piezas han usado IA? ¿En qué parte? ¿Hay revisión humana? ¿Quién asume responsabilidad editorial? ¿La etiqueta es clara para el usuario? ¿El contenido sintético lleva marca detectable? ¿Se está usando IA para modificar imagen, audio o vídeo de una persona real? ¿Estamos ante una pieza publicitaria, editorial, híbrida o de recomendación conversacional?
El cuarto frente es la publicidad dentro de la conversación. OpenAI está preparando nuevos formatos publicitarios más allá de su unidad inicial, incluyendo anuncios de texto, imagen, vídeo, native ads, experiencias interactivas y publicidad conversacional, a partir de nuevas ofertas de empleo. La empresa estaría buscando perfiles de ingeniería especializados en cómo estructurar, renderizar y entregar anuncios en distintas superficies, plataformas y tipos de medios. La publicidad en buscadores separaba relativamente bien respuesta orgánica, anuncio y página de destino. La publicidad social mezclaba contenido, recomendación, entretenimiento y commerce. La publicidad conversacional entra en un territorio todavía más sensible: un usuario no está mirando un feed; está pidiendo ayuda. Si la respuesta incluye una recomendación comercial, la frontera entre utilidad y persuasión se estrecha peligrosamente. OpenAI incorpora privacidad, seguridad, equidad y cumplimiento normativo dentro de las responsabilidades de los perfiles técnicos de formatos publicitarios, según la pieza revisada. Tiene sentido: en un chatbot, la confianza no es un atributo de marca, es el producto. Si el usuario percibe que la conversación se contamina por incentivos comerciales opacos, el modelo publicitario puede generar ingresos y destruir valor al mismo tiempo. ¡¡Qué clásico sería eso!!
La publicidad conversacional obligará al mercado a redefinir tres cosas: qué es un anuncio, qué es una recomendación y qué nivel de transparencia necesita el usuario cuando una IA participa en una decisión comercial. La etiqueta “patrocinado” será necesaria, pero probablemente no suficiente si el anuncio aparece integrado dentro de un razonamiento, una lista de opciones o una acción ejecutada por un agente. El Artículo 50 no resuelve por sí solo esa tensión, pero cambia el contexto: cuando un usuario interactúa con un sistema de IA debe ser informado de que está interactuando con IA, salvo supuestos específicos. Cuando se expone a determinados contenidos generados o manipulados artificialmente, deben existir señales de identificación y, en ciertos casos, etiquetas claras. La obligación no es solo técnica ni solo legal, es una pieza de confianza.
Y esto nos devuelve al principio: los datos. El especial de vuelta de verano empezó hablando de Retail Media y termina hablando de IA porque ambos temas se están encontrando en el mismo sitio. Un asistente de compra necesita datos de producto, precio, disponibilidad, preferencias, historial, margen, promociones y restricciones. Una campaña en CTV con IA necesita señales de atención, contexto, frecuencia y conversión. Un publisher necesita saber cuándo sus contenidos son usados, citados o ignorados. Una herramienta de medición necesita decidir qué output es suficientemente fiable para mover presupuesto. Todo converge en una pregunta: quién define la realidad sobre la que opera el sistema.
La IA cierra este especial porque no es una categoría más. Es el sistema operativo que empieza a atravesar todas las demás. Retail Media quería vender más allá del carrito. CTV quería dejar de ser una isla. Publishers querían recuperar control. La medición quería saber a quién creer. La IA convierte todas esas preguntas en una sola: cuando el mercado delegue más decisiones en máquinas, ¿quién habrá escrito las reglas, validado los datos, etiquetado el contenido y cobrado por la respuesta? Ese será el próximo campo de batalla. No la generación de contenidos, ni un nuevo copiloto en el dashboard, ni tan siquiera el agente simpático que resume reuniones; la batalla real será por la realidad que las máquinas consideran cierta y desde este verano en Europa, también por cómo se etiqueta esa realidad cuando la ha fabricado una IA.
Puntos clave:
La IA está desplazando la publicidad desde la lógica del impacto hacia la lógica de la respuesta, la recomendación y la delegación.
El nuevo campo de batalla no será solo usar agentes, sino controlar los datos, las señales, las menciones, la visibilidad, los anuncios conversacionales y la infraestructura que sostiene todo el sistema.
Con el Artículo 50 del AI Act, la transparencia sobre contenidos e interacciones generadas por IA deja de ser una buena práctica y empieza a convertirse en parte del compliance publicitario, editorial y creativo.
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.
