Las malas hierbas del jardín AdTech vuelven a crecer y alguien tiene que cortarlas
Hay una gran fantasía que aparece recurrentemente en publicidad digital: que exista una solución definitiva para limpiar todo el ecosistema, ya sea un vendor que lo “ve” todo, una certificación que ataje el problema, una integración que deje el Supply Path perfectamente ordenado o un framework que separe para siempre el inventario bueno del malo. Una vez implementado… respira, preséntalo en comité y dedícate a otra cosa.
En la industria llevamos casi veinte años comprando versiones distintas de esa tranquilidad y seguimos sorprendidos cada vez que el césped de nuestro querido AdTech vuelve a crecer. Fraude, bots, spam, scam, MFA, slop, arbitraje, inventario reciclado, señales pobres, dominios mutantes, tráfico incentivado o directamente basura con buena presentación comercial… cada ola tiene su propio vocabulario, sus propios especialistas y sus propias promesas de limpieza; es decir, cambian las formas, no la condición de fondo: allí donde hay dinero automatizado, escala y opacidad suficiente, alguien intentará extraer valor de esa zona gris. Podemos decir que no es una anomalía del sistema sino consecuencia bastante previsible del propio sistema.
Me gusta esta metáfora de un jardín que siempre crece (y por eso hay que cortarlo), porque nos obliga a abandonar la idea de tener una “solución” y entrar en la de hacer un “mantenimiento”. El césped no crece porque el jardinero haya falle sino porque crecer es lo que hace. En AdTech ocurre algo parecido; la mala calidad no reaparece necesariamente porque una herramienta sea inútil o porque un equipo no haya hecho su trabajo sino porque el entorno cambia y los incentivos siguen ahí: la automatización crea nuevas superficies, los atacantes aprenden, los intermediarios optimizan y el dinero busca eficiencia… y esa eficiencia, cuando se mide mal, suele invitar a comportamientos oportunistas.
El problema es que las empresas compran muchas veces “calidad” como si fuera un proyecto: se define un scope, se aprueba un presupuesto, se elige proveedor, se implementa, se genera un primer reporting y se declara cierto grado de victoria. Esta lógica es cómoda para procurement, defendible en una presentación y relativamente fácil de presupuestar, pero también es insuficiente.
La calidad no tiene estado final, tiene estado actual
Una práctica continua exige revisión, criterio, comparación, escucha de señales débiles y capacidad de cambiar decisiones cuando el entorno deja de parecerse al de hace seis meses. Una buena política de Supply en enero puede quedarse corta en septiembre, un set de exclusiones razonable puede generar falsos positivos si se aplica sin contexto y un modelo de optimización muy agresivo puede limpiar tanto la campaña que termine optimizando contra su propia jaula y no contra la realidad del mercado. En la industria solemos hablar poco de este segundo riesgo. Negligencia y sobrecorrección son problemas distintos, pero ambos dañan el resultado y dejar crecer el jardín genera caos, mientras que cortarlo al ras cada mañana puede dejarlo muerto. En medios, ocurre algo parecido cuando el comprador confunde control con estrechamiento excesivo: supply paths filtradas hasta el hueso, listas interminables de bloqueos, métricas de calidad tratadas como absoluto y no como señal, presión sobre CPMs y luego sorpresa porque la escala se degrada o porque los resultados de negocio no acompañan.
El discurso del “Brand Safety total” siempre ha tenido un punto tranquilizador y otro engañoso. Tranquilizador porque nadie quiere aparecer junto a basura, fraude o contenido inadecuado; y engañoso porque convierte un trabajo permanente de vigilancia en una promesa de paz mental, y si alguien vende paz mental absoluta en AdTech, conviene revisar el contrato, el incentivo y, si queda tiempo, la cartera.
La calidad no se externaliza por completo, se comparte
Un anunciante puede contratar verificación, una agencia puede diseñar una política de supply, un trader puede ajustar una estrategia, un publisher puede mejorar su monetización y un vendor puede detectar anomalías, pero nadie por separado posee toda la imagen: procurement decide con qué proveedores se trabaja, finanzas pregunta por eficiencia, estrategia define objetivos, operaciones ejecuta, legal condiciona y la dirección empuja el crecimiento. Cada capa toca una parte del jardín porque si una sola asume que la calidad es “cosa del proveedor”, el sistema vuelve a llenarse de malas hierbas antes de que alguien haya actualizado el dashboard.
Y aquí entra la IA, por supuesto. No podía faltar… La IA mejora la detección de patrones, acelera la clasificación, identifica anomalías a escala y reduce el tiempo entre señal y acción, sería absurdo negar su utilidad. En verificación, Brand Safety, fraude y optimización de supply, los modelos pueden ver cosas que un equipo humano no detectaría manualmente, al menos no a tiempo.
La IA no cambia la dinámica principal, la acelera
La misma capacidad que permite detectar mejor también permite producir más basura, más rápido y con mejor apariencia. El coste de generar contenido plausible cae, la escala del AI slop aumenta, los sitios de baja calidad pueden mutar con más velocidad, las creatividades fraudulentas pueden parecer más creíbles, las señales sintéticas pueden imitar comportamientos reales con mayor sofisticación y la frontera se expande: más canales, más formatos, más inventario, más intermediarios, ergo más lluvia, más sol, y más crecimiento de la hierba. Por eso la conversación sobre “IA aplicada a calidad“ debería ser menos triunfalista; no se trata de si la IA “resolverá” el fraude porque no lo hará en términos absolutos. Se trata de ver si ayuda a sostener una práctica más rápida, más adaptativa y más precisa.
El jardín no se cierra, se mantiene
La selección de vendors también forma parte de ese mantenimiento y no es una fase previa al trabajo, es el trabajo. El mercado está lleno de soluciones que venden respuestas fáciles y de otras que entienden la complejidad real del ecosistema. Distinguir unas de otras exige tiempo, preguntas incómodas y cierta resistencia al teatro comercial: qué detectan, qué no, cómo evolucionan, si generan falsos positivos, cómo explican sus decisiones, qué visibilidad ofrecen, cuales son sus incentivos, qué ocurre cuando una táctica fraudulenta cambia, qué están viendo en otros mercados y sobre todo… qué no pueden prometer. La madurez está en valorar al proveedor que dice “esto requiere vigilancia continua” tanto como al que enseña una demo brillante o quizá más.
El punto al que nos aboca todo esto es algo no especialmente agradable: no hay descanso, toca ajustar, observar, adaptar, volver a ajustar y aunque todo esto suena poco heroico… es la realidad. AdTech tiene tendencia a celebrar los lanzamientos y subestimar el mantenimiento. Premiamos lo nuevo, lo visible, lo que se presenta en un escenario, pero gran parte del valor real está en lo repetitivo.
El césped no va a dejar de crecer, así que ¿seguiremos pagando por máquinas milagrosas o aceptaremos que la calidad no es una compra puntual sino una disciplina? Porque como todas las disciplinas serias, exige algo bastante menos glamuroso que innovación: la constancia.
Puntos clave:
La calidad del supply no es un proyecto con fecha de cierre, sino una práctica continua que exige mantenimiento constante.
La IA mejora la detección, pero también acelera la generación de AI slop, fraude y nuevas formas de evasión.
La responsabilidad no puede recaer solo en un vendor: compradores, agencias, Adops, procurement, finanzas y liderazgo deben asumir la calidad como una disciplina compartida.
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.
