La medición publicitaria en IA no tiene un problema técnico, es un problema de poder
En la industria publicitaria llevamos mucho tiempo reconstruyendo la medición como quien reforma una casa que nunca termina de estar en obras. Primero fueron las cookies, luego la privacidad, después los IDs alternativos, las data clean rooms, el MMM, la incrementalidad, la atención, la atribución browser-based y ese ritual tan nuestro de llamar “framework” a cualquier intento de que cinco actores del mercado se pongan de acuerdo sin matarse en una videollamada. Ahora llega la IA y cambia la pregunta otra vez. Hasta hace poco, medir publicidad significaba más o menos identificar si una persona había estado expuesta a un anuncio y si, después, había hecho algo que el anunciante quería, ya fuese comprar, registrarse, visitar una web, descargar una App, pedir información o buscar la marca. La cadena podía ser imperfecta, discutible y, en algunos casos, hasta directamente fantasiosa, pero al menos el sujeto era reconocible: una persona. El problema empieza cuando entre la persona y la compra aparece un agente de IA.
Si un agente busca productos, compara opciones, lee contenidos, interpreta reseñas, encuentra mensajes comerciales y ayuda al usuario a tomar una decisión, ¿quién ha visto realmente el anuncio? ¿El usuario? ¿El agente? ¿Ambos? ¿Ninguno en el sentido clásico? ¿Qué cuenta como exposición publicitaria cuando la información no llega al consumidor como impresión, sino como recomendación sintetizada? Esa es la pregunta que empieza a preocupar en el mercado. Por esto, IAB está desarrollando un framework para medir publicidad servida a, o influida por agentes de IA, con unos primeros resultados esperados para este próximo mes de noviembre. La iniciativa de IAB busca establecer un terreno común sobre cuestiones que la atribución convencional nunca tuvo que resolver: qué constituye una exposición publicitaria, qué señales demuestran influencia y cómo se asigna crédito cuando un agente interviene antes de una compra: la IA no solo está cambiando cómo se entregan los anuncios, sino quién (o qué) puede encontrarlos antes de que ocurra una transacción.
La necesidad es evidente: los usuarios empiezan a utilizar plataformas de IA para descubrir marcas, comparar productos, resolver dudas y tomar decisiones. IAB ya publicó en agosto la guía "Measuring Visibility in the AI Era", que introduce las famosas 4P (Presence, Prominence, Portrayal y Persuasion) para ordenar cómo medir visibilidad de marcas y publishers en plataformas de descubrimiento impulsadas por IA. Esa guía no resuelve por completo la medición de anuncios servidos a agentes, pero al menos marca una dirección: la industria necesita vocabulario común antes de poder discutir seriamente inversión.
El calendario empieza a ser urgente porque OpenAI no está esperando a que el mercado termine de ponerse filosófico. Como ya sabrás, ChatGPT Ads se ha expandido a 31 mercados europeos (incluido España), seis meses después de iniciar sus pruebas en Estados Unidos, al igual que ha ampliado la medición más allá del click mediante OpenAI Pixel, Conversions API e integraciones con terceros para dar a los anunciantes una visión más completa de cómo contribuyen sus anuncios a resultados de negocio. Todo esto que suena razonable, también debería activar alguna que otra alarma, porque si la plataforma que vende el anuncio es también la que controla la interfaz, la respuesta, el contexto, parte de la señal y buena parte de la medición, entonces, no deberíamos preguntarnos si la métrica existe, sino quién puede auditarla, porque ese es el verdadero problema. No es un problema técnico ni semántico, sino de gobernanza. Crear estándares es solo una parte del problema; la cuestión más importante puede ser quién controla las señales subyacentes. Si las plataformas de IA retienen los datos necesarios para demostrar cómo sus sistemas influyeron en una transacción, la medición independiente podría depender de información proporcionada por las mismas compañías que venden la publicidad.
Si tú, querido lector, trabajas en una agencia, estoy seguro de que acabas de sentir un pequeño déjà vu... y no es casualidad; el mercado ya ha vivido versiones de esta película: Search, social, mobile, retail media, CTV, walled gardens. Primero llega el inventario, luego llega la promesa de performance, después aparece la medición propietaria y, más tarde, cuando el presupuesto ya está dentro, la industria descubre que pedir transparencia desde fuera es bastante menos eficaz que exigirla antes de firmar. La diferencia con la IA es que la caja negra puede ser más negra aún y mucho más profunda. En Search, al menos, había una consulta, un anuncio, un click, una landing... En social, un feed, una impresión, una interacción, pero en IA conversacional, la publicidad puede aparecer como recomendación, sugerencia, comparación, respuesta patrocinada, producto destacado, acción de agente o contenido resumido. La frontera entre información, influencia y persuasión se vuelve mucho más difícil de trazar.
Bajo todo este contexto, la medición no será solo una forma de demostrar eficacia, sino una forma de definir qué parte de la realidad comercial reconoce el mercado. Si una plataforma decide qué cuenta como influencia y qué no, no solo está midiendo... está gobernando. La discusión alrededor del Attribution API del W3C ofrece un paralelismo útil: W3C describe Attribution Level 1 como una API de navegador para medir el rendimiento publicitario, incluyendo informes agregados y mecanismos de privacidad diferencial. Sus defensores lo ven como una forma de preservar medición publicitaria limitando el tracking cross-site, pero sus críticos temen que desplazar más responsabilidad de atribución al navegador concentre poder en quienes controlan esos entornos.
Aquí conviene evitar la ingenuidad: que un estándar sea industrial no significa automáticamente que sea neutral. Participar en un proceso de estandarización requiere recursos técnicos, abogados, equipos de policy, capacidad de lobby, tiempo y acceso. Las grandes plataformas suelen tener más de todo eso que un publisher mediano, una AdTech independiente o un anunciante que bastante tiene con cerrar el trimestre: la participación por sí sola no garantiza igualdad de condiciones, porque las grandes tecnológicas cuentan con más recursos, datos y personal para sostener procesos largos de estándares. Pero aun así, el trabajo de IAB es necesario ya que sin definiciones comunes, cada plataforma inventará sus propias métricas, cada vendor venderá su propia metodología y cada anunciante acabará comparando peras, manzanas y respuestas generadas con temperatura 0,7. La estandarización puede reducir fragmentación y dar reglas más claras a anunciantes y publishers, pero solo será útil si no termina legitimando una medición dependiente de señales inaccesibles.
La publicidad en IA necesita estándares, sí, pero sobre todo necesita una arquitectura de confianza que no dependa únicamente de quienes controlan la interfaz, porque la próxima batalla publicitaria no será solo por aparecer en las respuestas, sino por demostrar, con datos auditables, que esa aparición importó. Y si esa demostración solo puede hacerla la plataforma que cobra por aparecer, quizá no estaremos ante una nueva era de medición, sino ante el mismo viejo walled garden, pero esta vez hablándote con una voz amable.
Puntos clave:
La medición publicitaria en IA tendrá que responder preguntas que la atribución clásica no fue diseñada para resolver: qué cuenta como exposición, qué señal demuestra influencia y cómo se reparte el crédito cuando interviene un agente.
El trabajo de IAB es necesario, pero no suficiente si las señales críticas permanecen dentro de plataformas cerradas.
El verdadero debate no será solo cómo medir la publicidad en IA, sino quién controla los datos, los estándares y la capacidad de auditar esos resultados.
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.
