La programática no necesita más magia, necesita que la señal sobreviva al vIAje
Desde el principio de los tiempos nos hemos afanado en explicar la programática como si fuera una máquina elegante: un usuario carga una página, se lanza una bid request, varias plataformas compiten en milisegundos y gana el anuncio más adecuado; es algo bonito, casi poético, pero también bastante incompleto, como esos diagramas de aeropuerto donde parece imposible perderse y luego acabas en la puerta equivocada con un café de siete euros.
Sin embargo, la realidad siempre ha sido menos limpia: publishers, SSPs, DSPs, Ad Exchanges, wrappers, data partners, vendors de verificación, capas de curation, identity graphs, agencias, trading desks y toda una fauna intermedia han construido un sistema capaz de mover miles de millones de impresiones, pero no necesariamente de explicar con claridad qué ha pasado en cada una. La programática es algo que escaló muchísimo y en el camino acumuló una cantidad considerable de tuberías, empalmes y pequeños peajes que nadie ponía en la presentación corporativa. Ahora llega la IA generativa y, como suele ocurrir, el sector se divide entre quienes anuncian el renacimiento y quienes preparan el extintor… y lo malo es que los dos tienen parte de razón.
La evolución de la subasta programática apunta a una tensión central: la IA puede ayudar a resolver algunas ineficiencias operativas, pero también presiona a la industria para limpiar un sistema que ya venía bastante fragmentado. La automatización resolvió la compra manual de medios, pero no eliminó la complejidad, la multiplicó, solo que a mayor velocidad, y cuando algo ya es complejo en milisegundos, añadir IA encima no lo convierte automáticamente en transparente sino tan solo en más rápido.
El primer problema es la señal: el publisher genera una bid request con información contextual, dispositivo, comportamiento, formato, inventario y otras señales útiles. En teoría, esa señal viaja hasta el comprador para que el DSP tome una decisión razonable. En la práctica, puede pasar por demasiadas manos antes de llegar. Algunas empresas comentan que han visto casos en los que hasta 72 empresas llegan a tocar una pieza de inventario antes de que alcance al comprador: no hace falta ser ingeniero de telecomunicaciones para intuir que, después de semejante procesión, algo se pierde por el camino. Y lo que se pierde no es menor; se pierde frescura, contexto, confianza y, sobre todo, capacidad de diferenciación. Si todos los inventarios acaban pareciéndose porque las señales originales se han degradado, el mercado vuelve a una lógica bastante pobre: precio, volumen y optimización ciega, justo lo contrario de lo que llevamos años diciendo que queríamos construir.
Para los publishers esto es especialmente delicado ya que muchos dependen de la programática como motor principal de monetización. Algunos tienen stacks sofisticados, equipos propios y capacidad de negociar rutas de demanda con criterio, otros se apoyan en sistemas de terceros, wrappers, múltiples SSPs y configuraciones que, siendo generosos, no siempre parecen diseñadas para dormir tranquilo. En ambos casos, el reto ya no es solo maximizar el yield, sino proteger el valor de su inventario antes de que la cadena lo convierta en una impresión más dentro del océano.
Aquí la IA puede ayudar, sin duda: los SSPs pueden utilizar modelos para predecir el yield, mejorar el traffic shaping, identificar qué compradores tienen más probabilidad de pujar por una impresión concreta y evitar enviar bid requests inútiles a medio mercado. Todo esto reduce ruido, coste y latencia y si se hace bien, también puede preservar mejor la señal original del publisher y mejorar la calidad del match con la demanda.
En el lado comprador, la presión va por otro camino: los famosos outcomes o resultados. Las marcas no quieren una masterclass sobre cuántos intermediarios existen entre la impresión y el informe final. Tan solo quieren saber si la campaña vende, genera consideración, mejora visitas, incrementa búsquedas, reduce coste de adquisición o aporta algo que se pueda defender en una reunión de negocio: los clientes quieren claridad sobre performance y confianza en los datos que la explican.
Esto pone a los DSPs en una posición difícil; su función histórica ha sido colapsar miles de señales en una decisión de puja en milisegundos. Yahoo DSP, por ejemplo, comenta en su web que hay que usar identidad, audiencias autenticadas, contexto, frecuencia y presupuesto para reducir la complejidad a una única decisión. Todo esto es perfecto, pero la prueba de si esa decisión funcionó suele aparecer después, en sistemas externos: atribución, analítica, CRM, medición, ventas, estudios de incrementalidad… Es decir, la compra es instantánea, pero la verdad llega tarde y muchas veces fragmentada. ¡¡Muy programático todo!!
La IA vuelve a prometer orden: planificación asistida, simulación de reach, optimización modular, workflows menos manuales, activación más flexible y reporting más inteligente. La dirección parece clara: pasar de plataformas donde el trader configura manualmente muchas palancas a entornos donde los sistemas recomiendan, ejecutan o automatizan partes del flujo, pero esto no elimina el papel del trader, lo cambia e incluso lo vuelve más importante en lo que importa de verdad: el criterio, el control, la lectura de negocio y la capacidad de saber cuándo la máquina está optimizando hacia una tontería con mucha convicción estadística… porque la IA también trae basura nueva: los entornos de contenido generado por IA y los sitios sintéticos pueden entrar en las pipes programáticas a escala. Un sistema puede analizar un artículo de The New York Times, generar una versión propia, montarla en un sitio dinámico y meterlo en el ecosistema. Puede parecer inventario, puede tener contexto, puede incluso tener una apariencia razonable, pero si no hay atención humana real, si no hay valor editorial, si no hay audiencia significativa, el anunciante no está comprando eficiencia, está financiando un decorado y eso sí que es un problema: la misma IA que ayuda a limpiar también ayuda a ensuciar. La IA detecta y genera patrones, reduce fricción operativa, pero baja el coste de crear inventario basura, mejora decisioning, pero hace más difícil distinguir escala útil de escala artificial. El próximo gran debate programático no será solo brand safety o fraude en sentido clásico sino calidad semántica, procedencia del contenido, señales humanas reales y capacidad de separar inventario significativo de inventario plausible.
Por todo esto la limpieza de los pipes vuelve al centro de la conversación; el SPO no debería ser una moda recurrente, sino una disciplina permanente: menos resellers innecesarios, más rutas directas, mejor preservación de señales, mayor transparencia en fees, criterios claros de calidad, integraciones que no degraden el contexto y sobre todo, una relación más honesta entre compradores y vendedores. El comprador quiere outcomes, el publisher quiere monetización sostenible, el DSP quiere inputs limpios, el SSP quiere demanda de calidad… en teoría, todos esos incentivos están alineados pero en la práctica, ya sabemos que entre la teoría y el bidstream caben muchas empresas.
La próxima fase de la subasta programática no consistirá en hacerla más rápida (ya es suficientemente rápida para que nadie en una sala normal pueda entenderla en tiempo real), consistirá en hacerla más legible. Si la IA sirve para reducir ruido, preservar señal, mejorar rutas y conectar compra con resultados reales, será una herramienta útil. Si sirve para meter más opacidad detrás de una interfaz más bonita, será otra capa más en el pastel, y este pastel ya tiene demasiadas capas.
La programática no está rota, sería demasiado fácil decir eso, y además no sería cierto. Sigue siendo una infraestructura extraordinaria para comprar y vender medios a escala, pero ha llegado a un punto en el que escalar sin entender empieza a ser peligroso y la IA no va a perdonar esa debilidad, la va a amplificar.
Puntos clave:
La programática escaló gracias a la automatización, pero esa misma escala ha creado un problema serio de señal, transparencia y fragmentación.
La IA puede mejorar yield, traffic shaping, planificación y decisioning, pero también facilita la entrada de contenido sintético y sitios de baja calidad en la cadena.
La próxima fase no va de automatizar más por automatizar, sino de limpiar pipes, preservar señales y demostrar outcomes reales.
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.
