Publicidad Agéntica... mucho discurso, cero ejecución real

Último día de enero de 2026 y el término “agentic advertising“ o “publicidad agéntica” aparece en casi todas las conversaciones del sector, en presentaciones de producto, en ponencias y en conversaciones de pasillo, pero sin embargo a día de hoy, hay cero agentes que estén ejecutando compras de medios reales para clientes reales en agencias reales. Este artículo no pretender ser una provocación sino una constatación operativa.

Durante los últimos meses se ha construido un relato según el cual los agentes de IA planificarán, negociarán, optimizarán y ejecutarán campañas de forma autónoma, corrigiendo ineficiencias históricas del ecosistema publicitario. El relato es super atractivo, pero he de decir que también es prematuro y no porque sea conceptualmente erróneo, sino porque la infraestructura, los incentivos y los marcos de responsabilidad aún no existen en producción.

Conviene empezar por separar dos cosas que se están mezclando interesadamente. Por un lado, la incorporación progresiva de modelos de IA en plataformas existentes para optimizar pujas, pacing, forecasting o troubleshooting. Esto lleva años ocurriendo y está plenamente en producción. Por otro, el concepto estricto de “Agentic advertising”: agentes compradores comunicándose con agentes vendedores, negociando inventario, activando campañas y ajustando condiciones fuera de los flujos tradicionales de OpenRTB, en muchos casos apoyados en nuevos protocolos como ADCP o MCP. Es en este segundo terreno donde el ruido supera ampliamente a la realidad.

A día de hoy no existe un incentivo claro para que una agencia delegue ejecución real en un agente autónomo y no porque falte visión, sino porque sobran riesgos. Los guardarrailes no están definidos, los modos de fallo no están documentados y lo más crítico, la responsabilidad última ante un error sigue recayendo sobre humanos. Cuando un agente se equivoca en una puja, selecciona mal un contexto o optimiza hacia métricas de vanidad, no hay todavía un marco contractual ni operativo que permita auditar, revertir y compensar de forma fiable.

Visto desde fuera, este impulso parece venir principalmente de inversores, fundadores y equipos de innovación que necesitan construir su relato de futuro y, ojo que esto no es criticable, sino el patrón habitual de cualquier cambio tecnológico relevante. Pero conviene ser honestos con el estado actual de madurez: todavía hoy, agentic advertising es, en la mayoría de los casos, un concepto en fase de demo, no un sustituto de workflows reales. Algunos defensores del enfoque argumentan que el valor inmediato para las agencias está en la reducción de costes operativos y en la reasignación de talento. El argumento es parcialmente cierto, pero incompleto ya que reducir headcount sin degradar efectividad exige un nivel de confianza en los sistemas que hoy no existe, y en un entorno donde los clientes penalizan cualquier desviación de la performance, el riesgo reputacional para la agencia es asimétrico: el upside es incremental mientras que el downside es existencial.

Existe además un riesgo más sutil y no es otro que los sistemas “agentic“ se vuelvan “suficientemente buenos” para cumplir requisitos mínimos de corto plazo (como pacing correcto, CPMs competitivos, CTRs aceptables, etc.) pero optimizando sobre métricas mal alineadas con efectividad real. En este escenario la adopción no vendría por excelencia técnica, sino porque encaja con incentivos mal diseñados a lo largo de la cadena… y eso no sería la primera vez que ocurre en programática.

Los marketeros más sofisticados parecen intuirlo: en entornos puros de enterprise, la IA se acepta como asistente y no como un actor autónomo; les ayuda a analizar, simular, detectar anomalías o acelerar tareas repetitivas, pero rara vez se le concede control pleno sobre decisiones de inversión. Es posible que el segmento PYME adopte antes modelos más opacos, aunque incluso ahí persiste una desconfianza estructural hacia cajas negras, especialmente cuando la medición es autorreportada.

El otro gran eje del debate, los agentes compradores hablando directamente con agentes vendedores, tampoco ha cruzado todavía el umbral de la producción. Existen pilotos, pruebas controladas y entornos alfa, pero no campañas sostenidas con presupuesto significativo ejecutándose fuera de los pipes tradicionales y no es por falta de imaginación, sino porque el valor incremental frente a infraestructuras existentes aún no compensa la complejidad añadida. Algunos proveedores empiezan a experimentar con capas conversacionales sobre los DSPs existentes, permitiendo a los usuarios interactuar vía modelos como Claude o ChatGPT para controlar campañas, generar reporting o hacer forecasting. Esto es interesante y prometedor, pero incluso en esos casos, la ejecución crítica sigue pasando por la UI y por los sistemas tradicionales. El agente asiste, no gobierna.

Todo esto no invalida la tesis de fondo, lo que hace es ponerla en su sitio temporal. “Agentic advertising” no es vaporware, pero tampoco es presente sino una transición que si llega, lo hará por capas, empezando por dominios de bajo riesgo: detección de anomalías, simulaciones, optimización de remanente o tareas administrativas y no por la sustitución completa de un trader humano en campañas core.

No debemos verlo como algo malo; esta fase es necesaria y la industria necesita experimentar sin fingir que ya ha llegado a su destino. Las agencias que sobrevivan no serán las que adopten antes la autonomía total, sino las que sepan integrar la IA sin abdicar de criterio, control y responsabilidad, porque al final, lo único que todavía no puede delegarse en un agente es la rendición de cuentas, y en publicidad eso sigue siendo el activo más escaso.

Puntos clave:

• Hoy no existen agentes ejecutando compras de medios en producción; agentic advertising sigue siendo mayoritariamente conceptual.

• El principal freno no es técnico, sino operativo: falta de guardarailes, auditorías, responsabilidad y control del riesgo.

• La IA avanzará primero como asistente, no como actor autónomo, especialmente en entornos enterprise.

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.