El auge de ChatGPT y de las búsquedas con IA de Google han devuelto a la industria de los medios a un debate conocido. ¿Cómo van a adaptarse los publishers? ¿Qué ocurrirá con el tráfico de referencia y la monetización ahora que las respuestas generadas por IA difuminan cada vez más la frontera entre el periodismo profesional y el contenido creado por usuarios? Son preguntas relevantes. Pero, para los anunciantes, hay una preocupación más inmediata: cuando el periodismo pierde calidad, los entornos en los que se apoyan sus campañas pierden eficacia con él. No se trata solo de un problema del sector editorial, sino también de rendimiento.
Los sistemas de IA generativa necesitan un flujo constante de contenido original, diverso y creado por personas. La publicidad descansa exactamente sobre la misma base. Si esa base se debilita o se vuelve menos fiable, las consecuencias se notan tanto en la calidad de lo que produce la IA como, sobre todo, en los resultados de los anunciantes: la segmentación pierde precisión, el contexto pierde significado y mantener el rendimiento resulta cada vez más difícil. Lo que empieza como un cambio en la forma de producir y descubrir contenido acaba trasladándose rápidamente a las campañas.
Si el periodismo se resiente, los resultados también
Hacer periodismo exige tiempo, profesionales cualificados e inversión sostenida. En la web abierta, la publicidad sigue siendo la principal fuente de financiación para la mayoría de los editores. Las suscripciones y otros ingresos procedentes de los lectores ayudan, pero rara vez bastan, sobre todo en el caso de los medios independientes. Cuando la monetización se complica, el deterioro no es inmediato, sino progresivo. Los recursos se ajustan, las prioridades editoriales cambian y cada vez cuesta más sostener la información original. Con el tiempo, el contenido pierde profundidad y variedad.
Para los anunciantes, esto tiene un efecto directo. El rendimiento de una campaña depende en gran medida de la calidad de los entornos en los que aparecen los anuncios. Si esos entornos generan menos confianza, resultan menos diferenciales o captan menos la atención, las señales en las que se basan las campañas se vuelven menos nítidas. Ni siquiera las herramientas de IA más avanzadas funcionan bien cuando los datos de partida son irregulares.
Con la IA generativa sucede lo mismo: un modelo entrenado con contenido pobre o repetitivo ofrece respuestas menos útiles. Editores, anunciantes e IA están mucho más conectados de lo que parece, y la debilidad de uno acaba afectando a los demás.
Un ecosistema fragmentado y bajo presión
La situación actual de la publicidad programática no ayuda. Durante años, el ecosistema ha antepuesto la escala y la eficiencia a la claridad. La multiplicación de los supply paths, el inventario duplicado y la escasa transparencia han hecho cada vez más difícil distinguir los entornos de calidad de aquellos que solo lo parecen a primera vista. Las herramientas pensadas para controlar el riesgo, como el bloqueo por palabras clave o los marcos rígidos de brand safety, han añadido otra capa de complejidad. Aunque nacen con buena intención, a menudo ignoran el contexto, de modo que el periodismo responsable acaba excluido junto al contenido realmente inadecuado, sin apenas visibilidad sobre los motivos.
A esto se suma la pérdida de señales, que ha mermado la eficacia de la segmentación tradicional. En algunos casos, los match rates han caído de forma notable y gran parte de la audiencia ha dejado de ser ‘addressable’ con los métodos convencionales. Según un estudio publicado por AdExchanger, en los peores escenarios esos match rates bajaron del 30 %, lo que significa que más del 70 % de los usuarios no se lograba identificar.
En conjunto, todo ello complica a los anunciantes el acceso constante a los entornos que generan buenos resultados y, al mismo tiempo, dificulta que los publishers demuestren el valor de su inventario.
El papel del sell side: IA y curación para recuperar valor
Es aquí donde el sell side empieza a cambiar de papel. Las tecnologías programáticas basadas en IA ya no se limitan a poner inventario en el mercado: incorporan una capa de inteligencia que da forma a la oferta antes de que llegue al bidstream. La curación cumple una función clara en este proceso. Organiza el suministro a partir de señales de contexto, atención y rendimiento, y hace que los entornos de mayor calidad sean más fáciles de encontrar y activar. Las métricas de atención, las características de cada placement y los datos de rendimiento en tiempo real ofrecen una imagen más precisa de la calidad justo en el momento en que se genera una impresión.
Así, los supply paths se vuelven más selectivos. Se priorizan los entornos que generan interacción y resultados de forma constante, y los que no lo hacen se descartan antes. Frente a los filtros genéricos, este enfoque se adapta sobre la marcha y utiliza datos en vivo para ajustar continuamente qué entornos se impulsan y cuáles pasan a un segundo plano. Además, las creatividades de mayor calidad pueden funcionar ya como una señal de rendimiento en sí mismas. Los formatos inmersivos analizan la atención y la interacción, y aportan datos que sirven para seguir optimizando la campaña.
Para los anunciantes, el resultado es un rendimiento más estable, con decisiones basadas en comportamientos observados y no en suposiciones. Para los editores, se establece una relación más clara entre la calidad de su contenido y la demanda que atraen. Cuanto más ligada está la selección de inventario y creatividades a las señales de rendimiento, más se refuerza un ciclo en el que el contenido de calidad se reconoce, se financia y se mantiene de forma más constante, corrigiendo poco a poco algunos de los desequilibrios acumulados en el ecosistema.
Hacia un ciclo más sostenible
Hay además un efecto a largo plazo que conviene no pasar por alto. Cuando la inversión publicitaria reconoce y premia de forma más constante el periodismo de calidad, este se vuelve más sostenible, y los editores están en mejores condiciones de seguir produciendo el tipo de contenido que beneficia tanto a los anunciantes como al desarrollo de la IA. Ese contenido vuelve a alimentar el sistema. Un contenido más sólido proporciona mejores datos de entrenamiento a los modelos de IA; unas respuestas de IA más útiles mejoran la forma en que las personas descubren la información e interactúan con ella; y unos entornos con más valor hacen que la publicidad sea más eficaz. Cada pieza refuerza a las demás.
La alternativa es mucho menos alentadora. Si la calidad sigue deteriorándose, tanto la IA como la publicidad saldrán perjudicadas: las señales serán menos fiables, los resultados más difíciles de prever y las mejoras de eficiencia logradas gracias a la automatización empezarán a estancarse.
Una responsabilidad compartida
La IA seguirá evolucionando y la tecnología publicitaria seguirá avanzando; ninguna de las dos va a frenar. Lo decisivo es cómo se gestionan los sistemas que las rodean. La conexión entre periodismo, publicidad e IA no siempre se percibe en las decisiones del día a día, pero es fundamental. Los anunciantes necesitan entornos sólidos para obtener resultados, la IA necesita buen contenido para seguir siendo útil y los editores necesitan un modelo económico sostenible para seguir produciendo ambas cosas. Reforzar una parte del sistema beneficia al conjunto. La IA generativa está cambiando la forma en que se descubre y se consume el contenido. Al mismo tiempo, la IA programática abre la oportunidad de reconstruir cómo circula el valor en la web abierta. Mejorar la manera de identificar, medir y recompensar la calidad puede ayudar a que el rendimiento se apoye en algo más duradero que la simple escala.
Por Elli Papadaki, SVP Global Supply en Onetag