Las agencias frenan su hype ya que desconfían de los “AI agents” en compra programática

La infraestructura técnica en programática se está reescribiendo para dar cabida a agentes de IA que puedan operar sobre el RTB, pero una cosa es el estándar… y otra muy distinta lo que están dispuestas a hacer las agencias hoy. Esa brecha quedó clara en el Programmatic Marketing Summit de Digiday celebrado en Nueva Orleans, donde varios responsables de trading y producto coincidieron en el mismo diagnóstico: sí a la IA en tareas de apoyo, no a delegar en agentes la activación y optimización de campañas de alto riesgo.

Christopher Francia, director de Product Development & Client Performance en Attention Arc, lo resumió de forma tajante en el podcast de Digiday: “Hay un papel para la IA en muchas cosas, pero en activaciones programáticas no estamos confiando eso a agentes basados en modelos de lenguaje”. El principal motivo se llama alucinación.

En un entorno donde un error de una décima en una puja o una segmentación mal construida puede traducirse en miles o millones de dólares desperdiciados (y en responsabilidades muy humanas), la idea de dejar que un agente autónomo tome decisiones complejas en tiempo real sigue siendo, para muchos, inasumible.

El riesgo financiero (y de carrera) de delegar la puja

El argumento central contra los agentes de IA en compra programática es sencillo: hay demasiadas variables, demasiados condicionantes y demasiado dinero en juego.

Francia lo explicaba así: no tiene sentido decirle a un chatbot “configura y activa esta campaña, selecciona el mejor targeting” porque, por diseño, los modelos de lenguaje son buenos en tareas muy acotadas y contextos controlados. En cuanto la complejidad aumenta (reglas de marca, requisitos legales, restricciones por país, acuerdos con publishers, límites de frecuencia, objetivos cambiantes…) la probabilidad de error se dispara.

Si un agente “alucina” una condición o interpreta mal un parámetro, el coste puede ser catastrófico: presupuesto perdido, objetivos incumplidos y, en última instancia, consecuencias laborales para el equipo responsable. Y, de momento, quien firma los POs y responde ante el cliente no es la IA.

La trinchera creativa: un “no” rotundo a creatividades modificadas al vuelo

Otro punto especialmente sensible para los anunciantes es el uso de IA para modificar creatividades en tiempo real en el bidstream. Sobre el papel suena atractivo: anuncios personalizados al instante, mensajes adaptados a contexto y usuario, máxima relevancia.

En la práctica, muchos brand owners lo ven como una línea roja. Francia fue muy claro: “Si hablas de que la IA modifique creatividades en tiempo real en bidstream, eso va a convertirse en un enorme ‘no’ para muchas marcas”.

Según relató, ya han recibido propuestas comerciales basadas en esa idea y la respuesta ha sido la misma: ninguna marca con reputación consolidada va a poner su identidad en manos de un sistema que no puede controlar al 100%, menos aún en un entorno tan opaco y fragmentado como el de la puja en tiempo real.

Por qué los agentes no llegan al bidstream

Más allá del riesgo de marca, hay un límite físico que hoy juega en contra de los agentes de IA operando directamente en las subastas: el tiempo. En RTB, un DSP suele disponer de hasta unos 100 milisegundos para recibir la petición, valorar la impresión, decidir si puja, calcular el precio y devolver la respuesta. Es una ventana extremadamente estrecha en la que se encadenan múltiples procesos optimizados al milímetro.

La idea de que un LLM “converse” con un DSP, valore opciones y tome decisiones en ese mismo margen temporal choca con la realidad: “Tu LLM más rápido ni se acerca a eso”, subraya Francia. Por eso, cuando se habla de IA “en el bidstream”, en realidad se está hablando de IA interactuando con DSPs, no con la subasta en sí.

Iniciativas como el Agentic RTB Framework (ARTF) del IAB Tech Lab buscan precisamente definir una capa estándar para que los agentes puedan orquestar decisiones por encima del RTB actual, reduciendo la fricción y acelerando los flujos. Pero incluso así, hará falta una adopción masiva a ambos lados de la cadena (compradores y vendedores) para que la promesa se traduzca en soluciones reales a escala.

Dónde sí tiene sentido la IA hoy: insights, ideación y tareas repetitivas

Que haya escepticismo sobre agentes autónomos no quiere decir que la IA no esté aportando valor en la operativa diaria de las agencias. De hecho, el consenso es justo el contrario: la IA ya es extremadamente útil en tareas de menor riesgo, donde un error no compromete una cuenta ni un presupuesto millonario.

Entre los usos que destacaba Francia:

• Generación de insights e ideación de audiencias: partir de un insight de comportamiento y pedirle a la IA “¿qué segmentos potenciales podrían encajar con esto?” No siempre acierta, pero acelera el proceso creativo y abre líneas de trabajo que el equipo puede después validar y depurar.

• Resúmenes y análisis: pedir a la IA que sintetice resultados de campaña, compare periodos o destaque patrones relevantes para preparar decks, post-campaign reports o QBRs.

• Automatización de tareas mecánicas: replicar plantillas de campañas múltiples veces con pequeñas variaciones, renombrar creatividades, generar estructuras de grupos de anuncios, o limpiar y normalizar datos que luego se trabajarán en profundidad.

En todos estos casos, el humano sigue en el centro: valida, corrige, interpreta y decide. La IA actúa como una capa de productividad, no como sustituto del trader. La conclusión que se desprende del debate es que la industria está buscando un equilibrio: aprovechar la IA como copiloto sin entregarle todavía el control absoluto del volante.

En la práctica, esto implica:

• Usar agentes de IA para preparar activaciones (recomendaciones de audiencias, estructuras de campañas, propuestas de test A/B), pero no para pulsar “go” sin supervisión.

• Incorporar la IA en capas donde el impacto de un error es manejable (documentación, reporting, generación de hipótesis), mientras se mantienen fuertes controles humanos en presupuesto, estrategias de puja y creatividad.

• Explorar estándares como ARTF que, a medio plazo, podrían permitir una mayor autonomía machine-to-machine… siempre que vayan acompañados de gobernanza, trazabilidad y límites claros.

Por ahora, el “caso contra” los AI agents para compra programática a gran escala no es un rechazo a la tecnología en sí, sino a la idea de sustituir criterio y responsabilidad humana en una de las zonas más sensibles del media buying.

La IA ya está dentro del stack programático y su peso seguirá creciendo, pero si algo dejaron claro los traders en Nueva Orleans es que el salto de copiloto a piloto automático no se dará ni rápido, ni a ciegas, ni sin antes resolver tres frentes críticos: fiabilidad, velocidad… y Brand Safety.

Puntos clave:

• Las agencias no quieren delegar la compra programática en AI agents: el riesgo de alucinaciones, errores en pujas y daño de marca es demasiado alto, y los LLM no llegan en velocidad al RTB en tiempo real.

• Donde sí encaja la IA hoy es como copiloto: generación de insights, resumen de datos, ideación de audiencias y automatización de tareas repetitivas, siempre con validación humana en estrategia, puja y creatividad.

• Marcos como el ARTF apuntan a un futuro con más automatización machine-to-machine, pero antes hacen falta adopción amplia, gobernanza fuerte y límites claros para no sacrificar control ni Brand Safety.

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.