Los AI Agents se abren paso en programática, pero lejos todavía de la puja en tiempo real
Si la compra programática ya automatizó gran parte del proceso publicitario, ¿qué sentido tiene añadir ahora AI Agents a la ecuación? Esa fue la pregunta que el equipo de Digiday llevó bajo el brazo al Programmatic Marketing Summit de Nueva Orleans, y que lanzó a diversos responsables de agencias, traders y perfiles técnicos de AdTech. La respuesta, lejos de ser un “sí o no” rotundo, dibuja un consenso matizado: los AI Agents tienen sitio en el ecosistema, pero en un espacio muy acotado y claramente lejos de donde se mueve el dinero.
Muchos de los expertos recordaron que, en realidad, la programática lleva más de una década funcionando con elementos “cuasi agentic”: modelos de machine learning para optimizar pujas, scripts que ajustan presupuestos o frecuencia, sistemas automáticos de detección de fraude, motores de análisis contextual… Es decir, el núcleo de la puja en tiempo real ya está gobernado por algoritmos que actúan de forma autónoma dentro de unos parámetros. Lo nuevo no es la automatización en sí, sino la llegada de una generación de AI Agents basados en LLMs, más conversacionales y flexibles, que se sitúan alrededor de ese núcleo técnico para ayudar a los equipos humanos.
En ese contexto, el valor más claro de los AI Agents aparece en todo lo que ocurre antes y después de la puja. Los responsables de compra y de producto coinciden en que pueden acelerar tareas de configuración de campañas (copiar estructuras, aplicar nomenclaturas, desplegar plantillas de segmentación o de brand safety) y servir como “help desk” interno capaz de responder dudas sobre procesos, buenas prácticas o documentación dispersa. También destacan su utilidad para generar insights y reportes: transformar tablas en narrativas entendibles para un CMO, resumir la evolución de una campaña o proponer ángulos de optimización sin que el equipo tenga que dedicar horas a redactar informes. A eso se suma la faceta de ideación: partir de un insight de comportamiento y pedir al AI Agent hipótesis de audiencias, contextos o líneas creativas posibles, no como verdad definitiva, sino como punto de partida para el criterio humano.
El muro aparece cuando se plantea que esos AI Agents tomen control directo sobre la inversión o sobre la creatividad en tiempo real. Ahí la respuesta es casi unánime: no. El temor a las alucinaciones de la IA pesa mucho. Un error de un dígito en una condición de budget, una regla mal interpretada o una decisión fuera de contexto pueden derivar en un desastre financiero o reputacional a gran escala, porque todo lo que se automatiza, se escala. A esto se suma una limitación física: la ventana del bidstream es de milisegundos, y los LLM generalistas no están diseñados para operar con esa latencia extrema. La parte “inteligente” puede vivir en capas de pre-análisis o post-análisis, pero no en la subasta en sí.
También hay una sensibilidad especial en torno a la modificación creativa automatizada. Varios directivos relatan que han rechazado propuestas para dejar que sistemas generativos cambien piezas en tiempo real sin revisión humana, por el riesgo evidente de un error fuera de tono en una marca con décadas de historia. En la práctica, el mensaje que sale del summit es que los AI Agents pueden tener agencia sobre tareas y procesos, pero no un acceso ciego al presupuesto ni a la imagen de marca.
Otro punto que aflora en el debate es la propia confusión sobre qué entendemos por “agentic”. Para algunos asistentes, el término describe algo que la programática ya hacía: sistemas automatizados que conectan de extremo a extremo un workflow sin intervención manual constante. Para otros, un AI Agent implica un paso más hacia la autonomía: un sistema capaz de entender objetivos de negocio de forma más abstracta y tomar decisiones complejas sin tener cada regla predefinida. Este desajuste semántico explica por qué, en muchos debates, parece que todos hablan de “AI Agents” pero no siempre se refieren a lo mismo.
Pese a esa ambigüedad, hay una visión compartida sobre cómo se va a desplegar esta tecnología: de forma incremental, no disruptiva. Nadie en la cumbre cree realista desmantelar los workflows actuales para sustituirlos por AI Agents “mágicos” que lo hagan todo. Lo que se plantea es identificar puntos concretos de fricción (reporting, documentación, tareas repetitivas, acceso a conocimiento interno) y diseñar agentes muy específicos para resolverlos, manteniendo siempre la posibilidad de supervisar, corregir o desactivar. Con el tiempo, y a medida que se gane confianza, podrán añadirse nuevos casos de uso y algo más de autonomía, pero siempre anclados en el valor real que aportan, no en la promesa tecnológica.
La conclusión que deja el Digiday Programmatic Marketing Summit es clara: sí hay una web para los AI Agents en la compra programática, pero como aceleradores de trabajo, no como sustitutos del criterio humano ni de los motores de puja ya consolidados. A corto plazo, su misión será limpiar el terreno, sintetizar información, documentar, proponer y ayudar a los equipos a trabajar mejor y más rápido. La última palabra sobre dónde se invierte cada euro y qué anuncio se muestra en cada impresión seguirá, por ahora, en manos humanas.
Puntos clave:
Los IA Agents sí tienen espacio en la programática, pero en tareas de pre y post-campaña (análisis, reporting, documentación, ideación), no en la puja ni en decisiones directas sobre presupuesto.
El núcleo técnico del RTB ya es “agentic” desde hace años con modelos de ML y scripts de optimización; lo nuevo no es automatizar la puja, sino añadir IA generativa alrededor del workflow para ganar velocidad y acceso a conocimiento interno.
Agencias y traders rechazan, por ahora, IA Agents autónomos en el bidstream por riesgo de alucinaciones, impacto financiero y daño de marca; la adopción será incremental, con agentes muy acotados y siempre bajo supervisión humana.
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.
