Cuando las máquinas hablan entre ellas: qué cambia para las marcas y los publishers con la IA agéntica

Miguel Pereira, cofundador de Unless_ y Darwin & Verne

Imaginemos que un consumidor necesita cambiar de compañía eléctrica. En lugar de buscar ofertas, visitar varias webs y comparar tarifas, encarga el trabajo a su asistente de inteligencia artificial. El agente analiza las alternativas, contacta con las compañías y negocia las condiciones. El usuario recibe una propuesta y decide si la acepta. La situación no es hipotética.

Miguel Pereira, cofundador de Unless_ y Darwin & Verne, explicó durante el PROGRAMMATIC BREAKFAST: Agentic AI organizado por PROGRAMMATIC SPAIN en Madrid que había utilizado su propio asistente para renegociar el contrato eléctrico de su vivienda. Según relató, el sistema consiguió una revisión de tarifa que le suponía un ahorro anual de 300 euros. El ejemplo introduce una cuestión que va bastante más allá de la automatización publicitaria. ¿Qué sucede cuando las marcas dejan de comunicarse directamente con una persona y empiezan a hacerlo con el agente que actúa en su nombre?

Durante años, el marketing digital ha trabajado para atraer usuarios hacia webs, aplicaciones y puntos de venta. Los buscadores, las redes sociales y la publicidad programática se han convertido en intermediarios habituales de ese recorrido. Los agentes de IA pueden incorporar otra capa de intermediación. Una que no se limita a mostrar opciones, sino que también puede analizarlas, compararlas y recomendar una decisión. Y eso afecta tanto a las marcas que quieren vender como a los medios que producen buena parte de la información utilizada durante ese proceso.

Pereira planteó durante su intervención que las empresas deberán preparar su información y sus canales digitales para comunicarse con dos tipos de destinatarios. Por una parte, el consumidor, que sigue valorando atributos como la confianza, la reputación o la identificación con una marca. Por otra, el agente que busca información y procesa criterios para recomendar una alternativa. Esta segunda relación obliga a revisar cómo se presentan los productos, los servicios y los contenidos. Una web comercial puede resultar atractiva para una persona y, al mismo tiempo, presentar dificultades para un agente que necesita identificar rápidamente características técnicas, precios, condiciones de contratación o disponibilidad. De ahí la importancia de disponer de información estructurada y accesible para estos sistemas. Pereira explicó que parte de la conversación comercial podría producirse directamente entre agentes: el del consumidor y el de la empresa. Una situación que ya empieza a observarse en determinados servicios digitales, aunque todavía está lejos de convertirse en un modelo generalizado de compra.

El cambio plantea una pregunta importante para los responsables de marketing: ¿cómo conseguir que una marca sea elegida cuando parte de la comparación la realiza una máquina?

¿Pierde valor el branding cuando recomienda una IA?

Pereira expuso dos interpretaciones sobre el futuro de las marcas en este escenario. La primera sostiene que, si los agentes comparan productos mediante criterios objetivos, como precios, características, disponibilidad o condiciones comerciales, las decisiones pueden volverse más racionales. Bajo esa hipótesis, una marca tendría menos capacidad para influir mediante elementos emocionales en determinadas categorías. La segunda interpretación apunta en sentido contrario.Si todos los consumidores y empresas utilizan tecnologías similares para analizar alternativas, la diferenciación de marca podría adquirir una importancia mayor. Especialmente porque, al menos por ahora, el consumidor conserva la capacidad de aceptar o rechazar una recomendación.

Pereira se mostró más cercano a esta segunda posibilidad. Ambas hipótesis tienen implicaciones diferentes para los anunciantes y todavía no existen evidencias suficientes para determinar cuál tendrá más peso en cada categoría de producto. No es lo mismo elegir un seguro de hogar que unas zapatillas deportivas, un automóvil o unas vacaciones. Los criterios que utiliza un consumidor cambian, y los agentes tendrán que interpretar esas preferencias. También existe una cuestión menos evidente: las recomendaciones no dependen exclusivamente de las características de los productos. Dependen de la información disponible, de los criterios que utiliza el agente para compararla y de las instrucciones recibidas.

Por tanto, la capacidad de influir en esa información puede convertirse en un nuevo terreno de competencia entre marcas.

El problema de los publishers: contenido consumido que no siempre genera visitas

María Moreno, responsable de transformación y adopción de IA en Irismedia y Gabriel González, director general comercial de elEconomista

La otra cara de esta evolución afecta directamente a los medios. Durante la mesa sobre operativa, medición y riesgos, Gabriel González, director general comercial de elEconomista, planteó las dificultades que pueden aparecer cuando los usuarios obtienen respuestas de asistentes de IA sin necesidad de acceder a las páginas que han servido como fuente de información. El modelo tradicional de muchos publishers digitales depende, en distinta medida, de atraer visitas, generar consumo de contenidos y monetizar esa audiencia mediante publicidad, suscripciones u otros servicios.

Los asistentes de IA pueden modificar ese recorrido. El usuario formula una consulta, recibe una respuesta elaborada a partir de distintas fuentes y, en ocasiones, no necesita visitar ninguna de ellas. El problema para el editor no es únicamente perder una impresión publicitaria. También puede perder la posibilidad de establecer una relación directa con el lector, ofrecerle otros contenidos o convertirlo en suscriptor. González trasladó al debate otra cuestión: si un medio invierte en producir información que después utilizan agentes para responder a sus usuarios, ¿cómo puede medir el valor económico de ese consumo?

La pregunta se complica cuando las interacciones dejan de producirse entre personas y webs y pasan a realizarse mediante sistemas automatizados. ¿Cómo se identifica al consumidor que hay detrás de un agente? ¿Cómo se mide el conocimiento de marca generado por una recomendación? ¿Qué valor publicitario tiene una información consultada por una máquina si el usuario no llega a visitar el medio? No existen todavía respuestas consolidadas para todos estos escenarios.

Del SEO al GEO: aparecer en la respuesta también tiene un coste

La evolución del posicionamiento en buscadores fue otro de los asuntos tratados durante la jornada. El SEO tradicional ha permitido a los medios competir por visibilidad en los resultados de búsqueda y atraer usuarios hacia sus páginas. Con los motores generativos aparece una nueva disciplina, habitualmente denominada GEO (Generative Engine Optimization), orientada a mejorar la presencia de marcas y contenidos en las respuestas generadas por sistemas de IA. María Moreno, responsable de transformación y adopción de IA en Irismedia, señaló durante el debate que las compañías tendrán que incorporar nuevas metodologías para adaptar sus contenidos a estos entornos.

Sin embargo, trasladar las estrategias de posicionamiento hacia los motores generativos no resuelve automáticamente el problema económico de los publishers. Un contenido puede convertirse en una fuente relevante para una respuesta y no generar una visita. Incluso puede contribuir al reconocimiento de una marca sin que exista una forma directa de atribuir esa influencia a una determinada inversión publicitaria. Gabriel González también expresó su preocupación por los riesgos de manipulación de la información en estos nuevos procesos de descubrimiento.

Si las empresas empiezan a optimizar sus contenidos para influir en las respuestas de los agentes, será necesario distinguir entre proporcionar información útil y tratar de condicionar de forma poco transparente las recomendaciones. La discusión sobre GEO, por tanto, no se limita a conseguir visibilidad. También afecta a la credibilidad de las fuentes y a los criterios que utilizan los modelos para seleccionarlas.

Seedtag plantea otra forma de entender la relevancia publicitaria

Borja Fernández, Country Manager España de Seedtag y Grego Martínez, Chief Product Officer

La intervención de Borja Fernández, Country Manager España de Seedtag, y Grego Martínez, Chief Product Officer de la compañía, introdujo otra perspectiva sobre la evolución de la publicidad en un entorno donde la identificación individual del usuario puede dejar de ser el principal elemento de referencia. Durante la presentación de Liz Agent, Seedtag defendió una aproximación basada en la comprensión del contexto y del momento en el que una persona recibe publicidad. La propuesta consiste en interpretar conjuntamente diferentes señales relacionadas con el contenido, el dispositivo, la hora, el canal y otras circunstancias de consumo para identificar situaciones de mayor receptividad publicitaria.

Martínez explicó que conocer únicamente la plataforma o el dispositivo no permite comprender completamente el contexto de exposición. En CTV, por ejemplo, también pueden ser relevantes el programa, la hora y las condiciones en las que se consume el contenido. El planteamiento pretende avanzar hacia una publicidad contextual que utilice inteligencia artificial para combinar señales sin depender necesariamente de identificadores personales. Es una aproximación distinta a la personalización basada en el historial individual del usuario. En lugar de perseguir a una persona a lo largo de diferentes entornos, busca reconocer cuándo determinadas circunstancias pueden favorecer la recepción de un mensaje. La aportación de Seedtag abre una línea de trabajo interesante, aunque no resuelve por sí sola el problema de la relación entre agentes, consumidores y marcas. Que un sistema identifique un momento favorable para mostrar publicidad no significa necesariamente que pueda influir de la misma forma cuando la selección de productos la realiza otro agente.

La incorporación de agentes a los procesos de descubrimiento y compra puede alterar la manera en que los consumidores encuentran productos y acceden a la información. Para las marcas, esto supone aprender a presentar sus productos y servicios de forma comprensible para los sistemas de IA sin perder los elementos que las diferencian ante las personas. Para los publishers, introduce una cuestión más delicada. Facilitar que los agentes accedan a sus contenidos puede aumentar su presencia en las respuestas generativas, pero no garantiza que esa utilización se traduzca en tráfico o ingresos.

Las estrategias de posicionamiento, los posibles acuerdos de licencia de contenidos y las nuevas fórmulas de distribución tendrán que responder a esa tensión. El debate también afecta a las propias plataformas de IA, que necesitan acceder a información útil y actualizada para ofrecer respuestas relevantes. La relación entre productores de contenido y sistemas que lo utilizan será determinante para la sostenibilidad de este modelo.

Durante años, los medios han trabajado para conseguir que el usuario llegue hasta su contenido, mientras los anunciantes intentaban convertir esa visita en una oportunidad comercial. Si los agentes empiezan a resolver buena parte de ese recorrido sin necesidad de visitar las webs, las marcas tendrán que encontrar nuevas formas de influir y los publishers nuevas maneras de cobrar por el valor de su información. La pregunta ya no será únicamente quién aparece primero en una búsqueda, sino quién consigue participar económicamente en una decisión que puede haberse tomado sin que el consumidor haya visto una sola página web.

Anterior
Anterior

La consolidación abre una nueva etapa para el Commerce Media

Siguiente
Siguiente

IAG lanza un nuevo negocio publicitario que unificará las campañas de sus aerolíneas