La industria AdTech se lanza a por la Agentic AI, pero podría estar resolviendo el problema equivocado
Mientras buena parte de la industria AdTech discute cómo deben comunicarse los agentes de inteligencia artificial entre sí, hay una pregunta que sigue sin respuesta: ¿qué deberían optimizar realmente esos agentes? Esta es la tesis que plantea Alanna Laforet, CEO de Laforet Productions, en un artículo publicado por ExchangeWire, que advierte de que el sector podría estar centrando su atención en la infraestructura antes que en el propósito.
En los últimos meses, AdTech ha presentado dos de sus apuestas tecnológicas más ambiciosas de los últimos años. Por un lado, el Advertising Context Protocol, impulsado en octubre de 2025 por una coalición de más de veinte empresas (entre ellas Yahoo, PubMatic, Scope3 y Magnite) con el objetivo de crear un estándar abierto que permita a los agentes de IA declarar, negociar y ejecutar transacciones publicitarias de forma programática, sin intervención humana. Poco después, IAB Tech Lab presentó su propio planteamiento con el Agentic RTB Framework, una arquitectura basada en contenedores que permitiría que la lógica de compra y venta se ejecute directamente dentro de la infraestructura de la otra parte. La promesa técnica es potente: decisiones automatizadas que se ejecutan cerca de los datos, menos latencia, más eficiencia y una interoperabilidad mucho mayor entre plataformas. En un escenario realmente agentic, los sistemas de IA podrían tomar decisiones de puja, segmentación o enriquecimiento de datos en tiempo real, sin necesidad de transferir grandes volúmenes de información entre servidores.
El problema, como señala Laforet, es que toda esta sofisticación tecnológica no responde todavía a la pregunta que realmente preocupa a los CMOs: qué resultados deberían optimizar esos agentes y bajo qué criterios. El debate actual gira en torno a cómo funcionarán los agentes, cuando quizá debería centrarse antes en qué objetivos de negocio tendrán que perseguir. Porque sin una definición clara de esos objetivos (ya sea rendimiento, calidad del entorno, impacto de marca o sostenibilidad del ecosistema) incluso la infraestructura más avanzada corre el riesgo de amplificar los mismos problemas que el sector lleva años intentando resolver. La respuesta podría estar condicionada, además, por quién está participando en la definición de estos estándares. Si se analiza la composición de la coalición que impulsó el AdCP, se observa que está formada principalmente por proveedores del ecosistema: SSPs, publishers, empresas de data, proveedores de contenido contextual y plataformas de streaming. La presencia de compradores, en cambio, es limitada. Los grandes grupos de agencias(como WPP, Publicis Groupe, Interpublic Group, Omnicom Group, Dentsu o Havas) no forman parte de esa coalición. Tampoco los grandes anunciantes cuyas inversiones publicitarias son, en última instancia, las que estos protocolos están diseñados para gestionar.
Para Laforet, este desequilibrio no es menor. Las empresas que están definiendo cómo los agentes de IA negociarán y realizarán transacciones en nombre de los anunciantes no son, en su mayoría, los propios anunciantes ni sus representantes directos. Y eso puede influir directamente en qué aspectos terminarán optimizando estos sistemas. El patrón se repite también en el caso del ARTF. Aunque el proyecto del IAB Tech Lab ha recibido respaldo institucional de compañías relevantes como Netflix, Paramount, The Trade Desk o Yahoo, el debate sigue estando dominado por ingenieros y proveedores de infraestructura. Las voces de los responsables de marketing de marca (quienes finalmente financian el ecosistema) siguen siendo, en el mejor de los casos, consultivas.
Según Laforet, AdCP funciona como un lenguaje común que permite a los agentes de IA comunicarse entre plataformas, de manera similar a cómo OpenRTB transformó hace una década la puja en tiempo real. Aunque AdCP no reemplaza a OpenRTB, lo complementa, permitiendo que un agente que representa a un buyer pueda interactuar con otro que representa a un publisher, negociar términos y ejecutar transacciones sin intervención humana. ARTF, por su parte, redefine el flujo de comunicación dentro del comercio programático, encapsulando toda la arquitectura para que el código de una empresa pueda operar como agente integral del sistema, detectando problemas más rápido que cualquier flujo de trabajo humano. Laforet advierte que estos cambios no son incrementales: son cambios sustanciales en la infraestructura de la industria y, por eso, deben tomarse muy en serio. Sin embargo, también enfatiza un punto crítico: la infraestructura es neutral, mueve todo lo que se le introduce más rápido y a mayor escala.
Laforet señala que los agentes de IA son capaces de optimizar métricas de rendimiento, como clicks, ROAS o conversiones, con precisión , pero recuerda que “una marca no es un número”. Estos sistemas automatizados podrían colocar anuncios junto a contenido inapropiado que cualquier planificador humano habría bloqueado. Herramientas como la Content Taxonomy del IAB Tech Lab ayudan a organizar y clasificar el material, pero no alcanzan a reflejar la identidad, los valores ni la reputación de la marca. Y unos de los puntos clave: todavía no está claro quién asume la responsabilidad cuando un agente, cumpliendo con todas las especificaciones técnicas, termina dañando la imagen de la marca. Alerta también sobre un problema creciente en la publicidad basada en agentes: el posicionamiento de la marca se ve comprometido en todas las capas de la supply chain, y la presión para implementar flujos de trabajo automatizados lo acelera. Las agencias reciben instrucciones para usar agentes de IA sin una definición clara de lo que significa el éxito más allá de los KPIs, y se ven obligadas a responder sobre seguridad de marca sin tener los términos ni directrices definidos. Además, los grandes anunciantes no participaron en la creación de protocolos como AdCP o ARTF. Como resultado, los estándares reflejan principalmente las prioridades de los proveedores y no la integridad de la marca ni el coste reputacional de una impresión mal ubicada. Según Laforet, se repite un error histórico: los sistemas programáticos que generaron crisis de seguridad de marca hace una década se construyeron sin suficiente participación de los anunciantes, y ahora los agentes lo hacen a mayor velocidad y escala.
También advierte que la competencia entre plataformas por integrar Agentic AI está borrando la diferenciación estratégica. Cuando todas prometen más alcance, mejores datos y mayor ROAS, la elección se reduce al precio, lo que termina perjudicando a todos. Mientras tanto, se pide a los publishers que deben “traducir” su inventario a un lenguaje legible para los agentes de IA, manipulando las respuestas que ofrecen los LLM para aparecer en los primeros puestos de la lista. Laforet describe cómo se puede hacer bien la publicidad en la era Agentic AI. Según ella, no basta con tener la infraestructura más sofisticada: las empresas que triunfan son las que preparan el terreno antes de poner en marcha sus sistemas:
Primero, es clave definir qué significa la marca como un input operativo, más allá de un mood board o una lista de keywords bloqueadas. Esto implica acordar con claridad qué entornos son adecuados y cuáles resultan contraproducentes, de manera que un agente pueda aplicar estas reglas de forma efectiva.
En segundo lugar, la rendición de cuentas debe integrarse desde el inicio. Cada agente necesita un propósito definido, un historial de versiones y un registro de auditoría que explique quién hizo qué, cuándo y por qué. No se trata solo de tecnología, sino de gobernanza estratégica.
Por último, Laforet subraya la importancia de separar la optimización de performance de la gestión de marca. Mientras los agentes pueden mejorar métricas de manera eficiente, la supervisión humana sigue siendo imprescindible para proteger la reputación de la marca, garantizar el uso seguro de los datos y tomar decisiones estratégicas fundamentadas.
Laforet destaca que protocolos como AdCP y ARTF representan avances para permitir que los agentes de IA se comuniquen de manera eficiente en un ecosistema publicitario fragmentado. La ingeniería y la creación de coaliciones son sólidas, y la ambición, evidente. Sin embargo, advierte que la pregunta más difícil aún está sin respuesta: ¿hacia dónde deben dirigirse estos agentes para optimizar resultados y quién asume la responsabilidad cuando un algoritmo acierta técnicamente pero falla estratégicamente? En su opinión, las empresas que triunfarán no serán las que acumulen más integraciones o transacciones por segundo, sino aquellas que puedan explicar de manera clara y convincente por qué tomaron cada decisión. Para Laforet, la estrategia debe estar por delante de la infraestructura. “Los agentes están preparados. La industria no”, concluye.
Puntos clave:
Infraestructura vs. propósito: la industria AdTech está centrando esfuerzos en desarrollar protocolos avanzados (AdCP y ARTF) para que los agentes de IA negocien y ejecuten transacciones automáticamente, pero aún no hay claridad sobre qué objetivos de negocio deben optimizar estos agentes ni cómo se mide el éxito más allá de los KPIs.
Participación y gobernanza: los estándares actuales reflejan principalmente las prioridades de proveedores de infraestructura, mientras que los grandes anunciantes y agencias de marca tienen poca influencia. Esto plantea riesgos para la seguridad e integridad de la marca y la responsabilidad sobre decisiones automatizadas.
Claves para un uso efectivo: según Laforet, el éxito no depende solo de la sofisticación tecnológica, sino de preparar el terreno estratégicamente: definir la identidad de la marca como input operativo, integrar rendición de cuentas desde el inicio y separar optimización de performance de la gestión de marca, manteniendo supervisión humana para decisiones estratégicas.
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.
