La industria publicitaria adopta los LLMs, pero mantiene la inversión bajo control humano
Los LLMs ya están en casi todos los rincones de la publicidad digital… excepto en el punto más sensible del sistema: la decisión de invertir. La industria ha abrazado su potencial para acelerar tareas como planificación, optimización creativa, configuración de campañas o reporting, pero sigue sin activar el “modo piloto automático” cuando llega el momento de pujar, comprar inventario y asignar presupuesto.
Ese límite quedó especialmente claro durante el CES de Las Vegas, donde Jeffrey Hirsch, CEO de QuantumPath, explicó que su plataforma es capaz de convertir procesos de dos horas en ejecuciones de apenas 10 minutos con errores casi nulos. Sin embargo, la compañía evita deliberadamente dar el paso final: “En QuantumPath queremos automatizar el flujo de trabajo, no las decisiones de compra”, afirmó.
La postura no es una excepción. Según un análisis publicado por Digiday el 14 de enero de 2026, el mercado está trazando una frontera invisible entre la automatización que mejora el trabajo humano y la automatización que sustituye a los humanos en el “momento de la inversión”. Y esa línea roja no responde solo a prudencia institucional: también tiene raíces técnicas, de medición y de accountability.
Un problema de base: LLMs probabilísticos en un mundo que exige determinismo
Una de las barreras más relevantes es la incompatibilidad arquitectónica. Los LLMs generan respuestas en un espacio semántico abierto, con resultados probabilísticos. En cambio, las subastas programáticas requieren decisiones rápidas, repetibles y deterministas. Por eso, muchos ejecutivos coinciden en que los LLMs encajan mejor en capas de soporte (briefing, setup, análisis o reporting) que en el núcleo de la puja.
Aun así, algunos players creen que esta limitación no será permanente. Michael Richardson, VP de producto en Index Exchange, lo enmarcó más como una cuestión de madurez e infraestructura que como un bloqueo definitivo, aunque matizó el horizonte: “Todavía no se va a desplegar de forma generalizada”, principalmente por costes, readiness y casos de uso aún poco claros.
Si los datos están mal, la autonomía escala el error
Más allá de la tecnología, la gran inquietud del mercado es la calidad del dato sobre el que se entrenaría un sistema autónomo. Tom Swierczewski, VP de inversión en medios en Goodway Group, fue directo: “Esa es mi gran preocupación: entradas poco fiables generan decisiones poco fiables.” En su opinión, para que un LLM comprara de forma autónoma en programática necesitaría datos del bidstream, pero la base está contaminada: “Para que los LLM compren de forma autónoma en medios programáticos, necesitarían datos del bidstream… y esos datos están profundamente defectuosos”.
El razonamiento es evidente: si el sistema aprende sobre señales distorsionadas (sesgos de last-click, métricas sin auditoría real, falta de ajustes por incrementalidad o silos de plataformas) la automatización no “mejora” el mercado, simplemente lo acelera en la dirección equivocada.
Paul Boruta, CEO y fundador de Slingwave, resumió esa paradoja: “la industria necesita IA para gestionar la complejidad y avanzar más rápido.” Pero advirtió del riesgo estratégico: “No debería entregar esa inteligencia a sistemas que están optimizando con la señal equivocada.”
Plataformas abiertas a agentes
En el lado de las plataformas, el patrón se repite: la IA entra en la interfaz y en la orquestación, pero la puja sigue en manos de modelos controlados y lógica determinista. Adam Roodman, General Manager de Yahoo DSP, lo explicó con claridad: “Nada de lo que estamos haciendo ahora mismo sugiere que un sistema agéntico o un LLM vaya a sustituir la lógica de puja.” Y añadió el matiz que hoy define el equilibrio del mercado: “Quizá pueda encargarse de algunas partes con el tiempo, pero en su núcleo seguirá siendo machine learning”.
Yahoo, de hecho, ha empezado a integrar herramientas agénticas para automatizar tareas como configuración de campañas u optimización vía lenguaje natural, pero sin saltarse los puntos de control. Para Roodman, el cambio es profundo, aunque no implique delegación total: “El Agentic AI cambia la forma en la que realmente se hace la compra de medios”. En su visión, la clave está en acelerar sin perder gobernanza: “Al integrarla directamente en Yahoo DSP y permitir que los anunciantes conecten su propia IA junto a la nuestra, damos a los equipos una forma más rápida y flexible de planificar, optimizar y actuar, sin sacrificar transparencia ni control.”
El mercado ajusta el relato: “agentic” sí, pero con supervisión humana
Incluso compañías que han presentado propuestas “agentic” están afinando el discurso para evitar lecturas exageradas. Un ejemplo es el caso de PubMatic junto a Butler/Till, donde un agente basado en Claude ayudó a transformar un briefing humano en un plan estructurado, y los sistemas de PubMatic tradujeron esa intención hacia inventario, canales y audiencias. Pero los parámetros finales fueron revisados y aprobados por el equipo humano antes del lanzamiento.
Nishant Khatri, EVP de Product Management en PubMatic, insistió en esa prudencia: “Estamos siendo intencionadamente cautos con lo que atribuimos directa y completamente a los sistemas agénticos en esta fase.” A medida que la campaña avance, dijo, esperan tener más lectura sobre su impacto: “Esperamos tener más claridad sobre tendencias de eficiencia y rendimiento. A nivel direccional, estos resultados encajan con lo que cabría esperar de una campaña agéntica temprana a escala nacional.”
Estándares, interoperabilidad y el miedo a la fragmentación
En paralelo, el sector intenta evitar que la carrera en el “agentic AI” se convierta en un nuevo festival de protocolos incompatibles. IAB Tech Lab lanzó su Agentic RTB Framework v1.0 a comentario público el 13 de noviembre de 2025, con el objetivo de estandarizar la ejecución de agentes dentro de infraestructuras RTB, prometiendo hacerlo “con un impacto mínimo en coste, latencia y operación.”
Anthony Katsur, CEO de IAB Tech Lab, defendió la urgencia de ordenar el ecosistema: “La ejecución agéntica ya forma parte de cómo opera hoy la publicidad digital.” Y remarcó el enfoque de su organización: “Los estándares abiertos e interoperables son lo que hace eso posible, y nuestro foco está en escalarlo de forma responsable.”
Desde Index Exchange, Ray Ghanbari reforzó el mismo mensaje: “nuestro ecosistema publicitario digital multiparte funciona mejor cuando todos adoptamos, mejoramos y ampliamos los estándares de transparencia e interoperabilidad que permiten que la industria opere.” Y añadió que el objetivo es extender esa base a las nuevas capas: “La hoja de ruta agéntica del Tech Lab se basa en ese modelo probado, extendiendo la transparencia y la interoperabilidad a las transacciones entre servicios, agentes y compras agénticas.”
Automatización sí, llaves del presupuesto no
La industria publicitaria está avanzando rápido en automatización de workflows, modernización de infraestructura y experiencias conversacionales. Pero el punto de decisión económica (qué comprar, cuándo y a qué precio) sigue protegido. No por falta de ambición, sino porque el mercado aún no ha resuelto tres preguntas críticas: qué señales son fiables, quién responde si algo sale mal y quién controla el sistema que controla el dinero.
Por ahora, los LLMs pueden redactar planes, acelerar configuraciones y ayudar a analizar resultados. Pero el sector no está dispuesto a entregarles las llaves del presupuesto.
Puntos clave:
Los LLMs ya están integrados en casi todo el workflow publicitario (briefing, planificación, setup, optimización y reporting), pero la industria mantiene una frontera clara en el “momento de inversión”: la puja y ela inversión siguen bajo control humano.
El freno no es solo cultural, también técnico y de medición: los LLMs son probabilísticos y las subastas requieren lógica determinista, además de que el bidstream y la atribución (last-click, walled gardens, falta de incrementalidad) siguen siendo una base poco fiable.
Mientras plataformas como Yahoo DSP, PubMatic, Amazon o Google despliegan capas “agentic” con guardrails, el foco real está en construir infraestructura y estándares interoperables antes de delegar decisiones de inversión a sistemas autónomos.
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.
