Lo que el primer día de DES 2026 nos ha dicho sobre el futuro del marketing

La primera jornada de DES 2026 dejó una idea clara: la inteligencia artificial ya no puede tratarse como una promesa tecnológica, sino como una infraestructura operativa que empieza a transformar el marketing, el retail, los medios, la atención y la medición. El reto, sin embargo, no está en producir más, sino en decidir mejor.

La IA ya no es promesa, es infraestructura

Durante mucho tiempo, la inteligencia artificial ha ocupado en marketing el lugar de la promesa: una tecnología llamada a cambiar procesos, acelerar tareas y abrir nuevas capacidades, pero todavía situada en el terreno de la experimentación. El primer día de DES 2026 confirmó que esa fase empieza a quedar atrás, porque la IA ya no aparece como una herramienta externa al marketing, sino como una capa que empieza a integrarse en procesos reales de negocio.

La diferencia es importante porque, cuando una tecnología se convierte en infraestructura, la conversación deja de centrarse en lo que podría hacer y pasa a girar en torno a cómo se gobierna, cómo se integra y qué decisiones permite mejorar. En las sesiones dedicadas a marketing, comunicación, retail, e-commerce y mercado español, la IA apareció como una pieza transversal para conocer mejor al cliente, anticipar comportamientos, mejorar la productividad, crear contenidos, personalizar experiencias y conectar mejor la tecnología con resultados de negocio.

La mesa sobre IA en retail y e-commerce aterrizó especialmente bien esta idea. En este terreno, el valor de la IA no está en el discurso, sino en su capacidad para resolver problemas concretos. El conocimiento del cliente, la gestión de señales de comportamiento, la automatización de procesos internos, la creación de contenidos, el diseño, la experiencia de usuario y la recomendación de producto son algunos de los ámbitos donde empieza a verse una aplicación más tangible.

Uno de los cambios más relevantes está en la forma de interpretar al consumidor. Hasta ahora, muchas marcas han trabajado con datos que explicaban lo que el cliente ya había hecho: qué compró, cuándo compró, cuánto gastó o cuánto tiempo llevaba sin comprar. La IA permite avanzar hacia una lectura más anticipativa, basada en cambios de frecuencia, variaciones en la interacción con comunicaciones, comportamiento en navegación, evolución del ticket medio o pérdida progresiva de interés. “Ahora, gracias a la IA, somos capaces de profundizar y explicar muchas razones del comportamiento de compra”, señaló Jorge Fernández, Head of Customer Strategy & Experiences en Mayoral.

Esto modifica la lógica del marketing porque el dato deja de ser solo retrospectivo y empieza a convertirse en una herramienta para detectar intención, riesgo u oportunidad antes de que sea demasiado tarde. En lugar de identificar a un cliente cuando ya está inactivo, la tecnología permite observar señales previas que indican que la relación con la marca está cambiando.

Sin embargo, la jornada también dejó una advertencia clara. La IA funciona cuando se aplica a procesos, métricas y problemas reales, no cuando se incorpora como una capa cosmética para afirmar que una compañía ya está utilizando inteligencia artificial. Las empresas nativas de IA parten con cierta ventaja porque no arrastran sistemas heredados ni procesos diseñados para otro contexto, mientras que las marcas tradicionales tienen que revisar estructuras, equipos, flujos de trabajo y modelos de decisión.

El riesgo está en confundir adopción con transformación. Si todas las compañías utilizan herramientas similares para responder a problemas similares, muchas acabarán produciendo soluciones parecidas. Por eso, la diferencia no estará solo en generar más textos, imágenes, recomendaciones o versiones de una campaña, sino en decidir qué tiene sentido para la marca, qué aporta valor real al consumidor y qué refuerza la confianza.

Los medios están más avanzados que las marcas

Una de las ideas más interesantes del primer día fue que los medios llevan cierta ventaja sobre muchas marcas en el uso práctico de la inteligencia artificial. No necesariamente porque tengan mejores herramientas, sino porque trabajan desde hace años en entornos donde la presión, la velocidad y la exposición al error son mucho mayores.

En una redacción, una emisora, un programa de televisión o una plataforma de contenido, cualquier fallo se percibe con rapidez. Si una pieza pierde contexto, si una voz resulta artificial, si una automatización rompe la confianza o si un contenido no conecta con la audiencia, el impacto es inmediato. Esa exposición ha obligado a los medios a aprender antes una lección que muchas empresas todavía están procesando: la IA puede acelerar la producción, pero no puede sustituir el criterio editorial.

La intervención de Juanma Ortega conectó el debate actual sobre IA con una historia más amplia de transformación tecnológica en la radio y la televisión. La llegada de los ordenadores, la automatización y el análisis de datos ya habían prometido antes más eficiencia, más precisión y mejores decisiones. Pero también habían demostrado que una tecnología puede reducir costes y, al mismo tiempo, empobrecer aquello que hacía diferencial al producto.

Esta lectura resulta muy útil para el marketing. El dato puede ser correcto y, aun así, conducir a una decisión equivocada si se interpreta sin contexto. Una herramienta puede hacer más eficiente un proceso y, al mismo tiempo, vaciarlo de personalidad. Una automatización puede aumentar el volumen de producción, pero también multiplicar una comunicación genérica si no existe una capa humana de supervisión, edición y criterio.

Ahí aparece el gap entre medios y marcas. Los medios han aprendido que la tecnología necesita una dirección editorial, una política clara de uso y una supervisión constante, porque lo que está en juego es la credibilidad. “La primera lección es escuchar a la gente. Probablemente las personas que están usando la IA en tu negocio saben mucho más que tú”, afirmó Juanma Ortega, CEO de Adio.FM y ganador de dos Premios Ondas. Muchas compañías, en cambio, todavía tienden a interpretar la IA principalmente como una vía para hacer más cosas en menos tiempo.

Ese enfoque puede ser peligroso. Si una marca utiliza IA para alimentar calendarios de contenido que ya eran irrelevantes, solo conseguirá producir más irrelevancia a menor coste. Si la emplea para multiplicar mensajes sin escuchar mejor a la audiencia, aumentará el ruido. Si la incorpora sin una política clara, el uso real de la tecnología acabará ocurriendo de forma desordenada dentro de la organización.

El aprendizaje que los medios pueden trasladar al negocio es sencillo, pero exigente: la automatización debe mejorar el trabajo, no sustituir el criterio que le da valor. La IA puede ayudar a investigar, resumir, producir, probar y distribuir, pero la diferencia sigue estando en decidir qué merece ser publicado, qué tono representa a una marca, qué contexto no puede perderse y qué mensaje puede erosionar la confianza.

La atención es la nueva moneda

El tercer gran eje del primer día fue la atención. En un entorno marcado por plataformas de streaming, creadores, algoritmos y consumo fragmentado, captar atención se ha convertido en una de las tareas más complejas del marketing. Ya no basta con aparecer ni con impactar, porque la verdadera pregunta es si una marca consigue ocupar un lugar relevante en la mente de alguien.

La sesión sobre atención impulsada por IA, creator economy y streaming puso sobre la mesa un cambio importante. Entender cómo consumen contenido las audiencias ya no es suficiente, porque las marcas quieren anticipar comportamientos, predecir intereses, optimizar inversiones, adaptar formatos y distribuir mensajes de forma dinámica. La IA puede ayudar en todo ese proceso, aunque no resuelve por sí sola el problema de fondo.

La atención no es únicamente una métrica, sino una relación que se construye a través del contexto, la confianza, el tono, la relevancia y la capacidad de conectar con una comunidad. La inteligencia artificial permite analizar audiencias, detectar tendencias, identificar nichos, prever rendimiento y personalizar contenidos, pero el hecho de que algo pueda producirse de forma rápida y barata no significa que merezca la atención de nadie. “Podemos usar los datos para pensar, pero no para crear”, defendió Bernardo Proietti, Head of Social Media & IP’s en Webedia.

Este punto es clave para anunciantes y agencias. La IA puede hacer que el contenido sea más eficiente, pero también más intercambiable, especialmente si todos los equipos utilizan modelos similares, referencias parecidas y estructuras creativas casi idénticas. El resultado puede ser una avalancha de piezas formalmente correctas, pero sin una voz propia clara.

Por eso la atención vuelve a poner en valor elementos menos fáciles de automatizar, como el criterio, la personalidad, el tono, la comunidad y la autenticidad. En la economía creator, esto se ve con especial claridad. Las marcas no deberían trabajar con creadores solo para comprar distribución, sino porque esos creadores entienden a sus comunidades, conocen sus códigos y saben qué tipo de mensaje puede funcionar sin romper la confianza.

Cuando una marca impone su propio mensaje sin respetar ese contexto, suele perder precisamente aquello por lo que acudió al creador. En cambio, cuando entiende que el creador no es solo un soporte, sino un intérprete cultural, la colaboración tiene más posibilidades de generar atención real. En streaming ocurre algo parecido, porque la fragmentación ha multiplicado los puntos de contacto, pero también ha hecho más difícil construir recuerdo, vínculo y diferenciación.

En este nuevo escenario, la atención se convierte en la nueva moneda porque es el recurso realmente escaso. No lo es el contenido, ni la tecnología, ni la capacidad de producir más versiones de una misma idea. Lo escaso es conseguir que alguien se detenga, escuche, confíe y recuerde. “El gusto es una cuestión de contexto, de cultura y de muchas cosas que una IA no puede entender ni sentir”, añadió Bernardo Proietti, Head of Social Media & IP’s en Webedia.

La medición vuelve al centro del marketing

El cuarto bloque del primer día conectó con una preocupación cada vez más urgente para el mercado: cómo demostrar impacto real en un ecosistema donde las señales tradicionales pierden fiabilidad. Durante años, buena parte del marketing digital se apoyó en cookies, identificadores, atribución multitouch, dashboards en tiempo real y modelos de contribución que ofrecían una sensación de precisión casi total.

Esa promesa empezó a mostrar grietas. Parte de la atribución era opaca, parte de las señales estaban incompletas y parte de los modelos confundían correlación con causalidad. El entorno cookieless acelera esa revisión y obliga a responder una pregunta básica: qué parte del resultado se debe realmente a la inversión publicitaria y qué parte habría ocurrido igualmente.

Ahí vuelven al centro conceptos como incrementalidad, Marketing Mix Modeling y experimentación. No son disciplinas nuevas, pero adquieren una importancia renovada en un mercado que necesita medir impacto sin depender de señales individuales cada vez más limitadas. La incrementalidad permite aproximarse al impacto causal, el MMM ofrece una visión más agregada y respetuosa con la privacidad, y la experimentación aporta una base más sólida para tomar decisiones.

Este giro desplaza la medición desde el reporte hacia la toma de decisiones. Ya no se trata solo de justificar campañas al final del proceso, sino de construir un sistema que permita decidir dónde invertir, qué canales escalar, qué mensajes mantener, qué tácticas abandonar y qué aprendizajes pueden trasladarse al negocio.

La IA hace este reto todavía más relevante. Si las marcas van a producir más contenidos, activar más audiencias, personalizar más mensajes y operar con mayor velocidad, necesitarán también una medición capaz de separar señal de ruido. De lo contrario, el mercado puede entrar en una nueva etapa de sofisticación aparente, con más automatización, más dashboards y más modelos, pero sin una comprensión real del impacto.

En este contexto, performance y marca dejan de ser compartimentos estancos. La incrementalidad, el MMM y la experimentación obligan a mirar el marketing como un sistema en el que los canales interactúan, los efectos se acumulan y el impacto no siempre puede explicarse con un último click.

Para los CMOs, la pregunta ya no es solo qué tecnología incorporar, sino qué sistema de medición necesitan para saber si esa tecnología está generando crecimiento real. Medir mal puede ser incluso más peligroso que no medir, porque puede llevar a optimizar lo incorrecto, premiar canales que capturan demanda sin generarla o recortar inversiones cuyo efecto no aparece en los modelos más inmediatos.

Un marketing más tecnológico, pero también más exigente

El primer día de DES 2026 dejó una conclusión clara: el marketing que viene será más tecnológico, más automatizado y más predictivo, aunque eso no significa que vaya a ser automáticamente mejor. La IA ya está cambiando la forma en que las marcas trabajan, los medios producen, los retailers entienden al consumidor, los creadores construyen comunidades y los equipos de marketing miden resultados.

Sin embargo, el valor no estará en usar inteligencia artificial, sino en integrarla con criterio, contexto y una medición más rigurosa. La tecnología puede acelerar procesos, reducir costes, aumentar la productividad, detectar patrones y personalizar experiencias, pero la diferencia seguirá dependiendo de decisiones humanas sobre qué comunicar, a quién, con qué propósito, bajo qué contexto y con qué forma de medir el impacto.

Esa fue la gran lectura del primer día. La IA ya no es el futuro del marketing, sino parte de su presente operativo. Precisamente por eso, el debate debe subir de nivel: el mercado no necesita más declaraciones sobre el potencial de la inteligencia artificial, sino mejores preguntas sobre su uso real, sus límites y su contribución efectiva al negocio.

Puntos clave:

• La IA deja de ser una promesa y empieza a integrarse en procesos reales de marketing, retail, e-commerce, productividad y toma de decisiones.

• Los medios han avanzado antes que muchas marcas porque han aprendido que la IA necesita supervisión humana, contexto, edición y criterio.

• La atención y la medición vuelven al centro: captar relevancia real y demostrar impacto con incrementalidad, MMM y experimentación será clave.

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.