La publicidad para agentes de IA se enfrenta a un viejo problema: demostrar que funciona
La industria publicitaria empieza a experimentar con un nuevo tipo de audiencia: los agentes de inteligencia artificial. Pero a medida que publishers y anunciantes prueban fórmulas para introducir publicidad en las páginas que rastrean estos sistemas, aparece una pregunta difícil de resolver: ¿cómo saber si un anuncio realmente ha funcionado?
El problema es que el recorrido ya no se parece al de la publicidad digital tradicional. Un usuario puede ver un anuncio, hacer click y terminar comprando un producto. En el caso de un agente de IA, primero tiene que rastrear una página, procesar la información publicitaria, incorporarla —o no— a una respuesta y, eventualmente, influir en la decisión de compra del usuario. Y, en buena parte de ese proceso, no existe un click que permita seguir el camino. Varias startups están intentando construir herramientas para cubrir ese vacío. Una de ellas es OpenAds, que apuesta por un mecanismo conocido como son los códigos de referencia. La diferencia es que están adaptados a las interacciones de los agentes de IA. El ejemplo que plantea Steven Liss, cofundador de OpenAds, es sencillo: una persona pregunta a ChatGPT cuáles son las mejores zapatillas para correr una media maratón. Cuando ChatGPT rastrea una página para elaborar su respuesta, OpenAds puede introducir en ella un anuncio de una marca de zapatillas acompañado de un código de descuento único del 10%.
Si el sistema considera relevante ese código durante su proceso de recuperación de información, el contenido puede acabar formando parte de la respuesta generada. Si después el usuario pulsa el enlace del producto, la marca podría atribuir esa acción a la interacción con ChatGPT. Pero ese último paso es precisamente el que todavía resulta difícil de garantizar. “¿Cómo atribuyes que el anuncio fue realmente visto por un agente y que después influyó en la respuesta?”, plantea Brendan Norman, fundador y CEO de Classify, una compañía de publicidad contextual basada en IA. El problema, explica, es que el proceso tiene muchos más pasos que un click o una compra convencional. Oasy, una plataforma de publicidad y analítica centrada en monetizar el tráfico de bots de IA para publishers, trabaja en otra dirección. Su objetivo es colaborar con plataformas de publicidad nativa que ya tienen relación con publishers para acercarse a modelos de medición similares al coste por click o al coste por referencia.
Choy Travers, cofundador de Oasy, resume el problema de la industria de forma bastante directa: en la visibilidad dentro de la IA todavía “no hay una ciencia exacta”. A diferencia de Google Ads o Facebook Ads, donde existe un click que permite establecer una conexión relativamente clara entre el anuncio y la acción posterior, aquí esa conexión se pierde. Una de las fórmulas que está probando Oasy consiste en insertar anuncios de texto patrocinados en el HTML de una página cuando esta va a ser rastreada por un crawler de IA. La detección del bot puede realizarse mediante una integración con la CDN del publisher, como Cloudflare. La intención no es tanto garantizar que una marca aparezca en la respuesta del agente como aumentar las posibilidades de que lo haga. Time también está experimentando con este modelo. En su caso, los anuncios destinados a agentes de IA tienen formato de preguntas frecuentes y se colocan en páginas en markdown. Mobian utiliza después esas mismas preguntas en motores de búsqueda basados en IA para analizar la visibilidad de las marcas y seguir su evolución en términos de presencia, favorability y precisión. Time vende un anuncio de agente por cada página en markdown y mide el tráfico de bots de IA que llega a esas páginas. Sin embargo, el sistema tiene una limitación evidente: mide si el agente ha llegado a la página y puede comprobar la presencia del anuncio, pero no necesariamente si ese contenido terminó apareciendo en una respuesta que recibió un usuario. Es, en cierto modo, una forma indirecta de medir el impacto de la publicidad.
Los compradores también parecen tener dudas. La idea de comprar anuncios específicamente diseñados para que los lean agentes de IA ha despertado interés, pero también cierto escepticismo. Antes de destinar presupuestos importantes, los anunciantes quieren saber qué efecto tienen realmente. El problema se complica todavía más porque un agente puede utilizar decenas de fuentes para responder a una pregunta. Aunque una marca aparezca finalmente recomendada, resulta complicado determinar qué parte de esa recomendación procede de un anuncio concreto y cuál de las demás fuentes consultadas. Por ahora, una de las alternativas pasa por recurrir a compañías de analítica GEO como una especie de medidor independiente. Estas empresas pueden utilizar datos de prompts sintéticos o paneles para comprobar con qué frecuencia aparece una marca en las respuestas de los sistemas de IA antes y después de lanzar una campaña. Pero la propia industria reconoce que todavía no es suficiente para construir un mercado de publicidad para agentes a gran escala. La cuestión, en última instancia, vuelve al mismo sitio que en la publicidad digital tradicional: el dinero. Para que los anunciantes pasen de los presupuestos experimentales a inversiones significativas necesitan alguna forma de medir resultados. Liss lo resume así: se pueden crear nuevas métricas, como el incremento de visibilidad en motores generativos o el número de recuperaciones de un agente. Pero, para que el mercado despegue, los anunciantes necesitarán algo más cercano a un resultado atribuible y, sobre todo, a un retorno de la inversión.
Mientras tanto, el sector sigue probando fórmulas. IAB ya está trabajando en un marco para la atribución de la publicidad dirigida a agentes y ha publicado estándares relacionados con la medición de la visibilidad en IA y la divulgación del uso de IA en la producción de contenidos.
Puntos clave:
La atribución es el gran obstáculo: los agentes pueden rastrear un anuncio sin necesariamente procesarlo o mostrarlo al usuario.
OpenAds, Oasy y Time ya experimentan con formatos y sistemas para influir y medir la presencia de marcas en respuestas generadas por IA.
Los anunciantes piden resultados: sin una métrica que conecte la publicidad con un resultado o retorno de inversión, será difícil que lleguen presupuestos relevantes.
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.
