Sorrell frena el hype de la IA en agencias: “todavía no cambia el modelo de compra”
Sir Martin Sorrell, arquitecto histórico del modelo de los grandes holdings publicitarios y uno de sus críticos más persistentes, cree que la industria aún no ha entrado en el cambio de era que muchos daban por hecho con la inteligencia artificial. Su lectura es que la IA, por ahora, no ha pasado de iniciativas controladas y pilotos a una transformación real de cómo se estructuran los departamentos de marketing, cómo se dimensionan los equipos y, sobre todo, cómo se remunera el trabajo de las agencias.
Ese matiz es importante ya que conecta con una pregunta que lleva meses sencima de la mesa: ¿tiene sentido seguir pagando a las agencias por horas y recursos, o debería moverse el mercado hacia un modelo “outcome-based”, ligado a resultados? Para Sorrell, el cambio sigue lejos. Los CMOs, afirma en Digiday, continúan comprando “tiempo y headcount”, no outputs ni outcomes. Y mientras eso no se rompa, el modelo comercial tradicional se mantiene. Sorrell sostiene que los equipos de marketing suelen estar abiertos a probar modelos de pago por resultados, pero esa intención pierde fuerza cuando el área de compras interviene y prioriza asegurar costes predecibles y minimizar el riesgo financiero. La razón no es filosófica, es financiera: el temor a “ser pillados”, es decir, terminar pagando más de lo necesario. En la práctica, el outcome-based pay convierte un coste relativamente predecible (horas, fee, estructura) en un coste variable que puede crecer si la campaña funciona. Eso complica el control presupuestario, la previsión de gasto y la disciplina del P&L, especialmente en compañías grandes con ciclos de planificación rígidos.
Para Sorrel, el CFO es el eje de toda esta cuestión. El cambio, insiste, solo llegará cuando la presión financiera obligue a replantear el modelo y las empresas ya no puedan cumplir objetivos trimestrales recortando equipo y añadiendo IA “por encima” de los flujos de trabajo existentes. Mientras haya margen para mejorar eficiencia sin rediseñar el sistema, el incentivo para cambiar la manera de comprar servicios seguirá siendo bajo. Y, según su diagnóstico, ese momento aún no ha llegado. Para reforzarlo, menciona señales macroeconómicas que actúan como freno silencioso contra la urgencia del cambio: el beneficio por acción del S&P 500 habría crecido un 12% en el tercer trimestre y un 9% excluyendo a los hyperscalers, con previsiones de aceleración de beneficios de doble dígito en bancos de inversión. En un entorno así, la urgencia por romper modelos legacy se reduce. Como él mismo lo resume en Digiday: no hay cambio sin una razón real que lo fuerce.
Esta visión también funciona como corrección al entusiasmo con el que muchas agencias han vendido la “reinvención” de su modelo gracias a la IA. El propio Sorrell ha intentado posicionar S4 Capital como una compañía preparada para liderar esa transición. Sin embargo, el mercado todavía espera que la narrativa se traduzca en un salto financiero claro. En ese contexto, su discurso suena menos a marcha atrás y más a un reajuste: bajar el ruido y centrarse en la economía real del cambio. Ahí entra el concepto que S4 considera más determinante para 2026: el “coste de inferencia”. Wesley ter Haar, Chief AI officer de la compañía, anticipa que será una conversación recurrente durante el año. Por “inferencia” se refiere al coste computacional de ejecutar modelos de IA a escala, en uso continuado, dentro de grandes organizaciones. En pilotos, ese coste es anecdótico. Pero cuando la IA se vuelve producción diaria (copilots en todas las áreas, generación y adaptación masiva de assets, automatización continua de decisiones) el cómputo pasa de ser un detalle técnico a convertirse en una partida estructural. Esa es, para Sorrell, la palanca que cambia las reglas del juego. Si el coste dominante para “producir marketing” deja de ser la mano de obra y pasa a ser infraestructura (tokens, GPU, cloud, eficiencia de inferencia), el modelo de cobro por horas empieza a desalinearse con la realidad. La conversación deja de ser “cuántas personas” y pasa a ser “qué produce el sistema y cuánto cuesta operarlo”. Y ahí, inevitablemente, el pago se acerca más al output que al input.
Por su parte, Ter Haar añade una segunda derivada: si la inferencia se convierte en una variable crítica, aparece el debate sobre dónde se ejecuta esa IA y cómo se compra. Parte de esas cargas podría volver “on-premise” o a entornos privados para ganar previsibilidad y control de costes, en lugar de depender por completo de servicios cloud con estructuras variables. En ese punto, el debate deja de ser innovación y se convierte en economía: infraestructura, contratos, coste unitario y elasticidad. La lectura de fondo que deja Sorrell es incómoda pero útil: el gran cambio del modelo de agencia no llegará por entusiasmo tecnológico, sino por presión financiera. Y mientras la economía permita mantener la paz con pequeñas eficiencias, el mercado seguirá pagando como siempre. La industria, por tanto, no estaría ante un “switch” inmediato hacia outcome-based agencies, sino ante una transición más lenta, condicionada por un factor muy concreto: cuándo la IA deje de ser una capa añadida y se convierta en el coste central de la operación.
Puntos clave:
Sorrell sostiene que la IA aún no ha transformado de forma real cómo se estructuran y remuneran los equipos de marketing, por lo que las marcas siguen comprando horas y headcount, no resultados.
El pago por outcomes se frena cuando entra el área de compras que prioriza costes predecibles y evita modelos variables que puedan disparar el gasto si las campañas funcionan.
El punto de inflexión llegará cuando el coste de inferencia se convierta en una partida estructural y el CFO impulse un cambio: de cobrar por tiempo a cobrar por lo que la tecnología produce.
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.
