Las startups apuestan por Agentic AI para automatizar el marketing sin perder control humano
El universo de startups de inteligencia artificial se expande a un ritmo que recuerda al boom de los podcasts: hay nuevas propuestas cada semana y, precisamente por eso, diferenciarse se ha vuelto más difícil. En AdTech y MarTech, donde la “nueva IA” convive con stacks heredados, walled gardens y procesos operativos pesados, seis compañías emergentes intentan hacerse un hueco con una fórmula repetida en sus discursos: resolver un problema real vivido en primera persona y mantener a los humanos al volante, incluso cuando los sistemas operen con Agentic AI. Son declaraciones e informaciones recogidas por AdExchanger, que ha hablado con sus fundadores para entender qué les llevó a dar el salto y cómo enfocan su propuesta.
La idea de fondo es clara: la automatización ya no compite solo por eficiencia, sino por gobernanza. Reducir fricción, acelerar decisiones y mejorar resultados sin convertir la operación de marketing en una caja negra.
Agnitio.ai: una capa de Agentic AI contra la fragmentación del stack
Agnitio.ai, fundada por Aubriana Lopez junto a Eric Shaffer y el ingeniero Sagiv Ben Yakov, nace con un enemigo definido: la fragmentación. Lopez llega a esta tesis tras una trayectoria que atraviesa location intelligence e IP data (Digital Element) y una etapa como responsable de data y global product marketing en Samsung Ads, según reconstruye AdExchanger.
Agnitio se presenta como una plataforma de Agentic AI que conecta herramientas y plataformas “dispares” mediante APIs y agentes propios, con el objetivo de unificar el journey publicitario completo: curación de audiencias, asignación de inversión, activación y medición. En la práctica, su propuesta mezcla dos promesas que suelen chocar: automatización end-to-end y consolidación de datos de marca en un único entorno para reducir tiempos de lanzamiento y reporting. Lopez subraya un posicionamiento “LLM-agnostic”, apoyándose en una combinación variable de modelos fundacionales, modelos específicos de dominio y frameworks propietarios de agentes.
El mensaje no es reemplazar equipos, sino recortar trabajo manual y acelerar la lectura de señales para tomar decisiones más rápidas. En un mercado donde “ir a insights” puede seguir tardando semanas, el argumento es que la IA debería convertir la data en decisiones operativas con mucha menos fricción.
Chalice: algoritmos propios para dejar de “obedecer” a las plataformas
Chalice se mueve en una línea distinta: no intenta reemplazar el stack, sino inyectar inteligencia propia dentro de la compra de medios. Cofundada por Ali Manning (ex Google y Snap) y Adam Heimlich, la compañía parte de una crítica directa a la falta de personalización real dentro de las plataformas: sin algoritmos propios, las marcas quedan supeditadas a objetivos y optimizaciones que no siempre coinciden con su negocio, de acuerdo con las declaraciones recogidas por AdExchanger.
Chalice despliega modelos de IA personalizados en el media buy para predecir el valor de una impresión y, con ello, optimizar pujas y decisiones de inversión con una lógica más cercana al outcome. Manning defiende el valor del first-party data como ventaja competitiva: no solo para identificar audiencias, sino para anticipar propensión a compra, ventanas de intención y eficiencia real.
La compañía afirma procesar señales de first- y third-party data y combinarlas en más de 20 modelos internos, construyendo un “uber-model” capaz de predecir desde el precio esperado de la impresión hasta disponibilidad de inventario. Cinco años después de su lanzamiento (2020), Chalice opera ya en múltiples DSPs y plataformas sociales y cuenta también con integraciones directas con publishers. Manning añade dos elementos que buscan reforzar credibilidad en un entorno saturado de claims: la empresa se define como AI-native “antes de que la IA fuese tendencia global” y afirma acumular dos años de rentabilidad. También apunta al sesgo estructural del venture: solo el 2% de la financiación va a fundadoras, posicionando a Chalice como una anomalía estadística en un mercado históricamente desigual.
mktg.ai: normalizar datos y volver a mirar el “por qué” de la impresión
La propuesta de mktg.ai, creada por Kevin Wassong, vuelve a un problema recurrente: demasiadas fuentes de datos, métricas inconsistentes y una operativa que prioriza volumen sobre aprendizaje. Wassong rescata una idea que, según cuenta a AdExchanger, ya presentó hace 25 años a WPP: equipos de marketing capaces de evolucionar continuamente detectando patrones históricos de sus campañas.
La plataforma agrega resultados en un dashboard, normaliza métricas vía API y permite comparar assets por campaña, formato o plataforma. Su interfaz clasifica creatividades con códigos visuales (verde/amarillo/rojo) según desempeño por atributos como coste y CTR, y dispara alertas generadas por IA en tiempo real sobre qué está funcionando y qué no, incluyendo clicks y conversiones.
El punto de vista de Wassong es provocador y muy alineado con el debate de creatividad: la industria se ha obsesionado con impresiones y ha olvidado “lo que hace que la impresión funcione”. Atribuye hasta el 70% del éxito a la creatividad, y critica el “mar de basura” que se agrava cuando la generación automática no respeta guías de marca. Aun así, su enfoque mantiene el principio de control humano: la IA sugiere, prioriza y alerta; las decisiones finales siguen siendo del equipo.
SmartAssets: IA para entender qué hace “efectivo” un asset creativo
SmartAssets (cofundada por Lindsay Hong con Eric Walzthöny Kreutzberg y Vitaly Boitelet) aplica un enfoque casi forense a la creatividad: usar histórico de campañas y modelado para identificar los rasgos que explican rendimiento. La compañía se lanzó en 2023 tras ganar una competición de innovación de Stagwell, premio que incluyó 1 millón de dólares de financiación y una adquisición por parte del grupo, según la información recopilada por AdExchanger.
SmartAssets integra LLMs en su plataforma para detectar qué características aparecen en los anuncios top performers de una marca, midiendo contra KPIs como CTR o tiempo de visionado. Su valor está en capturar tanto lo obvio como lo invisible: desde errores de ejecución (logo bajo el botón de “skip”, demasiado tiempo sin explicar el producto) hasta correlaciones menos evidentes que el ojo humano no detecta con facilidad (determinados fondos, objetos o composiciones que mejoran el coste por lead).
Hong insiste en que no se trata de perseguir cientos de variables, sino de escoger las que más impacto mueven y convertirlo en decisiones accionables. Tras sugerir ajustes, el anunciante puede aplicarlos con cambios sencillos o escalar la recomendación a su equipo creativo. La fundadora compara la IA aplicada a marketing con los primeros GPS: útil, pero peligrosa si se sigue “sin pensar”; la supervisión humana es el freno de seguridad.
Nativeads.ai: “alma de marca” y DCO dentro del mismo loop
Nativeads.ai, liderada por Al Kallel, apunta a un límite clásico de los modelos generalistas: son buenos reconociendo patrones promedio, pero flojos capturando “esencia de marca”. Su propuesta, según explica Kallel a AdExchanger, es entrenar modelos con los activos de campaña del anunciante (brief, imágenes de producto y creatividades previas) para generar piezas brand-specific con consistencia en color, composición, colocación de producto y detalles hiperrealistas (sombras, iluminación, etc.), y optimizar esas piezas en función de performance.
Kallel compara el enfoque con un DCO “con esteroides”: generación y optimización viven en el mismo stack, creando un bucle de feedback continuo que refina creatividades basándose en resultados. A nivel de estrategia tecnológica, la startup evita construir un LLM desde cero por coste y prefiere montar su software sobre los modelos existentes que mejor rindan en cada momento, ajustando esa base “semana a semana” si es necesario.
Eulerity: automatizar marketing para el long tail local
La última compañía, Eulerity, se diferencia por su cliente objetivo. Cofundada por Tanuj Joshi (CEO), Adam Chandler (COO) y Joe Ciaramitaro, su foco está en anunciantes locales con recursos limitados: franquicias, sucursales regionales de grandes corporaciones o negocios con necesidad de ofertas y mensajes hiperlocales, según relatan sus directivos en AdExchanger.
Eulerity automatiza la creación de campañas y cubre el proceso completo: creatividad, planificación de medios, medición y hasta respuestas a reseñas. Combina modelos de Hugging Face con modelos Gemini entrenados a medida. La empresa fue incubada en 2018, afirma haber alcanzado rentabilidad poco después del lanzamiento en 2019 y vincula su crecimiento reciente a un fenómeno clave: cuando ChatGPT “consumerizó” la IA a finales de 2022, la adopción dejó de parecer experimental y muchos marketers empezaron a probar herramientas como Eulerity con menos barreras psicológicas.
Una señal común: más IA, pero con gobernanza y propósito
Las seis propuestas operan en segmentos distintos (orquestación con Agentic AI, modelos a medida, normalización de data, eficacia creativa, generación brand-specific y automatización para el long tail local), pero comparten un hilo conductor: la IA no puede ser solo velocidad. Debe traducirse en decisiones más inteligentes sin diluir accountability, ni perder consistencia de marca, ni convertir la inversión en un sistema opaco.
En un mercado donde la fragmentación sigue siendo estructural y la creatividad vuelve al centro como palanca de performance, estas startups reflejan una tendencia que gana tracción: la “IA útil” no promete magia. Promete reducir trabajo manual, capturar aprendizaje y elevar la calidad de las decisiones… sin quitar a las personas del circuito.
Puntos clave:
Agentic AI se posiciona como respuesta a la fragmentación: unificar herramientas, datos y procesos para acelerar activación, optimización y reporting.
La nueva ola combina automatización con control humano (“human-in-the-loop”) para evitar cajas negras y mantener gobernanza en decisiones de inversión y creatividad.
El foco de innovación se reparte entre modelos a medida en la compra de medios, eficacia creativa y generación brand-specific, con propuestas que ya buscan operar a escala y en múltiples plataformas.
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.
