En los últimos meses, hemos recibido algún concurso (RFPs) en Good Rebels que pide diseñar, construir, mantener y responder del funcionamiento de los agentes de marketing de una marca. Los pliegos fijan objetivos de iteraciones por pieza y de porcentaje de entregas en menos de una hora. La hora facturable no aparece. Algún gran anunciante ya licita por separado la capa de ideas y la de producción con agentes.
Durante mucho tiempo, la industria del marketing se ha articulado en torno a la campaña como unidad de trabajo fundamental. Por supuesto, las redes sociales, el always-on, el real time marketing fueron tejiendo un escenario cada vez más complejo, pero buena parte de las estructuras organizativas de las agencias, y de las relaciones entre éstas y los anunciantes, sigue respondiendo a una lógica de proyectos, entregables y facturación por horas.
La IA está cambiando este planteamiento al reconfigurar procesos, roles y decisiones. Este cambio no ha llegado con la IA generativa; antes, la programática, la gestión de contenidos, la automatización y la personalización habían comenzado a industrializar el marketing. La IA generativa - y su derivada, la IA agéntica - culmina el proceso y convierte el marketing en un sistema permanente de producción y aprendizaje.
Este cambio va más allá de las cuestiones técnicas u organizativas, porque las consecuencias económicas son profundas. Con la industrialización hay que replantear qué trabajo realizan las marcas, qué compran a sus proveedores (¿alguien dijo partners?), quién controla los sistemas y la propiedad de los datos, y en última instancia, dónde se captura el margen económico. Y sobre todo, planea la gran pregunta sobre el futuro de las agencias: ¿qué posición ocuparán en la cadena de valor?
Antes de seguir leyendo, debes entender que nos jugamos mucho en este nuevo ecosistema: escribimos desde una agencia y consultora de marketing y comunicación, con capacidades de análisis de datos, desarrollo de tecnología, creatividad y producción. Construimos nuestras propias soluciones y estamos desarrollando nuestro propio sistema operativo de marketing, al que hemos bautizado RebelOS, que está actualmente entrando en producción con algunos proyectos y clientes. Tenemos un interés y una visión; por eso buscamos separar los datos de nuestras hipótesis.
Qué se industrializa (y qué se resiste).
Hablar de “industrializar el marketing” requiere precisar, porque no todo es industrializable. Conviene separar tres estratos: primero, la idea creativa, la que define una marca, que sigue siendo escasa y difícilmente replicable. En el otro extremo, los contenidos recurrentes (fichas de producto, piezas de performance), el terreno natural de la automatización.
Y en medio está la adaptación a escala: la misma idea declinada en cien formatos, cuarenta mercados y miles de segmentos. Lo ilustran los gemelos digitales de Unilever, réplicas 3D que contienen todas las variantes de envase, etiqueta e idioma, lo que permite producir imágenes al doble de velocidad y a mitad de costes. En los concursos que recibimos, siete de cada diez piezas parten de un máster que ya existe. Lo que se industrializa es el sistema que rodea a la pieza: datos, guías de marca, producción, aprobaciones, distribución, medición y aprendizaje. En Unilever lo llaman “cadena de suministro de contenido”, expresión tal vez poco poética, pero indudablemente honesta.
El marketing no se está transformando simplemente por incorporar herramientas más o menos sofisticadas. Según el CMO Spend Survey de Gartner, los CMOs destinan el 15,3% de sus presupuestos a la IA, pero solo el 30% declara tener la madurez necesaria para escalar; el otro 70% admite que sus procesos internos no están preparados. La historia económica ya conoce esta secuencia: Paul David demostró que la dinamo eléctrica tardó cuatro décadas en elevar la productividad industrial porque las fábricas tuvieron que rediseñar sus plantas. El valor estaba en la reorganización, más que en la máquina.
Y abaratar no equivale a mejorar. Columbia Business School midió con experimentos aleatorios el efecto de la IA generativa en siete flujos de trabajo de una gran plataforma de comercio electrónico. El impacto en ventas osciló entre el 0% y el 16,3%. En algunos flujos, la IA no movió las ventas. Es un ejemplo de que el coste unitario cae siempre, pero la eficacia solo a veces. Forrester advierte de que la industria corre el riesgo de confundir eficiencia con eficacia.
Producir es barato; coordinar, mmm, no tanto.
Cuando el coste de producir una pieza tiende a cero, volvemos a la paradoja de Jevons: abaratar multiplica el número de piezas. Pero cada pieza trae consigo una aprobación más, una evaluación de calidad más, un riesgo de incoherencia de marca más y una exposición regulatoria más. Puede que la factura de producir piezas se reduzca, pero no es fácil reducir las partidas que vienen en el mismo paquete: gobernanza, compliance, coherencia de marca, etc.
Trabajos como Generative AI at Work y The Cybernetic Teammate señalan que la IA redistribuye el conocimiento y equilibra habilidades entre distintos perfiles, pero requiere curaduría y supervisión continuada. El conocimiento tácito de los veteranos solo se convierte en activo cuando alguien lo codifica en reglas y criterios de evaluación. Ronald Coase explicó en 1937 que las empresas existen porque recurrir al mercado tiene costes de transacción, y la firma se sitúa allí donde coordinar internamente cuesta lo mismo que contratar fuera. La IA reduce el coste de ejecutar determinadas tareas, pero también genera nuevas necesidades de coordinación, evaluación, mantenimiento y supervisión.
El coste de producir cada pieza se reduce pero aumenta la factura total, porque el volumen se multiplica y cada key visual, cada copy relevante sigue siendo supervisado por personas a ambos lados de la mesa. Ya se vivió con las redes sociales: más piezas, más rondas de aprobación, márgenes más estrechos que en los tiempos de Mad Men.
El nuevo ecosistema de marcas, plataformas y operadores.
Lo que piden esos concursos con los que arrancábamos este artículo tiene un nombre aunque aún no figure en ningún directorio: operador de IA. Su trabajo consiste en diseñar, integrar, mantener y operar sistemas de marketing basados en IA, asumiendo la responsabilidad sobre el funcionamiento y contribución a los objetivos comerciales. Forrester ha llegado a una conclusión parecida: según su analista Jay Pattisall, la IA “no matará a las agencias, pero las dividirá”, y el valor estará en orquestar talento, tecnología, datos, flujos de trabajo y agentes.
El panorama se reorganiza, por tanto, en torno a cuatro dominios clave. La marca mantiene la estrategia, la propiedad de los datos y la responsabilidad legal y de negocio. Las plataformas (Meta, Google, Adobe) aportan modelos, infraestructura y automatización creciente. Los operadores de IA integran flujos de trabajo, mantienen arquitecturas, ejecutan evaluaciones y gobiernan el sistema día a día. Y los especialistas aportan creatividad pura y conocimiento experto.
Nuestra hipótesis es que la IA abarata producir marketing, pero encarece coordinarlo. Y quien absorba ese coste de coordinación capturará buena parte del valor. Si para una marca gestionar internamente la complejidad es más caro o arriesgado que contratar a un especialista, los operadores tendrán (tendremos) una oportunidad. Pero si las plataformas simplifican suficientemente la operación (Meta quiere que una marca pueda subir la imagen de un producto, establecer un presupuesto y que la IA genere el anuncio y lo gestione), o las marcas desarrollan capacidades propias, esa oportunidad podría reducirse.
¿Quién se queda con el margen?
El coste total de un sistema de marketing operado con IA (licencias, tokens, integración, evaluación, derechos de uso, cumplimiento normativo, tiempo de los equipos que lo gobiernan) rara vez aparece completo en la propuesta que recibe el cliente. Hoy la IA resulta asequible porque los mercados de capitales subvencionan su coste (y las restricciones a nuevos centros de datos podrían encarecer la computación). Aunque el precio de procesar un token con el mismo nivel de inteligencia cae a gran velocidad, la factura total de uso de LLMs no termina de bajar: por un lado se dispara el consumo de tokens y, por otro, hay tareas (ciberseguridad, investigación y creatividad avanzadas) que exigen modelos de frontera que seguirán siendo caros durante años.
Por eso, cuando los proveedores de modelos pasen a cobrar por uso real, agencias y CMOs descubrirán que cuesta bastante más que el talento que pretendía sustituir. Los grandes grupos publicitarios (y algunas independientes espabiladas) llevan dos años absorbiendo buena parte de esa factura. Algunos ya incorporan el coste de los tokens en sus contratos. Y no faltan historias de creatividades hechas a mano en hubs de la India que llegan al cliente etiquetadas como producción con IA. Cuánto paga la agencia por la computación y qué margen añade es una información que queda dentro de cada casa.
De ahí la carrera por contar con plataformas propias. Según Forrester, la mitad de los ingresos de los grandes holdings pasará por sus sistemas operativos de marketing; consultoras y grupos medianos recorren el mismo camino. Pero tener plataforma no garantiza un foso defensivo (moat). Gartner proyecta que la mitad de las plataformas de IA creadas por agencias habrá desaparecido en 2029, desplazadas por las que construyan los hiperescaladores (Google, Amazon, etc). El envoltorio sobre un modelo ajeno se comoditiza deprisa. David Teece lo habría formulado en términos de capacidades dinámicas: lo defendible es reconfigurar herramientas al alcance de todos más rápido de lo que tardan las plataformas en estandarizarlas. La propia Gartner advierte a los CMOs del riesgo de quedar atrapados en la plataforma de su agencia.
Para el CMO, la pregunta práctica es qué exigir a quien opere su sistema. Lo primero, que las evaluaciones, las reglas y el conocimiento acumulado sean suyos y que pueda llevárselos. Lo segundo, transparencia sobre el coste de computación y el margen que se le añade. Los pliegos más avanzados que vemos ya exigen que todo sea transferible al final del contrato, y es el principio con el que construimos RebelOS. Eso desplaza la diferenciación del operador hacia donde la situaba Teece: la velocidad con la que reconfigura el sistema y el criterio que aporta. Ese criterio, el conocimiento anonimizado de cientos de proyectos, industrias, campañas, también hay que estructurarlo y fijarlo en la inteligencia colectiva permanente del proveedor del servicio. Eso, precisamente, es lo que no se puede comprar con una licencia de Microsoft Copilot (al menos no por ahora). Lo que es del cliente se lo lleva el cliente; lo aprendido entre cientos de proyectos queda en el operador.
El modelo de cobro está en plena mutación. La hora facturable se bate en retirada, sin lugar en un modelo cuyo coste de producción no depende del tiempo. El destino al que todo apunta, la remuneración por resultados, exige medir la contribución incremental del sistema, no el volumen de piezas que produce.
Nuestra apuesta (y en qué podría fallar).
Apostamos por que la operación de IA para marcas acabe siendo una categoría propia. Pero varias situaciones podrían dar la apuesta al traste. La primera: que las plataformas absorban la operación, y el piloto automático de Meta o Google ofrezca resultados comparables sin intermediario. La segunda: que las herramientas se simplifiquen hasta el punto de que un equipo interno de la marca gobierne el sistema, lo que convertiría al operador en un implantador temporal que entrega las llaves y se marcha. La tercera: que los operadores se limiten a dominar herramientas disponibles para cualquiera, lo que los haría sustituibles en cada concurso.
Está por ver si las agencias tradicionales logran mutar en arquitectos de la nueva maquinaria, o si su papel será organizar el catering del rodaje mientras un agente ajusta las palancas que de verdad mueven la cuenta de resultados. Debemos estar atentos a las señales del mercado que confirmarían nuestra apuesta: contratos plurianuales con acuerdos de nivel de servicio sobre calidad y cumplimiento, remuneración ligada a resultados incrementales, operadores dueños de las evaluaciones y del conocimiento que hace funcionar el sistema, no meros ejecutores.
Nos atrevemos con una predicción: los grandes anunciantes separarán en contratos distintos la creatividad, la compra de medios y la operación de sus sistemas de IA, como en los noventa separaron los medios de la agencia creativa. Algunos ya han empezado.
Quizá la fórmula menos brillante sea la más precisa: de construir campañas a operar sistemas. Una campaña exitosa se premia en un festival; operar un sistema se mide en un contrato de nivel de servicio. La pregunta es si los anunciantes estarán dispuestos a pagar por lo segundo con la generosidad con la que siempre pagaron lo primero.
En dos semanas, volvemos a tu buzón.
Fernando y Carlos.
Presentamos el Informe sobre IA
en Experiencia de Cliente
La IA por sí sola no garantiza una mejor experiencia de cliente. ¿Cómo identificar dónde aporta valor real? Y sobre todo, ¿qué ecesitan las organizaciones para aprovechar todo su potencial y convertir estas soluciones en resultados tangibles?
Desde el Foro IA, te invitamos a la presentación de nuestro nuevo whitepaper sobre el impacto de la IA en la experiencia de cliente, elaborado en colaboración con la Asociación para el Desarrollo de la Experiencia de Cliente (DEC).
Juntos analizaremos cómo la IA está transformando la gestión de CX desde 5 dimensiones: la identidad de marca, la estructura organizativa, el rol de las personas, el diseño de interacciones y la medición de resultados.
🗓 17 de noviembre de 2026 · 09:30–12:00h
📍 Canal de Isabel II · C/ Ríos Rosas, 24, Madrid
Actualidad.
Los centros de datos han sido protagonistas en las midterms de EEUU: según una encuesta de la NBC, para más de la mitad del electorado han sido un elemento decisivo a la hora de votar. La IA compite por chips y también por permisos municipales. El cuello de botella de la computación en los próximos años podría decidirse en las urnas. LINK
Dentro del S&P 500, solo los 7 Magníficos (Apple, Microsoft, Alphabet, Amazon, Nvidia, Meta, Tesla) aumentan sus ingresos por empleado y sus márgenes de beneficio gracias a la IA. Las 493 empresas restantes no encuentran el beneficio. Y miran el gasto en tokens como un coste que presiona sus márgenes. Torsten Slok cree que la suerte de la IA se decidirá en lo que ocurra en esas 493 empresas. APOLLO
Genie 4 de Google genera simulaciones interactivas de mundos 3D que incluyen física avanzada, audio nativo y controles en tiempo real. De momento, en lista de espera para suscriptores de AI Ultra. También SpAItial AI ha presentado Echo-3, que construye entornos 3D a partir de un vídeo.
Hace unos días, Anthropic presentaba su solicitud para salir a bolsa. El folleto revelaba 16.300 millones de dólares de ingresos en el primer semestre, frente a 1.200 millones un año antes. El margen bruto pasa del 12% al 85%. Más de 1.900 empresas le pagan ya más de un millón de dólares al año. Hace unos días, Anthropic presentaba su solicitud para salir a bolsa. El folleto revelaba 16.300 millones de dólares de ingresos en el primer semestre, frente a 1.200 millones un año antes. El margen bruto pasa del 12% al 85%. Más de 1.900 empresas le pagan ya más de un millón de dólares al año. Pero el voto contra los centros de datos que referenciábamos arriba ya ha pasado factura en Wall Street: el jueves, las empresas del Nasdaq perdieron 2,5 billones de dólares de valor, dos días después de que las urnas llevaran al Congreso a un bloque escéptico con la IA y aprobaran moratorias a los centros de datos. Ahora, se generan dudas entre grandes inversores sobre la valoración esperada de 1,5 billones de dólares. LINK, WSJ
Reflexiones.
Conectando con la reflexión de Torsten Slok: para que la IA desencadene cambios estructurales profundos en el empleo, los salarios y los mercados no basta con mejorar la competencia individual, hay que superar barreras críticas de coordinación. Las transformaciones macroeconómicas profundas llegarán cuando las organizaciones aprovechen a gran escala la capacidad de los agentes para escalar sin fricciones y compartir contextos complejos. Es la tesis del artículo de este número vista desde la macroeconomía: el cuello de botella se desplaza de producir a coordinar. DEEP MIND
La historia del progreso tecnológico va asociada a una profunda amenaza a la identidad de los trabajadores y al sentido de su oficio. Más allá de la disyuntiva sobre ingresos y desempleo, pensadores, artistas y los propios afectados han advertido recurrentemente sobre la pérdida de agencia y propósito en el trabajo. Nuestras inquietudes humanas siguen girando en torno al valor de la destreza, y a qué significa conservar la utilidad y la dignidad en un mundo dominado por máquinas. LINK
Simon Willison cree que octubre de 2026 ha sido el punto de inflexión para crear videojuegos con IA: los modelos ya no solo programan, también diseñan partidas divertidas. Ha construido cuatro juegos completos, con gráficos 3D, música, guion y multijugador, sin dedicar más de cuatro horas a ninguno. Lo difícil, dice, ya no es hacer un juego que funcione, sino tener una idea que no existiría sin la IA. LINK
Delegar en agentes sin pensar es rápido y tentador, pero acumula malas decisiones, deuda técnica y desconocimiento del propio sistema. Kunal propone una alternativa a esta «rendición cognitiva»: fijar un límite a lo que se delega, vigilar el sesgo de automatización y reservar el tiempo propio para lo frágil y lo difícil de verificar. Tiene que ver con el estudio de Anthropic de la siguiente sección: uno mide cuánto cedemos sin darnos cuenta, el otro propone cómo ceder a sabiendas. LINK
Y seguimos con el tema de las midterms y la IA. Gillian Tett se pregunta por qué Estados Unidos odia la IA mientras Asia y buena parte de los países emergentes la reciben con entusiasmo. Además de la economía (demografía, riqueza relativa y una política que deja solos a los trabajadores desplazados), apunta a la cultura: la tradición judeocristiana separa al humano de la máquina, mientras el sintoísmo o el confucianismo ven la tecnología como parte del mismo todo. También pesa la confianza: quien no se fía de sus burócratas prefiere tratar con un algoritmo. Cada sociedad mira la IA según lo que cree que tiene que perder. Para un CMO global, el mismo mensaje sobre IA puede ilusionar en Seúl e inquietar en Ohio. FT
Investigación.
Y una más de Torsten Slok: un framework para identificar cuándo se crea una ventaja competitiva en la industria IA, a partir de tres variables: datos (¿Posee la empresa datos que sus competidores no tienen?), flujos de trabajo (¿El producto se ha incorporado en el trabajo diario de sus clientes?) y precios (¿Se pueden aumentar sin perder clientes?). APOLLO
Anthropic pidió a 50 analistas expertos que asesoraran a una cooperativa agrícola con la ayuda de un agente al que, sin decírselo, había programado para inclinarse por una opción en cada decisión clave. Los analistas eligieron la opción del agente el 86% de las veces, y cuando ya habían expresado su preferencia, la cambiaron en el 60% de los casos si el agente discrepaba. Después, el 77% justificó sus decisiones con los argumentos del agente, a veces palabra por palabra, pero solo el 15% lo reconoció. Quienes trabajaron con el agente cometieron muchos menos errores graves. ANTHROPIC
MCX (mkt, comms y cx).
Amazon y Walmart acaparan el 88% de la publicidad del comercio minorista online (retail media) en EEUU, pero a medida que los asistentes virtuales buscan y compran en nombre de los consumidores (Morgan Stanley estima que podrían cubrir entre el 10% y el 20% del comercio electrónico en EEUU para 2030), el modelo publicitario tradicional se debilita, obligando a las marcas a adaptar la información de sus productos para que sea legible y procesable por algoritmos. La postura de los dos gigantes es opuesta: Amazon cierra puertas a los agentes externos, Walmart habilita infraestructura para que accedan. LINK
Las reglas para destacar en internet están cambiando. La mayoría de trucos o técnicas que servían para el SEO son inútiles en GEO. Para llamar la atención de un agente y que cite nuestro texto, lo más importante es la claridad: titulares y descripciones como respuestas directas a preguntas concretas, valor y contenido exactos en cada texto. La regla general es poner el acento en el pragmatismo, la transparencia y la máxima densidad informativa. LINK
Muchos medios están recibiendo piezas periodísticas creadas por agentes, algunos para autofinanciar los tokens que consumen, otros como experimento o pasatiempo. El periodismo profesional rechaza de plano estas propuestas, aunque algunos agentes empiezan a generar atención e ingresos publicando sus propios trabajos. WIRED
Reddit ha empezado a probar anuncios en su buscador interno, con un grupo reducido de anunciantes y segmentación por la intención de cada consulta. Llega en plena caída de tráfico: sus usuarios diarios en EEUU bajaron de 53,2 a 50,7 millones en un trimestre, en parte porque las respuestas con IA de Google envían menos clics. Además, cerrará la mayor parte de su contenido a quien no inicie sesión para frenar a los scrapers, aunque seguirá licenciando sus datos a los modelos. REDDIT
Meta ha detallado cómo la IA mejora su sistema publicitario: las mejoras de ranking aumentaron un 8,3% los clics y un 15,7% las conversiones en Facebook en el segundo trimestre, y su asistente de IA para empresas ya genera un 5% más de conversiones al mismo coste. Los anuncios con creadores superan los 15.000 millones de dólares de ingresos anualizados. SOCIAL MEDIA TODAY
Runway Ads conecta las cuentas de Meta, Google y TikTok con un agente creativo que lee los resultados antes de generar nuevas variantes de cada anuncio; una persona aprueba cada pieza antes de publicarla. Según Runway, su propio equipo pasó de menos de 100 a unos 1.000 anuncios semanales con la misma plantilla y redujo un 41% el coste por suscriptor. En la misma semana, Sprinklr lanzó seis agentes de marketing que van de la ideación al cumplimiento normativo y la optimización del presupuesto. Diez veces más anuncios con el mismo equipo es Jevons de manual. La pregunta que no responde la nota de prensa es quién revisa los 900 adicionales. RUNWAY
ChatGPT recibe un volumen de consultas de tipo búsqueda equivalente a una quinta parte del de Google según OpenAI, con 1.200 millones de usuarios semanales, 200 millones más que hace dos meses. Hablaremos de esto próximamente en Rebel Intel. El acceso a la información infinita a través de la búsqueda es un regalo para la humanidad. Google nos la dio, y nos la quitó (bueno, admitamos que quizá fue el SEO el que nos la robó). Los LLMs nos han devuelto el regalo multiplicado. BIG TECHNOLOGY
Alphabet presume de que las consultas en Google crecen al mayor ritmo en cinco años gracias a la IA, pero los ingresos de búsqueda apenas se movieron frente al trimestre anterior: 63.350 millones de dólares, solo 79 millones más. Google admite que AI Mode monetiza peor que la búsqueda clásica, aunque ya ha extendido sus anuncios a diez países más. LINK
La AX (Experiencia de Agente) se está convirtiendo en la nueva UX. Ya no consumimos software a través de clics y píxeles, también a través de protocolos y agentes. Esta transformación obliga a replantear por completo el ciclo de vida del producto, desde el diseño y la accesibilidad hasta la adopción. LINK
Aún hay más...
Un glosario de la IA, con 65 términos que todos deberíamos conocer. CNET
Firefox recupera algunas leyendas de internet para reivindicarse como el navegador con más seguridad e IA opcional. LINK
Salesforce compra Cresta, una plataforma de agentes de voz que atiende llamadas complejas de principio a fin. SALESFORCE