Deep Research y el nuevo ciclo del conocimiento en marketing.
La IA generativa facilita un nuevo modelo de investigación continua que disuelve la frontera entre análisis, insight y acción.
Han sido semanas intensas participando en conferencias y eventos sobre Inteligencia Artificial. Pero no toca mirar atrás, sino a la semana que viene. Al martes 4 noviembre en particular, en que tendrá lugar el encuentro organizado por Foro IA y ESIC: AI Business Forum.
A mí me han pedido que hable de “la línea de arriba” (top line). La mayoría de las empresas busca aplicar la IA para ganar eficiencia y obtener ahorros. Pero el verdadero reto para el CEO está en poner esa productividad al servicio del crecimiento. ¿Cómo puede la inteligencia artificial ampliar líneas de ingreso, desde el marketing más efectivo en captación y retención de clientes hasta los nuevos modelos de negocio impulsados por datos y productos inteligentes? El martes lo hablamos.
La inteligencia estratégica en marketing ha sido tradicionalmente un proceso laborioso y fragmentado. El análisis de la competencia implica en ocasiones un seguimiento manual de sitios web, comunicados de prensa y perfiles sociales. Detectar tendencias puede requerir costosos informes de consultoras. Comprender las intenciones de la audiencia requiere de estudios demográficos estáticos, o encuestas y dinámicas de grupo que capturan una instantánea del consumidor, pero no determinan la evolución en el tiempo.
Las nuevas funcionalidades de investigación profunda (Deep Research) que incorporan los modelos de IA generativa se suman a las múltiples herramientas que la IA está poniendo a disposición de los profesionales de marketing, comunicación y experiencia de cliente (MCX). Estas funcionalidades llevan con nosotros desde que en febrero de este año lo incorporase OpenAI en su versión pro de ChatGPT y hoy está disponible en número limitado de peticiones en casi todos los modelos de IA (gemini, perplexity, claude, …)
En términos de arquitectura MCX, la foto se ordena así:
Investigación primaria (clásica) para validar con rigor: representatividad, comparabilidad, causalidad.
Analítica y ResTech: social listening, encuestas online y dashboards que aceleraron la captura y el análisis de datos no estructurados.
Deep Research: para explorar, triangular y generar sentido con amplitud de fuentes y múltiples lentes.
En la práctica, DR opera como un nuevo frame de investigación que abre un loop continuo: explorar → suponer → probar → refinar. DR analiza y correlaciona millones de puntos de datos no estructurados —desde foros especializados y artículos académicos hasta debates en redes sociales y reseñas de productos— para entregar un informe ejecutivo, respondiendo preguntas complejas con respuestas fundamentadas y contextualizadas. Permite entender comportamientos en tiempo real, conectar señales y validar hipótesis. Un trabajo lento y lineal se convierte así en un proceso ágil y colaborativo. La capa agéntica que aporta DR convierte la investigación en MCX en un proceso continuo y con mirada de futuro.
Transformando la operativa estratégica en MCX.
DR aporta inteligencia competitiva continua. La inteligencia de negocio deja de depender del dato estacionario y se destila del contexto. Ya no buscamos tanto información como la mejor interpretación, acceder como discernir. Por ejemplo: en lugar de revisiones trimestrales, los equipos pueden formular preguntas estratégicas y recibir respuestas instantáneas: “Analiza el cambio de posicionamiento de nuestro principal competidor en los últimos seis meses, basándote en sus comunicaciones públicas, contrataciones clave y menciones en medios.” La respuesta dará un visión nítida que permite réplicas rápidas y precisas.
De este modo, DR permite pasar de un modelo data-driven a uno sense-driven. El objetivo ya no es capturar “la verdad del consumidor”, sino entender cómo se forma esa verdad en su entorno social y simbólico. Podemos lograrlo con la integración de datos en tiempo real, que permite la identificación temprana de oportunidades. DR puede detectar señales débiles antes de que se conviertan en masivas. Un prompt como “Identifica puntos de fricción emergentes que los consumidores de la categoría X están discutiendo en foros y redes sociales en el último mes“ puede revelar nichos de mercado desatendidos o demandas de nuevas funcionalidades de productos. En este sentido, los infinitos foros y subforos de Reddit se han convertido en un filón donde encontrar conversaciones auténticas y espontáneas de consumidores, el tipo de raw data cultural que anticipa tendencias.
Después, los LLMs nos permiten explorar esos datos adoptando diferentes enfoques analíticos: por ejemplo, leer las previsiones de consumo desde la perspectiva de un planner estratégico, o desde la de un sociólogo, o como un creativo publicitario, e incluso como un analista financiero. Un solo analista armado con IA puede generar en horas un informe con lecturas cruzadas (cualitativa, cultural, creativa, cuantitativa) sobre una situación de mercado, con una comprensión más rica e integral de los problemas y oportunidades.
El arsenal de herramientas DR.
Hace un tiempo que la operativa diaria de los departamentos MCX ha cambiando con las herramientas IA. En 2025, se han añadido las capacidades de Deep Research, incorporadas en diferentes tipos de herramientas:
Agentes de razonamiento en LLMs: son los “modos razonadores” de ChatGPT o Gemini. Sirven como primera línea para la investigación en tiempo real. Permiten una exploración rápida de la conversación pública, validación de hipótesis iniciales y monitorización continua del sentimiento.
Plataformas de búsqueda y síntesis (Perplexity, Consensus): actúan como analistas de investigación, respondiendo preguntas complejas con resúmenes coherentes y fuentes citadas.
Plataformas de inteligencia especializada (versiones avanzadas de Brandwatch, Talkwalker): integran IA generativa sobre sus vastos conjuntos de datos -sociales, noticias, reseñas- para extraer narrativas estratégicas, análisis de sentimiento y perfiles de audiencia.
Entornos de investigación colaborativa: la capacidad de NotebookLM para procesar y sintetizar miles de documentos y transformarlos en resúmenes, mapas mentales, vídeos, guías de estudio o incluso podcasts, convierte un trabajo ingente de documentación en un diálogo accesible. Además, facilita que diferentes equipos trabajen sobre la misma base de conocimiento.
Plataformas de simulación (como Opinio AI o Remesh): con datos sintéticos y focus groups virtuales de personas generadas por IA se puede testar la resonancia cultural de un concepto o la claridad de un mensaje a una fracción del costo y tiempo de un focus group real.
Con esta disponibilidad de herramientas, el estratega de marketing se convierte en orquestador de distintas inteligencias: la humana individual, la colectiva del equipo y la artificial de las herramientas. Saber coordinar este trinomio será una habilidad clave. Por ejemplo, entender cuándo confiar en un análisis automatizado versus cuándo hace falta investigación etnográfica directa; o cómo combinar un insight inesperado que surgió de Reddit con la intuición creativa para una campaña.
Deep Research en acción: ejemplos prácticos.
Chema Gutiérrez es el director de estrategia creativa en Good Rebels. Le hemos pedido que nos cuente con sus palabras cómo usamos Deep Research en la casa:
En Good Rebels aplicamos Deep Research al análisis de microtendencias, especialmente en proyectos dirigidos a la Generación Z, donde los códigos cambian a gran velocidad. La IA nos permite rastrear comportamientos y significados emergentes dentro de subculturas digitales: foros, comunidades emergentes, fandoms o movimientos de nicho. Identificando señales débiles que luego sirven como “food for thought” para los equipos creativos.
A partir de ahí, combinamos la exploración algorítmica con social listening tradicional para validar si esas señales tienen tracción real o simple ruido. Esa agilidad nos permite anticipar conversaciones y detectar oportunidades culturales antes de que se saturen. Cuando el tiempo o el presupuesto no permiten una investigación completa, recurrimos a focus groups sintéticos, generados con IA, que nos ayudan a testear hipótesis y observar cómo ciertos mensajes resuenan entre audiencias específicas.
En paralelo, incorporamos perspectivas humanas para ampliar la lectura: filósofos, sociólogos o tecnólogos invitados a confrontar los hallazgos desde su disciplina. Un ejemplo: analizar el burnout contemporáneo desde la lente de Byung-Chul Han, el reciente Premio Princesa de Asturias, y contrastarlo con una interpretación sociológica sobre las nuevas economías de la atención. En ese cruce entre inteligencia artificial y pensamiento crítico reside el verdadero valor del Deep Research: transformar la investigación en un proceso híbrido que nos permite entender mejor lo que está ocurriendo.
Hace un tiempo, contábamos también por aquí, cómo habíamos elaborado un análisis de marca para Toyota allá por 2014:
Hace diez años, elaboramos un análisis de personalidad de marca para Toyota a partir de 700.000 conversaciones recopiladas de Internet. Invertimos un mes de trabajo usando herramientas como Brandwatch y otras de análisis de datos.
Al poco de salir DR dimos una charla a ING España sobre el impacto de la IA en las áreas de marketing y utilizamos nuestra suscripción Pro (200 eur/mes) para elaborar una investigación profunda sobre dos marcas financieras en España siguiendo el framework de Aaker. Lo que una década antes nos había costado un mes de trabajo, lo obtuvimos tras diez minutos de espera, viendo cómo el agente de búsqueda de OpenAI realizaba la investigación delante de nuestros ojos, tomando decisiones de rastreo siguiendo diferentes fuentes y organizando los resultados conforme al marco de Aaker. Lo que hace unos meses costaba 200 euros al mes, hoy es prácticamente gratuito (limitado en número) en casi todos los servicios de IA.
El analista MCX como editor del conocimiento.
Para MCX, el DR es más que una herramienta: es un nuevo sistema operativo: hipótesis que se formulan, testean y ajustan en ciclos cortos, con un coste marginal mínimo. El centro de gravedad se desplaza del reporting al foresight, del “Qué ha pasado” al “Esto es lo que viene”. Cuando la IA hace el trabajo pesado (recopilar y sintetizar información), el rol del estratega se centra en dotar de sentido. Pasan de recolectores de datos a curadores de insights, con funciones cercanas a las de un editor: seleccionar las señales relevantes, interpretar su contexto y traducirlas en oportunidades de acción.
Pero DR también presenta zonas grises. Los agentes pueden sintetizar toneladas de información, pero corresponde al estratega guiarlos con precisión. Un brief vago produce resultados superficiales. Con la IA generativa la calidad de la pregunta sigue determinando la calidad de la respuesta. Enunciados más precisos propiciarán mejores cadenas de razonamiento de los agentes y permitirán analizar diferentes escenarios: “¿Qué pasa si XX gana cuota en TikTok?”, “¿Cómo podemos combinar los hallazgos de DR con nuestros datos internos para una visión más completa del consumidor?”
Tampoco debemos caer en la ilusión de la exhaustividad. Que un modelo lea miles de fuentes no significa que entienda el contexto. Al analista corresponde detectar tensiones, matices y contradicciones donde los modelos estadísticos solo ven correlaciones. El Deep Research ha demostrado acelerar la comprensión y ampliar el campo visual pero sigue lejos de sustituir el trabajo interpretativo: entender el contexto, aplicar criterio e intuición para leer detrás de los datos.
El próximo domingo, volvemos a tu buzón.
Fernando y Carlos.
En el último informe del Foro IA, analizamos cómo los deepfakes puede erosionar la confianza pública, amplificar la polarización y convertirse en un arma estratégica en conflictos geopolíticos. Un documento pensado para directivos y responsables públicos que quieran entender el alcance real de estas amenazas —y qué marcos de respuesta son necesarios— en un terreno donde la línea entre ficción y realidad se desdibuja peligrosamente.
Actualidad.
Hay que apostar por la IA europea. Mistral anuncia su AI Studio. MISTRAL
Más de lo mismo: PayPal se asocia con OpenAI para habilitar compras desde ChatGPT a partir de 2026, pagando con carteras de PayPal a través de Instant Checkout y el protocolo ACP. LINK
Perplexity ha publicado una guía de 42 páginas para utilizar la IA de forma eficiente fen el trabajo. Los casos de uso incluyen DR en la web o en archivos poropios, preparación de reuniones, creación de contenidos... La mayoría de estas funciones se explican a través de los productos de Perplexity, pero se pueden aplicar a diferentes herramientas IA.
Adobe ha presentado en MAX 2025 una reinvención total de su suite creativa, integrando asistentes IA conversacionales en sus principales productos. El ecosistema Firefly integra modelos de la competencia (Google, Runway, Pika, Topaz) para entrenar modelos personalizados privados con estilo propio. LINK
Si no queremos que LinkedIn utilice nuestros datos para entrenar sus modelos IA, tenemos que hacer opt-out antes de mañana, 3 de noviembre. LINK
Elon Musk ya tiene su propia versión de Wikipedia: Grokipedia nace con casi un millón de artículos generados por Grok. Larry Sanger, cofundador de Wikipedia y después crítico con ella (cree que ha sido raptada por una oligarquía anónima que impone una visión sesgada) califica Grokipedia con una C (aprobado alto), destacando que, si bien los artículos son extensos y detallados, presentan problemas de estilo (”LLMesados”), errores fácticos, repeticiones y alucinaciones. También cree que es más neutral y menos sesgada (2.1 frente a 3.5 sobre 5). Sanger confía en que Grokipedia presione a Wikipedia para que finalmente adopte las reformas que propuso en sus nueve tesis. La cuestión es: ¿se convertirá el acceso a la información en un posicionamiento ideológico?
Reflexiones.
Una interesante reflexión de Antonio Ortiz sobre cómo la IA ayuda en la asimetría de la información entre proveedores y usuarios, permitiendo que ciudadanos mejor informados reclamen sus derechos, negocien mejor y eviten abusos. En paralelo, nuevos algoritmos anticiparán necesidades individuales —por ejemplo, alertas de ahorro o ventajas ocultas— y harán que el acceso a información útil deje de depender exclusivamente de la iniciativa del usuario. En The Economist profundizan sobre el tema y los “mercados de limones” de Akerlof. Y un ejemplo: cómo Claude diseccionó la factura de un hospital para reducirla de 195.000 a 33.000 dólares. LINK, THE ECONOMIST, LINK
Se han acumulado estos días noticia y reflexiones sobre “el ocaso de la consultoría”: su momento Kodak. Bloomberg ha publicado estos días que una empresa compra horas de consultores estratégicos y de banqueros de inversión para adiestrar los modelos con contenido difícilmente accesible en la web. Pero como en otras reflexiones más amplias sobre el impacto en el mercado laboral: ¿es el declive percibido fruto de la incertidumbre política y la contención del gasto que trajo el comienzo de la subida de tipos para la contención de la inflación en marzo del 2022, o fue noviembre de 2023 y la llegada de ChatGPT? A la consultoría se le tiene ganas de siempre. Clay Christensen, entre muchos otros, pronosticó su declive hace 13 años y desde entonces no ha hecho más que florecer. Pero como siempre, esta vez parece diferente. Se nos olvida que la consultoría no va sólo de hacer powerpoints. A veces es el chivo expiatorio. A veces es el “tercero de confianza”. Además, la consultoría es el campo de entrenamiento de los juniors que luego salen a poblar otras industrias. ¿Y si sobran consultores, por qué no sobrarían los que contratan a los consultores? Si la consultoría tiene un problema, TODOS tenemos un problema. REUTERS, BLOOMBERG, BLOOMBERG, ENRIQUE DANS, CARLOS ARES
El boom de la IA es una de las mayores oleadas de inversión desde el fin de la IIGM, impulsada por un gasto masivo en infraestructuras. Las cinco mayores tecnológicas (Amazon, Meta, Microsoft, Alphabet y Oracle) invirtieron 241.000 millones $ en capex solo en 2024 (0,82 % del PIB de USA), y esta cifra aún crecerá en 2026, superando en términos de % del PIB a hitos históricos como el Apollo o el Proyecto Manhattan. Difícil de cuantificar solo con uno, aquí hay 16 gráficos que explican esta explosión. UNDERSTANDING AI
Uno de cada cinco empleados de Open AI proviene de Meta. Este transbordo está reorientando la cultura de OpenAI, que está pasando de laboratorio de investigación pura a compañía obsesionada con las métricas Big Tech, buscando el crecimiento exponencial de usuarios diarios y la monetización. El lanzamiento de Sora, la creciente apertura a la publicidad y los rumores de salida a Bolsa son ejemplos de esa metamorfosis. THE INFORMATION
Research.
Un estudio que compara el tráfico que llega a casi 1.000 comercios desde LLMs y canales tradicionales. El que viene de LLMs rinde menos que cualquier canal tradicional (excepto el paid social media) en todas las métricas financieras y de engagment. Aunque tiene una buena tasa de bouncing, lo que sugiere relevancia alta, la baja conversión y el menor valor medio de los pedidos limitan su impacto. LINK
Coméntabamos la semana pasada que la seguridad (y por ende, la confianza del usuario) es el gran caballo de batalla de los navegadores IA. Un análisis de Brave advierte del grave problema que supone la inyección de prompts invisibles, que afecta en concreto a Perplexity Comet o Fellou, y por extensión, a cualquier navegador IA. El problema reside en su incapacidad para distinguir instrucciones maliciosas, ocultas en capturas de pantalla o imágenes para apropiarse de datos personales. LINK
El estudio State of Generative Media de Artificial Analysis analiza la adopción de modelos IA por desarrolladores y creativos, destacando el dominio de Google en generación de vídeo e imágenes (el estudio es previo al lanzamiento de Sora 2). Aunque la muestra es baja para sacar conclusiones definitivas (300 entrevistas), el ROI para estas herramientas es alto comparado con otros análisis: un 34% ya obtiene beneficios de su inversión, y un 31% espera lograrlos antes de 12 meses.
MCX.
Un consorcio de agencias ha creado AdCP (Ad Context Protocol), un protocolo abierto construido sobre MCP para automatizar la compraventa de publicidad digital. AdCP dota a los agentes IA de anunciantes, publishers e intermediarios de un lenguaje común para “hablar de negocios”, permitiendo que tareas como la planificación, la negociación y la ejecución de campañas se completen de forma autónoma. LINK
Toyota lanzará el 5 de noviembre “Grip: A Toyota Movie”, un corto anime de 10 minutos que culmina la serie iniciada en 2024 para reposicionar la marca entre audiencias jóvenes y multiculturales. La trama enfrenta a jóvenes conductores contra un malvado sistema IA, el Dr. Synth, que busca controlar todos los vehículos y erradicar la conducción humana. AD WEEK
Puede que la IA acabe dominando las búsquedas, pero eso no sucederá en 2026. Aún no. Las búsquedas desde ChatGPT, Gemini, Claude o Perplexity representan en EEUU apenas el 3,3% del total. Y como dice Nate Elliot de eMarketer, antes de que ese número crezca, la IA se habrá integrado en los buscadores, que no corren peligro de desaparecer. LINK
Google Labs ha presentado Pomelli, un experimiento para diseñar contenidos y campañas “on brand” a partir de la web de una marca. Aquí podemos verla en acción, aunque de momento no está disponible en España. GOOGLE
¿Cómo está la IA transformando las agencias? Replanteándose lo que ofrecen a sus clientes, cómo estructuran sus equipos y qué habilidades necesitará el profesional del marketing en el futuro inmediato. Cada vez definirán el éxito menos por el tamaño, y más por la eficacia con la que se combinan la experiencia del personal sénior y el talento híbrido creador/tecnólogo. LINK
Mondelez va a utilizar la IA generativa para crear sus próximos anuncios. Ha invertido 40 millones $ en el desarrollo de una herramienta para crear videos, aunque calcula que gracias a ella ahorrará entre un 30 y un 50% en costes de producción. REUTERS
Herramientas IA.
Odyssey-2 genera y transmite secuencias de video a 20 frames por segundo, con nuevos fotogramas cada 50 milisegundos. No tiene la calidad de Veo o Sora, pero permite crear y dar forma a videos prácticamente en tiempo real: vídeo IA interactivo.
Off Tópicos.
Los verdaderos adictos a las pantallas no son los jóvenes, sino los mayores. Los jubilados de hoy pasan más tiempo al día mirando pantallas que los jóvenes, debido al tiempo libre, al aislamiento social y al aumento de dispositivos (smartwatches, tabletas, TVs conectadas, etc). Esto no es malo per se (puede aliviar la soledad y la inmovilidad), pero conlleva riesgos como la adicción a juegos, la vulnerabilidad ante el scamming y el impacto negativo de las noticias falsas. THE ECONOMIST