Durante décadas, la medición de Marketing fue un problema de retrospectiva. Lanzabas una campaña, esperabas, analizabas lo que había pasado y ajustabas en el siguiente ciclo. Era lento, imperfecto y costoso, pero al menos era tuyo: tu leías los datos, tu decidías que hacer con ellos, y la cadencia del ciclo te daba tiempo para entender que había pasado antes de comprometerte con el siguiente movimiento. Ese modelo, con todas sus fricciones, tenía una virtud que ahora se está perdiendo: la transparencia del proceso. Sabias de donde venían los números porque tú mismo los había construido.
Eso está cambiando de naturaleza, no de forma incremental, sino estructural. En mayo de 2026, el medio WARC publicó The Future of Measurement 2026, y su diagnóstico es preciso: la medición de Marketing ya no se trata únicamente de entender que paso, sino de habilitar mejores decisiones sobre que hacer a continuación. Los enfoques tradicionales basados en atribución, métricas proxy y reportes post-campaña están perdiendo relevancia, no porque sean incorrectos en su lógica, sino porque el entorno en que operan ya cambio. Lo que los reemplaza es un sistema que no espera, que actúa, que ajusta en tiempo real y que, en la mayoría de los casos, lo hace dentro de las plataformas que también te venden el inventario.
El contexto importa: estamos hablando de una industria donde los presupuestos de publicidad digital en Estados Unidos alcanzaron los 114.200 millones de dólares en 2025, según datos del medio ALM Corp. Una industria de esa escala que migra su lógica de medición a sistemas de IA opacos, sin marcos de gobernanza equivalentes, no es una conversación técnica: es una conversación sobre quién tiene el poder real sobre las decisiones de inversión.
La IA subió un peldaño: Ya no reporta. Decide
Según WARC, la IA se está utilizando actualmente para automatizar la recolección, limpieza y normalización de datos antes de la interpretación humana, pero su rol se está expandiendo rápidamente hacia la planificación predictiva, el testing y la optimización continua. Lo que antes era una herramienta de análisis se está convirtiendo en un sistema de decisión. La diferencia no es técnica: es de poder sobre el presupuesto.
Las plataformas digitales están embebiendo herramientas de optimización en tiempo real en sus sistemas, permitiendo que las campañas se ajusten de forma continua en función de métricas de rendimiento. Al mismo tiempo, los medios tradicionales todavía están transitando desde sistemas de medición basados en audiencia hacia modelos diseñados para demostrar efectividad publicitaria a través de experimentación y analytics avanzado. WARC describe el resultado como un paisaje de medición a dos velocidades: el digital va rápido y el tradicional intenta alcanzarlo, pero en ambos casos el que dicta el ritmo son las plataformas, y las plataformas tienen todos los incentivos para que confíes en sus propias mediciones.
Este movimiento no es orgánico ni gradual. Según el medio Seafoam Media, tres grandes plataformas —Google, Meta y OpenAI— están convirtiendo activamente la IA de un feature de Marketing en un sistema operativo de Marketing durante mayo de 2026. Google Marketing Live, que se celebra el 20 de mayo junto con Google I/O, se perfila como el escenario donde se formaliza la era de los anuncios agentes. OpenAI ya lanza un Ads Manager propio y proyecta 2.500 millones de dólares en ingresos publicitarios para 2026. The Trade Desk lanzó agentes Koa. Adobe reemplaza Experience Cloud con CX Enterprise e introduce agentes persistentes llamados Coworkers. El patrón es uniforme: todas las plataformas están convirtiendo la IA en infraestructura, no en capa opcional.
El riesgo que WARC nombra: “las cajas negras“
El reporte advierte que sin supervisión independiente rigurosa, los sistemas de medición impulsados por IA pueden convertirse en cajas negras para la asignación de presupuesto, produciendo recomendaciones que parecen creíbles pero carecen de evidencia causal transparente. La frase que más importa en ese diagnóstico no es “cajas negras”, es “que parecen creíbles”. Los sistemas de IA de las plataformas son extraordinariamente buenos optimizando las métricas que ellas mismas definen, y esa optimización produce números que se ven bien en un dashboard sin necesariamente conectar con impacto real en el negocio.
El CTR que reporta Meta lo mide Meta. El Quality Score que pondera Google lo calcula Google. El relevance score que distribuye TikTok la construye TikTok. Cuando el mismo actor define el objetivo, mide el resultado y optimiza el sistema, la gobernanza no es un detalle técnico: es la pregunta central. WARC lo dice sin rodeos: advierte explícitamente contra depender demasiado de datos de una sola fuente o de sistemas de atribución generados por las propias plataformas, señalando que la validación independiente y el análisis cross-plataforma son cada vez más críticos.
La nueva actualización de Google Analytics del 13 de mayo, que incorpora un canal nativo llamado AI Assistant para rastrear tráfico desde ChatGPT, Gemini y Claude, es una señal elocuente del momento. Según el medio Search Engine Journal, hasta ese día todo el tráfico proveniente de asistentes de IA aparecía en GA4 como referral genérico o, peor, como Direct. Que Google formalice un canal separado es reconocer que la IA ya es un canal de adquisición relevante. Pero también es Google posicionándose para demostrar que AI Overviews, no ChatGPT, es la fuente dominante de tráfico AI para sitios web. La infraestructura de medición no es neutral: la construyen los mismos actores que compiten por tu atención y tu presupuesto publicitario.
Los números del por qué es relevante tener esta conversación
En agosto de 2025, Gartner encuesto a 402 CMOs y encontró que los lideres de Marketing esperan que la automatización impulsada por IA del trabajo de marketing más que se duplique, pasando del 16% en 2026 al 36% en 2028. En dos años, más de un tercio del trabajo de Marketing no estará supervisado por IA, sino ejecutado por ella. Y la supervisión que quede en manos humanas será más difícil de ejercer, no más fácil, porque los sistemas serán más complejos, más interconectados y más rápidos que cualquier ciclo de revisión manual.
El mismo estudio identifico que los CMOs que no avanzan más allá de los casos de uso tempranos de IA corren el riesgo de quedar atrapados en trampas de competencia en IA costosas, mientras que un grupo pequeño pero creciente de CMOs llamados market-shapers están usando la IA para impulsar crecimiento empresarial, confianza del consumidor y diferenciación competitiva. Kristina LaRocca-Cerrone, VP Analyst en la Gartner Marketing Practice, lo formula con precisión: los CMOs que ganen no solo administraran la IA, la integraran en como el Marketing lidera la empresa. La brecha no es de herramientas sino de criterio sobre cómo usarlas.
El Gartner CMO Spend Survey 2026 cuantifica la brecha con un solo dato revelador: el 70% de los lideres de Marketing dice que el liderazgo en IA es su principal objetivo del año, pero solo el 30% cree que tiene la infraestructura para lograrlo. Los presupuestos se mantienen planos en 7,8% de los ingresos, la IA representa en promedio el 15,3% de esos presupuestos, mientras que las organizaciones que ya escalan IA bien destinan el 21,3%. La diferencia entre los que van adelante y los que se quedan atrás no es de ambición —todos declaran que la IA es prioritaria. Es de estructura: sistemas de datos propios, criterios de evaluación propios y capacidad de validación independiente de lo que las plataformas reportan.
Un reporte de Writer citado por The Agile Brand Guide añade otra dimensión de urgencia: el 60% de los ejecutivos planea prescindir de empleados que no adopten IA. Ese dato dice algo sobre la velocidad del cambio, pero también sobre el riesgo de confundir adopción de herramientas con inteligencia sobre cómo usarlas. Usar Performance Max no es lo mismo que entender como Performance Max decide donde gastar el presupuesto.
El tercer hallazgo de WARC: la creatividad tampoco escapa a la “caja negra”
El reporte de WARC no solo habla de medición de medios. Introduce un tercer eje que pocas discusiones han recogido: el auge de lo que llama inteligencia creativa, definida como el uso de IA y machine learning para analizar, predecir y optimizar el rendimiento creativo a escala. Los sistemas de inteligencia creativa permiten a los marketers estimar el probable éxito de un asset creativo antes de su lanzamiento, optimizar campañas en tiempo real y conectar calidad creativa directamente con resultados comerciales. WARC identifica a las plataformas de redes sociales como el terreno de adopción temprana más probable, debido a la accesibilidad de datos creativos y de rendimiento que estas plataformas proporcionan.
WARC señala que la creatividad ha sido históricamente subvalorada y submedida, lo que ha dificultado justificar la inversión en el trabajo creativo frente a la inversión en distribución paga. Los avances en IA están cambiando eso, pero con el mismo riesgo estructural que aplica a la medición de medios: si el sistema que mide tu creatividad es el mismo que decide si te da alcance orgánico o te cobra por distribución paga, el incentivo no es hacia la creatividad que funciona para tu marca, sino hacia la creatividad que funciona para el algoritmo de la plataforma. Las dos cosas no siempre coinciden, y la diferencia puede costar millones en producción creativa dirigida en la dirección equivocada.
WARC identifica barreras prácticas para la adopción de inteligencia creativa: calidad de datos insuficiente, recursos limitados y la necesidad de alineación más estrecha entre equipos creativos y de medios. Esa última barrera es estructural en la mayoría de las organizaciones de Marketing, donde creatividad y paid media todavía operan en silos con lógicas, métricas y ciclos de trabajo distintos. La inteligencia creativa requiere que esos silos colapsen, y eso no es una decisión tecnológica: es una decisión organizacional que la mayoría de los CMOs todavía no está tomando.
Lo que el mercado llama optimización, pareciera que no siempre es lo que parece
Un análisis de mercado publicado en mayo de 2026 identifica que en mercados maduros como Estados Unidos y Europa Occidental, las estrategias publicitarias centradas en funcionalidad básica de IA son cada vez menos convincentes. Lo que resuena con más fuerza es la mensajería orientada a resultados medibles y ganancias de eficiencia demostrables. El mercado está madurando más rápido que los equipos internos, y los CMOs que siguen comprando IA que optimiza sin poder auditar que optimiza ni con que criterio estan tomando decisiones de presupuesto sobre una caja negra que les cobra por estar adentro.
El patrón es claro en los primeros diez días de mayo: más automatización, más decisiones asistidas por IA, más compresión entre descubrimiento y conversión y más presión sobre los marketers para demostrar que es real, que es incremental y que está generando revenue de verdad. El marketing ya no cambia solo a través de rediseños obvios de plataformas o decks anuales de tendencias. Cambia a través de detalles operativos: un nuevo modelo de bidding cambia como se interpreta un pipeline de ventas; un nuevo mecanismo de enlace cambia si los publishers reciben tráfico o solo citas. Cada uno de esos detalles representa una decisión que antes tomaba un humano y que ahora toma un algoritmo, con criterios que el humano no siempre puede ver ni cuestionar.
En esa dirección apunta también un experimento documentado por MarTech, basado en un ensayo de Christopher Mims para el Wall Street Journal: equipos híbridos de humanos más IA se desempeñaron peor que la IA sola cuando usaban la IA para validar sus propias suposiciones. Solo en el 5% a 10% de los casos los equipos híbridos superaron a la IA sola, y fue cuando usaron la IA como interlocutor crítico, no como validador. La implicancia para la medición es directa: los marketers que usan los reportes de las plataformas para confirmar lo que ya creen estan tomando decisiones peores que si no tuvieran IA. La IA solo añade valor cuando el criterio humano es genuinamente independiente del sistema que genera los datos.
Y, por supuesto, el camino hacia adelante no es desconfiar de la IA. Es estructurar su gobernanza
WARC es explícito en su recomendación: la necesidad de supervisión independiente y validación rigurosa es insoslayable. Sin ellas, los sistemas de medición impulsados por IA arriesgan convertirse en herramientas opacas de toma de decisiones donde la transparencia sobre cómo se determinan presupuestos y resultados brilla por su ausencia. Paul Stringer, Managing Editor de Research and Insights en WARC, lo formula con claridad: la medición de Marketing ya no se trata solo de entender el pasado, sino de habilitar decisiones más inteligentes sobre el futuro, y los desafíos fundamentales de transparencia, gobernanza y calidad de datos deben ser abordados para que esa promesa se cumpla.
Eso implica, en términos prácticos, al menos tres cosas. Primero, construir o mantener capacidad de medición independiente de las plataformas: modelos de atribución propios, experimentos controlados, triangulación de fuentes múltiples que no dependan todas de la misma plataforma para su cálculo. Segundo, definir que métricas importan desde la lógica del negocio —no desde la lógica de la plataforma— antes de activar cualquier sistema de optimización automatizada. Tercero, asumir que los números que produce la IA son hipótesis, no verdades, y diseñar procesos que los cuestionen sistemáticamente antes de convertirlos en decisiones de inversión.
La automatización bien diseñada es la ventaja más real que existe hoy en Marketing. El argumento no es en su contra, es contra la automatización sin criterio propio: contra dejar que el sistema que te vende el inventario también decida como evaluar si ese inventario valió la pena.
La velocidad es de las plataformas, pero el criterio tiene que ser tuyo.
