El Director de Marketing recibe un informe hecho con IA que le dice que su estrategia tiene un 73% de probabilidad de éxito. Se detiene unos segundos y continúa leyendo: 73% de probabilidad de incrementar conversiones en un 12%, pero bajará el brand awareness un 8% a medio plazo.
Lo que había empezado con un insight claro, termina dejando confuso al mismo CMO, que revisa los números y pregunta a su equipo. Entonces, ¿qué hacemos?
Bienvenidos al nuevo problema real de la IA en marketing: no es que no tengamos datos. Es que no sabemos qué hacer con ellos.
De herramienta de productividad a infraestructura de decisión
La IA no es nueva en marketing. Llevamos años usándola - aunque la llamáramos machine learning o algoritmos de optimización - para pujas automatizadas, predicción de audiencias o segmentación dinámica. Los equipos más técnicos la conocen bien. Lo que ha cambiado es su accesibilidad y su capacidad.
Gracias a esta democratización, hoy, la gran mayoría de marcas están inmersas en adoptar IA para ganar velocidad: automatizar reportes, generar copys, analizar sentimiento en redes, etc. Es decir, las organizaciones están centrando sus esfuerzos en ganar en rapidez y en precisión en lo que hasta hoy hacían manualmente.
Es el inicio de una revolución, que para ser revolucionaria completamente requiere de un cambio real. No es lo mismo hacer algo más rápido, a hacer algo distinto. En medición, esto significa pasar de medir más rápido a decidir mejor.
Los modelos ya no solo explican. Predicen y simulan
Los Marketing Mix Models de hace una década nos decían qué había pasado: "La campaña de TV generó X ventas incrementales el trimestre pasado".
Los modelos matemáticos de última generación - Brand & Business Models y los Multi Incrementality Models- van más allá de explicar el pasado: permiten simular escenarios futuros y optimizar la inversión con granularidad y foco en incrementalidad real.
¿Qué pasa si muevo presupuesto de brand a performance? ¿Cómo afecta reducir frecuencia en YouTube al lifetime value?. ¿Cuál es el impacto real de patrocinar ese evento vs invertir en influencers?"
Los modelos y la IA te dan respuestas, muchas respuestas. Demasiadas, a veces. Y aquí es donde se complica, en lo que nosotros llamamos el “síndrome del dashboard de las 80 métricas”.
Hemos visto equipos paralizados frente a dashboards generados por IA con 80 KPIs actualizándose en tiempo real. Esperan —como en el ejemplo inicial del CMO— que el algoritmo les señale "la respuesta correcta".
Pero no llega. Porque la decisión de priorizar conversión hoy vs construir marca a largo plazo no es una ecuación matemática. Es una decisión estratégica que requiere entender el momento de la marca, la presión competitiva, el ciclo de vida del producto, los objetivos del CEO.
La IA puede decirnos qué es más probable que pase. Pero no puede decirnos lo que las marcas deben hacer. Esa es la decisión del CMO. Y para tomarla bien necesita algo que ningún modelo ni IA puede hoy darle: criterio.
Aunque suene contraintuitivo, es crítico: cuanta más capacidad analítica tengas, más importante se vuelve el criterio estratégico.
El criterio para:
- Hacer las preguntas adecuadas (no todas las métricas importan igual)
- Entender los sesgos del modelo (¿qué datos faltan? ¿qué supuestos estamos asumiendo?)
- Validar que las predicciones "tengan sentido" para quien conoce el negocio
- Asumir riesgos calculados, no solo seguir recomendaciones
Cuando la IA pasa de ser una herramienta a ser infraestructura crítica de negocio, la pregunta ya no es "qué puede hacer la IA" sino "quién en mi organización tiene el criterio para decidir qué riesgos asumir".
Los cimientos: datos que sean fuente de verdad
Aquí viene la parte incómoda. Una realidad que se arrastra desde el famoso “lo que no se mide, no se puede optimizar”. Muchas compañías miden. Algunas miden bien. Pocas deciden mejor gracias a la medición.
Un modelo de IA entrenado con datos incompletos o sesgados te dará recomendaciones con total confianza estadística... pero equivocadas. Basura entra, basura sale. Solo que ahora viene envuelta en un dashboard bonito con un look & feel cuidado.
Antes de escalar IA, asegurémonos de crear una base sólida con la que trabajar. Antes de avanzar con decisiones estratégicas, pregúntate:
- ¿Tengo bien implementado Google Analytics o Adobe Analytics en mi web?
- ¿Sé de dónde vienen los usuarios de más calidad y dónde se caen en el funnel?
- ¿Mi call center puede trazar qué canal originó la llamada que acabó en venta?
- ¿Puedo conectar inversión publicitaria con conversiones en punto de venta físico?
- ¿Mis datos son consistentes, trazables y realmente fiables?
Si la respuesta a más de dos preguntas es "no" o "más o menos", hay un problema de cimientos. Y ningún modelo de IA lo va a resolver.
El verdadero diferencial ya no es la herramienta
La tecnología es cada vez más accesible. ChatGPT, Claude o Gemini están al alcance de todos. Las plataformas de ad tech integran IA nativa. Los modelos de atribución y MMM se comercializan como SaaS. Entonces, ¿dónde está la ventaja competitiva? No en tener el modelo más sofisticado. Sino en construir la mejor simbiosis entre capacidad analítica y criterio estratégico.
En Havas lo planteamos así: Growth powered by Desire. Crear marcas deseables es el principio. Escalar ese deseo en crecimiento sostenible requiere tomar decisiones conscientes: qué funciona, por qué, para quién, a qué coste. Y eso solo es posible si la medición no es un "equipo que reporta números" sino la infraestructura que permite a toda la organización decidir mejor, más rápido y con más confianza.
La pregunta que importa
Los CMOs ya no deberían preguntarse: "¿Tengo datos?" ni siquiera "¿Uso IA?". La verdadera pregunta es: ¿Mis datos son lo suficientemente fiables, y mi organización lo suficientemente preparada, como para tomar decisiones estratégicas con ellos?
Porque no se trata solo de ganar en productividad. Se trata de redefinir cómo construimos crecimiento sostenible en un mundo donde el criterio - más que nunca - es la ventaja competitiva diferencial.
*Este artículo forma parte de AI STRATEGY STUDIO by HAVAS, una iniciativa para pensar la inteligencia artificial más allá de la tecnología: desde la estrategia, la creatividad y la construcción de valor para las marcas.