Imagina una sala con 100 directores de agencia.  Les haces una pregunta simple: ¿la inteligencia artificial es una prioridad estratégica para tu negocio?

97 levantan la mano.

    Todos coinciden en algo: la inteligencia artificial ya no es opcional. Está en la agenda, en las conversaciones, en los pitches, en los procesos.

    Sin embargo, cuando les preguntas: ¿tienen hoy un roadmap estratégico y formal para implementarla? 

Solo 19 siguen con la mano en alto.

  Muchos están explorando, experimentando. Muchos tienen las herramientas, pocos tienen la estrategia y  casi nadie tiene los dos.  Y esa brecha, entre intención y ejecución, es probablemente la señal más sincera sobre el momento que vive la industria publicitaria en México y probablemente en toda Latinoamérica.

 De la herramienta al sistema

    Durante los últimos dos años, la conversación sobre inteligencia artificial en marketing ha evolucionado rápidamente.

    Lo que comenzó como pruebas aisladas (como generar textos, imágenes o automatizar tareas) hoy se ha convertido en una capa transversal que empieza a impactar en la creatividad, la estrategia, las operaciones y el análisis.

    Pero hay una diferencia crítica que la industria todavía está procesando: tener acceso a herramientas no es lo mismo que transformar una organización.

    Hoy, prácticamente cualquier agencia puede acceder a las mismas capacidades:

• modelos generativos
• automatización
• análisis de datos asistido
• copilotos creativos

    La tecnología se ha democratizado. Y cuando la tecnología se democratiza, deja de ser una ventaja competitiva.

 Entonces, ¿dónde está el valor?

    Aquí es donde la conversación se está volviendo incómoda para muchas agencias.

Si todos tienen acceso a las mismas herramientas, si todos pueden producir más rápido, si todos pueden automatizar procesos, entonces:

¿Qué diferencia realmente hay entre una agencia y otra?

     En otros mercados, esta pregunta se comenzó a hacer desde hace tiempo y precisamente los grandes holdings (como Publicis, WPP y Omnicom) no están compitiendo solo en creatividad o ejecución, están invirtiendo agresivamente en: modelos de operación basados en data + IA

• plataformas propias de datos
• capas tecnológicas propietarias
• infraestructura de inteligencia artificial integrada

 (Publicis, por ejemplo, ha evolucionado hacia un modelo donde su plataforma CoreAI se convierte en el corazón de su propuesta de valor).

     Precisamente ya no solo venden servicios. Venden capacidad tecnológica + inteligencia + ejecución integrada.

     Y aquí aparece una tensión que el estudio identifica con un término que me parece muy preciso: “AI-flation”.

    Las agencias están ganando eficiencia interna con IA. Más producción, menos tiempo, menor costo por entregable. El problema es que los clientes lo saben y empiezan a preguntar por qué su facturación no refleja ese ahorro.

    Cuando el cliente no puede ver cómo la IA mejora sus resultados de negocio, no solo la velocidad de producción, sino el impacto real en sus costos, la tecnología se convierte en una caja negra. Y las cajas negras no generan confianza. Generan preguntas incómodas.

 El cambio ahora no es tecnológico, es estructural

     Debido a esta necesidad de generar confianza, algunas grandes agencias ya están negociando con clientes modelos de compensación basados en resultados de negocio como ventas, crecimiento de brand equity, etc. en lugar del tradicional modelo de honorarios por hora. Es un cambio estructural enorme que apunta hacia dónde va la industria: de cobrar por esfuerzo, a cobrar por impacto demostrable.

     Lo que estamos viendo no es una transformación con herramientas.

    Es una transformación de:

• Cómo se van a organizar los equipos
• Cómo se van a tomar decisiones
• Cómo se va a definir el valor
• Cómo se va a entregar el trabajo

    Porque la IA no solo está cambiando lo que hacemos, sino cómo lo hacemos, cómo trabajamos.

      Y eso inevitablemente impacta en:

 1. Estructuras organizacionales

Empiezan a surgir nuevos roles:

• AI strategists
• Prompt engineers
• AI product owners
• Especialistas en automatización

Y otros roles comienzan a transformarse o integrarse.

    Las agencias dejaran de ser estructuras lineales (cuentas → creatividad → producción) y empiezan a operar como sistemas más híbridos entre tecnología, datos y, sobre todo, estrategia.

     Los roles rutinarios como copwriters junior, analistas básicos seguramente se automatizarán, liberando humanos para tareas de alto valor, que generen esa “confianza” de la que se va a requerir, es decir, estrategia creativa, ética IA, orquestación de agentes autónomos, etc.

Forrester hace un par de años predecía que para 2030, las agencias perderán aproximadamente 7.5% de su fuerza laboral por automatización, pero roles como creador-IA crecerán, invirtiendo la pirámide: menos juniors, más seniors asistidos por bots.  Y en este punto, los líderes deben actualizar los roadmaps: no basta con capacitar en prompts; hay que fomentar “AI fluency” sobre todo a nivel C-suite.

 2. Modelos de operación

Uno de los cambios más importantes está en cómo se ejecuta el trabajo.

Antes:

• procesos manuales
• tiempos largos
• dependencia de talento individual

Ahora:

• workflows automatizados
• producción asistida
• iteración en tiempo real

Pero esto trae un nuevo reto: la consistencia. Porque sin procesos claros, la IA amplifica tanto lo bueno… como lo malo.

 3. Modelos de negocio

    Aquí está uno de los puntos más sensibles.

    Si una agencia puede hacer en horas lo que antes tomaba días, ¿cómo se justifica el mismo esquema de cobro?

    Aquí empieza una conversación incómoda, pero inevitable.

El modelo basado en horas pierde sentido en un entorno donde la eficiencia se multiplica.

Y empiezan a emerger alternativas:

• pricing basado en valor
• modelos por resultados
• fee + performance
• suscripciones estratégicas

Porque el cliente ya no paga solo por esfuerzo. Empieza a pagar por impacto.

El fee por hora agoniza; en su lugar, emergen esquemas outcome-based (pago por performance), retainers por innovación continua o equity en proyectos disruptivos.

 El tema que pocos quieren tocar: los datos

    Hay otro punto crítico que muchas veces queda en segundo plano: la gobernanza de datos.

La IA en marketing no funciona sin datos. Y en el contexto de agencias, esto implica trabajar con información de clientes, audiencias y comportamientos, información muchas veces sensible.

Esto abre preguntas clave:

• ¿Dónde se procesan esos datos?
• ¿Qué modelos los utilizan?
• ¿Cómo se protege la privacidad?
• ¿Quién es responsable del uso?
• ¿Bajo qué marcos opera esa información?

    En mercados más avanzados, este tema ya está en el centro de la conversación.

No solo por confianza … sino por regulación.

     Porque en un entorno donde la IA se convierte en una capa operativa, la gestión de los datos deja de ser técnica y se vuelve estratégica.

    Y en México, donde la regulación de datos aún está madurando, quien construya hoy sus marcos de gobernanza tendrá una ventaja real mañana.

La verdadera brecha

    Después de analizar todo esto, la brecha ya no parece estar en la tecnología.

    La brecha está en algo mucho más complejo: la capacidad de una organización para reinventarse. Porque la IA no es una herramienta que se “adopta”. Ya es una capacidad que se construye, integra y opera.

 Y eso implica:

• rediseñar procesos
• desarrollar talento
• crear nuevos roles
• repensar modelos de negocio
• establecer criterios claros de uso
• construir sistemas, no experimentos

     Lo curioso es que cuando el estudio pregunta por las principales barreras para adoptar IA, el presupuesto aparece al final de la lista. Y precisamente lo que encabeza el ranking son procesos mal definidos, falta de capacitación y escasez de talento especializado.

      Las agencias ya tienen acceso a las herramientas. ChatGPT, Midjourney, Make, Notion AI. Muchas cuentan con un stack relativamente amplio. El problema es que no tienen un sistema para operarlas con consistencia. No existe una respuesta clara a preguntas tan básicas como: ¿cuándo usamos IA?, ¿cómo validamos la calidad del output?, ¿quién es responsable si algo sale mal?

      Cuando todos tienen acceso a las mismas herramientas, la diferenciación no puede venir de la herramienta. Tiene que venir de algo más difícil de copiar: los procesos, el talento, la gobernanza, la capacidad estratégica para integrar todo eso en un modelo de trabajo sostenible.

 La pregunta que realmente importa

    Hoy muchas organizaciones siguen preguntando: ¿qué herramientas deberíamos usar?

     Pero esa no es la pregunta correcta. La pregunta es: ¿cómo debe cambiar nuestra organización para trabajar con inteligencia artificial de forma consistente, escalable y rentable?

     Porque la ventaja competitiva ya no estará en quién usa IA. Estará en quién logra integrarla de forma real en su operación.

     La IA ya está cambiando la forma en que trabajan las agencias. Pero el verdadero cambio (el más profundo), apenas está comenzando y no tiene que ver con tecnología, tiene que ver con cómo se redefine el valor en una industria donde todos tienen acceso a lo mismo.

 (Este es precisamente el tipo de conversaciones estratégicas que estamos impulsando desde CONEXIA Global).

  Para quienes quieran profundizar en el contexto local, el estudio completo de IAB México + IPADE ofrece una radiografía interesante del estado actual de adopción en agencias: https://www.iabmexico.com/estudios/adopcion-de-inteligencia-artificial-en-agencias-de-publicidad/

The post El 97% de las agencias ve la IA como prioridad, pero solo el 19% presenta un liderazgo estratégico. appeared first on .