Las herramientas de IA en la publicidad han trabajado de forma similar durante los últimos años: analizan datos de campañas, señalan lo que rinde menos y recomiendan acciones. La ejecución real de iniciar sesión en la plataforma, localizar la campaña y realizar el cambio sigue recayendo en el anunciante. Sin embargo, esto está cambiando a medida que plataformas avanzadas permiten que agentes de IA ejecuten cambios de campaña directamente. Ahora, puedes decirle al agente que pause todas las campañas push con un CTR inferior a 0,3% y aumente las ofertas en un 15% en los tres mejores resultados, y él lo hará. Sin panel, sin pasos manuales. El agente actúa por ti, lo que es útil para ahorrar tiempo en tareas operativas, para que los anunciantes se concentren en la estrategia, las pruebas y la escalabilidad.
Las principales empresas de AdTech están actualizando sus herramientas de IA, con agentes o “copilotos de campaña” para apoyar a los anunciantes en la creación, edición, segmentación, presupuestación, programación, gestión creativa y generación de informes, todo a través de una única conversación, en lugar de atravesar una serie de formularios de configuración en un panel.
Sin embargo, los agentes de IA prosperan cuando los anunciantes les proporcionan los mejores datos, contexto y estrategias para aprender y actuar. Sin la intervención y supervisión crítica de los anunciantes, pueden surgir complicaciones y el uso de la IA puede volverse contraproducente, con implicaciones reales para la industria.
Entonces, ¿cómo pueden los anunciantes trabajar eficazmente con la IA? ¿Dónde está la línea entre agentes de IA y juicio humano?
Qué cambia cuando la IA puede actuar
La diferencia entre IA que recomienda y IA que ejecuta es la responsabilidad. Por ejemplo, cuando un humano revisa una recomendación y realiza un cambio, la decisión es de la persona y, si sale mal, se puede rastrear el razonamiento. Cuando un agente ejecuta de forma autónoma, esa cadena de responsabilidad es menos clara.
Un incremento automatizado de pujas aplicado a gran escala puede parecer correcto según los datos, pero los datos no conocen el anuncio de un competidor que salió esa mañana, ni el brief interno que cambió las prioridades de la campaña, ni el tema de la marca que se maneja en segundo plano. Un humano habría detectado cualquiera de esos factores. Un agente que funciona con los datos de la noche anterior no lo haría.
Esto no es una razón para evitar la ejecución de IA. Es una razón para ser específico sobre dónde es adecuado y dónde no.
Dónde tiene sentido
Existe una categoría clara de tareas de campaña que se adaptan bien a la ejecución autónoma, como pausar campañas que alcanzan sus límites presupuestarios o generar resúmenes de rendimiento. Son tareas operativas. La decisión estratégica ya se ha tomado, y el agente solo la está llevando a cabo.
Los datos también indican que estas herramientas funcionan mucho mejor cuando se les ofrece contexto adecuado. Las pruebas en configuraciones de campañas impulsadas por agentes han mostrado que los anunciantes que comparten información detallada sobre sus objetivos, la estructura del embudo y el CPA objetivo obtienen resultados significativamente mejores que aquellos que dan instrucciones mínimas; en algunos casos, la diferencia llega a más del 100% en conversión.
El agente rinde más cuanto más entiende sobre lo que realmente se quiere lograr.
La cuestión de acceso
Además de qué se permite hacer a los agentes, está la cuestión de cómo obtienen acceso en primer lugar. La industria se está moviendo hacia integraciones basadas en MCP, un protocolo que permite que agentes de IA externos se conecten directamente a las API de las plataformas de publicidad. En lugar de iniciar sesión en la interfaz de la plataforma, el anunciante opera dentro del entorno de IA que ya usa, y la plataforma se convierte en algo a lo que el agente llama cuando necesita actuar.
El acceso en estos esquemas suele gestionarse mediante tokens de API en lugar de credenciales de cuenta. El token es independiente del inicio de sesión del anunciante, puede limitarse a permisos específicos y puede revocarse de inmediato si es necesario. Ese es un modelo razonable, pero también significa que quien tenga el token tendrá el acceso que cubre.
Antes de compartir ese acceso con un equipo o con un tercero, es necesario definir cuidadosamente el alcance del token.
El impulso hacia la interoperabilidad probablemente sea la dirección correcta. Pero hay diferencias entre un agente que puede leer los datos de una campaña y uno que puede cambiarlos. El acceso de ejecución debe ser más deliberado que el gobierno del acceso a informes, porque el riesgo ya no reside en lo que puede ver el agente, sino en lo que puede hacer.
Dónde los humanos deben seguir involucrados
La respuesta honesta a dónde debe situarse la línea entre ejecución autónoma y supervisión humana es que depende de cuán claramente se haya definido la estrategia por encima de la automatización. La mayoría de las configuraciones de campaña requieren actualmente que una persona esté en el bucle para llenar los vacíos.
Eso podría significar detectar cuando un umbral ya no refleja los objetivos reales de la campaña o cuando algo que ocurre fuera de la plataforma debería cambiar lo que sucede dentro de ella. Quitar al humano del bucle convierte esos vacíos en errores.
Antes de ceder la ejecución a un agente, vale la pena plantearse algunas preguntas básicas. ¿Qué eventos de conversión realmente importan para el negocio, no solo los que son más fáciles de rastrear? ¿Qué constituye un ajuste de rutina frente a una decisión que necesita aprobación humana? ¿Cuándo debería el agente señalar algo en lugar de actuar?
Estas no son preguntas complicadas, pero la mayoría de las configuraciones de campaña nunca han necesitado responderlas de forma explícita. Siempre ha habido un humano disponible para ejercer juicio en el momento. IA con capacidad de actuación convierte ese juicio implícito en reglas explícitas, y definir esas reglas antes de que la automatización esté en marcha es mucho más sencillo que corregirlas después.
La próxima fase de la publicidad con IA
Ya sabemos que los agentes de IA pueden actuar. La pregunta más difícil es si los anunciantes, las plataformas y los socios están preparados para definir qué deben poder actuar. La IA de ejecución podría hacer la gestión de campañas más rápida y menos manual, pero solo funcionará si las reglas alrededor de ella quedan claras desde el inicio.
Eso significa establecer límites, proporcionar suficiente contexto a los agentes y mantener el juicio humano cerca de las decisiones que aún requieren de él. El objetivo no es ceder el control por el simple hecho de hacerlo. Se trata de ser mucho más deliberados sobre dónde la automatización realmente aporta valor y dónde una persona debe seguir tomando la decisión.
We’ve featured the best AI chatbot for business.
Este artículo se produjo como parte de TechRadar Pro Perspectives, nuestro canal para presentar a las mentes más brillantes de la industria tecnológica hoy.
Las opiniones expresadas aquí son las del autor y no necesariamente las de TechRadar Pro o Future plc. Si está interesado en contribuir, descubra más aquí: https://www.techradar.com/pro/perspectives-how-to-submit
from Latest from TechRadar https://ift.tt/dv0Z2cP
via IFTTT IA
