Mi primera reacción fue bastante sencilla: ¿acaso no llevamos tiempo haciendo parte de esto?
En Marketing Doctors trabajo con una colaboradora de IA a la que llamo Chispa. Yo defino los objetivos, aporto el contexto del negocio, cuestiono las conclusiones y reviso el trabajo. La IA investiga, usa herramientas conectadas, compara fuentes, redacta, comprueba y corrige.
Parte de ese trabajo encaja en lo que los proveedores ahora llaman marketing agéntico. Ponerle un nombre puede ayudar a explicar lo que hace. El nombre, por sí solo, dice muy poco sobre la calidad del trabajo.
¿Qué significa realmente el marketing agéntico?
Una definición útil sería esta: trabajo de marketing delegado a una IA que puede elegir y modificar los pasos para alcanzar un objetivo, usar herramientas para ejecutarlos y responder a lo que encuentre, dentro de límites definidos.
La diferencia está en cuánto puede decidir la IA. Un proceso fijo sigue una secuencia que alguien diseñó. Un agente puede decidir el siguiente paso a medida que encuentra información nueva.
Anthropic hace esa distinción en su guía técnica y recomienda usar la solución más sencilla que resuelva la necesidad. Una mayor autonomía añade costos y complejidad que tienen que justificarse. La explicación de Anthropic sobre procesos y agentes.
La aprobación humana puede seguir siendo parte del proceso. Klaviyo, por ejemplo, describe un agente que realiza trabajo de marketing mientras las personas aprueban lo que se publica. La definición de Klaviyo.
Un sistema puede decidir cómo investigar algo y aun así necesitar permiso para publicar, contactar a clientes o gastar dinero. Son decisiones distintas.
Así se ve en nuestro trabajo
Tomemos una revisión reciente de nuestra página de agencia PPC, o publicidad de pago por clic.
El encargo era explicar mejor el servicio y responder las preguntas que razonablemente se haría un posible cliente. La página revisada ya se puede ver en nuestro sitio web.
Eso requería investigar antes de redactar.
Revisamos datos del Planificador de palabras clave de Google Ads, estimaciones de Semrush, conversaciones entre profesionales, el alcance documentado de nuestros servicios y las guías pertinentes de las plataformas. Chispa ayudó a reunir y comparar ese material. Yo marqué la dirección y cuestioné la interpretación.
Las herramientas de palabras clave discrepaban bastante. Para la búsqueda en inglés «PPC agency», la tabla que revisamos en el Planificador de Google mostraba 5.400 búsquedas mensuales en promedio. La estimación obtenida de Semrush era de 14.800.
Dejamos constancia de la discrepancia. No determinamos su causa exacta, así que no promediamos las cifras ni escogimos la que hiciera parecer más grande la oportunidad.
La investigación sobre los compradores también cambió lo que la página debía explicar. En las conversaciones entre profesionales que revisamos aparecían preocupaciones por dinero desperdiciado, llamadas dirigidas a la clínica equivocada y clics que no se convertían en consultas. Era una muestra pequeña, útil para identificar preguntas, no para medir qué tan frecuente era cada problema.
La página revisada explicó el alcance de las campañas, la separación entre el presupuesto publicitario y los honorarios de gestión, y la diferencia entre recibir una consulta de un interesado y conseguir una cita. Quitamos afirmaciones sin respaldo y evitamos inventar precios, certificaciones o resultados garantizados.
Ahí estuvo el criterio de marketing. Escribir más rápido habría sido una parte pequeña del trabajo.
La IA necesita contexto. Y el contexto también se revisa.
Mantenemos una base de conocimiento con información sobre nuestros servicios, decisiones anteriores, criterios de calidad y registros de trabajo con fecha.
Eso ayuda a Chispa a recuperar el contexto pertinente sin que yo tenga que explicar todo otra vez. También nos deja un registro con el que contrastar los cambios propuestos.
La información guardada también necesita revisión. Una decisión anterior puede haber sido sustituida. Una nota puede describir una versión de prueba y no el sitio público. Un resumen puede mencionar un resultado sin incluir las pruebas que lo sustentan.
Yext plantea un punto útil en su explicación del marketing agéntico: los sistemas que actúan necesitan información confiable para hacerlo. La explicación de Yext sobre datos verificados.
En la práctica, mantener esa confianza requiere fechas, fuentes, comprobaciones del estado actual y correcciones. Subir una carpeta y llamarla «memoria» deja bastante trabajo pendiente.
La revisión tiene que ir más allá del texto
La revisión de la página PPC incluyó comprobar la versión de prueba, los datos estructurados, los enlaces y la presentación en computadoras y celulares. Publicarla siguió siendo un paso separado.
En otra página del mismo proyecto, una revisión visual detectó un problema de diseño que afectaba la visibilidad del texto de un botón. Lo corregimos y comprobamos el resultado.
Una página puede tener un texto convincente y aun así dificultar que alguien vea qué hacer después. La IA también puede producir algo que parece técnicamente correcto, pero falla al mostrarse o usarse.
Comprobar el resultado real es parte del encargo.
También tenemos que ser claros sobre lo que demuestran esas comprobaciones. Una página que funciona y un código válido nos dicen que la implementación funciona. No demuestran un aumento de contactos calificados, citas o ingresos.
Esos resultados necesitan su propia medición.
«Lo revisa una persona» necesita una descripción del puesto
Una aprobación poco definida puede terminar siendo un vistazo rápido a un resultado bien presentado.
En nuestro proceso, revisar incluye preguntas como estas:
- ¿Las pruebas respaldan la afirmación?
- ¿Esto describe un servicio que realmente ofrecemos?
- ¿Hemos respetado alguna decisión anterior importante?
- ¿Lo que implementamos funciona donde la gente lo va a usar?
- ¿Qué sigue sin saberse?
- ¿Quién tiene autoridad para aprobar el siguiente paso?
Parte del trabajo de la IA consiste en señalar problemas y cuestionar supuestos. El mío incluye juzgar si el razonamiento y el resultado responden a la necesidad del negocio.
Darnos la razón por sistema no nos sirve a ninguno de los dos.
¿Por dónde debería empezar un dueño de negocio?
Un buen punto de partida es una tarea de marketing recurrente con un resultado claro que puedas revisar. Pídele a la IA que investigue las preguntas de tus clientes, prepare un informe de resultados o investigue cómo mejorar una página.
Dale acceso a la información pertinente, define qué puede hacer y establece cómo reconocerás un buen resultado. Revisa el trabajo y registra las correcciones antes de ampliar sus responsabilidades.
Por ejemplo, pídele que examine una página de servicios e identifique las preguntas que un posible cliente todavía podría tener. Exige fuentes para sus hallazgos y un borrador que puedas revisar. Mantén la publicación bajo tu control.
Así tendrás un trabajo manejable que podrás evaluar. ¿Encontró algo útil? ¿Sus fuentes eran confiables? ¿Cuántas correcciones necesitó? ¿El resultado justificó el tiempo y el costo?
¿Qué deberías preguntarle a un proveedor de marketing agéntico?
Pide un ejemplo completo de un trabajo realizado.
Que el proveedor muestre qué decidió el sistema, qué información utilizó, qué pasó cuando falló una herramienta y cómo alguien podría revisar o revertir sus acciones.
Pregunta qué acciones requieren aprobación. Deja claro quién puede publicar, enviar mensajes, cambiar la segmentación o gastar dinero.
Después pregunta cómo se medirá el éxito. La cantidad de piezas generadas te dice cuánto se produjo. Tu negocio puede necesitar contactos calificados, conversaciones útiles, citas o ventas.
El análisis de Shelly Palmer muestra cuánto varían las definiciones de los proveedores, especialmente en autonomía y aprobación. Quien compra necesita que esos detalles de funcionamiento queden claros. El análisis de Palmer.
Exijamos algo que esté a la altura de la etiqueta
Desconfío del lenguaje de marketing que presenta una práctica en evolución como si hubiera nacido ayer, durante el lanzamiento de un producto.
También estoy convencido de que usar bien la inteligencia artificial en marketing importa.
Nuestro trabajo combina dirección humana con investigación, uso de herramientas, revisiones, comprobaciones de implementación y límites documentados. Incluye tareas agénticas, procedimientos fijos y conversación común y corriente. Usamos cada cosa donde sirve.
Si un proveedor quiere llamar marketing agéntico a lo que ofrece, está bien. Que muestre las pruebas, las decisiones, los controles y los resultados. Así deberíamos evaluar el marketing agéntico.
Publicado: