Mientras otros sectores apenas comienzan a dar sus primeros pasos hacia la integración de la inteligencia artificial, la tecnología publicitaria lleva casi veinte años corriendo una maratón de automatización. Se trata de una industria basada en datos, velocidad y escala: el entorno perfecto para la evolución algorítmica. Veamos la sorprendentemente larga historia de la innovación con IA en el ad tech y hacia dónde nos llevará la automatización en el futuro.
2005: Prediciendo clics con algoritmos
La publicidad de pago por clic se convirtió en un mercado multimillonario en los primeros años del internet moderno, cuando Google, Yahoo! y Ask competían por el liderazgo en los anuncios de búsqueda. La clave del éxito estaba en la capacidad de predecir la probabilidad de clics, algo que fue posible cuando las plataformas empezaron a aplicar aprendizaje automático a mediados de los 2000.
Al analizar terabytes de datos de impresiones de búsqueda, los modelos podían detectar patrones en las respuestas de los usuarios y en las consultas, identificando los factores que aumentaban la probabilidad de un clic o una conversión.
Modelos similares se desplegaron en la creciente plataforma publicitaria de Facebook, que disponía de un volumen aún mayor de datos para que los sistemas “aprendieran”. Más tarde, compañías como Criteo aplicaron esta predicción de clics a la publicidad display, un reto mayor por abarcar múltiples contextos y dominios en lugar de limitarse a un único buscador o red social.
2015: De pequeñas semillas a audiencias masivas
En 2015, el aprendizaje automático ya se aplicaba a la inteligencia de audiencias. Con la proliferación de smartphones y aplicaciones, la experiencia online se fragmentó, lo que llevó al desarrollo de gráficos de identidad para construir perfiles consistentes a través de distintos dispositivos y plataformas. Los modelos podían unir direcciones IP, correos electrónicos e identificadores de dispositivos en un solo perfil, aunque conllevaba crecientes preocupaciones de privacidad.
También surgió la extensión de audiencias, donde a partir de pequeñas muestras de usuarios “semilla” era posible proyectar grupos mucho más amplios, ampliando así el alcance de las campañas segmentadas. Esto resultó aún más valioso con la entrada en vigor del RGPD en 2018, ya que los conjuntos de datos consentidos podían modelarse para representar públicos más amplios sin rebasar los límites legales.
2020: Comprensión avanzada y publicidad contextual
Para 2020, la visión artificial y los modelos de lenguaje de gran escala habían acercado a la IA a capacidades casi humanas, aunque con una velocidad y una escala superiores. La visión artificial permitió reconocer el contenido de imágenes y vídeos (entrenada en parte gracias a los CAPTCHA), mientras que los modelos de lenguaje aplicaron esta misma capacidad al texto, interpretándolo según su significado semántico y no solo por palabras clave.
Este entendimiento más profundo supuso un gran avance para la publicidad contextual, que hasta entonces había tenido dificultades para escalar debido a la baja precisión del etiquetado manual. Al combinarlo con modelos predictivos, se hizo posible por primera vez prever la eficacia de un anuncio creativo según sus componentes visuales y textuales.
2022: ChatGPT lleva la IA al gran público
La IA generativa dio un giro al aprendizaje automático: en lugar de interpretar medios, los generaba. En este contexto, herramientas como Midjourney comenzaron a destacar por producir imágenes de alta fidelidad a partir de simples instrucciones de texto, pero no fue hasta el lanzamiento de ChatGPT en noviembre de 2022 cuando la IA copó los titulares.
Las ventajas son claras: en un sector que produce enormes volúmenes de piezas creativas, cualquier herramienta que acelere el proceso resulta muy atractiva para agencias y marcas. Además, el software que impulsa la publicidad digital empezó a permitir la interacción a través de lenguaje natural.
Sin embargo, el entusiasmo también trajo confusión. De pronto, las capacidades de machine learning que antes eran la “tubería” invisible del ecosistema pasaron a presentarse como transformaciones “impulsadas por IA”. Esta simplificación ha hecho más difícil distinguir entre verdaderas innovaciones y tecnologías antiguas reetiquetadas para aprovechar la tendencia.
2025 en adelante: Los agentes de IA están listos, ¿y nosotros?
La inteligencia artificial, en sus distintas formas, ha impulsado el crecimiento del ad tech prácticamente desde sus orígenes. Así ha sido en el pasado y seguirá siéndolo en el futuro. Pero una innovación podría transformar ese crecimiento incremental en algo mucho mayor: la IA agentiva.
En esencia, los agentes de IA ejecutan tareas de manera secuencial mediante componentes especializados, cada uno diseñado para lograr un objetivo concreto. En publicidad, estos agentes pueden encargarse de identificar audiencias objetivo, encontrar inventario que se ajuste a ellas, optimizar creatividades de forma dinámica y mejorar campañas en tiempo real.
La IA agentiva, sin embargo, supone un salto cualitativo: en lugar de limitarse a seguir secuencias predefinidas, puede concebir soluciones de manera autónoma y probar múltiples enfoques para obtener los mejores resultados. Imagina un sistema capaz de configurar campañas en varias plataformas según los objetivos estratégicos, supervisarlas y optimizarlas continuamente sin intervención humana.
Para que esto sea posible, los proveedores de tecnología publicitaria, agencias, medios y plataformas deberán colaborar. La IA agentiva reconfigurará el equilibrio de poder en la industria, redistribuyendo roles entre actores de la demanda y de la oferta, e incluso eliminando algunos intermediarios.
El futuro del ad tech en la era de la IA no dependerá tanto de la tecnología como de un cambio de mentalidad hacia la colaboración y la interoperabilidad. Y ese podría ser, sin duda, su mayor reto.
