La publicidad está entrando en una etapa en la que la IA ya no solo transforma las herramientas, sino también la forma en que se estructuran los sistemas. Más allá de la optimización de campañas, la IA está cambiando el modo en que los agentes intervienen cada vez más en el descubrimiento, la planificación y la ejecución y, en última instancia, en la creación de valor. La pregunta ya no es si los sistemas agénticos van a redefinir adtech, sino si las empresas están preparando sus datos y su infraestructura para que esos sistemas puedan utilizarlos de manera efectiva.
Los sistemas agénticos no necesitan más datos, sino mejor contexto
A menudo, la IA agéntica se presenta como una extensión del big data, pero esa visión es engañosa. Los agentes no funcionan bien con conjuntos de datos sin procesar y sin estructura. Sin contexto, no interpretan: hacen aproximaciones. Y en publicidad, las aproximaciones generan inconsistencia e ineficiencia.
El problema no está tanto en el volumen de datos, sino en cómo se estructuran, se interpretan y se convierten en algo útil para la toma de decisiones. Cuando los datos están bien estructurados, los agentes pueden trabajar con ellos de forma eficiente. Pero sin la capa contextual adecuada, incluso grandes volúmenes de información resultan difíciles de aprovechar. Para ello, es necesario construir una capa que conecte los datos en bruto con la lógica de negocio y proporcione a los agentes el contexto que necesitan para tomar decisiones fiables. Ahí es donde muchos enfoques actuales se quedan cortos. Incorporar más datos a los sistemas, sin mejorar la forma en que se comprenden, no aumenta el rendimiento: amplifica el ruido.
De las interfaces a las interacciones entre agentes
Durante años, la publicidad digital se ha construido en torno a interfaces operadas por personas: dashboards, DSPs y herramientas de reporting. La IA agéntica introduce un modelo distinto, en el que los usuarios pueden definir un objetivo en lenguaje natural y los sistemas traducirlo en selección de audiencias, planificación de medios y activación.
La separación tradicional entre planificación y ejecución empieza a desdibujarse, a medida que los sistemas pasan de flujos de trabajo secuenciales a una toma de decisiones continua. Lo que antes requería múltiples pasos entre distintos equipos ahora puede gestionarse dentro de un único flujo, impulsado por un objetivo inicial. Como resultado, la toma de decisiones deja de depender tanto de inputs manuales y de la navegación por interfaces, y se orienta hacia una lógica de orquestación en la que el papel ya no consiste en operar herramientas, sino en guiar resultados.
Las interacciones entre empresas ya están evolucionando. Nuevos frameworks e integraciones están permitiendo que los agentes del lado de las agencias interactúen directamente con los sistemas de las plataformas adtech para definir audiencias, activar campañas y optimizar el rendimiento.
Esto no elimina a las personas del proceso, pero sí transforma su rol: pasan de operar herramientas a definir objetivos, límites y estrategia.
MCP: de capa técnica a interfaz comercial
Para hacer posible este modelo, está surgiendo un nuevo tipo de infraestructura. Los servidores Model Context Protocol (MCP) actúan como puntos de acceso estandarizados a datos y capacidades. En un entorno agéntico, no son solo conectores técnicos: se convierten en la interfaz a través de la cual los sistemas descubren, evalúan y activan partners.
MCP cambia tanto la forma en que se accede a los datos como la manera en que se estructuran las relaciones entre partners. En lugar de depender de consultas predefinidas, los agentes pueden explorar dinámicamente los recursos disponibles, seleccionando y combinando datos en función del contexto, y no de inputs fijos. Al mismo tiempo, este modelo tiene implicaciones comerciales. Si las agencias orquestan múltiples partners a través de sus propios sistemas, ganan mayor control sobre cómo se evalúa, se selecciona y se activa la oferta. Esto traslada parte del poder de decisión desde las plataformas individuales hacia quienes controlan la capa de orquestación.
Frameworks como AdCP o AAMP buscan estructurar estas interacciones. Sin embargo, todavía no está claro hasta qué punto el ecosistema llegará a estandarizarse ni cuánta fragmentación persistirá. Pero, esté MCP estandarizado o no, funcionará como una nueva capa de interacción entre compradores y vendedores.
La calidad se convierte en el verdadero factor diferencial
Existe la preocupación de que hacer que los datos sean accesibles para los agentes termine convirtiéndolos en una commodity. Sin embargo, es más probable que ocurra lo contrario. Los agentes aceleran la comparación y la evaluación, por lo que los datos de baja calidad o demasiado genéricos resultan más fáciles de descartar. Lo que permanece es aquello que aporta un valor constante, medible y real.
Los sistemas agénticos premian la calidad por encima de la simple disponibilidad. Los datos que antes se utilizaban porque eran fáciles de acceder pueden perder relevancia. En cambio, los datos diferenciados, bien estructurados y con significado contextual se vuelven más visibles y más valiosos.
Cómo empezar a prepararse para los sistemas agénticos
Para las empresas adtech y las agencias, esta transición no exige reconstruirlo todo desde cero, pero sí definir prioridades claras.
1. Construir primero una capa semántica
Antes de incorporar capacidades de IA, es necesario asegurarse de que los datos estén estructurados de forma que conecten las señales con su significado de negocio. Sin esa base, los agentes no generarán resultados fiables.
2. Replantear cómo se accede a los datos
Las APIs tradicionales parten de la idea de que el usuario sabe qué necesita pedir. Los sistemas agénticos, en cambio, se apoyan en capas como MCP para que los datos puedan utilizarse directamente en contexto.
3. Tratar MCP como una capa estratégica
Ya sea mediante enfoques propietarios o estandarizados, MCP se convertirá en una interfaz clave para la activación. Por eso, debe considerarse no solo como infraestructura, sino también como parte de la estrategia comercial.
4. Priorizar las conexiones, no la escala
Cada integración tiene un coste. No es realista ni eficiente conectarse con cientos de partners. Conviene centrarse en integraciones de alto valor, capaces de operar de forma autónoma y fiable.
5. Medir el uso real y los resultados
Los sistemas agénticos requieren una iteración continua. La observabilidad —es decir, entender cómo se utilizan los sistemas y qué rendimiento generan sus resultados— es fundamental para mejorarlos con el tiempo.
El avance hacia los sistemas agénticos no ocurrirá de golpe, pero muchos de sus componentes ya están en marcha. A medida que se acelere su adopción, las empresas que hayan estructurado sus datos pensando en el contexto, y no solo en el almacenamiento, estarán mejor posicionadas para integrarse, colaborar y competir. Esta transición no es teórica: ya está empezando a redefinir el funcionamiento de la publicidad.
Por Daniel Gozlan, Country Director, Spain
