El IAB se está moviendo para resolver uno de los problemas más espinosos del mercado publicitario digital actual: cómo medir, atribuir y dar crédito a anuncios que están siendo entregados no a personas, sino a agentes de inteligencia artificial.
Parece algo sacado de un episodio de ciencia ficción, pero ya es realidad. Los anuncios están empezando a servirse a bots en lugar de humanos, y nadie se pone de acuerdo sobre cuánto vale eso ni quién debería recibir el crédito por esa exposición. La Interactive Advertising Bureau quiere justamente organizar este desorden antes de que se vuelva imposible de resolver.
Piénsalo bien: si un agente de IA lee una página de producto, compara con competidores y finaliza una compra en lugar del usuario, ¿quién recibe el crédito por esa conversión? ¿El publisher que creó el contenido que moldeó la respuesta de la IA? ¿La plataforma que ejecutó al agente? ¿O simplemente nadie, porque el rastro de evidencias todavía no existe?
Es exactamente esa laguna la que el IAB quiere atacar con un framework de medición y atribución previsto para publicarse el 12 de noviembre de 2026. Las señales tradicionales que el mercado siempre usó para rastrear conversiones, como parámetros UTM y datos de referencia, simplemente no sobreviven al recorrido del usuario dentro de las plataformas de IA. Y sin señales confiables, no hay forma de saber si un anuncio realmente contribuyó a una venta. El asunto es más profundo de lo que parece. 👇
Qué Significa Anunciar para un Agente
Según Caroline Giegerich, vicepresidenta de IA en el IAB, el objetivo es crear un framework compartido para medir y acreditar el papel de la inteligencia artificial en las conversiones, sobre todo cuando las señales tradicionales se reducen al mínimo. La organización está explorando nuevos mecanismos de medición y señales para cuantificar la influencia de la IA en las decisiones de compra.
Pero las opiniones dentro del sector están lejos de converger. Como la propia Giegerich resumió, un lado puede verlo como un test interesante, mientras que el otro lado lo ve como puro engaño. Ella está redactando el framework ahora mismo, con base en conversaciones con un grupo de trabajo formado por empresas de tecnología, publishers, agencias, proveedores de medición y marcas. Giegerich prefirió no revelar qué compañías forman parte de ese grupo.
Reciba el mejor contenido sobre innovación en su correo electrónico.
Todas las noticias, consejos, tendencias y recursos que buscas, directamente en tu bandeja de entrada.
Al suscribirte al boletín informativo, aceptas recibir comunicaciones de Método Viral. Nos comprometemos a proteger y respetar siempre tu privacidad.
Detrás de todo esto, existe un deseo de descubrir qué viene después en un mercado que se está poniendo patas arriba en este preciso momento. En sus propias palabras, el IAB está intentando seguirle el ritmo a la avalancha de actividades en torno al concepto de agentes que ignoran el tráfico humano tradicional. Es una carrera contra el tiempo, y nadie quiere quedarse atrás.
El Problema que Nadie Esperaba Resolver Tan Pronto
Durante años, el ecosistema de publicidad digital se construyó sobre una premisa simple: hay un humano del otro lado de la pantalla. Ese humano hace clic, navega, busca, añade al carrito y finaliza compras. Cada etapa de ese recorrido deja rastros digitales rastreables, como cookies, identificadores de sesión, parámetros de campaña y datos de referencia HTTP. Toda la infraestructura de medición de anuncios se levantó sobre esa premisa. El problema es que esa premisa está empezando a derrumbarse, y el mercado todavía no ha percibido la magnitud del daño que esto puede causar.
Los agentes de inteligencia artificial no navegan como humanos. No tienen cookies persistentes, no pasan por páginas de destino de la forma convencional, no hacen clic en banners y no generan sesiones rastreables de la manera que las herramientas de analytics conocen. Cuando un agente de IA busca, compara precios, lee reseñas y finaliza una transacción, lo hace en un entorno completamente diferente al que el mercado publicitario fue diseñado para observar. Las señales que existen en ese proceso son fragmentadas, opacas y, en la mayoría de los casos, invisibles para las plataformas de atribución de las que dependen hoy las marcas y agencias.
Este cambio de comportamiento no es futuro, ya está ocurriendo. A medida que estos agentes se vuelven más sofisticados, la tendencia es que cada vez más etapas del recorrido de compra se deleguen a ellos. El mercado publicitario necesita una respuesta rápida, y ahí es donde el IAB entra en escena con una propuesta estructurada.
Qué Pretende Hacer el Framework del IAB en la Práctica
El mayor desafío que el framework va a enfrentar es conectar la visibilidad de la IA con la medición de la atribución de anuncios servidos a agentes inteligentes, además de entender cómo la IA está influyendo en el marketing en su conjunto. La idea, según Giegerich, es separar el impacto de la IA en dos categorías distintas: cuando la IA sirve algo a un usuario, funcionando como una capa de conciencia o intención, y cuando la IA ayuda a ese usuario a tomar una decisión de verdad.
Vale recordar que este no es el primer movimiento del IAB en esa dirección. La organización ya lanzó frameworks orientados a la medición de visibilidad en la era de la IA y a la divulgación del uso de inteligencia artificial en la producción de contenido. El nuevo documento viene como un paso adelante, apuntando específicamente a la cuestión de la atribución.
La propuesta central es establecer estándares técnicos y conceptuales que permitan identificar cuándo un agente de IA fue expuesto a contenido publicitario, cómo ese contenido influyó en la decisión tomada por el agente y de qué forma ese crédito debe distribuirse entre los participantes de la cadena. Para eso, el framework necesita ir más allá de los modelos tradicionales de atribución, como last click o multi-touch, porque esos modelos presuponen un recorrido humano con touchpoints claramente rastreables. En el entorno de los agentes de IA, la lógica es diferente: el agente puede haber sido influenciado por un contenido que procesó internamente, sin dejar ninguna señal externa visible.
El Gran Impasse: ¿Quién Proporciona las Evidencias?
El mayor obstáculo hasta ahora ha sido justamente cómo atribuir crédito y qué evidencias son necesarias para ello, especialmente considerando que las plataformas de IA y las empresas de tecnología no son exactamente conocidas por compartir ese tipo de información. Como Giegerich planteó, parte de esa evidencia simplemente no existe. Y si no existe, pero hay una parte que potencialmente podría proporcionarla, entonces esa es una buena discusión abierta que hay que tener.
Esa dinámica puede ayudar a crear una base mejor en la relación entre publishers y plataformas de tecnología. Es lo que cree Jaime Schultheis, head de partnerships globales de datos en Bombora, donde lidera una red de publishers B2B, sitios de marcas y proveedores de datos. Según ella, muchos grandes socios tecnológicos construyeron audiencias enormes sobre el contenido de los publishers, con poquísima reciprocidad. Para Schultheis, esta es una oportunidad tremenda de hacer que la relación sea verdaderamente recíproca.
Pero no va a ser nada fácil. Cuando le preguntaron cuál fue la cosa más difícil para poner de acuerdo a todas las partes del grupo de trabajo, Giegerich respondió con una sola palabra: todo. Los publishers, en especial, argumentan que su contenido alimentó la respuesta que el sistema de IA le está sirviendo al usuario, y no quieren quedarse fuera de la conversación sobre atribución de ninguna manera.
Las Plataformas de IA Siguen Siendo Cajas Negras
Un framework de medición de publicidad en IA necesitaría responder algunas preguntas fundamentales y, sinceramente, bastante difíciles: qué se está midiendo, quién hace la medición, cómo se hace y en qué capa ocurre. Es lo que señala Michael Bishop, cofundador de la plataforma de publicidad nativa en IA OpenAds.
Bishop hace una advertencia importante: incluso si el IAB logra montar un estándar de mercado que responda a algunas de esas cuestiones, las plataformas de IA pueden seguir siendo cajas negras. Si empresas de tecnología como OpenAI controlan las señales que muestran cómo la IA influyó en los resultados de marketing, las firmas de medición externas pueden acabar dependiendo de integraciones o datos proporcionados por las propias plataformas, algo muy parecido a lo que ocurrió en el pasado.
Herramientas que usamos a diario
Él traza un paralelo directo con Facebook, que construyó y controló las integraciones con proveedores para ofrecer datos de medición sin nunca dar visibilidad total de sus propios sistemas. Como Bishop explicó, los proveedores de medición en Facebook no ejecutaban sus propios tags JavaScript. Facebook codificaba la integración para medir su propia tarea, y los proveedores básicamente verificaban manualmente para validar esa integración. La caja negra se mantenía, y los proveedores actuaban efectivamente como una capa de auditoría tercerizada de confianza. En su evaluación, ese tipo de arreglo no le conviene a nadie.
Por Qué Esta Discusión Importa Ahora
Para anunciantes, publishers y profesionales de marketing digital, el impacto práctico de este framework puede ser enorme. Hoy, cuando una campaña no rinde como se esperaba, existe al menos una cadena de datos imperfecta, pero rastreable, que permite diagnosticar el problema. En el escenario de los agentes de inteligencia artificial, esa cadena desaparece casi por completo. Un producto puede estar siendo recomendado o ignorado por agentes de IA con base en criterios que la marca ni siquiera conoce, y no existe ningún reporte de analytics que muestre eso ocurriendo.
Con un framework establecido por el IAB, la expectativa es que las plataformas comiencen a crear puntos de integración que permitan algún nivel de rastreo dentro de los entornos de agentes. Esto puede incluir identificadores de sesión específicos para agentes, metadatos que señalicen cuándo un contenido fue procesado por IA en nombre de un usuario humano, y protocolos de log que registren qué fuentes de contenido influyeron en una decisión. Nada de esto existe de forma estandarizada hoy, pero son exactamente los elementos que un framework de atribución sólido necesitaría contemplar para ser útil en la práctica. 🎯
Para los publishers, la cuestión es especialmente urgente. Si un agente de IA usa el contenido editorial de un sitio para fundamentar una recomendación de producto que resulta en venta, ¿quién recibe algún tipo de compensación por eso? Hoy, la respuesta honesta es que nadie garantiza nada. El framework del IAB puede establecer los primeros precedentes sobre cómo el valor generado por el contenido dentro de entornos de inteligencia artificial debe ser reconocido y distribuido.
El framework previsto para noviembre de 2026 representa el primer intento serio y estructurado del mercado de crear reglas claras para medir y atribuir el valor de anuncios en un ecosistema donde agentes de inteligencia artificial son participantes activos del recorrido de compra. No va a resolver todo de una vez, pero pone al sector en el camino correcto.
