Agentes de IA que toman decisiones de compra de medios están llegando al programático
La industria de Ad Tech pasó años construyendo sistemas para automatizar la parte mecánica de la compra de medios — pujas, segmentación, optimización de subastas en tiempo real. Y, seamos honestos, funcionó bien. La programática se consolidó como el principal canal de negociación de inventario digital, moviendo miles de millones de dólares cada año. Pero ahora el juego subió de nivel, y el cambio no es incremental — es estructural.
Lo que está ocurriendo hoy va más allá de automatizar tareas repetitivas. Agencias y empresas de tecnología publicitaria están intentando algo mucho más ambicioso: transformar el razonamiento de los mejores profesionales de medios en agentes de IA — sistemas capaces no solo de ejecutar campañas, sino de perfeccionar todos los aspectos del proceso programático, desde el análisis de inventario hasta la toma de decisiones en tiempo real.
Es un punto de inflexión significativo para todo el ecosistema.
Antes, la automatización se encargaba del cómo hacer. Ahora, está empezando a encargarse del qué hacer — y eso tiene implicaciones directas para cualquier agencia, holding, anunciante o profesional de medios que opera dentro del entorno programático hoy.
A continuación, vas a entender cómo se está construyendo esta nueva capa de inteligencia, quién ya participa en este movimiento, cuáles son los mecanismos de seguridad involucrados y qué cambia en la práctica para agencias y anunciantes. 🚀
De reglas a razonamiento: qué cambió en la automatización programática
Durante muchos años, la automatización programática funcionó con base en reglas estáticas. Si el CPM supera X, pausa el line item. Si la tasa de conversión cae por debajo de Y, reduce la puja. Si el inventario en determinado publisher no rinde en Z días, reasigna el presupuesto. Estas lógicas funcionaban como un piloto automático simple — útil, pero limitado. El sistema ejecutaba lo que le ordenabas, sin cuestionar, sin adaptarse, sin aprender de verdad. La inteligencia seguía estando toda en la cabeza del trader o del analista de medios que configuraba las reglas.
Lo que está cambiando ahora es la naturaleza de esa inteligencia. Con el avance de los modelos de lenguaje de gran escala — los famosos LLMs — y de las arquitecturas de agentes de IA, las plataformas de Ad Tech están empezando a incorporar sistemas que no solo ejecutan reglas predefinidas, sino que interpretan contexto, cruzan variables complejas y llegan a conclusiones que antes dependían exclusivamente de un profesional experimentado sentado frente a un dashboard analizando datos manualmente.
Esto no es marketing de producto. Es un cambio estructural en cómo se toman las decisiones de medios dentro del ecosistema programático.
Para entender la dimensión de esto, piensa en lo siguiente: un trader sénior de medios carga con años de experiencia acumulada — sabe cuándo un inventario premium está siendo subvalorado, logra identificar patrones de rendimiento antes de que los números sean estadísticamente concluyentes, y entiende matices de contexto que nunca van a aparecer en un reporte estándar de una DSP. La propuesta de los nuevos agentes de IA es justamente capturar ese tipo de razonamiento, codificarlo y hacerlo escalable. En vez de depender de una persona para cada cuenta, pasas a tener un sistema que actúa con el mismo nivel de profundidad — en decenas de campañas al mismo tiempo. 🤖
El Agent Registry del IAB Tech Lab: un catálogo verificado de agentes de IA
Uno de los movimientos más relevantes en esta dirección vino del IAB Tech Lab, que lanzó el llamado Agent Registry — esencialmente un catálogo verificado de herramientas de agentes de IA ofrecidas por proveedores de tecnología publicitaria. Piensa en esto como un menú curado de soluciones que agencias y anunciantes pueden acceder para conectar agentes de IA a sus procesos de compra programática.
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.
Y los nombres involucrados no son menores. El registro ya cuenta con herramientas de proveedores como Amazon y Google, lo que señala que los mayores jugadores del mercado están apostando fuerte en esta dirección. La idea del IAB Tech Lab es crear un entorno donde estas herramientas sean probadas, verificadas y puestas a disposición de forma organizada para el mercado — evitando el escenario caótico en el que cada empresa desarrolla soluciones aisladas sin ningún estándar o interoperabilidad.
En la práctica, el Agent Registry funciona como un punto de entrada para que holdings y agencias puedan evaluar e integrar agentes de IA de diferentes proveedores dentro de sus operaciones programáticas. En vez de que cada agencia necesite construir todo desde cero, el registro ofrece una base de soluciones que ya pasaron por un proceso de validación del IAB Tech Lab.
Holdings y agencias pueden construir sus propios agentes
Un punto crucial de esta nueva dinámica es que el modelo no depende exclusivamente de proveedores externos. Holdings y agencias pueden — y están siendo incentivadas a — construir sus propios agentes de IA para interactuar con los agentes vendedores que ya están empezando a poblar el ecosistema programático.
Esto significa que un holding como Publicis, Omnicom o WPP puede desarrollar agentes compradores personalizados, entrenados con los datos propietarios de sus clientes y calibrados de acuerdo con las estrategias específicas de cada campaña. Esos agentes compradores luego interactúan con los agentes vendedores que operan del lado de los publishers y de las plataformas de supply, creando una capa de negociación automatizada que funciona en ambos lados de la cadena programática.
En la práctica, esto añade una nueva dimensión a la compra de medios. Ya no es solamente un comprador humano negociando con un sistema de subasta. Ahora, agentes de IA de ambos lados pueden intercambiar información, evaluar contexto y tomar decisiones a velocidades y escalas que serían imposibles para operaciones humanas tradicionales. Esto tiene potencial para hacer el mercado más eficiente, pero también trae desafíos nuevos relacionados con la transparencia, el control y la gobernanza de esas interacciones automatizadas.
Guardrails y seguridad: el modo solo lectura como primera capa de protección
Si la idea de agentes de IA tomando decisiones autónomas de compra de medios deja a cualquier profesional un poco incómodo, hay que saber que el sector está pensando en ello. Una de las principales salvaguardas que se está implementando es el llamado modo solo lectura — o read only mode — que limita la capacidad de ejecución del agente de IA.
En este modo, el agente puede analizar datos, cruzar variables, identificar oportunidades y hasta formular recomendaciones completas — pero no puede ejecutar ninguna acción automáticamente. Funciona como un consultor extremadamente rápido y bien informado, que presenta sus conclusiones para que el profesional humano tome la decisión final.
Este enfoque tiene una función doble. Primero, permite que los equipos de medios empiecen a probar y entender cómo razonan los agentes de IA, identificando fortalezas y limitaciones antes de darle más autonomía al sistema. Segundo — y quizás más importante — funciona como una pantalla de protección contra alucinaciones. Los modelos de lenguaje que alimentan estos agentes todavía pueden generar conclusiones incorrectas o inconsistentes, y el modo solo lectura garantiza que esas fallas sean identificadas y corregidas antes de causar un impacto real en campañas y presupuestos.
A medida que los equipos ganan confianza en el sistema y los modelos evolucionan, la idea es que los límites de autonomía puedan expandirse gradualmente — siempre con supervisión humana y mecanismos claros de auditoría y corrección. 🔒
Quién está construyendo esta nueva capa y cómo funciona en la práctica
Empresas como The Trade Desk, Google, Amazon y una serie de startups de Ad Tech ya están corriendo para integrar capas de IA más sofisticadas en sus plataformas. El movimiento no es exclusivo de los grandes jugadores. Consultoras especializadas en medios programáticos y agencias de performance también están desarrollando soluciones propias — muchas veces usando APIs de modelos avanzados para construir agentes que operan dentro de sus propios entornos de datos y se conectan al ecosistema más amplio a través de registros como el del IAB Tech Lab.
El ecosistema se está fragmentando en diferentes enfoques, pero todos convergen hacia el mismo objetivo: hacer la toma de decisiones en campañas programáticas más autónoma y más inteligente.
En la práctica, estos agentes funcionan recibiendo señales de múltiples fuentes al mismo tiempo — datos de rendimiento de la campaña, información de audiencia, variaciones de inventario disponible, contexto de mercado e incluso datos externos como estacionalidad y eventos relevantes para el sector del anunciante. Con base en todo esto, el sistema no solo sugiere ajustes, sino que puede ejecutarlos automáticamente dentro de parámetros definidos por la agencia o por el anunciante.
El profesional de medios sale del rol de operador y pasa al rol de supervisor estratégico — definiendo los límites dentro de los cuales la IA puede actuar con autonomía e interviniendo cuando el contexto exige una decisión que va más allá de lo que el agente fue configurado para manejar.
Esto tiene un impacto operativo enorme, especialmente para agencias que gestionan múltiples clientes con equipos reducidos. La capacidad de tener un agente monitoreando y ajustando campañas en tiempo real, sin necesidad de intervención humana en cada microdecisión, libera a los profesionales para trabajar en estrategia, relación con el cliente e innovación. 📊
El rol de las agencias en este nuevo ecosistema de Ad Tech
Es natural que surja la pregunta: si la IA está asumiendo cada vez más las decisiones de medios, ¿cuál es el rol de la agencia en este escenario? La respuesta corta es que el rol cambia, pero no desaparece — se vuelve más estratégico y, en muchos casos, más valioso.
Las agencias que logren entender profundamente cómo funcionan estos sistemas, cuáles son sus límites y cómo integrarlos de forma eficiente en sus operaciones van a tener una ventaja competitiva real en el mercado. Las que se queden fuera de esta conversación van a enfrentar un problema creciente de relevancia.
En la práctica, esto significa que las agencias necesitan desarrollar una nueva competencia central: la capacidad de configurar, supervisar e interpretar agentes de IA dentro de entornos programáticos. No se trata de convertirse en una empresa de tecnología. Se trata de entender lo suficiente sobre cómo estos sistemas toman decisiones para poder cuestionar, ajustar y sacar el máximo provecho de ellos.
Un profesional de medios que entiende los fundamentos de cómo un agente de IA fue entrenado, qué datos usa como referencia y dónde tiende a equivocarse tiene un valor completamente diferente para un cliente que alguien que solo sabe apretar botones en una DSP. Esta distinción va a volverse cada vez más relevante a medida que la adopción de agentes de IA se convierta en estándar del mercado.
Otro punto importante es el de la transparencia y la responsabilidad. Cuando un agente de IA toma una decisión que impacta negativamente una campaña, ¿quién responde por eso? Esta es una discusión que todavía se está construyendo dentro del sector de Ad Tech, pero que las agencias necesitan estar preparadas para liderar. Tener claridad sobre los procesos de auditoría de los agentes, sobre los criterios de decisión y sobre los mecanismos de corrección es parte esencial de cualquier propuesta de valor que involucre automatización avanzada.
Herramientas que usamos a diario
Los clientes van a querer entender qué está pasando con su inversión — y las agencias que sepan explicar eso de forma clara y confiable van a construir relaciones mucho más sólidas. 🤝
El ecosistema de agentes vendedores que ya está tomando forma
Mientras el lado de la compra se organiza, el lado de la venta también está evolucionando. Agentes vendedores — o seller agents — ya están empezando a poblar el ecosistema programático. Estos agentes operan del lado de los publishers y de las plataformas de supply (SSPs), usando inteligencia artificial para optimizar la fijación de precios de inventario, identificar demandas de mercado y negociar condiciones de forma automatizada con los agentes compradores.
Esta dinámica crea un escenario donde agentes de IA de ambos lados de la cadena programática están interactuando entre sí, negociando en tiempo real y tomando decisiones con base en análisis que serían imposibles de replicar manualmente a la misma velocidad y escala. Es como si el mercado programático estuviera ganando una capa adicional de inteligencia distribuida, donde cada participante — comprador y vendedor — tiene su propio agente representando sus intereses y optimizando resultados.
Para agencias y anunciantes, esto significa que el entorno de negociación se está volviendo más sofisticado. Tener un agente comprador bien configurado y bien entrenado ya no es solo una ventaja — se está convirtiendo en una necesidad para competir de forma eficiente en un mercado donde el otro lado de la mesa también está usando IA para maximizar sus resultados.
Qué cambia en la operación al entrar en esta conversación ahora
El timing importa mucho en este tipo de transformación tecnológica. Las empresas que empiezan a experimentar y aprender ahora — aunque sea de forma incremental — van a llegar al momento de adopción masiva con una curva de aprendizaje ya recorrida. Eso significa menos errores costosos, equipos más preparados y, principalmente, una posición de referencia dentro del mercado.
En la dimensión práctica, existen algunos puntos de entrada que tienen sentido para operaciones de diferentes tamaños:
- Para agencias más pequeñas: el camino más accesible suele ser el uso de plataformas que ya tienen funcionalidades de IA integradas — como recomendaciones automáticas de puja, optimización de audiencia por modelos predictivos y alertas inteligentes de rendimiento. El Agent Registry del IAB Tech Lab puede servir como punto de partida para evaluar qué herramientas están disponibles y verificadas.
- Para operaciones más grandes: tiene sentido explorar integraciones más profundas con APIs de IA e incluso el desarrollo de agentes personalizados que operen dentro de los datos propietarios de la agencia, interactuando con los agentes vendedores del ecosistema.
- Para anunciantes in-house: entender cómo sus socios de medios están utilizando — o no — estas herramientas es fundamental para garantizar que la inversión en medios programáticos está siendo gestionada con la mejor tecnología disponible.
En todos los casos, el paso inicial es el mismo: entender qué está disponible hoy, empezar a probar con cautela y medir el impacto real en campañas reales. Usar el modo solo lectura como primera fase de pruebas es un enfoque que reduce riesgos y acelera el aprendizaje organizacional.
La automatización programática con IA no es una promesa futura — ya está siendo usada por competidores en el mercado. El Agent Registry del IAB Tech Lab, con herramientas de proveedores como Amazon y Google, es prueba concreta de ello. Lo que todavía está en juego es quién va a lograr extraer más valor de esta tecnología: quien trate a los agentes de IA como una caja negra que resuelve problemas automáticamente, o quien entienda profundamente cómo funcionan y los use como un multiplicador de inteligencia humana.
Históricamente, en todas las olas de transformación tecnológica en el sector de medios, los que ganaron fueron los que aprendieron rápido y adaptaron sus operaciones antes de que el mercado forzara ese cambio. Esta ola no va a ser diferente. 🌊
