¿Cómo usan los agentes de IA las agencias de marketing (y qué cambia para sus clientes)?

Las agencias de marketing usan agentes de IA sobre todo para la capa operativa y repetitiva del servicio: revisar cuentas cada mañana, detectar caídas de rendimiento o roturas de stock, preparar informes y redactar variantes de copy. Lo que no delegan (ni deberían) es la estrategia, el criterio creativo y la relación con el cliente. Para una tienda, la pregunta ya no es «¿agencia o IA?», sino «¿quién hace la operativa diaria, quién decide y quién responde si algo sale mal?».

Qué tareas absorben ya los agentes en una agencia

La adopción no es marginal: el CMO Survey de Duke, Deloitte y la AMA estima que la IA ya interviene en el 24,2 % de las actividades de marketing, casi el doble que dos años antes. En el lado de las agencias, RSW/US apunta que 91 % de las agencias estadounidenses ya usan o experimentan con herramientas de IA.

En la práctica, estas son las tareas que mejor absorben los agentes dentro de una agencia:

• Revisión diaria de cuentas. Mirar todas las campañas activas de Meta, Google y TikTok, comparar contra los últimos 7, 14 y 28 días y marcar lo que se sale de rango.
• Alertas por anomalías. Un conjunto de anuncios que dispara el CPA, una campaña Performance Max que se come el presupuesto de marca, un producto estrella con stock para tres días.
• Informes. Montar el reporting semanal y mensual, con la misma estructura cada vez y sin errores de copiar y pegar entre hojas.
• Preparación de cambios. Dejar listas las propuestas: pausar esto, subir presupuesto aquí, cambiar esta puja, con el motivo escrito.
• Producción de variantes. Copys, títulos, descripciones de producto, hooks para creativos en vídeo, feeds de Shopping limpios.
• Cruce de datos aburridos pero críticos. Gasto publicitario contra margen real, devoluciones por campaña, coste de envío por pedido.

El patrón es claro: tareas con reglas, alta frecuencia y bajo coste de error si hay un humano revisando. Es la misma lógica que explicamos en el artículo pilar sobre qué son los agentes de IA para marketing en ecommerce y cómo trabajan juntos.

Qué sigue siendo humano (y por qué)

Aquí está la parte que ninguna demo enseña. Un agente es muy bueno encontrando lo que se desvía de lo esperado; es mucho peor decidiendo qué deberíamos esperar.

• Estrategia y posicionamiento. Qué vendemos, a quién, con qué promesa y con qué margen. Eso sale de hablar con el negocio, no de un panel.
• Concepto creativo. La IA genera decenas de variantes de un ángulo; el ángulo que funciona suele salir de una llamada de atención al cliente o de una reseña.
• Decisiones con consecuencias. Bajar precios, cambiar la estructura de cuenta, parar un lanzamiento, renegociar con un proveedor.
• Relación y contexto. Que alguien sepa que en octubre entra la colección nueva, que el almacén cierra dos semanas o que el CEO no quiere tocar la marca.
• Responsabilidad. Si una campaña se come el presupuesto de un fin de semana entero, alguien tiene que explicar qué pasó y arreglarlo.

El aviso de Gartner va en esa línea: predice que más del 40 % de los proyectos de IA agéntica se cancelarán antes de que acabe 2027, por costes crecientes, valor de negocio poco claro o controles de riesgo insuficientes. Lo que falla no suele ser el modelo, sino el diseño del proceso alrededor.

Agencia, agentes o modelo mixto: comparativa

La conclusión honesta: para la mayoría de tiendas con varios canales activos y catálogo amplio, el modelo mixto gana. Los agentes cubren la frecuencia (todos los días, todos los canales) y el humano cubre el criterio. Si tu agencia actual revisa de verdad tus cuentas a diario y detecta un problema antes de que tú lo veas en el panel, no necesitas cambiar de proveedor; necesitas que esa agencia incorpore agentes para dejar de quemar horas en informes.

Dónde la agencia gana claramente

Marcas en fase de reposicionamiento, lanzamientos de producto, entrada en un mercado nuevo, campañas de marca con producción audiovisual. Todo eso es trabajo de personas con oficio y con contexto de negocio.

Dónde los agentes ganan claramente

Catálogos grandes, varios canales simultáneos, estacionalidad fuerte, dependencia de stock. Cuando el problema es «hay demasiadas cosas que mirar cada día», un humano no gana a un sistema que revisa todo sin cansarse. Se ve bien en cuentas de Meta Ads, donde el agente revisa cada mañana lo que un gestor solo mira los lunes.

Qué cambia para el cliente de la agencia

Si tu agencia empieza a usar agentes de IA, deberías notar cuatro cosas. Si no las notas, la IA está dentro de la agencia pero no está llegando a tu cuenta.

1. Más frecuencia de revisión, no menos horas de persona. El objetivo es que te revisen cada día, no que te dediquen menos tiempo cobrando lo mismo.
2. Informes que llegan solos y a tiempo. Y con las mismas métricas cada mes, para que puedas comparar periodos sin rehacer cálculos.
3. Alertas proactivas. Que te avisen ellos de la caída, no al revés.
4. Trazabilidad. Poder ver qué cambio se hizo, cuándo, por qué y qué pasó después.

Ese último punto es el que más se descuida. En Growth AI lo resolvemos con una regla fija: nada se ejecuta sin aprobación humana explícita, y cada cambio aprobado se comprueba a los 15 días contra la métrica que se quería mover. Si no mejoró, se revierte o se cambia de hipótesis. Es aburrido, pero es lo que separa un sistema que aprende de un panel bonito.

Cómo se coordinan varios agentes sin convertirse en ruido

Un agente suelto genera alertas; siete agentes sueltos generan caos. Por eso el modelo que tiene sentido es el de especialistas coordinados: un agente para Meta Ads, otro para Google Ads, otro para TikTok Ads, otro para Email y CRM, otro para Producto y Stock, otro para Creativos y otro para Finanzas, con un CMO de IA por encima que recibe todo y decide qué merece tu atención esta semana.

El criterio de priorización debe ser el impacto en euros, no el tamaño del porcentaje. Un ejemplo: una campaña pequeña que pierde unas pocas decenas de euros al día importa menos que un producto top agotado que deja de vender varios cientos de euros diarios, aunque la primera tenga peor ROAS sobre el papel. Esa aritmética es la que debería ordenar la lista de acciones de cada semana, y es también el trabajo del agente de finanzas, que cruza gasto publicitario con margen real antes de que nadie decida subir presupuesto.

Checklist: preguntas para tu agencia (o para un proveedor de agentes)

Usa estas preguntas tal cual en la próxima reunión:

• ¿Con qué frecuencia se revisa mi cuenta y quién la revisa: persona, sistema o los dos?
• ¿Qué decisiones se ejecutan automáticamente y cuáles pasan por aprobación?
• ¿Dónde veo el histórico de cambios y su resultado posterior?
• ¿Qué datos de mi negocio están conectados: solo plataformas de ads, o también stock, márgenes y devoluciones?
• Si mañana cambio de proveedor, ¿qué me llevo: cuentas, datos, reglas, aprendizajes?
• ¿Cómo se prioriza? ¿Por impacto en euros o por lo que es fácil de enseñar en un informe?
• ¿Quién responde si un cambio automático sale mal?

Si las respuestas son vagas en las tres primeras, la IA es marketing de la agencia, no operación real. Antes de contratar nada, merece la pena entender qué agentes tienen sentido en tu caso y cuáles son humo.

Cómo empezar sin romper nada

1. Define la métrica única. Normalmente margen de contribución o beneficio por pedido, no ROAS de plataforma.
2. Conecta primero lo que ya tienes. Tienda, pasarela, plataformas de ads y stock. Sin datos de margen y stock, cualquier agente opina a ciegas.
3. Empieza en modo observación. Dos o tres semanas en las que el sistema detecta y propone, pero no ejecuta. Así compruebas si sus avisos son útiles o ruido.
4. Activa la aprobación humana. Cada propuesta con motivo, impacto estimado y acción concreta. Tú apruebas o descartas.
5. Revisa a los 15 días. Cada acción aprobada se mide contra la métrica única. Lo que no funcionó, fuera.
6. Amplía canal a canal. Primero el canal donde más dinero se mueve, luego el resto.

No hace falta despedir a nadie ni romper con tu agencia para hacer esto. El escenario más común es el intermedio: la agencia conserva estrategia y creatividad, y los agentes se quedan con la vigilancia diaria, los informes y la detección de problemas. Lo que no debería pasar es pagar dos veces por la misma tarea.

¿Quieres ver cómo quedaría tu cuenta con agentes especialistas trabajando cada día bajo supervisión humana? Entra en la oficina de Growth AI y empieza por el canal donde más te juegas.