Publicidad basada en agentes de IA: menos fricción, más valor para anunciantes y publishers

Por Anthony Katsur, CEO de IAB Tech Lab

La industria publicitaria se encuentra en un punto de inflexión. Los grandes modelos de lenguaje, las arquitecturas transformer y los avances en capacidad de cómputo con GPU están cambiando de manera estructural la forma en que conectamos a los anunciantes con las audiencias, a través de agentes autónomos o semiautónomos que facilitan el descubrimiento de medios, la planificación, la compra y otras funciones.

Analicé esta evolución en mi keynote de apertura del Summit de IAB Tech Lab el pasado junio, y he seguido reflexionando sobre ella desde entonces. Es un momento apasionante. Pero en medio de ese entusiasmo corremos el riesgo de perder de vista lo más importante: los actores a los que este ecosistema está destinado a servir.

Antes de adaptar nuestra infraestructura para un futuro nativo de IA, debemos hacernos las preguntas correctas. No “¿cómo hacemos la publicidad más automatizada?”, sino más bien: “¿qué necesitan realmente las personas que forman parte de este ecosistema y cómo puede la IA ayudarnos a ofrecerlo mejor?”

En los últimos cuatro meses, desde Nueva York hasta California, y desde Londres y Berlín hasta Sídney y Tokio, he dedicado buena parte de mi tiempo a plantear esta pregunta a los principales stakeholders de nuestra industria.

Los cuatro stakeholders, las cuatro verdades

Toda innovación en ad tech debería medirse según qué tan bien atiende cuatro necesidades fundamentales:

1. Los anunciantes quieren hacer crecer su negocio. Quieren adquirir nuevos clientes, profundizar la relación con los actuales, vender más productos y atraer consumidores más rentables. No anuncian porque amen las impresiones o el CTR, sino porque la publicidad es una herramienta para el crecimiento del negocio.

2. Las agencias quieren ayudar a los anunciantes a lograr ese crecimiento. Aportan expertise en comprensión de audiencias, estrategia de medios y ejecución creativa. Su valor está en hacer manejable la complejidad y convertir presupuestos de marketing en resultados de negocio.

3. Los publishers quieren financiar el contenido que sus usuarios valoran. Ya sea entretenimiento en streaming, periodismo de calidad, videojuegos móviles o apps de productividad, los publishers crean valor para los usuarios y la publicidad ayuda a que ese contenido sea accesible. La mejor publicidad no interrumpe ese intercambio de valor: lo potencia, conectando a las personas con productos y servicios relevantes.

4. Los usuarios y shoppers quieren ayuda para encontrar lo que ya están buscando. Quieren comparar opciones en categorías que están considerando. Y, ocasionalmente, desean sorprenderse con algo que no sabían que necesitaban. La buena publicidad cumple estas funciones. La mala publicidad es simplemente ruido.

Estas no son abstracciones. Son los cimientos sobre los que debería construirse todo lo demás.

La verdadera oportunidad que presenta la IA

Con esta base clara, la pregunta pasa a ser: ¿cómo pueden la IA y los sistemas agentivos ayudarnos a servir mejor estas necesidades?

La respuesta no es “automatizar todo y eliminar a los humanos del circuito”. La respuesta es reducir la fricción que impide que el valor fluya entre estos actores.

Pensemos en lo que ocurre hoy cuando un media planner quiere ejecutar una campaña de CTV. Tiene un conocimiento profundo de los clientes de su marca, construido a lo largo de años mediante correo directo, programas de fidelización y datos first-party. Ha segmentado cuidadosamente esa base de datos y ha elaborado un brief detallado sobre cómo captar nuevos clientes.

Luego debe traducir esa intención en inventario disponible. Utiliza DSPs, selecciona datos demográficos, elige programas, apps y canales que cree que alcanzarán a su audiencia objetivo, ejecuta la campaña, analiza dashboards tabulares, vuelve a segmentar según resultados e itera.

Cada paso implica trabajo manual, traducción de datos y pérdida de información. El brief mental del planner no se traduce completamente en los parámetros de targeting disponibles. El contexto rico del contenido de un publisher no siempre aflora en los feeds estandarizados de inventario. El feedback loop entre performance y planificación es lento y parcial.

Ahí es donde la IA puede crear valor real.

Un agente con comprensión profunda del inventario de un publisher, de las taxonomías de audiencia y del contexto del contenido puede vincular intención y oportunidad con mayor precisión. Las interfaces en lenguaje natural pueden capturar matices que los menús desplegables no permiten. Los LLM pueden detectar conexiones entre segmentos de clientes de una marca y la composición de audiencias de un publisher que a los humanos les llevaría semanas descubrir.

Pero hay un punto crítico: este valor depende completamente de estándares precisos y determinísticos por debajo.

Por qué los estándares importan más -no menos- en un mundo agentivo

Cuando los humanos están presentes en cada paso, la ambigüedad puede resolverse mediante juicio e intuición. Cuando agentes coordinan flujos complejos entre múltiples sistemas, la ambigüedad se vuelve catastrófica.

Si un agente negocia un acuerdo programático entre tres SSPs que definen de manera distinta qué es “inventario de video” -con diferencias sutiles en playback, viewability o categorías de contenido- el resultado puede ser un fallo silencioso o una ejecución no deseada.

Ya vimos lo que ocurre cuando sistemas de IA operan sin anclaje determinístico: alucinan. Confunden conceptos. Generan respuestas plausibles pero incorrectas. En publicidad, eso puede significar audiencias difusas, ubicaciones mal representadas, clasificaciones erróneas de contenido y nuevas puertas abiertas al fraude a escala.

Las definiciones compartidas, las interfaces transparentes y la gobernanza exigible permiten confianza y accountability. Y esa confianza debe estar integrada en los sistemas agentivos.

La solución no es frenar la adopción de IA. Es asegurar que los sistemas agentivos se construyan sobre modelos de objetos y taxonomías con precisión semántica. Cuando un agente dice “impresión de video con autoplay sin sonido en un sitio de noticias, alcanzando adultos 25-54 interesados en cocina”, cada término debe corresponder a una definición acordada por la industria.

Construir sobre lo que ya funciona

Por eso el enfoque de IAB Tech Lab hacia el futuro agentivo parte de estándares existentes:

• AdCOM: define objetos canónicos del dominio (qué es un placement, qué es una impresión de video, atributos de dispositivo o usuario).
• OpenRTB: gestiona pujas en tiempo real a escala masiva con semántica probada.
• OpenDirect: estandariza flujos programmatic guaranteed y también soporta OOH y TV lineal.
• Ad Management API: normaliza la gestión y aprobación de creatividades.
• Deals API: sincroniza metadatos de dealID.

Todo esto se integra con taxonomías estandarizadas (Audiencia, Contenido, Privacidad), que proveen un lenguaje común para describir qué audiencia se targetea, en qué contexto y bajo qué condiciones de cumplimiento normativo.

Lo crítico es que todos comparten modelos de objetos subyacentes coherentes. Una impresión de video significa lo mismo en OpenRTB que en OpenDirect. Esa consistencia semántica es lo que los agentes necesitan para operar con confiabilidad.

La capa de innovación -descubrimiento, negociación, orquestación- puede construirse sobre protocolos como A2A (Agent2Agent) o MCP (Model Context Protocol), que coordinan agentes y acceso a herramientas. Pero esas capas deben referenciar los esquemas y objetos ya adoptados por la industria, no reinventarlos.

Es similar a los mercados financieros: el trading algorítmico no redefinió qué es una acción. Construyó una infraestructura más rápida sobre definiciones existentes.

Qué estamos construyendo en IAB Tech Lab

IAB Tech Lab desarrolló una hoja de ruta agentiva basada en estos primeros principios.

En el corto plazo, el foco está en aplicaciones de alto valor y bajo riesgo:

• ayudar a agencias y anunciantes a descubrir inventario con mayor eficiencia,
• vincular briefs con oportunidades vía lenguaje natural,
• acelerar la configuración de acuerdos directos hoy coordinados manualmente.

A medida que estos patrones se consoliden, se avanzará hacia flujos semiautónomos más complejos, siempre con supervisión humana y anclados en estándares determinísticos.

Estamos desarrollando agentes de referencia e implementaciones de servidores MCP no como productos comerciales, sino como arquitecturas de referencia para demostrar cómo los sistemas agentivos deberían interactuar con la infraestructura ad tech existente.

El objetivo es interoperabilidad, no fragmentación.

El futuro agentivo de la publicidad es verdaderamente estimulante. La IA puede ayudar a:

• los anunciantes, a encontrar audiencias con mayor precisión;
• las agencias, a generar mejores resultados con mayor eficiencia;
• los publishers, a monetizar mejor su contenido;
• los usuarios, a ver anuncios que respondan a sus necesidades reales.

Pero ese potencial solo se concretará si construimos sobre bases sólidas.

La industria ha dedicado quince años a desarrollar precisión semántica en sus objetos publicitarios. Esa precisión es exactamente lo que los sistemas de IA necesitan para operar de manera confiable.

No se trata de reconstruir la infraestructura desde cero. Se trata de acelerar el intercambio de valor entre anunciantes, agencias, publishers y usuarios, usando el lenguaje que ya comparten, potenciado por inteligencia que antes no estaba disponible.

También debemos reconocer la realidad: protocolos como MCP y A2A tienen apenas un año de vida. Los patrones de aplicación en compra de medios todavía están emergiendo. No hay atajos.

La IA debe acelerar la creación de valor, pero solo si mantenemos disciplina, humildad y anclaje en estándares determinísticos acordados por la industria.

Vemos los enfoques agentivos como una evolución y ampliación, no un reemplazo. Estamos remodelando la cocina y agregando un garage nuevo; no demoliendo la casa.

El propósito de los estándares está cambiando: ya no solo garantizan interoperabilidad. Ahora también brindan contexto para que los agentes estén anclados y puedan ejecutar acciones solicitadas en lenguaje natural con precisión repetible millones de veces.

Ese es nuestro foco en IAB Tech Lab.