Autor: Gonzalo Romero y Tomás Seisdedos
CRM - Performance Planner de Swell Media
Una empresa lleva ocho meses con PMax activo. El CPA mejoró los primeros tres meses. Después se estancó y nadie supo por qué. Cuando revisaron las señales de conversión que alimentaban al algoritmo, encontraron eventos configurados en 2022 — una acción que el sitio ya no tenía. El agente llevaba meses optimizando contra datos que no reflejaban nada real.
Eso es lo que pasa cuando las campañas corren más rápido que los datos que las alimentan. El agente de IA no distingue un dato fresco de uno obsoleto: ejecuta contra lo que existe, a velocidad y a escala, sin cuestionarlo.
Este post explica por qué los agentes de IA en publicidad amplifican los errores en los datos — y qué revisar antes de delegar más presupuesto a la automatización.
El agente no revisa. Solo ejecuta.
El modelo anterior de compra de medios tenía un filtro natural: un humano revisaba el segmento antes de activar. Un planner veía la lista de supresión antes del envío. Un analista confirmaba que las señales de conversión tenían sentido. Ese paso de validación era lento y a veces se saltaba igual. Pero existía.
El agente lo elimina. Su ventaja — velocidad y escala — es exactamente su riesgo cuando los datos están desactualizados. Si tu lista de customer match tiene contactos que no han interactuado con tu marca en tres años, el agente la usa igual. Si tus señales de conversión miden eventos duplicados o descontinuados, el algoritmo optimiza contra esa señal igual. No porque esté roto, sino porque está haciendo exactamente lo que le pediste.
Según benchmarks de industria de Salesforce y HubSpot, aproximadamente el 30% de una base de datos B2B se vuelve inválida o inexacta cada año — cerca de 2,5% mensual por cambios de cargo, empresa, email o preferencia. En una base construida hace tres años, más de la mitad de los registros puede estar desactualizada. Y ese es el horizonte de antigüedad más común en las organizaciones que adoptaron automation entre 2021 y 2022.
Le entregaste tus campañas a un agente de IA. Ese agente optimiza contra datos que nadie en tu equipo ha verificado en dos años.
El buy side lleva años sin un framework de verificación de datos
La industria publicitaria resolvió el problema de la calidad de datos — pero solo para un lado del mercado.
El supply side tiene infraestructura de verificación madura: IAS, DoubleVerify y MOAT certifican la calidad del inventario, la viewability y la brand safety antes de que el anunciante pague un peso. Son estándares formales, con auditorías y certificaciones. El mercado los adoptó porque había un incentivo económico directo — el anunciante no paga por inventario fraudulento.
El buy side — las marcas y agencias que compran medios — no tiene un equivalente. No existe un estándar que certifique si las listas de customer match están actualizadas, si las señales de conversión son confiables, o si las reglas de supresión siguen siendo válidas. Ese vacío existía antes de los agentes de IA. Con agentes operando a escala y velocidad, ese vacío se convirtió en riesgo operacional activo. La diferencia es que antes un humano podía notar que algo estaba raro. El agente amplifica el error en silencio, hasta que alguien lo ve en el reporte de CPA tres meses después.
¿Qué datos está usando tu campaña sin que nadie lo sepa?
En PMax y Advantage+, la IA toma decisiones de targeting, puja y distribución de presupuesto basada en tres capas de datos que las marcas rara vez auditan juntas:
- Señales de conversión: Si un evento está mal configurado, duplicado o ya no existe en el sitio, el algoritmo optimiza hacia una métrica que no refleja negocio real. El agente no sabe que el evento dejó de tener sentido — solo ve que dispara y lo premia con más presupuesto.
- Listas de audiencia y customer match: Datos de clientes subidos meses o años atrás, con emails desactualizados o personas que ya no son clientes activos. El agente las trata como señal de calidad positiva y orienta el presupuesto hacia perfiles similares a esos contactos obsoletos.
- Reglas de supresión: Segmentos excluidos del targeting que nadie recuerda haber creado. En algunos casos esas exclusiones bloquean prospectos de alto valor que calificaron para ser excluidos bajo una condición que ya cambió.
El umbral recomendado para datos de audiencia y consentimiento es 18 meses. Más allá de ese punto, el marco bajo el que se capturaron probablemente evolucionó — regulatorio, tecnológico y de negocio. La intención del usuario original, con más razón.
Tres acciones antes de escalar más automatización
Qué significa esto para tu operación en Chile
En el mercado chileno, la adopción de plataformas de automation en medios pagados lleva entre tres y cinco años en las marcas mid-market. Ese horizonte coincide con la antigüedad promedio de las capas de datos que esas plataformas usan hoy. Las marcas que migraron a PMax o Advantage+ en 2021 y 2022 están operando con señales y audiencias que pueden no reflejar su negocio actual. La conversación sobre agentes de IA en publicidad está recién empezando en Chile — lo que significa que es ahora cuando se instalan los hábitos de gobernanza, no después de que el error ya se amplificó.
Si quieres revisar qué datos están alimentando tus campañas con IA, podemos hacer esa auditoría contigo. Agenda una revisión de data quality para tu operación de medios.
