Social Rocket
Los agentes de IA asumen en el mercado publicitario una parte cada vez mayor de la planificación, la compra y la optimización con presupuesto real. Los sistemas aún están lejos de un media buying totalmente autónomo, pero los proyectos actuales muestran que el sector ya da el paso de la asistencia a la ejecución.
Los primeros presupuestos reales pasan por agentes
ADWEEK informa de que Apostra gestionó en los últimos tres meses unos 1,2 millones de dólares en media buys automatizados para grandes marcas. Los agentes pueden encargarse en ese proceso de tareas como la búsqueda, la negociación, la aprobación y la ejecución en varios canales.
Un ejemplo concreto de rendimiento viene de PubMatic. Según ADWEEK, la marca de bienestar Rouge Care habría invertido 25.000 dólares en una campaña CTV y generado más de 125.000 dólares de ingresos atribuibles. La compra se realizó a través de AgenticOS de PubMatic.
Así se concreta la evolución que ya vimos en el IAB Europe sobre el media buying agéntico. Allí, el 58 por ciento de los encuestados esperaba sistemas agénticos en uso operativo o a mayor escala en el plazo de un año.
Monks deja que los agentes trabajen de forma autónoma durante 36 a 48 horas
También en el lado de las agencias cambia la forma de trabajar. S4 Capital Monks deja que sus agentes de IA trabajen en tareas internas de software durante 36 a 48 horas sin supervisión humana continua, según su Chief AI and Revenue Officer, Wesley ter Haar.
Por ahora, estas largas ejecuciones autónomas afectan sobre todo al desarrollo de código. Sin embargo, Monks ya traslada el principio al marketing de redes sociales y de rendimiento. Allí, los agentes deberían reaccionar a señales como tendencias, volumen de comentarios o publicaciones que pierden fuerza.
Para 2027 Monks planea, según Digiday, un primer flujo de trabajo para clientes que, desde los insights hasta la gestión de la comunidad, funcionará sobre esta arquitectura agéntica.
Los costes de tokens pasan a formar parte del presupuesto de talento
Ter Haar describe ya los costes de cómputo y de modelos como parte del presupuesto de talento. Los equipos deben decidir, por tanto, qué tareas necesitan un modelo premium caro y dónde bastan modelos más económicos.
Esto cambia el cálculo clásico del trabajo de agencia. Además de las horas de trabajo, aparecen costes continuos por agentes, modelos y uso de herramientas. Al mismo tiempo, disminuye el tiempo necesario para determinadas tareas. Monks describe ciclos de trabajo internos que han pasado de dos semanas a dos días.
La pregunta de control también está detrás de nuestra visión general sobre la IA en el media buying y la automatización de plataformas.
Estándares para el media buying agéntico
En septiembre, el IAB Tech Lab presentó AAMP 3.0. La especificación OpenProposal pretende llevar al formato legible por agentes el proceso, hasta ahora muy manual, que va desde el RFP hasta la promesa de compra.
Así, los agentes compradores y vendedores pueden intercambiar y comparar ofertas de forma estructurada. Al mismo tiempo, la gobernanza y la interoperabilidad siguen siendo temas centrales, porque surgen varios protocolos y plataformas en paralelo.
Apostra es un ejemplo de esta nueva capa de coordinación. La empresa, antes Scope3, orienta ahora de forma específica su modelo de negocio hacia el media buying agéntico. Más información en nuestro trasfondo sobre Scope3 y Apostra.
Lo que deberían tener en cuenta los marketers ahora
El media buying agéntico todavía no funciona solo. ADWEEK cita datos de Gartner según los cuales las aplicaciones altamente autónomas 2025 representaban menos del cinco por ciento de los casos de uso de marketing. Para 2028 se esperan 15 por ciento.
Por eso, para las empresas son más importantes tres puntos que la autonomía máxima: límites presupuestarios claros, decisiones trazables y un modelo de escalado humano definido. Cuanto más pueda un agente reasignar, comprar o publicar por sí mismo, más importante se vuelve la pregunta de quién responde por las decisiones erróneas.