Agentic media buying: la guía estratégica para que los anunciantes recuperen el control de su ecosistema de medios

Florent Yon es Media Performance Manager en Converteo. Con una amplia experiencia en consultoría Adtech y estrategia de activación de medios, ayuda a las direcciones de marketing y digitales a optimizar sus ecosistemas complejos, gobernar sus datos y liderar la gestión del cambio frente a las revoluciones de la IA y la automatización.

Puntos clave

• Una transición tecnológica fundamental: El Agentic Media Buying (compra de medios mediante IA agéntica) marca el paso de la automatización rígida a la autonomía, donde el brief y el plan de medios se convierten en prompts ejecutados por agentes de IA.
• La gobernanza es la máxima prioridad: Si bien las ganancias de productividad son masivas (eliminando hasta un 80% de la carga operativa), el principal desafío de las marcas reside en el Policy Engineering (ingeniería de políticas) para evitar desviaciones presupuestarias y riesgos de Brand Safety.
• Una oportunidad para recuperar el control: Para los anunciantes, esta simplificación de la infraestructura de trading ofrece una palanca ideal para reestructurar la gobernanza de los medios, aclarar el valor añadido de la agencia y acelerar los proyectos de internalización (in-housing).
• Estándares emergentes en la industria: La interconexión entre agentes se apoya ahora en protocolos abiertos (MCP, AdCP) respaldados por los gigantes tecnológicos y las entidades reguladoras del Adtech (IAB, Prebid).

En mi día a día con departamentos de marketing que afrontan una aceleración tecnológica sin precedentes, compruebo cómo el agentic media buying ha dejado de ser una promesa de futuro para convertirse en una prioridad operativa en la hoja de ruta.

Tras la era de la compra manual de espacios y el posterior auge de la programática OpenRTB, este tercer gran punto de inflexión cambia por completo las reglas del juego. La era agéntica va mucho más allá de automatizar tareas repetitivas mediante algoritmos opacos: delega la ejecución de flujos de trabajo completos —desde el brief hasta el informe final— en agentes de IA con distintos grados de autonomía.

Para los anunciantes, esta transformación supone una oportunidad histórica: recuperar el control de la cadena de valor de los medios, simplificar su gobernanza y, en muchos casos, acelerar la internalización de la compra de medios.

Agentic media buying: Hacia una nueva era en la compra de medios

Los gigantes tecnológicos ya están reconstruyendo sus infraestructuras para este nuevo paradigma. Mark Zuckerberg anuncia resultados de negocio medibles a gran escala gracias a los agentes, mientras que Google reestructura su infraestructura publicitaria y YouTube en torno a este mismo modelo.

Según Chris Janz, vicepresidente de Industry Insights & Content Strategy en el IAB, el 66 % de los compradores afirma que la IA agéntica será una prioridad para la compra de espacios y la ejecución de campañas en 2026. Una intención clara que, por ahora, representa más un foco de inversión que un uso masivo: el 40 % de estos mismos encuestados señala la comprensión de estas mecánicas entre sus principales preocupaciones.

Esta dinámica se inscribe en un movimiento de adopción más amplio a nivel corporativo:

• Adopción generalizada de software: El 40% de las aplicaciones empresariales integran ya agentes autónomos, transformando a la IA de un simple asistente de texto a un ejecutor de negocio activo.
• Explosión de inversiones: El mercado de la IA agéntica está valorado actualmente en 10.800 millones de dólares, con un crecimiento anual del 44%.
• El optimismo de los directivos: El 90% de los CMO (Directores de Marketing) considera que estas capacidades ya están redefiniendo sus estrategias de crecimiento.

Panorama del mercado: ¿qué es un agente de medios?

Durante casi diez años, la publicidad programática ha funcionado bajo un modelo rígido: se fijaban criterios estrictos en los DSP (Demand-Side Platforms) y se dejaba que el algoritmo trabajara en segundo plano.

La disrupción actual radica en que los agentes de medios ya no son meros scripts de automatización. Destacan por su capacidad para razonar y actuar de forma autónoma a partir del lenguaje natural. El brief o el plan de medios del anunciante se convierte en el prompt de la campaña.

Para lograrlo, las plataformas combinan continuamente cuatro pilares tecnológicos:

1. Machine Learning (ML) para optimizar el rendimiento.
2. IA generativa para renovar y diversificar las variantes creativas.
3. Procesamiento del Lenguaje Natural (NLP) para interpretar la intención de negocio del anunciante.
4. Integraciones vía SDK y API para interactuar directamente sobre los inventarios publicitarios.

Este cuarto pilar es el verdadero punto de fricción. Integrar todas las herramientas y plataformas del ecosistema de medios es un desafío inmenso: es necesario que todas las máquinas hablen exactamente el mismo idioma para intercambiar datos entre agentes. Hoy en día, tres estándares técnicos complementarios estructuran esta capa de integración, cada uno enfocado en un eslabón diferente de la cadena:

MCP para conectar, AdCP para negociar, ARTF para ejecutar.

De las pruebas a la implementación: Una gran oportunidad para el In-housing

Conviene ser prudentes: aún estamos en el inicio de la fase de pruebas operativas. Sin embargo, los primeros experimentos demuestran que el agente publicitario será el mejor aliado de los anunciantes que deseen internalizar su compra de medios, al reducir significativamente la barrera técnica de entrada.

La actualidad más reciente es la prueba perfecta de ello: Amazon Ads está desplegando su asistente “Ads Agent” dentro de Amazon DSP en Francia. Esta interfaz conversacional permite a los equipos internos de un anunciante configurar campañas enteras utilizando lenguaje natural. En la práctica, el agente traduce el plan de medios importado en parámetros concretos (presupuestos, segmentación, estructuras) apoyándose en los datos de la plataforma. Amazon indica que el 65% de los anunciantes ha mejorado su tasa de entrega, con una caída media del 18% en el CPM y del 16% en el CPA.

Google sigue exactamente la misma trayectoria. En los NewFronts de marzo de 2026, Google anunció Ads Advisor para cubrir todo el ciclo de vida de la campaña: subida del plan de medios y traducción automática a la configuración de la campaña, seguimiento de rechazos creativos, insights de optimización y reportes de rendimiento por line item (línea de pedido), todo ello a partir de un prompt.

Paralelamente, los modelos Gemini ya potencian DV360, componiendo proactivamente paquetes de medios a medida incluso antes de que las campañas se activen.

Los dos DSP más grandes del mercado convergen hacia la misma interfaz: plan de medios a la entrada y agente encargado de la ejecución a la salida. Para el anunciante, la adopción de este modelo es ahora una cuestión de tiempo; el verdadero reto reside en el nivel de control que desea mantener.

Esta tecnología simplifica tanto la infraestructura de trading que las cartas se están repartiendo de nuevo entre anunciantes y agencias:

• Dentsu Francia lanzó su primera campaña de vídeo orquestada íntegramente mediante el protocolo MCP. El comprador de medios describió sus objetivos en la herramienta interna de la agencia (dentsu.Connect), y el agente de IA (impulsado por Claude) se encargó de configurar la campaña de principio a fin dentro de la interfaz de Criteo.
• StackAdapt acaba de lanzar su propio servidor MCP. El objetivo es permitir a los equipos del anunciante consultar los datos de sus campañas omnicanal (CTV, display, audio) directamente desde herramientas externas como Claude, rompiendo los silos de software de las plataformas tradicionales.

Los riesgos de la autonomía: la gobernanza es el tema número uno

Dejar que una IA gestione presupuestos y segmente audiencias de manera autónoma conlleva riesgos importantes que deben anticiparse. Los tres grandes temores del mercado están totalmente justificados:

• Desviaciones presupuestarias y alucinaciones: Un agente mal configurado que sobrepuja o malinterpreta un objetivo de volumen.
• Brand safety (Seguridad de marca): La aparición de la marca en contextos inapropiados o en sitios creados únicamente para monetizar anuncios (sitios MFA) por puro afán de optimización algorítmica.
• Desviación de la optimización: Una IA que optimiza micro-señales técnicas olvidando por completo el objetivo de negocio real de la marca.

Frente a esto, el rol del anunciante no es automatizar todo a ciegas, sino aplicar lo que llamamos “Policy Engineering” (Ingeniería de Políticas). Delegar la ejecución a un agente no exime de fijar las reglas del juego. Ciertos riesgos merecen una respuesta explícita, y para cada uno la contramedida es conocida.

• Proteger la identidad de la marca

El primer riesgo son las alucinaciones creativas: un agente que genera mensajes que violan las guías de marca, el tono de voz o incluso el marco legal. La solución pasa por nutrirlo previamente con elementos de contexto (como un glosario oficial, manual de identidad corporativa y restricciones legales) a través de un sistema RAG (Generación Aumentada por Recuperación) apoyado en el brand book.

La misma lógica se aplica al brand safety: en lugar de listas de exclusión estáticas, terceros de confianza como el IAS Agent de Integral Ad Science permiten gestionar exclusiones dinámicas en lenguaje natural.

• Mantener el control de la economía de la campaña

La desviación presupuestaria es el riesgo más inmediato: un agente sin límites puede gastar de más en cuestión de horas. Límites de presupuesto por hora y alertas de sobrepuja son suficientes para contenerlo. La pérdida de control sobre la segmentación es más sutil, ya que el agente puede ampliar la audiencia en nombre del rendimiento.

La contramedida: Blindar los segmentos de activación con tus propios datos first-party (CRM, Clean Rooms) para que el agente optimice exclusivamente dentro del perímetro que tú has definido.

• Exigir trazabilidad

Sin un registro (log) de las decisiones del algoritmo, es imposible entender por qué el agente reasignó un presupuesto o descartó un inventario y, por tanto, es imposible justificarlo internamente. Este tema es más contractual que técnico: la capacidad de registrar y explicar cada decisión debe constar por escrito en el acuerdo con la plataforma.

Estas barreras de seguridad no limitan al agente, sino que delimitan su terreno de juego. Es este marco de trabajo el que hace que la delegación sea viable.

¿Cómo integrar el agentic media buying en tu hoja de ruta?

El agentic media buying cambia de manera fundamental el rol de los anunciantes, pasando de ser meros “ejecutores” a verdaderas “torres de control”. Ya sea que decidas internalizar tus campañas o seguir trabajando con una agencia de medios, tu hoja de ruta para los próximos meses debe responder a cuatro imperativos técnicos y organizativos:

1. Rompe los silos y estructura tus datos para los LLMs: Tus datos CRM, Clean Rooms e insights de marca son el combustible indispensable para los agentes. Sin embargo, ahora deben ser legibles para los modelos de Inteligencia Artificial. Esto implica pasar de una base de datos estática a formatos explotables dinámicamente mediante APIs, o vectorizar tus manuales de marca para alimentar los sistemas RAG.
2. Estandariza tus flujos de trabajo y taxonomías: Prepara tu infraestructura técnica para acoger los protocolos emergentes (MCP, AdCP). Sin una convención de nombres estricta y procesos estandarizados de una plataforma a otra, el agente de IA será incapaz de conciliar los resultados o comprender la arquitectura histórica de tus campañas.
3. Implementa tu “Policy Engineering”: No dejes áreas grises para la máquina. Traduce tus reglas de negocio (límites estrictos de puja, listas de exclusión semántica, márgenes de rentabilidad objetivo) en restricciones algorítmicas. Este es el requisito previo absoluto para poder delegar la ejecución con total confianza.
4. Potencia las habilidades de tus equipos: El auge de los agentes autónomos transforma el oficio del Media Buyer. Tus equipos deben formarse para diseñar prompts de campañas complejos, auditar los registros de decisiones del agente y liderar la estrategia global.