Durante los últimos años, hablar de inteligencia artificial aplicada al marketing significaba, en buena medida, hablar de asistentes: una herramienta que redactaba un correo, otra que proponía asuntos, un chatbot que respondía preguntas, un generador de imágenes que ayudaba a producir contenido.
Pero la conversación está cambiando tan rápido como avanza la tecnología; la IA comienza a pasar de responder instrucciones puntuales a ejecutar procesos completos: interpretar un objetivo, analizar información, utilizar distintas herramientas, tomar decisiones dentro de ciertos parámetros y avanzar hasta conseguir un resultado.
Ese cambio está en el centro de la conversación que atravesará el EMMS 2026, organizado por Doppler y Hostinger, y también del trabajo de la Comisión de Inteligencia Artificial de la Data & Marketing Association (DMA) Argentina. María Laura Barreto, integrante de esa comisión, es una de las voces que está analizando esta transición. En su trabajo para el segundo informe trimestral de la comisión plantea una idea que resume buena parte del desafío:
“El desafío no es tecnológico, es organizacional: se trata de aprender a trabajar con agentes, definir qué se puede delegar de forma segura y construir los controles para que esa delegación sea predecible.”
A partir de ahí, conversamos con ella sobre qué tareas están listas para delegarse, qué significa mantener el control cuando una máquina ejecuta procesos, y cómo cambia la relación entre las marcas y sus clientes cuando la IA empieza a intervenir directamente en ella.
Barreto lo explica con un ejemplo cotidiano. “Si le pedís a alguien del equipo ‘escribime un email para los que no abrieron la última campaña’, te va a traer un email. Vos lo leés, lo corregís, decidís a quién se manda y cuándo. Eso es un asistente: hace una tarea y te devuelve el control.“
La diferencia aparece cuando el objetivo, en lugar de la tarea, es lo que se delega: “Si le decís ‘necesito que los que se registraron esta semana lleguen a usar la plataforma’, la cosa cambia. Esa persona tiene que pensar a quién escribirle primero, qué decirle a cada uno, esperar a ver quién responde, insistir con los que no, y darse cuenta de cuándo alguien está listo para hablar con ventas. Ya no es una tarea, es un proceso. Y en el medio hay un montón de decisiones que nadie le dictó. Eso es lo que hace un agente.“
Y matiza algo importante, la autonomía no se activa de golpe. “A mí me gusta pensar la autonomía como una perilla y no como un interruptor. Primero sugiere, después ejecuta con tu aprobación, después ejecuta sola dentro de ciertos límites. La pregunta interesante no es qué puede hacer la tecnología, porque puede hacer mucho, sino hasta dónde querés girar esa perilla en cada proceso.“
Para decidir qué delegar, Barreto aplica un criterio simple: “¿Se repite? ¿Tiene volumen? ¿Puedo escribir las reglas? ¿Qué pasa si sale mal? ¿Hace falta criterio humano para resolverlo? Si las tres primeras dan que sí y las dos últimas dan ‘no pasa mucho’ y ‘no tanto’, tenés un candidato ideal.“ Ahí entran tareas como calificar leads, hacer el primer contacto con alguien que dejó sus datos o auditar llamadas de venta.
Del otro lado quedan las decisiones con más en juego: “Negociar condiciones con una cuenta grande, contener a un cliente que está furioso, decidir si vale la pena hacer una excepción. Ahí el agente puede ayudar un montón, juntando información, resumiendo el historial, proponiendo una respuesta. Pero la última palabra la tiene alguien con nombre y apellido. Y está bien que así sea, al menos por ahora.”
Este es, según Barreto, el punto menos discutido y más determinante. “La tecnología está lista para hacer muchísimo más de lo que las empresas le están pidiendo, y el cuello de botella casi nunca es la herramienta. Es cómo está organizado el equipo.”
El primer paso, dice, es que alguien tome responsabilidad del proceso: “Veo muchas empresas donde cada uno prueba su herramienta por su lado, con su cuenta personal, y nadie está pensando cómo encaja todo eso en la operación. Hay mucho entusiasmo y muy poco sistema.“
El segundo es documentar el conocimiento que hoy vive solo en la cabeza de las personas: “Un agente no puede ejecutar algo que nadie escribió. Y muchas veces, al intentar escribirlo, el equipo descubre que ni siquiera estaba de acuerdo en cómo se hacía. Eso solo ya vale el ejercicio.”
Y el tercero, cambiar qué se mide: “Si seguimos midiendo al equipo por cantidad de piezas, emails enviados o llamadas hechas, vamos a premiar justo lo que queremos delegar. Hay que empezar a valorar a quien diseña bien un proceso, a quien detecta dónde falla un agente y lo mejora.“
Laura compara el proceso con la incorporación de alguien nuevo al equipo: “El primer día no le das acceso a todo ni lo dejás hablar con el cliente más importante. Le explicás qué puede hacer solo, qué tiene que consultarte y en qué situaciones tiene que levantar la mano. Con un agente es exactamente igual, solo que lo tenés que escribir, porque el agente no va a leer el clima de la oficina.”
En concreto, antes de activar un agente recomienda definir qué acciones puede ejecutar, qué datos puede consultar, con qué tono habla en nombre de la marca, cuándo debe derivar a una persona y cómo se lo detiene si algo se descontrola: “Ese botón de ‘frenar todo’ muchas veces no existe hasta que se necesita.”
También insiste en un punto que suele pasarse por alto: quién responde cuando el agente se equivoca. “Si no hay un dueño, el error queda en tierra de nadie, marketing dice que es de tecnología, tecnología dice que el prompt lo escribió marketing, y nadie aprende nada.”
La charla de Barreto en el EMMS 2026 se titula “Cercanía a escala: qué automatizar y qué no cuando la IA atiende a tus clientes”.
Su respuesta desafía el sentido común habitual: “A mí no me molesta hablar con una IA. Me molesta que me hagan perder el tiempo. Si a las once de la noche tengo una duda y alguien me la resuelve en dos minutos, no me importa demasiado si es una persona o un agente. Lo que me va a quedar es que me atendieron.“
Por eso, dice, la cercanía no se construye disfrazando al agente de humano: “Pasa por cosas mucho más concretas: que responda rápido, que entienda lo que le estoy preguntando aunque lo escriba mal, que se acuerde de lo que le dije hace tres mensajes, que no me pida el mismo dato dos veces.”
El momento crítico, señala, está en la salida de la conversación: “Donde se rompe todo es cuando alguien está frustrado y el agente le sigue respondiendo con el mismo guión, o cuando pide hablar con una persona y no hay forma de llegar. Ese es el momento que el cliente más recuerda, y es el que menos se diseña.”
Aquí Laura plantea una distinción que atraviesa toda la conversación: “Automatizar la operación no significa automatizar la relación. La operación es todo lo que se repite: responder la pregunta de siempre, pedir un dato, mandar un recordatorio, calificar si alguien tiene interés real. La relación es lo que pasa cuando alguien necesita que lo escuchen, que le den una solución a medida o que le resuelvan un problema que le está costando plata.“
Con Doppler Conversaciones, dice, los agentes ya atienden consultas en WhatsApp, redes sociales y sitio web a cualquier hora. Pero lo interesante está en cómo se hace el traspaso a una persona cuando corresponde. En el equipo comercial de Doppler, cuenta, trabajan con Lara, un agente de WhatsApp que contacta, califica y acompaña: “Cuando detecta una oportunidad real, se la pasa a un vendedor con toda la conversación y el contexto. El vendedor no arranca con ‘hola, ¿en qué te puedo ayudar?’, arranca sabiendo qué necesita esa persona. Para el cliente eso es cercanía, aunque la mitad de la conversación la haya tenido con una IA.”
Para Barreto, lo que cambia es el momento en que el equipo se hace responsable: “Antes la responsabilidad estaba al final: alguien escribía la pieza, otro la revisaba, y antes de apretar ‘enviar’ había una última mirada humana. Con un agente esa última mirada muchas veces no existe. Entonces la responsabilidad se tiene que mover para adelante, al momento en que definís qué puede hacer el agente, con qué criterio decide y qué no puede hacer nunca.“
Recurre a una comparación futbolística: “Me gusta la comparación con un director técnico. No patea la pelota, pero nadie duda de quién responde por el resultado. Con los agentes es parecido: el equipo de marketing deja de jugar cada pelota, pero tiene que haber pensado el partido antes.“
Y añade una advertencia sobre lo que está en juego: “Un agente habla en nombre de la marca. Puede prometer un plazo, ofrecer un descuento, darle una respuesta a un cliente que después alguien va a tener que sostener. Si el agente dice algo, lo dijo la empresa.”
“Revisar cada acción no escala. Y si lo hacés, el agente no te está ahorrando nada, solo le agregaste un paso al proceso. Pero tampoco podés largarlo y olvidarte.” La supervisión real, explica, es diseñar un sistema (con reglas claras, registro de actividad, alertas ante comportamientos anómalos) que permita saber qué está pasando sin mirar todo.
Comparte un caso propio que ilustra el riesgo de confiar demasiado: “Armamos un sistema que audita las llamadas de venta y genera reportes de coaching para cada vendedor. Funcionaba muy bien, hasta que vimos que en algunos casos el modelo inventaba el nombre del vendedor. El análisis de la llamada era correcto, pero se lo atribuía a otra persona. La lección fue que no todo lo tiene que resolver el modelo, y que hay datos que conviene que no interprete.“
“El problema de muchos equipos hoy no es que les falten herramientas, es que les sobran”, dice Barreto. Un agente externo al stack, explica, arranca ciego: “No conoce a tus contactos, no sabe qué campañas mandaste, no sabe quién abrió, quién compró ni quién dejó de interactuar hace meses. Se lo tenés que contar todo, y cada vez.”
Ese es justamente el enfoque detrás de ECO, el agente embebido en Doppler: “No tenés que explicarle quiénes son tus suscriptores ni exportarle un reporte: ya los conoce, porque vive en la misma plataforma donde armás tus campañas.” Para una PyME sin equipo técnico, agrega, esa diferencia es la que define si la IA se usa de verdad todos los días o queda como una prueba que nunca más se abre.
ECO, dice, es el ejemplo más claro del paso de asistir a ejecutar: “No se queda en sugerirte un asunto para tu próximo mail. Analiza tus campañas y te dice qué funcionó y qué no, evalúa el desempeño, crea plantillas y ejecuta automatizaciones. Le das un objetivo y avanza, en vez de devolverte una lista de ideas para que las implementes vos.”
Doppler también aplica el modelo puertas adentro: además del agente comercial que contacta por WhatsApp a quienes crean una cuenta y no avanzan, cuentan con un sistema de agentes que audita llamadas de venta y genera coaching semanal para cada vendedor, “algo que a mano era imposible”.
“El customer journey siempre lo dibujamos como un camino: la persona conoce la marca, la considera, la compara, compra. Con el comercio agéntico, una parte enorme de ese camino se vuelve invisible. Si un agente compara diez opciones en segundos, no hay visita al sitio, no hay clic en un anuncio, no hay carrito abandonado para recuperar. El embudo se convierte en una caja negra”, explica Barreto.
Lo que queda visible, dice, son las puntas: la marca que la persona ya tenía en la cabeza al pedirle algo al agente, y la experiencia una vez que recibe lo comprado. En el medio, el agente decide con criterios fríos (precio, disponibilidad, condiciones, reputación), lo cual representa un reto para las marcas grandes, pero también “una oportunidad para las que tienen su información ordenada y una reputación sólida, que muchas veces son PyMEs que hacen las cosas bien y no tienen presupuesto para ganar la pelea en publicidad”.
“Significa que tu información tiene que poder leerla una máquina, no solo una persona. A un agente no lo conmueve una foto linda, un gran diseño, ni un copy ingenioso. Busca datos para comparar: qué vendés, cuánto sale, cuándo llega, qué pasa si lo querés devolver, qué opina la gente que ya compró. Si eso está escondido en un PDF o en una imagen, para el agente no existe.”
Aun así, aclara que el branding no pierde valor, sino que gana otra función: “Ser visible para los agentes te permite entrar en la comparación. Ser relevante para las personas hace que ni siquiera haya comparación. Las marcas van a tener que trabajar las dos cosas a la vez.”
“Con el SEO peleábamos un lugar en una lista de diez links, y después la persona elegía. Con los motores de respuesta eso cambia: la IA da una respuesta, a veces cita dos o tres fuentes, y si no estás ahí, directamente no existís para esa consulta“, explica.
Pero pide cautela frente al entusiasmo del momento, “Quiero ser honesta: estamos en una etapa bastante primitiva del AEO. Todavía no entendemos del todo cómo eligen sus fuentes los modelos, los criterios cambian de una versión a otra y cada semana aparece alguien con la fórmula secreta para salir en ChatGPT. Mucho de lo que se dice hoy es prueba y error.“ Lo que sí es consistente, señala, es que a la IA le cuesta entender información desordenada o contradictoria: “El AEO, en gran parte, nos está cobrando la tarea que muchas marcas nunca hicieron.”
Su primer consejo es no perseguir cada tendencia, sino invertir en lo que seguirá valiendo cuando las reglas cambien: información ordenada, estructurada y actualizada. El ejercicio concreto que propone es revelador: “Abrí ChatGPT, Gemini, Claude o Perplexity y hacele las preguntas que haría un cliente tuyo. Mirá si aparecés, cómo aparecés y quién aparece en tu lugar. Suele ser un baño de realidad.”
Después, recomienda revisar la consistencia de la información de marca en todos los canales, y sumar contenido propio y específico: “Lo genérico la IA ya lo sabe. Lo que no sabe es lo que solo vos podés contar.“
Barreto se declara conservadora frente a la tentación de darle todo el contexto posible a un agente: “Mi criterio es darle la información mínima que necesita para hacer bien su tarea. Un agente que califica leads no necesita saber cuánto facturó cada cliente en los últimos tres años. Más datos no siempre significa mejores decisiones. Muchas veces significa más ruido y más riesgo.”
Y advierte sobre un problema previo a cualquier estrategia de IA: “Trabajo todos los días con CRM, reportes y modelos de atribución, y te diría que la mayoría de los problemas que parecen de IA en realidad son problemas de datos. Un teléfono mal cargado, un lead duplicado, un SKU perdido.” La conclusión es: “Un agente con datos sucios no se equivoca menos que una persona. Se equivoca igual, pero más rápido, a más gente y con mucha más seguridad.”
El primer riesgo, dice, es de confianza: “Que uses los datos de una forma que el cliente no esperaba. Puede ser totalmente legal y aun así resultar invasivo. Si un agente le menciona a alguien algo que esa persona no recuerda haberte contado, la sensación no es de cercanía, es de que la estás vigilando.”
Luego están los riesgos técnicos (errores que se replican a escala, información sensible expuesta) y uno que considera el más peligroso porque es invisible: “Que el sistema funcione tan bien durante tanto tiempo que la gente deje de mirarlo. La confianza ciega en algo que anduvo bien seis meses es un riesgo en sí misma.”
“Se hace menos a mano y se piensa más”, resume Barreto. “Se pasa mucho menos tiempo armando la pieza, subiendo la lista, respondiendo por décima vez la misma consulta. Y se pasa mucho más tiempo en preguntas de fondo: a quién le estamos hablando, para qué, cómo sabemos si funcionó.“ El trabajo, dice, se parece más a diseñar sistemas que a producir entregables, y advierte: “Ya no te podés esconder detrás de la ejecución. Si la ejecución la hace un agente, lo que queda a la vista es tu criterio.”
Para Barreto, la habilidad central es pensar en procesos: “Poder explicar paso a paso cómo se hace algo, dónde están las decisiones, qué pasa en cada caso. Si no le podés explicar una tarea a alguien que entró ayer al equipo, tampoco se la vas a poder explicar a un agente.“ A eso se suma el criterio para detectar errores con apariencia de certeza, porque “la IA escribe con mucha seguridad, y eso engaña”, sumado a la capacidad de leer datos para saber si un agente realmente está funcionando.
Y cierra con una reflexión sobre lo que ese tiempo liberado debería significar: “Volvemos a hacer lo que siempre debimos hacer y nunca teníamos tiempo: hablar con clientes, entender el negocio, pensar ideas nuevas, acompañar al equipo. Durante años nos quejamos de que lo operativo no nos dejaba pensar. Bueno, ahora no hay excusa.”
“Por un problema, no por una herramienta. El error más común es arrancar al revés: ‘salió tal herramienta, ¿qué podemos hacer con esto?’. Es mejor preguntarse qué es lo que más te duele hoy“, dice Barreto. Su recomendación es elegir un solo caso, resolverlo bien y medir el antes y el después: “La estrategia no sale de un documento de cuarenta páginas. Se arma caso por caso. Cuando tenés tres o cuatro cosas funcionando y conectadas entre sí, la estrategia ya existe.”
“Automatizar un proceso que ya estaba roto. Si el seguimiento de leads es un desorden, la IA lo va a hacer igual de desordenado, pero más rápido y con más gente.“ El segundo error frecuente, señala, es no medir el impacto real, y el tercero es la dispersión: “Querer hacer todo a la vez. Es preferible una sola cosa funcionando de punta a punta que diez pilotos a medias.”
“Creo que el próximo paso es pasar de un agente a varios trabajando juntos. Uno que capta, otro que califica, otro que acompaña al cliente en sus primeros pasos, otro que detecta si está en riesgo de irse, y todos pasándose información entre ellos. Ahí el desafío ya no va a ser que cada agente funcione, sino cómo se coordinan, qué pasa cuando no están de acuerdo y quién supervisa el conjunto. Es casi un problema de management.”
Y anticipa un escenario que obligará a repensar las métricas actuales: “Cuando los agentes de las marcas empiecen a hablar con los agentes de los consumidores, muchas de las cosas que medimos van a dejar de tener sentido. ¿Qué es una apertura si el email lo lee un agente? ¿Qué es un lead si quien pide información es una IA en nombre de alguien?”
Su cierre es directo: “Usar la IA todos los días en su propio trabajo. Hay muchísima gente que sabe explicar qué es un agente y nunca armó uno. Y se aprende mucho más rompiendo un flujo que mirando webinars.” Pero advierte que las herramientas son lo menos importante a largo plazo: “Lo que no cambia es saber qué problema vale la pena resolver, qué mide tu negocio y dónde se pierde plata. Cuando la ejecución sea cada vez más fácil de delegar, eso va a ser lo que te diferencie.”
Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *
Δ