En diciembre de 2025, Oxford University Press eligió rage bait como palabra del año. La razón que dio fue puramente cuantitativa: el uso del término se había triplicado en doce meses. Lo define como contenido diseñado deliberadamente para provocar indignación siendo frustrante, provocador u ofensivo.

A pesar de parecer un término nuevo, llevamos viéndolo desde los inicios de internet. Trolls que buscaban provocar una reacción visceral de su audiencia, que evolucionó en los ‘’click bait’’ de la prensa digital. Ell rage bait funciona porque la métrica con la que evaluamos a los creadores no sabe distinguir entre alguien que aplaude y alguien que insulta.

El rage bait es un (mal) incentivo del sistema

Conviene quitar de en medio la lectura fácil. El rage bait es una decisión editorial consciente, pero no aparece porque haya creadores dispuestos a molestar a su audiencia: aparece porque el entorno lo remunera. Los algoritmos de distribución premian la interacción sin evaluar su carga emocional, y un comentario airado y uno entusiasta emiten exactamente la misma señal.

Que la negatividad capta más atención es algo demostrado y anterior a las redes sociales. El estudio Negativity drives online news consumption, publicado en Nature Human Behaviour en 2023, analizó unas 105.000 variantes de titulares sometidas a test aleatorizado sobre más de 370 millones de impresiones. El resultado: cada palabra negativa adicional en un titular de longitud media aumentaba el CTR un 2,3%, mientras que las palabras positivas lo reducían.

Trasladado al feed, el incentivo es transparente. Si el sistema reparte alcance en función del volumen de interacción, y la negatividad genera más interacción, el contenido que incomoda tiene una ventaja estructural sobre el que agrada. No hace falta mala fe para que el equilibrio se desplace: basta con optimizar.

Dónde falla la métrica

El engagement rate —el ER% que aparece en cualquier informe de campaña— se calcula dividiendo el total de interacciones entre las impresiones o las visualizaciones. Así lo define el Estudio Anual de Influencer Marketing 2026. El numerador es una suma, y una suma no tiene signo.

Esto significa que el ER% mide con precisión cuánta gente reaccionó, y no dice absolutamente nada sobre qué reacción tuvieron. Un perfil que genera debate hostil y otro que genera adhesión pueden aparecer en el mismo tramo de un ranking de engagement. Si la selección de creadores se resuelve mirando esa columna, las dos opciones son indistinguibles.

A eso se añade un segundo problema: el ER% se maneja habitualmente como si existiera un umbral de referencia universal, un «buen engagement» válido para cualquier marca. El propio estudio desmonta esa idea al medir el engagement rate por sector y por plataforma, con diferencias notables entre categorías. No hay una cifra buena en abstracto: hay cifras que tienen sentido dentro de un sector, una plataforma y un formato concretos.

Alcance y calidad de la interacción se mueven por separado

Hay una prueba de esto en el mismo estudio. Al comparar Reels amplificados con pauta frente a Reels orgánicos, los tres indicadores se separan en direcciones opuestas:

Fuente: Estudio Anual de Influencer Marketing 2026, 3ª edición. El dato de comentarios positivos procede de análisis automatizado de comentarios mediante tecnología de análisis de sentimiento.

El contenido amplificado llega a mucha más gente y, aun así, interactúa peor y recibe comentarios de peor calidad: cinco puntos porcentuales menos de comentarios positivos. El caso es otro —amplificación, no contenido polémico—, pero la lección sirve igual: alcance, volumen de interacción y sentimiento pueden divergir dentro de una misma pieza, y ninguno de los tres sirve como aproximación de los otros dos.

El estudio lo resuelve incorporando el análisis de sentimiento como una capa más de medición. Cualquier marca que evalúe creadores debería hacer lo mismo.

Lo que realmente se compra en una colaboración

Cuando una marca activa a un creador no está comprando espacio publicitario: está comprando una transferencia de credibilidad, que a su vez depende del contexto. Un contenido patrocinado no se consume aislado, sino dentro de un perfil, con su historial y su hilo de comentarios. Si la conversación que rodea a ese creador es de confrontación, la marca aparece en el terreno emocional que ese perfil ha construido. El número de interacciones sube igual. Lo que no sube es la disposición favorable de quien las lee.

Aquí hablamos de eficiencia: parte del engagement que estás pagando puede estar trabajando en contra del objetivo de la campaña sin que ninguna métrica del informe lo señale. Evitarlo exige separar cuatro dimensiones que el ER% comprime en un único número:

• Volumen: ¿cuánta interacción genera este perfil en relación con su alcance?
• Signo: ¿esa interacción es de adhesión, de indiferencia o de conflicto?
• Naturaleza: ¿son reacciones pasivas o comentarios, guardados y compartidos?
• Origen: ¿el alcance es orgánico o está amplificado?

Un perfil con un engagement rate alto sostenido por comentarios de confrontación y otro con un engagement rate moderado y una comunidad que responde bien a sus recomendaciones producen resultados de negocio distintos. En una hoja de cálculo ordenada por ER%, el primero suele estar por encima.

Hacia una medición con signo

Superar la ceguera del ER% pasa por auditar la métrica: preguntar de qué está compuesto ese número antes de usarlo para decidir.

Es el trabajo que hacemos en Making Science cuando evaluamos un perfil. Analizamos el sentimiento de la conversación con tecnología de análisis de lenguaje y lo cruzamos con dos cosas que el dato agregado tampoco muestra: si esas interacciones vienen de la audiencia que le importa a la marca y si el alcance es orgánico o está amplificado. Después hace falta revisión humana, porque la ironía, el contexto de una polémica anterior o el tono habitual de una comunidad no siempre se resuelven de forma automática.

Conclusión

El rage bait es la consecuencia lógica de premiar la interacción sin importar cual sea. Mientras la interacción se contabilice como una magnitud neutra, la indignación seguirá siendo una estrategia de crecimiento perfectamente racional.

La corrección está en el criterio propio, dejando de premiar la interacción vacía o polémica. Un engagement rate es un punto de partida útil y una conclusión pobre. Antes de decidir con quién colaborar, debemos entender su forma de comunicar. 

Este verano, la expresión «la caída de los influencers» ha ocupado titulares, hilos y conversaciones de sobremesa. La lectura habitual es que el modelo se agota. Los datos dicen otra cosa, y es una cosa bastante más interesante.

Empecemos por lo que no está pasando. Según el Estudio de Redes Sociales 2026 de IAB Spain, los influencers concentran al 46% de los usuarios de redes sociales, mientras que solo un tercio de la audiencia sigue directamente a marcas. El 44% afirma que las redes influyen en su decisión de compra —un porcentaje que sube al 56% entre los nacidos entre 1997 y 2012— y el 25% ya compra directamente en la plataforma, nueve puntos más que el año anterior. La 28ª edición de Navegantes en la Red (AIMC) sitúa en el 56,4% la proporción de entrevistados que sigue a algún creador. Y la inversión estimada en el canal creció un 49% en 2025, según el Estudio Anual de Influencer Marketing 2026 de Primetag e IAB Spain.

Ni la audiencia se ha ido, ni la inversión se ha retirado, ni el canal ha dejado de funcionar.

Lo que sí se está deteriorando es otra cosa. En el mismo estudio de AIMC, el 69,8% de quienes siguen a creadores considera que estos usan o abusan de la publicidad encubierta, y el 61,9% cree que la mayoría de sus publicaciones tienen carácter publicitario, tres puntos más que hace dos años.

Es decir: la audiencia sigue mirando pero se ha cansado de la falta de credibilidad. Y esto tiene repercusiones directas para las marcas.

Qué ha pasado exactamente estos meses

El fenómeno tiene una fecha bastante concreta: julio y agosto de 2026. Varias polémicas protagonizadas por creadores muy conocidos se concentraron en pocas semanas y desembocaron en una tendencia con nombre propio. Buscar «la caída de los influencers» en TikTok o Instagram devuelve hoy cientos de vídeos de usuarios explicando por qué han dejado de seguir a determinados perfiles, con millones de visualizaciones acumuladas.

Al revisar esa conversación, las quejas que expresan los usuarios se repiten y son notablemente concretas:

• Saturación publicitaria. Perfiles donde cada pieza contiene un código de descuento, un viaje patrocinado o un producto.
• Opiniones sobre temas ajenos a su especialidad. Usuarios que echan en falta legitimidad cuando un perfil con audiencia masiva entra en debates sociales.
• Un estilo de vida inaccesible. Contenido que muestra una realidad económica cada vez más alejada de la de quien lo consume.

En paralelo se ha consolidado el de-influencing: contenido que recomienda expresamente no comprar. Es la respuesta lógica de una audiencia que ha empezado a leer las recomendaciones como transacciones.

El problema de fondo: la identificación se ha estrechado

El motor original de este canal fue la identificación. Una recomendación funcionaba porque venía de alguien cuya vida se parecía razonablemente a la de quien la escuchaba: el mismo presupuesto, las mismas preocupaciones, los mismos sitios.

Ese equilibrio se ha movido. Un creador que trabaja una década profesionaliza su actividad, multiplica sus ingresos y transforma su realidad material. Es la trayectoria lógica de cualquier profesional con éxito y no hay nada reprochable en ella. Pero en este canal concreto el activo que se monetiza es la cercanía. Cuando la distancia económica y vital se ensancha, la vida que se muestra deja de ser replicable y la recomendación deja de ser trasladable.

Los informes del sector permiten medir con bastante precisión hasta dónde ha llegado ese desajuste. El Estudio de Redes Sociales 2026 de IAB Spain señala que el 97% de los usuarios acude a las redes buscando entretenimiento, mientras que un 40% asegura encontrar publicidad dentro del contenido de los perfiles. Y los datos de AIMC muestran que la percepción de carácter publicitario ha crecido tres puntos en dos años.

Dicho de otro modo: la audiencia entra a entretenerse y sale con la sensación de haber consumido un catálogo. No es que rechace la publicidad —el propio estudio de IAB confirma que funciona, con un 44% de usuarios que reconoce su influencia en la decisión de compra—, es que ha dejado de creerse la parte que se presentaba como opinión personal.

Lo que no se está cayendo: la influencia cambia de manos

Aquí es donde el titular se queda corto. Lo que atraviesa una crisis no es la figura del creador, sino un modelo concreto: el que se sostenía únicamente en la popularidad y que daba por hecho que más seguidores equivale a más influencia.

Los datos apuntan a que el mercado se está moviendo en la dirección opuesta al escaparate. Entre las conclusiones del Estudio Anual de Influencer Marketing 2026 (Primetag e IAB Spain) está recoge un dato revelador: la tasa de contenidos identificados como publicitarios se ha duplicado. Hay más transparencia que nunca. Y precisamente por eso la audiencia percibe con tanta claridad cuánta publicidad consume, y distingue mejor que nunca entre una recomendación creíble y una que no lo es.

La audiencia busca una recomendación real, a ser posible orgánica. Entiende que la marca pueda tener cabida, pero siempre y cuando los discursos de creador y marca vayan de la mano, y no los sature con mensajes contradictorios. 

Lo que esto cambia al elegir creadores

Si la audiencia ya sabe leer, el criterio de selección no puede seguir siendo el tamaño de la comunidad. Hay tres variables que informan mucho mejor.

El solapamiento real de audiencia. No los seguidores totales, sino cuántos de ellos pertenecen al público objetivo de la marca: mercado, edad, intereses, comportamiento de consumo. Un perfil de 800.000 seguidores con un 20% de audiencia relevante aporta menos público útil que uno de 90.000 con un 70%. La segunda cifra es la que determina el resultado y no aparece en ningún ranking.

La coherencia del historial. El recorrido de colaboraciones de un creador es información pública: dice si la categoría encaja con su contexto real, si su discurso se sostiene en el tiempo y si su comunidad ya le ha visto defender cosas parecidas antes de cobrar por ellas. Cuando la combinación no encaja, la audiencia no la interpreta como una decisión del creador, sino como una decisión de la marca.

La estima de la comunidad. Es la variable decisiva y la que casi nunca se analiza. El sentimiento de los comentarios, el tono de las conversaciones y la reacción ante colaboraciones anteriores predicen mucho mejor la conversión que cualquier cifra de alcance.

La consecuencia práctica es que hay miles de creadores —comunidades más pequeñas, especializadas, con una relación de respeto real— que están infravalorados por el mercado simplemente porque su métrica más visible es la que menos importa.

Cómo lo trabajamos en Making Science

Nuestro punto de partida es la audiencia de la marca.

El equipo hace un trabajo de investigación exhaustivo de cada perfil candidato: con qué marcas ha trabajado, qué ha defendido antes, si el producto encaja con su contexto real y qué relación mantiene con su comunidad. Ese análisis cualitativo, que requiere criterio humano, se combina con tecnología de análisis de audiencias: composición demográfica y geográfica, solapamiento con el target, calidad de la interacción y sentimiento asociado a sus contenidos patrocinados.

Todo ello para responder a una única pregunta: si existe un match verificable entre el creador y la marca, o si solo hay coincidencia de tamaño. Son dos cosas distintas, y solo una de ellas sobrevive a una audiencia que ya sabe leer.

La (no) caída

Nadie se está cayendo. Lo que se está agotando es una forma de elegir: la que asumía que alcance e influencia son lo mismo.

La audiencia ha dejado de confiar en las combinaciones que no tienen sentido. Y esa distinción devuelve la ventaja competitiva al criterio: la credibilidad ha vuelto a ser un factor de compra y, por primera vez, se puede analizar antes de firmar. Esto genera nuevas oportunidades para creadores que quizás antes por su discurso, no tenían cabida en las marcas. 

¿Alguna vez has buscado una receta, una recomendación de viaje o un tutorial de maquillaje y has ido directamente a TikTok? Si la respuesta es sí, no estás solo. Al 40% de los usuarios de la Generación Z les ocurre lo mismo.

El comportamiento del consumidor ha evolucionado hacia un modelo híbrido: hoy, la decisión de compra y la resolución de dudas se inician en un ecosistema que combina listas de información con flujos de experiencias visuales. Esta transición hacia un descubrimiento más dinámico —común tanto en los resultados de Google como en la interfaz de TikTok— representa un cambio de paradigma donde el usuario ya no solo consume contenido de forma pasiva, sino que utiliza cada plataforma como un motor de respuesta activa.

Esta evolución hacia un motor de búsqueda real ha desplazado el eje de la intención digital, obligando a las marcas a repensar su visibilidad. Del scroll reactivo hemos pasado al search proactivo, un escenario donde la autenticidad del vídeo corto complementa la profundidad informativa de los buscadores tradicionales. Es el momento de adaptar la estrategia de contenidos a un ecosistema donde la búsqueda es, cada vez más, una mezcla entre lo textual y lo visual..

Entonces… ¿Cómo conviven las experiencias en Google y TikTok?

El ecosistema de búsqueda no se está rompiendo, se está especializando. Mientras Google continúa siendo la herramienta definitiva para consultas complejas y de alta precisión, TikTok ha ganado terreno en el descubrimiento visual y la validación social inmediata. Los datos confirman que el 40% de los usuarios de la Generación Z realiza una búsqueda en TikTok o Instagram cuando buscan, por ejemplo, un lugar para comer o un producto específico.

Esta preferencia no es casual y responde a tres factores clave que están redefiniendo el SEO moderno:

• La democratización de la confianza: El usuario actual busca un equilibrio entre la información institucional y el contenido con un enfoque más humano. En este sentido, la profundidad y el detalle que ofrecen los resultados de los buscadores tradicionales se complementan ahora con la validación social inmediata que aporta el formato vídeo. Ver a una persona real utilizando un producto o visitando un lugar añade una capa de cercanía y autenticidad que enriquece la experiencia de búsqueda, ofreciendo al consumidor una visión 360º antes de tomar una decisión.

• La eficiencia del formato «micro-visual»: La capacidad de síntesis de las plataformas actuales permite obtener respuestas en cuestión de segundos. En un contexto donde la atención es el activo más escaso, Google ha liderado esta eficiencia con sus Featured Snippets y resultados directos, una agilidad que TikTok complementa al hacer que el proceso de búsqueda sea, además de informativo, altamente visual y entretenido. Ya no se trata solo de encontrar una solución técnica, sino de consumir una experiencia multiformato que se adapta al ritmo del usuario moderno.»

• La evolución del descubrimiento asistido: Si bien la barra de búsqueda clásica de Google sigue siendo el estándar para la intención proactiva, el ecosistema digital ha perfeccionado el modelo de descubrimiento asistido. Al igual que herramientas como Google Discover, el algoritmo de TikTok destaca por su capacidad de anticiparse a los intereses del usuario, transformando el scroll en una serie de respuestas a necesidades que el consumidor aún no había verbalizado. Esta convergencia tecnológica permite que la búsqueda ya no solo dependa de una pregunta directa, sino de una experiencia de contenido personalizada que fluye de forma natural en ambas plataformas.

Este cambio de paradigma es tan relevante que incluso Google ha reconocido que plataformas como TikTok están transformando los hábitos de búsqueda de los usuarios. En un contexto donde la búsqueda es cada vez más visual y multimodal, la presencia de las marcas en TikTok deja de ser una cuestión exclusivamente de branding para convertirse en una pieza clave de su estrategia de SEO visual y vertical.

La nueva frontera de la visibilidad digital

Dominar el TikTok Search requiere una convergencia exacta entre tecnología y análisis de datos. Ya no se trata solo de crear contenido efímero, sino de centrarse en la optimización de activos digitales con mentalidad de buscador: desde un keyword research basado en el lenguaje natural del usuario hasta la implementación de metadatos visuales y sonoros que el algoritmo ya es capaz de indexar. Al unificar el análisis estratégico con el potencial de formatos como los Spark Ads, las marcas transforman su presencia en la plataforma de un simple impacto visual a una solución de búsqueda de alto rendimiento, garantizando que el mensaje aparezca justo donde el descubrimiento se encuentra con la intención.

El impacto del SEO híbrido en el ROI

La relevancia de esta transición hacia el SEO visual se apoya en métricas de rendimiento directas: según estudios recientes de comportamiento digital, los anuncios que aparecen en los resultados de búsqueda de TikTok logran un incremento del 20% en la intención de compra. No se trata solo de visibilidad, sino de captación en el momento de alta intención. Además, el 82% de los consumidores afirma que el contenido de vídeo ha sido el factor decisivo para adquirir un servicio. Integrar TikTok en el ecosistema de búsqueda permite a las marcas no solo capturar este tráfico de nicho, sino también fortalecer su estrategia de posicionamiento en Google. Al indexar vídeos de TikTok en sus SERPs móviles, Google ofrece a los usuarios una experiencia de búsqueda más rica, creando un puente orgánico que maximiza el retorno de la inversión en ambos canales.

Un ecosistema de búsqueda en constante evolución

La consolidación de TikTok como motor de búsqueda no supone el fin de los buscadores tradicionales; al contrario, reafirma la importancia de una presencia omnicanal. Google y TikTok desempeñan hoy roles complementarios en el customer journey: mientras Google aporta autoridad, profundidad y alcance, TikTok impulsa el descubrimiento a través de contenidos visuales y recomendaciones algorítmicas. El éxito de una marca dependerá de cómo logre integrar ambos entornos.

En este nuevo escenario, el éxito de una marca no se mide solo por su capacidad de entretener, sino por su relevancia algorítmica. Aquellas empresas que logren descifrar los códigos del SEO vertical y transformen sus activos de vídeo en respuestas precisas, serán las que lideren la conversación en una era donde, cada vez más, el descubrimiento empieza con un play.

En este nuevo escenario, el éxito de una marca depende cada vez más de su capacidad para ser relevante tanto para las personas como para los algoritmos que impulsan el descubrimiento de contenido. Aquellas empresas que comprendan los códigos del SEO vertical y optimicen sus activos de vídeo para responder a las nuevas formas de búsqueda estarán mejor preparadas para liderar la conversación en una era en la que, cada vez más, el descubrimiento comienza con un play.

Imagina que alquilas el mejor escaparate de la calle más transitada de tu ciudad. Pagas una fortuna al mes y cada tarde te asomas a contar cuánta gente pasa por delante. Miles de personas. El dato es magnífico. Pero nunca cuentas cuántas entran, cuántas compran ni cuánto se gastan.

Eso es, exactamente, lo que sigue ocurriendo con buena parte de la inversión en influencer marketing: se paga por pasar por delante y se mide lo que pasa por delante. Y el mercado español ya no permite ese lujo. Según la estimación de Primetag recogida en la 3ª edición del Estudio Anual de Influencer Marketing 2026, elaborado en colaboración con IAB Spain, la inversión estimada del sector alcanzó los 245 millones de euros en 2025, un 49% más que el año anterior y el tercer ejercicio consecutivo creciendo por encima del 30%. Cuando una partida crece a ese ritmo, deja de ser un experimento de marketing y pasa a ser una línea que el CFO mira con lupa. Y la pregunta que va a hacer no es cuántas visualizaciones tuvo el vídeo.

El problema no es el alcance. Es lo que pasa después

Durante años el sector ha vivido cómodo con tres cifras: alcance, likes y engagement. Fáciles de conseguir, fáciles de presentar y prácticamente imposibles de conectar con una venta.

Hay un dato del estudio que las deja en evidencia mejor que cualquier argumento. En 2025 la amplificación pagada de contenido de creadores (el llamado boosting) se consolidó en Instagram: los Reels amplificados son ya el 10% del total, pero generan el 28% de todas las visualizaciones. Un Reel amplificado promedia 1.445.000 visualizaciones frente a 256.000 de uno no amplificado. Números espectaculares. Ahora la otra cara:

Los mismos contenidos que multiplican el alcance por seis reducen el engagement rate a una décima parte. Dicho de otro modo: las dos métricas estrella del sector se contradicen entre sí. Puedes elegir la que mejor te cuente la historia y no estar mintiendo en ninguno de los dos casos. Eso no es medición. Eso es narrativa.

El «CPA ciego»: sabes lo que gastas, no lo que compras

En performance existe una regla básica: si no puedes atribuir una conversión, no puedes optimizar una inversión. Sin embargo, la mayoría de las campañas con creadores se cierran conociendo solo la mitad de la ecuación.

El coste está clarísimo: fee del creador, producción, comisión de gestión. Lo que falta es el denominador. ¿Cuántas altas, cuántos leads, cuántos tickets ha generado ese euro? Sin ese dato el CPA no es alto ni bajo: simplemente no existe. Es un CPA ciego.

Y trabajar a ciegas tiene consecuencias muy concretas. Es imposible decidir a qué creador se le renueva. Es imposible saber si falló el creador, el contenido o la página de destino. Es imposible defender el presupuesto del año siguiente con algo más sólido que un buen deck. Mientras tanto, los CPM del contenido patrocinado en Instagram bajaron de media un 10% en 2025. El medio se abarata; lo que sigue siendo caro es no saber qué te devuelve.

De valla publicitaria a mix media: el embudo completo

Aquí está el error de partida: tratar al creador como un soporte y no como un canal. Una valla se compra por ubicación y por tráfico. Un canal se planifica por objetivo, se mide por resultado y se optimiza según lo que devuelve. Los creadores pueden hacer las tres cosas, porque intervienen en todas las fases del embudo, no solo en la primera.

Cuando el contenido se planifica sabiendo en qué fase juega, cambian tres cosas a la vez: el brief, el formato y la métrica con la que se juzga. Y cuando cambia la métrica, el debate interno deja de ser estético y pasa a ser de negocio. A eso lo llamamos full-funnel accountability: cada activación responde por el resultado que le corresponde, no por el que resulta más halagador.

La infraestructura que lo hace posible

Nada de esto se sostiene con buenas intenciones, sino con configuración técnica. Y hay tres piezas que separan una campaña medible de una campaña decorativa.

La primera es el whitelisting: el creador autoriza a la marca a invertir medios pagados sobre su contenido y desde su perfil. En el ecosistema de Meta la vía oficial son los Partnership Ads (antes Branded Content Ads), donde el anuncio se publica desde el handle del creador con la etiqueta de colaboración pagada, mientras la marca controla segmentación, presupuesto, objetivo y medición. El contenido conserva la credibilidad de quien lo firma, pero deja de depender de lo que decida el algoritmo esa semana: pasa a ser un activo publicitario con pixel y con atribución.

La segunda son los Spark Ads de TikTok, el equivalente nativo. Con la autorización del creador, la marca promociona una publicación orgánica ya existente en lugar de subir una creatividad nueva. Y hay un detalle que suele pasar desapercibido: según la documentación de TikTok, toda la interacción que genera el Spark Ad se atribuye a la publicación orgánica original. La inversión en medios engorda el activo del creador y el rendimiento de la marca al mismo tiempo.

La tercera es el terreno del creator commerce, donde TikTok ha ido un paso más allá con GMV Max, un tipo de campaña automatizada para TikTok Shop que optimiza el retorno total de la tienda combinando señales de tráfico orgánico, de pago y de afiliados. La consecuencia estratégica importa más que la funcionalidad: en ese entorno el contenido del creador ya no está antes de la conversión, sino dentro de ella. El vídeo es escaparate, catálogo y caja a la vez.

El eslabón que casi nadie conecta: tus propios datos

Aun con todo lo anterior bien montado, queda un punto de fuga: la plataforma solo puede contarte lo que ocurre dentro de la plataforma. Y el negocio pasa fuera.

Ahí está la diferencia entre comprar publicaciones y orquestar un ecosistema. En Making Science no compramos posts: tratamos el influencer marketing como una disciplina de datos. Eso significa integrar la información de las plataformas sociales con los datos propios de cada cliente, incluidos los que viven fuera del entorno digital, como las ventas en tienda física o las oportunidades comerciales, para que las plataformas optimicen contra el resultado real de negocio y no contra un proxy. Y significa planificar al creador dentro del plan de medios, con los mismos equipos y los mismos criterios que gestionan el resto de la inversión, no en un carril paralelo.

Cuando ese circuito se cierra, el cuadro de mando se vuelve mucho más corto:

• Reducción del CPA. La inversión encuentra a la persona correcta en el momento correcto.
• Incremento del ROAS. Retorno por euro invertido, comparable con el resto del mix.
• Tasa de conversión. La prueba de que el contenido no solo se ve: mueve a la acción.

Y con esas tres cifras sobre la mesa, el influencer marketing deja de ser la excepción del plan de medios y empieza a competir de igual a igual con Search, Paid Social o Shopping. Con las mismas reglas y las mismas exigencias.

De vuelta al escaparate

Las marcas que sigan comprando alcance van a recibir el mismo informe cada trimestre: cifras enormes, conclusiones imposibles. Las que integren a los creadores en el mix completo podrán hacer algo bastante más incómodo para su competencia: saber exactamente cuánto les cuesta cada cliente nuevo.

Las métricas de vanidad no desaparecen porque estén mal. Desaparecen porque ya no hacen falta.

A medida que se aproxima la entrada en vigor del Artículo 50 de la EU AI Act, la incertidumbre se ha instalado en las reuniones de dirección. ¿Exigirá esta normativa de transparencia congelar la innovación en los equipos de marketing? ¿Dañará el rendimiento de los anuncios mostrar que una imagen o un vídeo han sido generados o modificados con Inteligencia Artificial?

La respuesta corta es no. La respuesta estratégica es que estamos ante una oportunidad clave para consolidar la confianza de los clientes y escalar campañas con total tranquilidad operativa.

1. El mito del pánico regulatorio: Cero fricción para los anunciantes

El estándar europeo exige identificar el contenido sintético o modificado con IA que pueda parecer auténtico, previniendo la desinformación. Sin embargo, la integración técnica con las grandes plataformas ya es una realidad.

Meta ha desplegado un sistema de etiquetado automático capaz de detectar tanto el contenido creado con sus propias herramientas como el generado por software de terceros a través del estándar de procedencia C2PA (utilizado por plataformas como Adobe u OpenAI).

Para los anunciantes, la consecuencia es clara: el impacto en el flujo de trabajo es nulo. No se requiere ninguna acción manual por parte del equipo publicitario, ya que la plataforma asume la detección e identificación de forma transparente.

2. Transparencia sin pérdida de rendimiento

El gran temor a nivel directivo era la posible degradación en la tasa de conversión o en el Click-Through Rate (CTR) al alertar al usuario sobre el uso de IA. Sin embargo, los datos del sector muestran que el impacto en el rendimiento de los anuncios es neutral e insignificante.

Además, la integración en Meta se ha diseñado para proteger la experiencia visual del anuncio: la etiqueta no se superpone directamente sobre la pieza creativa, sino que aparece en la sección «Acerca de este anuncio», accesible desde el menú contextual. Esto permite cumplir estrictamente con la ley europea sin sacrificar el impacto estético de la campaña.

3. De la IA como herramienta a la ventaja estratégica

La regulación no busca frenar el uso de la IA Generativa, sino elevar la exigencia de calidad y buen uso en el mercado. En un entorno publicitario donde la IA democratiza la creación masiva de anuncios, la verdadera brecha entre las marcas promedio y las líderes ya no radica en cuántas piezas se producen, sino en la solidez de la estrategia de datos y en la calidad creativa.

Las herramientas automatizadas se encargan de la procedencia y el cumplimiento normativo; la visión de negocio es la que determina cómo articular los datos y la tecnología para maximizar el retorno de la inversión.

La entrada en vigor del Artículo 50 no es un freno, sino una garantía de transparencia que protege el ecosistema digital. Las empresas que lideran el sector no temen a las reglas de juego claras: las integran en su gobernanza para seguir acelerando su crecimiento.

En Making Science, ayudamos a las organizaciones a convertir la evolución tecnológica y regulatoria en una ventaja competitiva sostenible. ¿Cómo está preparando tu compañía sus estrategias de medios y gobernanza de IA para este nuevo entorno?

En lugar de depender de mejoras puntuales, los equipos siguen un ciclo continuo de:

• Analizar el comportamiento del usuario.
• Identificar puntos de fricción.
• Desarrollar hipótesis.
• Ejecutar experimentos.
• Aprender e iterar.

Este proceso genera un flujo constante de aprendizajes y mejoras que se acumulan con el tiempo.

El poder de la optimización acumulativa

El verdadero valor del CRO aparece cuando pequeñas mejoras se acumulan a lo largo de todo el recorrido digital del usuario.

Veamos un ejemplo sencillo.

Una empresa optimiza distintas etapas de su embudo de conversión durante un periodo de 12 meses:

• +5 % de mejora en la interacción con la landing page.
• +4 % de mejora en la interacción con la página de producto.
• +6 % de mejora en la finalización del proceso de compra.
• +3 % de mejora en las ventas adicionales (upselling) tras la compra.

De forma individual, cada mejora puede parecer modesta.

Sin embargo, cuando estos cambios se acumulan a lo largo de todo el embudo de conversión, el efecto combinado puede aumentar significativamente los ingresos y el valor generado por cada cliente.

Este es el principio de la optimización acumulativa: pequeñas mejoras que, con el tiempo, producen resultados exponencialmente mayores.

¿Qué ocurre cuando el CRO se convierte en un proceso continuo?

Las organizaciones que adoptan una estrategia de CRO continuo suelen experimentar beneficios a largo plazo, entre ellos:

• Ciclos de aprendizaje más rápidos. La experimentación constante permite comprender con mayor rapidez qué funciona y qué no.
• Mayor retorno de la inversión en marketing. A medida que mejora la tasa de conversión, aumenta el valor de cada campaña de marketing.
• Mejores experiencias de usuario. Cada optimización elimina fricciones y mejora el recorrido digital del usuario.

Con el tiempo, estas mejoras convierten la experiencia digital en un sistema de alto rendimiento que evoluciona continuamente en función del comportamiento de los usuarios.

Cómo el CRO continuo impulsa el ROI a largo plazo

El impacto económico del CRO continuo puede hacerse evidente en apenas 12 meses.

Imaginemos una empresa con las siguientes métricas iniciales:

• 100.000 visitantes mensuales.
• 2 % de tasa de conversión.
• 100 € de valor medio por pedido.

Esto se traduce en 200.000 € de ingresos mensuales.

Ahora imaginemos que, gracias a un programa de CRO continuo, la tasa de conversión aumenta progresivamente hasta el 2,6 % durante esos 12 meses.

Sin incrementar el tráfico ni la inversión en marketing, los ingresos mensuales pasarían a ser de:

260.000 €

Esto supone un incremento del 30 % en los ingresos, generado únicamente gracias a la optimización.

Y, como estas mejoras se mantienen en el tiempo, su impacto continúa acumulándose durante los años siguientes.

¿Por qué el CRO continuo supera a la optimización puntual?

Las empresas que solo realizan cambios de forma ocasional suelen tener dificultades para mantener el impulso.

Sin un proceso estructurado de experimentación, las mejoras avanzan más lentamente y los aprendizajes se pierden con facilidad.

El CRO continuo plantea una dinámica completamente distinta.

Convierte la optimización en un sistema de aprendizaje, donde cada experimento genera conocimiento que sirve de base para la siguiente mejora.

Este enfoque permite a las organizaciones pasar de realizar actualizaciones reactivas a optimizar el crecimiento de forma proactiva.

Conclusión: el crecimiento se construye a través del aprendizaje continuo

Con frecuencia, el CRO se entiende como una actividad táctica centrada en ejecutar pruebas aisladas.

Sin embargo, su verdadero potencial reside en la experimentación continua y en el aprendizaje acumulado.

Las organizaciones que conciben el CRO como una estrategia permanente —y no como una iniciativa puntual— desarrollan un potente motor de crecimiento sostenible.

Porque, en optimización digital, el éxito rara vez depende de un único gran avance.

Se construye gracias a cientos de pequeñas mejoras que, con el tiempo, generan un impacto extraordinario.

El Secreto para Maximizar Cada Euro de tu Inversión en Medios

CMOs, ¿sienten alguna vez que, a pesar de aumentar la inversión en marketing, los resultados no crecen al mismo ritmo? No están solos. Este fenómeno, conocido como diminishing returns (rendimientos decrecientes), es uno de los mayores desafíos en la optimización del gasto en medios. Pero, ¿qué significa exactamente y cómo puedes evitarlo? Se refiere al punto en el que añadir más inversión a un canal de marketing ya no produce un aumento proporcional en los resultados. Es un concepto económico que, aplicado al marketing, explica por qué un crecimiento continuo en la inversión no siempre se traduce en un crecimiento ilimitado de ventas o leads. ¿Por qué es crucial entender esto? Porque ignorarlo puede llevarte a derrochar recursos valiosos en canales saturados, en lugar de optimizar tu presupuesto para un impacto máximo. En este post, desvelaremos cómo identificar y superar los diminishing returns para que tu inversión trabaje más inteligentemente.

¿Qué son los Diminishing Returns en Marketing?

Imagina que estás regando una planta. Al principio, cada gota de agua la ayuda a crecer. Pero si sigues añadiendo agua sin parar, la planta se ahoga. De manera similar, en marketing, existe un punto óptimo de inversión para cada canal. Antes de ese punto, cada euro adicional genera un ROI positivo y creciente. Sin embargo, una vez que alcanzas ese umbral, cada euro extra comienza a generar menos impacto, hasta el punto de que la inversión adicional podría no generar ningún beneficio o incluso uno negativo.

Este concepto de diminishing returns no significa que debas dejar de invertir, sino que necesitas ser más inteligente con dónde y cuánto inviertes. El problema que resuelve este entendimiento para los CMOs es precisamente cómo evitar la saturación de canal y asegurar que cada parte del presupuesto se destine a donde puede generar el mayor valor incremental.

Cómo Identificar los Diminishing Returns en Tus Canales

Reconocer los diminishing returns es el primer paso para optimizar tu gasto. Aquí te dejamos algunas señales de alerta:

• Curvas de respuesta planas o descendentes: Si graficas tu inversión en un canal vs. los resultados obtenidos (ventas, leads, etc.), y la curva empieza a aplanarse o incluso a bajar, estás experimentando rendimientos decrecientes.
• Aumento del CPA/CPL: Si el costo por adquisición (CPA) o costo por lead (CPL) de un canal aumenta significativamente a medida que incrementas la inversión, es una señal clara.
• Caída del ROAS/ROI: Un retorno de la inversión publicitaria (ROAS) o un ROI decreciente a pesar de una mayor inversión también indica que estás llegando al punto de saturación.

Para una detección precisa de los diminishing returns, herramientas como el Marketing Mix Modeling (MMM) son fundamentales, ya que analizan el impacto incremental de cada euro invertido en cada canal.

Estrategias para Superar los Diminishing Returns y Optimizar tu Presupuesto

Una vez identificados los puntos de diminishing returns, es hora de actuar. La clave no es reducir el presupuesto total de marketing, sino reasignarlo de manera más efectiva.

1. Reasignación Inteligente del Presupuesto:
   • Identifica el punto óptimo: Utiliza modelos avanzados para determinar la inversión ideal en cada canal antes de que los rendimientos empiecen a decrecer.
   • Mueve la inversión: Traslada los fondos de los canales que ya muestran diminishing returns hacia aquellos que aún tienen potencial de crecimiento o que están sub-invertidos. Esto podría significar explorar nuevos canales o formatos.
2. Optimización Creativa y de Mensaje:
   • A veces, los diminishing returns no son por la saturación del canal, sino por la fatiga del mensaje o la creatividad. Experimenta con nuevos enfoques creativos, audiencias o segmentaciones dentro del mismo canal.
3. Análisis Multicanal (MMM y Atribución):
   • Combina el Marketing Mix Modeling (MMM), que te da una visión macro del impacto, con modelos de atribución más granulares. Esto te permitirá entender no solo el efecto directo de cada canal, sino también las sinergias y el rol de cada punto de contacto en el customer journey, evitando así la saturación. En Making Science, nuestras soluciones integradas como Optiphi están diseñadas precisamente para esto.

Conclusión: Convierte el Desafío en Oportunidad con los Diminishing Returns

Entender y gestionar los diminishing returns es vital para cualquier CMO que busque maximizar la eficiencia y el impacto de su inversión en marketing. No se trata de gastar menos, sino de gastar mejor. Al identificar cuándo un canal alcanza su punto de saturación, puedes reasignar estratégicamente tus recursos, explorar nuevas oportunidades y asegurar que cada euro genere el máximo valor.

¿Estás listo para dejar de derrochar y empezar a optimizar tu presupuesto de marketing? ¡Aprovecha la oportunidad de convertir los diminishing returns en una ventaja competitiva! Si este post te ha abierto los ojos, déjanos un comentario o compártelo. ¡Porque la verdadera sabiduría en marketing no es solo invertir más, sino invertir con sabiduría!

Durante años, los profesionales del SEO tratábamos el volumen de búsqueda mensual como la brújula que guiaba cada estrategia. Elegíamos temas, establecíamos prioridades y medíamos el potencial de una palabra clave casi exclusivamente por esa cifra.

Pero en 2025, ese enfoque se siente anticuado. Google ya no sólo muestra enlaces azules en las SERP (páginas de resultados). Ahora presenta resultados a través de funciones como los AI Overviews y el AI Mode, (ya activo en algunas regiones), entregando resúmenes directos generados por IA en lugar de una lista de enlaces.

Mientras tanto, el comportamiento de los usuarios está cambiando. Cada vez más, hacen preguntas directamente a ChatGPT, Gemini, Claude o Perplexity en lugar de escribir en una barra de búsqueda. En este contexto, las búsquedas ya no son palabras clave, son indicaciones conversacionales (conversational prompts). Y en este momento, no existen datos públicos fiables que nos digan el «volumen» de esas consultas.

Si estás esperando que tu herramienta de SEO se ponga al día con la tendencia… ya vas tarde.

Por Qué es Importante el SEO Predictivo

El SEO Predictivo no se queda esperando a que los datos confirmen una tendencia. Toma la iniciativa.

• Detecta señales tempranas utilizando herramientas como Google Trends o AnswerThePublic.
• Crea contenido antes de que las métricas sean visibles, aprovechando plataformas como Reddit, X, Quora, Feedly, foros especializados o Google News.
• Está optimizado para las conversaciones, pensando en cómo un usuario formularía una pregunta a un chatbot — o cómo Google podría condensar una respuesta en sus Resúmenes de IA.

La Ventaja de Ser el Primero

En este nuevo mundo de la búsqueda conversacional, ser la primera fuente citada por un modelo de IA es una enorme ventaja competitiva.

Una vez que un chatbot o Google hace referencia a tu contenido en sus respuestas, desbancarlo se vuelve extremadamente difícil.

Cómo Adaptarse Hoy

• Vigila los foros y las plataformas sociales para detectar señales débiles tempranamente.
• Escribe respuestas a preguntas complejas que sean claras, estructuradas y verdaderamente útiles, de la misma manera que lo haría un asistente de IA.
• Cambia tu enfoque a la intención, no a las palabras clave exactas: crea contenido que resuelva problemas, no solo contenido que posicione.

Conclusión

El SEO Predictivo es la estrategia que asegura que tu marca aparezca en las respuestas impulsadas por la IA.

Ya no se trata solo de aparecer en la página principal de Google. Se trata de convertirse en la fuente de confianza que los modelos de IA citan cuando los usuarios hacen preguntas. Esa es la verdadera frontera de la visibilidad en 2025.

En Making Science, nuestro equipo de SEO y Contenido ya ha convertido este enfoque en la base de cómo creamos y optimizamos contenido.

👉 Así que permíteme preguntarte: ¿te estás asegurando de que tu marca —o las marcas de tus clientes— aparezcan en las respuestas de la IA?

En la economía digital, los datos son el recurso más abundante que poseen las empresas… y el que menos equitativamente reparte sus beneficios. Aunque los directivos hablan de “culturas orientadas a los datos”, la mayoría de los empleados sigue sin acceso a las conclusiones que necesitan para actuar con confianza. La causa no es la falta de tecnología ni de talento, sino la fricción invisible entre la curiosidad humana y las herramientas diseñadas para responderla.

La gran paradoja de los datos

Las organizaciones nunca han tenido tantos datos. Terabytes fluyen cada día desde cada interacción con clientes, cada transacción, cada sensor. Sin embargo, la mayoría de las empresas se ahoga en datos mientras muere de sed de conocimiento.

Las cifras son contundentes. Según estudios del sector, el 87% de los proyectos de ciencia de datos nunca llegan a producción. Los usuarios de negocio esperan días o incluso semanas para recibir informes a medida. Para cuando las conclusiones llegan, el momento de actuar ya ha pasado. Mientras tanto, el 80% del tiempo de los analistas se dedica a preparar datos, no a analizarlos. Las personas contratadas para generar conocimiento acaban dedicando su jornada a pelear con los sistemas.

Esta es la gran paradoja de la inteligencia de negocio moderna: datos infinitos, conocimiento mínimo. El problema no son los datos. Ni siquiera las herramientas. Es la interfaz entre las preguntas humanas y las respuestas que los datos pueden dar.

La barrera del idioma que cuesta miles de millones

Tus datos hablan SQL. Tu negocio habla español, inglés, mandarín. Entre ambos hay un abismo que cuesta tiempo, dinero y oportunidades.

Pensemos en una pregunta sencilla:

“¿Qué productos están creciendo en el mercado de Madrid en comparación con el trimestre anterior, excluyendo las promociones?”

Para un usuario de negocio, es una pregunta natural. Para las herramientas de BI tradicionales, requiere:

• Comprender las relaciones entre tablas
• Escribir SQL complejo con múltiples joins
• Aplicar los filtros y exclusiones correctos
• Formatear los resultados de forma adecuada
• Interpretar correctamente la salida

Cada paso introduce fricción. Cada punto de fricción reduce el uso. Menos uso significa más decisiones basadas en la intuición y no en los datos. Y así es como los líderes de mercado se convierten en seguidores.

Lenguaje natural: la interfaz universal de los datos

¿Qué pasaría si cada empleado pudiera “hablar” con los datos igual que habla con un compañero? Sin lenguajes de consulta complejos ni paneles predefinidos, sino mediante conversación natural.

Esta transformación ya está en marcha. Las plataformas modernas de analítica conversacional, como Looker, están rompiendo la barrera entre las personas y los datos. Los usuarios simplemente formulan preguntas en lenguaje natural:

• “Muéstrame la tendencia de churn de clientes”
• “¿Por qué bajaron las ventas el martes pasado?”
• “¿Qué pasaría si subimos los precios un 5%?”
• “¿Qué campañas de marketing generan mayor lifetime value?”

El sistema entiende la intención, no solo las palabras clave. Mantiene el contexto a lo largo de las preguntas, permitiendo análisis exploratorios profundos. Sugiere preguntas de seguimiento basadas en patrones. Y, lo más importante, aprende de cada interacción, volviéndose más capaz con el tiempo.

El efecto compuesto de la curiosidad

Esto es lo que los proveedores tradicionales de analítica suelen pasar por alto: cuando el acceso a los datos es difícil, la curiosidad muere. Y cuando muere la curiosidad, la innovación la sigue. Las organizaciones desarrollan una especie de “indefensión aprendida” frente a los datos, aceptando la ignorancia antes que luchar contra la fricción.

La analítica conversacional revierte esta espiral negativa. Cuando cualquiera puede hacer preguntas, todos las hacen. Los comerciales empiezan a explorar patrones de éxito. Los equipos de marketing descubren segmentos ocultos. Los responsables de operaciones detectan oportunidades de eficiencia. Los directivos obtienen pulsos en tiempo real sin esperar a los informes mensuales.

Cada pregunta lleva a otra. Cada hallazgo impulsa una acción. Cada acción genera datos que retroalimentan el sistema. Este ciclo virtuoso transforma a las organizaciones de “ricas en datos pero pobres en conocimiento” a verdaderas empresas impulsadas por inteligencia.

Looker: donde la conversación se encuentra con la computación

Looker representa la vanguardia de la analítica conversacional. Construido sobre los avanzados modelos de lenguaje de Google e integrado con una infraestructura de datos de nivel empresarial, ofrece:

Comprensión semántica: Looker no solo analiza palabras clave, entiende el contexto del negocio. Cuando preguntas por “salud del cliente”, sabe que te refieres a métricas de interacción, tickets de soporte y probabilidad de renovación, no a historiales médicos.

Visualización inteligente: Las respuestas no llegan solo como números, sino en la visualización más adecuada. Las tendencias aparecen como líneas, las comparaciones como barras, las relaciones como redes. El sistema elige lo que mejor responde a tu pregunta.

Flexibilidad gobernada: Lenguaje natural no significa caos. Looker mantiene una estricta gobernanza de datos, asegurando que cada usuario vea solo lo que debe, pero permitiendo una exploración amplia dentro de esos límites.

Aprendizaje continuo: Cada pregunta mejora el sistema. Las consultas poco claras se aclaran. Los patrones frecuentes se convierten en atajos. La plataforma evoluciona junto con la organización.

Rompiendo las últimas barreras

Las preocupaciones habituales se disipan rápido:

• “¿Y la calidad de los datos?” La analítica conversacional detecta problemas de datos antes, impulsando su corrección.
• “¿Confiarán las personas en las conclusiones generadas por IA?” La confianza aumenta cuando pueden interrogar la lógica con preguntas de seguimiento.
  “¿Cómo mantenemos la gobernanza?” Las interfaces en lenguaje natural pueden aplicar permisos incluso de forma más estricta que las herramientas tradicionales.
• “¿Cuál es la curva de aprendizaje?” Si sabes formular una pregunta, sabes usar la analítica conversacional.

Making Science: tu socio en la transformación conversacional

La tecnología existe hoy. Plataformas como Looker la hacen accesible y asequible. El único obstáculo es dar el primer paso: de lo tradicional a lo conversacional, de lo complejo a lo natural, de la inteligencia exclusiva a la inteligencia inclusiva.

Vive el futuro de la analítica en el evento “The Genius Gene”, donde César Ramos mostrará cómo los datos se convierten en diálogo cuando cuentas con el socio adecuado, haciendo que cada empleado se convierta en analista de datos.

Las organizaciones que usan analítica conversacional reportan:

• 10 veces más empleados utilizando datos activamente
• 80% más rapidez en la generación de insights
• 60% menos solicitudes de informes
• 5 veces más decisiones basadas en datos

Pero la verdadera ventaja no está en las métricas, sino en la cultura. Cuando todos pueden acceder a la información, toda la organización se vuelve más inteligente. Cuando las decisiones se toman más rápido, la innovación se acelera. Cuando los datos se vuelven conversacionales, la inteligencia se convierte en organizacional.

Las organizaciones modernas se ahogan en datos, pero pasan hambre de claridad. Cada departamento utiliza sus propias herramientas, cada herramienta gestiona sus propios datos y cada flujo de trabajo es una carrera de obstáculos de inicios de sesión, pestañas y búsquedas manuales. Los líderes saben que ahora tienen más información que nunca, pero está dispersa, fragmentada en silos y tarda en aparecer cuando más se necesita. El resultado: las decisiones se retrasan, se pierden oportunidades y la productividad se desangra silenciosamente en mil microinterrupciones.

Es una fuga silenciosa de rendimiento que está costando a las empresas mucho más de lo que imaginan.

La crisis oculta de la empresa moderna

Aquí tienes una cifra que debería preocupar a cualquier CEO: tus empleados pierden 1 hora cada día simplemente cambiando entre aplicaciones. No usándolas: cambiando de una a otra. Buscando información. Copiando y pegando datos. Intentando recordar en qué sistema está guardada cierta información.

Según estudios, los empleados utilizan una media de 5 herramientas distintas solo para encontrar información básica. Los datos de clientes están en el CRM. Los datos financieros en el ERP. La información de proyectos se esconde en herramientas de colaboración. Los documentos están desperdigados por distintas nubes. Y en los correos electrónicos se toman decisiones clave que nunca llegan a los sistemas oficiales.

Esta fragmentación no solo es ineficiente: es peligrosa. Se toman decisiones con información incompleta. Las oportunidades se pierden en el hueco entre sistemas. Los clientes se ven obligados a repetir la misma información una y otra vez porque la mano izquierda no sabe lo que hace la derecha.

Por qué han fallado las soluciones tradicionales (y por qué eso es una buena noticia)

«Pero nosotros hemos integrado nuestros sistemas», podrías decir. «Tenemos APIs. Hemos creado un data warehouse. Incluso compramos esa costosa solución de middleware».

La verdad incómoda es esta: la integración tradicional es como construir autopistas entre ciudades… pero seguir obligando a todos a conducir. Has conectado los sistemas, pero no la inteligencia. Tus empleados todavía necesitan saber dónde buscar, cómo encontrar lo que necesitan y qué conectar. La carga cognitiva sigue siendo enorme.

Incluso los chatbots de IA y las herramientas de automatización se han quedado cortos. Como explica Raj Pai, vicepresidente de gestión de producto de Google Cloud: “Los agentes de IA suponen un salto enorme respecto a la automatización o los chatbots tradicionales. Pueden ejecutar flujos de trabajo complejos, desde planificación e investigación hasta la generación y prueba de nuevas ideas. Pero, para escalar, las empresas necesitan un ecosistema de información preparado para la IA que funcione a través de los silos”.

Llega Agentspace: el nuevo sistema nervioso de tu organización

Imagina poder encontrar cualquier pieza de información dentro de tu organización —ya sea texto, imágenes, webs, audio o vídeo— con la misma facilidad y potencia que una búsqueda de Google. Eso es exactamente lo que ofrece Google Agentspace.

Pero aquí es donde se pone interesante: Agentspace no solo busca, entiende. Construyendo un enterprise knowledge graph para cada cliente —conectando a los empleados con sus equipos, documentos creados, software y datos a los que tienen acceso, y mucho más— convierte contenido disperso en conocimiento accionable.[image_with_animation image_url=»75323″ animation=»Fade In» hover_animation=»none» alignment=»» border_radius=»none» box_shadow=»none» image_loading=»default» max_width=»100%» max_width_mobile=»default»]

Tres características que redefinen lo posible

1. Búsqueda unificada, justo donde trabajas

Agentspace se integra directamente con Chrome Enterprise. Sin nuevas interfaces que aprender. Sin aplicaciones adicionales que abrir. Solo tienes que escribir en el cuadro de búsqueda que ya utilizas y acceder a toda la inteligencia organizativa.

Tanto si la información está en Google Workspace, Microsoft 365, Jira, Salesforce, ServiceNow o en cualquier otro lugar, Agentspace la encuentra, la entiende y la presenta de forma inteligente. Además, puede conectarse a cualquier número de aplicaciones corporativas —tengan o no un conector preinstalado— adaptándose a la situación y el ecosistema único de tu empresa.

2. Agent Gallery: tu marketplace de fuerza laboral de IA

¿Recuerdas cuando encontrar la aplicación adecuada significaba navegar por interminables tiendas de apps? Agent Gallery cambia las reglas para los agentes de IA. Ofrece a los empleados una vista única de todos los agentes disponibles en la empresa —ya sean de Google, de equipos internos o de partners— y permite crear e incluir agentes que se integren con las herramientas, procesos y sistemas específicos de tu negocio.

El resultado: un marketplace tan único como el propio ecosistema de tu organización.

3. Agent Designer: porque tus mejores empleados saben lo que necesitan

Aquí viene la revolución: ya no necesitas conocimientos técnicos para crear agentes. Agent Designer ofrece una interfaz no-code para crear agentes personalizados que se conecten a fuentes de datos empresariales y automaticen el trabajo de conocimiento del día a día.

Piensa en eso. La persona que mejor entiende un flujo de trabajo—la que realmente hace el trabajo—ahora puede crear un agente para ayudarla a hacerlo mejor. Sin tickets de TI. Sin sprints de desarrollo. Solo innovación a la velocidad del pensamiento.

El poder de la inteligencia unificada en acción

Veamos cómo Agentspace transforma diferentes roles:

Transformación del equipo de ventas: Antes, María dedicaba 30 minutos a prepararse para cada llamada con un cliente: revisando el CRM, el historial de emails, analizando patrones de compra, comprobando disponibilidad de producto… Ahora solo pide: «Prepárame para mi llamada con Acme Corp». Agentspace compila todo al instante: historial completo de interacciones, oportunidades relevantes, estado de inventario e incluso sugerencias de conversación basadas en operaciones exitosas similares. Tiempo de preparación: 2 minutos.

Revolución en marketing: El equipo de marketing antes esperaba días para recibir informes de rendimiento de campañas, que requerían datos de múltiples sistemas. Ahora solo pregunta: «¿Cómo fue el rendimiento de la campaña de la semana pasada frente a nuestros objetivos?». Agentspace extrae datos de automatización de marketing, analítica web, CRM y sistemas financieros, y ofrece información completa al instante. Iteran más rápido, optimizan mejor y obtienen mejores resultados.

Eficiencia en IT: Incidencias que antes requerían investigar en múltiples sistemas ahora se resuelven automáticamente. Cuando Agentspace detecta un problema, busca en las bases de conocimiento, identifica incidencias similares, sugiere soluciones e incluso aplica correcciones para escenarios comunes. El equipo de IT puede centrarse en innovar en lugar de resolver problemas repetitivos.

La conversación sobre seguridad que necesitamos tener

«Suena increíble, pero ¿qué pasa con nuestros datos?» Es la pregunta correcta. Agentspace está construido sobre la misma infraestructura segura de Google, en la que confían miles de millones de usuarios. Ofrece:

• Escaneo de información sensible (PHI, PII, datos confidenciales)
• Controles de acceso basados en roles
• Cifrado con claves gestionadas por el cliente
• Garantías de residencia de datos
• Trazabilidad completa de auditoría

Tus datos siguen siendo tuyos. Tus políticas de seguridad siguen vigentes. Lo único que cambia es la facilidad con la que los empleados autorizados acceden a lo que necesitan.

Impacto real de organizaciones reales

Nuestra implementaciones en Making Science muestra resultados consistentes:

• 75% de reducción en el tiempo de búsqueda de información
• 60 minutos ahorrados diariamente por empleado
• 70% de acceso más rápido a datos críticos
• ROI logrado en 3-6 meses

Verlo. Creerlo. Construirlo.

Pero las cifras solo cuentan parte de la historia. En el evento “The Genius Gene” del 24 de septiembre, Álvaro Verdeja mostrará Agentspace y cómo se ve la verdadera transformación. Verás:

• Búsqueda unificada en tiempo real en todos los sistemas de la empresa
• Creación de agentes sin código en minutos
• Colaboración multiagente resolviendo problemas complejos
• Cálculos de ROI basados en la realidad de tu organización

Mientras tú lidias con sistemas fragmentados, tus competidores operan con inteligencia unificada. Atienden mejor a los clientes porque ven el panorama completo. Se mueven más rápido porque las decisiones son instantáneas. Innovan más porque su gente se dedica a aportar valor, no a buscar información.

El futuro del trabajo no va de trabajar más duro. Va de trabajar de forma más inteligente. Y empieza con Agentspace.