La transición de la automatización programática básica a la publicidad «agente» supone un cambio estructural para el sector. Las reglas estáticas han quedado obsoletas. Ahora estamos cediendo el control a los sistemas autónomos. Para seguir siendo competitivo, es necesario comprender exactamente cómo funcionan estos marcos inteligentes. Este glosario recoge los conceptos clave, los estándares arquitectónicos y los modelos de ejecución que definen la tecnología publicitaria moderna. Vamos a poner al día tu vocabulario.
Conceptos arquitectónicos fundamentales
Publicidad de Agentic
La publicidad «agentic» es un marco de marketing digital de cuarta generación gestionado íntegramente por sistemas de IA autónomos que observan continuamente las cuentas en tiempo real, toman decisiones estratégicas y llevan a cabo acciones orientadas a un objetivo específico. Los humanos establecen la estrategia, los presupuestos y los límites. La máquina se encarga del resto. Sustituye por completo las pujas manuales y las reglas estáticas de la compra programática tradicional.
Comercio agencial
El «Agentic Commerce» es el equivalente, orientado al consumidor, de la automatización de la tecnología publicitaria, y consiste en asistentes de inteligencia artificial que buscan, negocian, comparan y compran productos de forma autónoma en nombre de un comprador humano. El comprador delega la tarea. El agente rastrea las tiendas digitales y realiza la transacción a través de las API de Stripe o Shopify.
Marketing de agentes
El «marketing agencial» consiste en la aplicación de sistemas de IA autónomos a la función de crecimiento integral de una marca, en la que un agente se encarga de la estrategia, la generación creativa, la ejecución y la optimización basándose en un único indicador objetivo. Asignale un objetivo de ROAS de 1,8. Él se encarga del resto.
IA agentiva orientada a objetivos
La IA agencial orientada a objetivos se refiere a sistemas de inteligencia artificial proactivos, diseñados para perseguir de forma autónoma objetivos empresariales definidos a lo largo de horizontes temporales prolongados, sin necesidad de indicaciones humanas paso a paso. Le das un objetivo y ella construye su propia ruta de ejecución. Estos sistemas utilizan modelos de lenguaje a gran escala (LLM) como motores cognitivos para evaluar los estados del entorno y activar API externas dirigidas a plataformas de marketing.
Sistemas multiagente (MAS)
Un sistema multiagente (MAS) es una red con una arquitectura descentralizada en la que varios agentes de inteligencia artificial especializados y autónomos colaboran o compiten para resolver retos programáticos complejos. Las responsabilidades están muy repartidas. Un agente de investigación extrae datos de la audiencia del CRM. Un agente planificador diseña la combinación de medios. Un agente de ejecución gestiona la campaña a través de OpenRTB. Se comunican continuamente.
Arquitectura descentralizada de Blackboard
Una arquitectura de pizarra descentralizada es un marco organizativo multiagente en el que los agentes aislados publican hallazgos y leen actualizaciones de una base de conocimientos compartida y centralizada conocida como «pizarra». Los agentes nunca se comunican directamente entre sí. Un agente de análisis podría registrar un repunte repentino en las conversiones procedente de un grupo demográfico específico. Un agente de pujas lee esos datos al instante. Actualiza sus multiplicadores sin esperar a API .
Arquitectura de subsunción
La arquitectura de subsunción es un diseño de agentes reactivos por capas en el que los comportamientos complejos se construyen apilando módulos de comportamiento independientes, lo que permite que las capas superiores anulen a las inferiores. Garantiza la seguridad. Las restricciones financieras básicas se encuentran en la base. La lógica avanzada de fijación de precios se sitúa en la parte superior. Si una optimización sofisticada intenta superar tu presupuesto diario, la capa base bloquea la acción.
Memoria persistente y recuperación vectorial
La memoria persistente es la infraestructura que permite a los sistemas autónomos conservar, recuperar y contextualizar las interacciones pasadas y los datos históricos de rendimiento durante largos periodos de tiempo. Las plataformas programáticas suelen carecer de estado. La memoria cambia eso. Los agentes almacenan la telemetría de las campañas en forma de vectores densos en bases de datos como Pinecone o FAISS. Recurren a este contexto histórico antes de lanzar nuevas campañas.
Modelo de madurez publicitaria
Generación 1 — Compra manual
La publicidad de la «Generación 1» representa la era de la compra manual de espacios publicitarios, en la que los agentes se conectaban a las plataformas para ajustar manualmente las pujas, los presupuestos y las audiencias. Una auténtica pesadilla.
Generación 2 — Normas de la plataforma nativa
La publicidad de segunda generación se basa en una lógica condicional básica integrada directamente en las plataformas de los editores, que ejecuta comandos sencillos del tipo «si X, entonces Y». Un ejemplo es la suspensión de una campaña cuando el CPA supera los 50 dólares en LinkedIn Ads.
3.ª generación: software basado en reglas
La publicidad de tercera generación utiliza superposiciones de software de terceros para llevar a cabo optimizaciones programadas y aplicar conjuntos de reglas a gran escala. Sin embargo, siguen siendo los operadores humanos quienes escriben la lógica central y supervisan los resultados.
4.ª generación — Sistemas agenticos
La publicidad de cuarta generación es la era actual de la autonomía, en la que los sistemas de inteligencia artificial analizan el contexto de la cuenta, elaboran estrategias de forma independiente y las ejecutan sin necesidad de instrucciones detalladas por parte de los humanos. Tú estableces el objetivo. La máquina se encarga de determinar los pasos a seguir.
Ejecución, compras y protocolos
Protocolos de gestión publicitaria agentiva (AAMP)
Los Protocolos de Gestión de la Publicidad Agente (AAMP) son un marco global y abarcador desarrollado por el IAB Tech Lab para proporcionar la gobernanza, la ejecución y la infraestructura de protocolos necesarias para la publicidad agente a gran escala. Organiza las operaciones en jerarquías de agentes específicas. El marco integra las nuevas acciones de la IA directamente en los canales establecidos mediante objetos mejorados de OpenRTB, OpenDirect y AdCOM.
Infraestructura de agente a agente (A2A)
La infraestructura «Agent-to-Agent» (A2A) es una arquitectura de sistema en la que las aplicaciones de inteligencia artificial del lado del comprador y del lado del vendedor se comunican y realizan transacciones directamente entre sí. Los intermediarios humanos quedan totalmente excluidos del proceso de transacción. Grandes empresas como PubMatic y Omnicom ya la utilizan ampliamente.
AdCP (Protocolo de contexto publicitario)
Un estándar de protocolo abierto emergente, diseñado específicamente para la negociación entre agentes de inventario publicitario no estándar, personalizado y vendido directamente, que estandariza la forma en que compradores y vendedores intercambian solicitudes de oferta estructuradas.
AgenticOS
AgenticOS es un sistema operativo de publicidad de agente a agente lanzado por PubMatic a principios de 2026. Los anunciantes definen parámetros estrictos en materia de seguridad de la marca, presupuesto y formatos creativos. Los agentes, que actúan de forma coordinada, se encargan de toda la planificación y ejecución dentro de esos límites.
Protocolo de contexto de modelo (MCP)
El Protocolo de Contexto de Modelos (MCP) es un marco estándar emergente que otorga a los agentes de IA un acceso autorizado y estandarizado a plataformas publicitarias externas, sistemas CRM y herramientas de análisis. Deja de decir «plugin». El MCP es el verdadero tejido conectivo.
Servidor, cliente y transporte de MCP
El marco MCP es una arquitectura técnica basada en tres pilares: servidores, clientes y transportes. Los servidores ponen a disposición las herramientas disponibles. Los clientes, integrados en el entorno de ejecución del agente, se encargan del enrutamiento. Los transportes transmiten la carga útil a través de canales HTTP estándar.
Llamada de herramienta
Una «llamada a herramienta» es una invocación única de una función tipada por parte de un agente de IA que incluye argumentos estructurados y devuelve un resultado estructurado. Un paso del agente puede desencadenar una docena de llamadas a herramientas en paralelo.
Medidas de protección, gobernanza y privacidad
Barandillas
Las barreras de seguridad son los límites operativos estrictos, definidos por el ser humano, dentro de los cuales debe funcionar un sistema autónomo. Evitan fallos financieros catastróficos. Tú estableces los límites de crédito, los objetivos de volumen de los acuerdos marco, los márgenes mínimos y las normas de seguridad de la marca. La IA no puede sobrepasarlos.
Motor de barrera de seguridad
La capa de ejecución comercial propia de un sistema de gestión de pedidos (OMS) basado en agentes que valida automáticamente los límites de crédito, aplica la política de precios «neto-neto» y garantiza que las transacciones autónomas cumplan con los acuerdos marco anuales antes de que se adquiera cualquier medio.
Colisión de agentes
La «colisión entre agentes» es un fallo estructural que se produce cuando varios agentes autónomos emiten órdenes contradictorias dentro del mismo entorno de puja, lo que da lugar a guerras de pujas algorítmicas que agotan rápidamente los presupuestos de las campañas. Esto ocurre cuando fallan los mecanismos de control. Debes evitar que tu agente de compra de Meta canibalice a tu agente de Google Ads.
Intervención humana en el proceso (HITL)
«Human-in-the-Loop» (HITL) es un modelo de gobernanza en el que los estrategas humanos se sitúan por encima del bucle operativo automatizado para establecer objetivos, revisar decisiones y mantener la autoridad para anularlas. Tú actúas como regulador estratégico. No eres un ejecutor táctico.
Seguimiento de decisiones
Un «rastro de decisión» es un registro exhaustivo, documentado y generado por un agente, que recoge las señales observadas, las alternativas barajadas y el razonamiento exacto que subyace a la acción elegida. La auditabilidad es obligatoria. La autonomía legible es la única forma de generar confianza entre los clientes de la agencia.
Proceso de escalado
Una «ruta de escalación» es un protocolo de seguridad predefinido que deriva los comportamientos anómalos de los agentes o los picos masivos de gasto a una persona para que los apruebe explícitamente antes de su ejecución. Si la máquina intenta algo muy inusual, se detiene. Tú decides.
Inyección de indicaciones en el lado publicitario
La «inyección de comandos en anuncios» (Ad-Side Prompt Injection) es una amenaza moderna para la ciberseguridad en la que los actores maliciosos incrustan texto oculto en páginas web o creatividades publicitarias con el fin de secuestrar y manipular la lógica de toma de decisiones de un agente de compra autónomo. Los actores maliciosos se centran en la capa de percepción de la IA. Para solucionarlo de forma inmediata, es necesario recurrir a procedimientos de escalación por parte de personal humano.
Sala de limpieza de datos
Una «sala limpia de datos» es un entorno informático seguro y que garantiza la privacidad, en el que las empresas cotejan sus datos propios de clientes con los registros de las plataformas publicitarias sin revelar información de carácter personal.
Modelos de razonamiento de IA
Aprendizaje por refuerzo multiagente (MARL)
El aprendizaje por refuerzo multiagente (MARL) es un paradigma avanzado de aprendizaje automático en el que varios agentes aprenden comportamientos óptimos de forma simultánea dentro de un ecosistema compartido y en constante evolución. Los modelos de un solo agente fracasan en las subastas con múltiples anunciantes. El MARL se basa en la inteligencia de enjambre. Estabiliza las pujas adaptándose en milisegundos a la dinámica de precios de la competencia en tiempo real.
Motor híbrido de procesamiento cognitivo
Un motor híbrido de procesamiento cognitivo es el núcleo de toma de decisiones de un agente de marketing, ya que integra las capacidades semánticas cualitativas de los modelos de lenguaje grande (LLM) con la precisión determinista de los algoritmos estructurados de aprendizaje automático. Los modelos de texto «alucinan» con las matemáticas. Los modelos de regresión no pueden interpretar los briefings creativos. Este enfoque híbrido resuelve ambos problemas de forma nativa.
Ciclo «Observar → Razonar → Planificar → Actuar → Aprender»
Este bucle constituye el ciclo operativo fundamental de cualquier sistema agente. El agente recopila datos de telemetría en tiempo real. Compara esos datos con los objetivos de ROAS. Elabora un plan. Aplica los ajustes. Aprende de los resultados.
Función de recompensa
Una función de recompensa es la base matemática incorporada en un modelo de IA que define el valor de acciones y resultados específicos dentro de un entorno de aprendizaje por refuerzo. Antes de que un agente pueda planificar una secuencia, necesita saber en qué consiste realmente el éxito.
Cadena de pensamiento (CoT)
La «cadena de pensamiento» (CoT) es un patrón de indicaciones y lógica en el que un modelo de IA genera un rastro de razonamiento explícito y paso a paso antes de llegar a una respuesta final. Constituye el punto de referencia absoluto para tareas que requieren un razonamiento intensivo.
ReAct (Razonamiento + Acción)
ReAct es un patrón de lógica de agentes que combina trazas detalladas de razonamiento con el uso activo de herramientas. Gestiona las tareas generales de forma brillante. Sin embargo, puede perder el contexto en los objetivos a largo plazo si no se vuelve a anclar con frecuencia.
Planificar y ejecutar
«Plan-and-Execute» es una arquitectura de agentes rígida, optimizada para flujos de trabajo predecibles y estrictamente ordenados. Define todo el proceso desde el principio. Resulta mucho más económica a gran escala. Sin embargo, se desmorona al instante si el entorno cambia durante la ejecución.
Generación potenciada por la recuperación (RAG)
La generación aumentada por recuperación (RAG) es una técnica computacional en la que una IA obtiene información verificada de una base de datos específica antes de generar una respuesta. Las respuestas se basan en datos reales, como el historial de campañas. Las «alucinaciones» se reducen a cero.
Creatividad y medición
ROAS (rentabilidad de la inversión publicitaria)
El retorno de la inversión publicitaria (ROAS) es un indicador financiero fundamental que calcula los ingresos generados por cada unidad de inversión publicitaria. Sigue siendo el objetivo de optimización predominante para los sistemas agenticos.
Gestión del pLTV (valor de vida útil predictivo)
La gestión del valor de vida útil predictivo (pLTV) es una metodología avanzada de puja en la que los agentes ajustan dinámicamente las pujas en las subastas basándose en una predicción algorítmica en tiempo real del valor financiero a largo plazo de un usuario concreto. Olvídate de las métricas básicas de rentabilidad. Los agentes compran pensando en el futuro.
Incrementalidad
La incrementalidad es una metodología de medición que utiliza pruebas controladas para demostrar si una campaña publicitaria ha generado ventas netas nuevas que no se habrían producido de forma orgánica. Los clics mienten. La incrementalidad descubre la verdad.
Pujas semánticas
La puja semántica es una lógica de compra de medios basada en la intención, en la que los sistemas autónomos pujan en función del significado contextual y el tono de la consulta de un usuario, en lugar de basarse en palabras clave de coincidencia exacta. Las antiguas listas de palabras clave han quedado obsoletas. La IA comprende los matices de la intención que se esconde tras una búsqueda compleja en Perplexity o SearchGPT.
Modelización del marketing mix (MMM)
El modelado del mix de marketing (MMM) es un método de medición econométrico que analiza datos históricos de rendimiento para estimar en qué medida los distintos canales de marketing contribuyen a los resultados generales de la empresa.
Optimización dinámica de creatividades (DCO)
La optimización dinámica de creatividades (DCO) consiste en la realización de pruebas y la sustitución automatizadas de los elementos publicitarios en función de indicadores de rendimiento en tiempo real. Alterna rápidamente imágenes, titulares y llamadas a la acción para encontrar la combinación perfecta.
Uniformidad creativa
La «uniformidad creativa» es el fenómeno de mercado por el que los anuncios generados por IA parecen funcionalmente idénticos en todos los sectores, ya que las marcas se basan en modelos de generación fundamentales idénticos. Cuando son las máquinas las que redactan los textos publicitarios, la creatividad humana, con su carácter distintivo y peculiar, se convierte en un activo de gran valor.
Públicos sintéticos
Las «audiencias sintéticas» son perfiles de consumidores virtuales generados por IA a partir de datos propios reales, que permiten a los anunciantes llevar a cabo grupos de discusión simulados hiperrealistas y pruebas creativas sin gastar el presupuesto publicitario real. Prueba primero aquí los textos generados por IA de baja calidad. Guarda tu dinero real para las variantes ganadoras.
Commerce Media Networks (CMN)
Las redes de medios comerciales (CMN) representan la evolución de los medios minoristas, en la que sectores ajenos al comercio minorista, como el automovilístico y el financiero, crean redes publicitarias a medida para captar a los consumidores en el momento exacto de la transacción.
Anuncios conversacionales / Anuncios con chatbot
Los anuncios conversacionales son anuncios nativos y altamente segmentados que se integran directamente en las interfaces conversacionales de los motores de búsqueda y los chatbots basados en inteligencia artificial. Es aquí donde se invierte realmente el presupuesto. Piensa, por ejemplo, en las respuestas patrocinadas de ChatGPT o Claude.
CTV con función de compra
El término «CTV con función de compra» hace referencia a los anuncios interactivos de la televisión conectada que permiten a los espectadores comprar productos directamente mediante el mando a distancia o un código QR sin interrumpir su experiencia de streaming en plataformas como Hulu o Roku.
Datos y privacidad
Datos propios (1PD)
Los datos propios (1PD) son la información exclusiva que una marca recopila directamente de sus clientes, incluidos los registros Salesforce , las listas de correo electrónico, el historial de compras y el seguimiento del comportamiento en el sitio web. Se trata de tu auténtica mina de oro.
Datos de «zero-party»
Los datos de «zero-party» son aquella información específica y de gran precisión que un cliente comparte de forma intencionada y voluntaria con una marca, como las respuestas a cuestionarios, las preferencias de comunicación y los intereses explícitos en determinados productos.
GEO (Optimización generativa de motores de búsqueda)
La optimización generativa de motores de búsqueda (GEO) es la práctica técnica que consiste en estructurar el contenido de una marca de tal forma que las herramientas de búsqueda basadas en inteligencia artificial recopilen, comprendan y mencionen adecuadamente a tu empresa en las respuestas que generan.
Aplicaciones de ADvendio
ADvendio
ADvendio es un conjunto exclusivo de asistentes autónomos que se conectan directamente a los datos reales de tu CRM, automatizando las ventas de espacios publicitarios, la gestión de campañas y las operaciones publicitarias a través de interfaces conversacionales.
Agente Vendedor
El «Seller Agent» es una herramienta autónoma que convierte los briefings de campaña sin procesar en campañas de medios estructuradas. Se encarga automáticamente de la asignación de cuentas, la selección de productos y la lógica compleja de fijación de precios.
Agente de Habilitación de Ventas
El «Sales Enablement Agent» es un asistente de inteligencia artificial que ofrece resúmenes de cuentas en tiempo real, información sobre riesgos y análisis del proceso de ventas para ayudar a los comerciales a cerrar acuerdos más rápidamente.
Agente de Inventario
El «Inventory Agent» es una herramienta de comprobación automatizada que verifica en tiempo real la disponibilidad de los artículos de las campañas mediante API directas a través de API con servidores de anuncios externos, como Google Ad Manager.
Agente de Propuestas
El «Proposal Agent» es una IA de apoyo que gestiona la conversión de reuniones informativas en campañas, el cambio de productos y la generación automática de informes de visitas. Mantiene el ritmo de la conversación sin retrasos administrativos.
Agente de Optimización
El «Optimization Agent» es un monitor de rendimiento que emite alertas en tiempo real o realiza ajustes autónomos de las pujas para garantizar que se cumplan los objetivos de la campaña.
Agente de Segmentación
El «Targeting Agent» es un módulo autónomo ADvendio que gestiona de forma inteligente las audiencias, el inventario y los objetivos de las campañas para garantizar una ejecución impecable en todo el plan de medios.
Agente de Facturación
El «Invoicing Agent» es un módulo especializado de inteligencia artificial financiera que inicia, personaliza y automatiza los ciclos de facturación mediante sencillos comandos de chat.
Agente de Fin de Mes
El «Month-End Agent» es una herramienta de conciliación financiera que permite cerrar los libros en cuestión de minutos, en lugar de semanas. Acelera considerablemente el proceso de cierre y garantiza que todo esté listo para una auditoría.
Guardián Agéntica
Agentic Gatekeeper es un agente de seguridad previo a la facturación que realiza automáticamente rigurosos controles de datos para garantizar que todos los acuerdos publicitarios den lugar a registros financieros limpios y auditables para el equipo de operaciones.
