El 35% de los Directores de Marketing, atrapado en el purgatorio de la IA

La irrupción de la inteligencia artificial ha abierto una brecha profunda entre los directores de marketing que logran convertirla en resultados y ese 35% de CMO que se ha quedado en un limbo peligroso: muchos pilotos, poca transformación real y un retorno de la inversión difícil de defender ante el consejo.
El estudio global de más de 270 CMO realizado por Making Science junto a Forrester dibuja un sector que adopta la IA donde encaja en los esquemas de siempre, pero que se resiste a rediseñar procesos, equipos y cultura.
Al mismo tiempo, los modelos de lenguaje y el nuevo ecosistema de Google (AI Mode, AI Overview) están provocando caídas de entre el 20% y el 60% en el tráfico orgánico, desplazando la web corporativa como puerta de entrada a la marca.
La consecuencia es clara: sin inteligencia híbrida —una combinación disciplinada de talento humano e IA— el marketing corre el riesgo de quedarse en un “pilot purgatory” tan cómodo como letal.
Y el horizonte temporal es muy concreto: de aquí a 2026 el marketing tendrá que dejar de “hacer cosas con IA” para entregar resultados medibles o perderá peso en la agenda del CEO.

Proyectos piloto eternos, resultados escasos

En la conversación de Negocios TV con Juan Antonio Muñoz-Gallego y en el episodio de Tech Talks by Skiller Academy Tech Talks, el director general de Making Science, José Luis Pulpón, define con crudeza el problema: “Hay demasiadas compañías haciendo pilotos de IA que nunca llegan al negocio real”. La expresión “pilot purgatory” lo resume bien: proyectos que empiezan con entusiasmo, generan alguna demo vistosa, pero no cruzan la frontera de la escala.

En ese purgatorio conviven tres síntomas: falta de foco, dispersión tecnológica y ausencia de métricas de negocio. Muchos CMO impulsan pruebas en creatividad automatizada, chatbots o segmentaciones avanzadas sin responder a la pregunta incómoda: qué partida del P&L debería moverse y en cuánto. Lo más grave es que, cuando no hay resultados claros en 12 o 18 meses, la organización asume que la IA “no era para tanto” y regresa a sus rutinas.

El contraste con los casos que sí escalan es inequívoco. Allí donde la IA se ata desde el principio a objetivos como reducir un 20% el coste de adquisición, aumentar un 15% la conversión o recortar un 25% el tiempo de producción de campañas, los pilotos se convierten en capacidades permanentes. No es magia: es diseño desde negocio, no desde la tecnología.

Los datos que revelan el bloqueo de la IA

El estudio conjunto con Forrester, que analiza a más de 270 directores de marketing a nivel global, pone números al bloqueo. El 53% de los CMO ya utiliza IA para optimización de medios, ajustando pujas, segmentaciones y frecuencia con algoritmos que exprimen presupuesto y mejoran el performance. La IA se ve como una herramienta táctica para “afinar” lo que ya existía.

Sin embargo, solo un 11% declara usar IA generativa de forma sistemática en la creación de contenidos y activos de marketing. Es decir, la mayoría mantiene intacta la vieja fábrica de mensajes mientras confía en la IA para ajustar el último tramo del embudo. El diagnóstico es evidente: se innova en el final del proceso, no en el diseño de la propuesta al cliente.

A ello se suma un dato estructural: el 57% de los CMO gestiona más de ocho plataformas y entre ocho y diez socios distintos. Cada herramienta trae sus propios datos, integraciones y contratos. El resultado es una arquitectura martech hipertrofiada, difícil de gobernar y en la que cualquier caso de uso de IA se convierte en un proyecto de integración complejo y costoso. La IA se añade como capa, no como palanca de simplificación.

La nueva búsqueda por IA y el desplome del tráfico orgánico

Mientras tanto, el mercado ha cambiado de canal. Making Science ha detectado caídas de entre el 20% y el 60% en el tráfico orgánico de muchas webs, especialmente en verticales donde la información es fácilmente sintetizable. El culpable no es un algoritmo clásico de buscador, sino el ascenso de los modelos de lenguaje y las nuevas experiencias de búsqueda “conversacional”.

Los usuarios formulan consultas largas y complejas en sistemas como ChatGPT o en el nuevo modo de búsqueda por IA de Google, y reciben respuestas directas, contextualizadas y, cada vez más, personalizadas. La necesidad de hacer clic en un enlace se reduce drásticamente. Lo que era una batalla por aparecer en la primera página de resultados es ahora una guerra por estar —o no estar— en un párrafo de respuesta.

Este hecho cambia la naturaleza misma del SEO. Ya no basta con optimizar para palabras clave y metas; se trata de alimentar a los modelos de lenguaje con contenidos estructurados, fiables y coherentes. Las marcas que no aparezcan en esas nuevas superficies —AI Overview, resúmenes conversacionales, asistentes integrados en dispositivos— se volverán invisibles para una parte creciente de su demanda potencial.

Contenido a escala y “human in the loop”

Aquí emerge uno de los conceptos centrales del episodio titulado “La importancia de combinar talento humano e IA en marketing: los datos y el cambio cultural”: contenido a escala con “human in the loop”. La promesa de la IA generativa no es sustituir al equipo creativo, sino multiplicar su capacidad de producir variantes, formatos y mensajes adaptados a cada microsegmento.

En la práctica, los modelos pueden generar borradores, titulares alternativos, descripciones de producto o versiones localizadas en segundos. Pero el riesgo de ruido, inconsistencias de marca o errores de contexto es real. Por eso, Pulpón insiste en que “la máquina propone, pero la última palabra la tiene el profesional”. Esa supervisión humana no es un freno, sino el mecanismo que asegura calidad, ética y alineamiento con la identidad de la marca.

Las compañías que están avanzando más deprisa han establecido flujos de trabajo claros de human in the loop: el modelo genera, el equipo revisa, corrige y alimenta de vuelta al sistema. Se documentan patrones, se construyen guías de estilo específicas para IA y se mide cuánto tiempo y coste se ahorra en cada iteración. No se trata de experimentar sin control, sino de industrializar la creatividad con garantías.

Talento, cultura y la importancia de la inteligencia híbrida

El verdadero cuello de botella, sin embargo, no es tecnológico, sino cultural. Tanto en la entrevista de Negocios TV como en el entorno de Skiller Academy, la idea que se repite es que el marketing solo aprovechará la IA si acepta una nueva identidad: dejar de ser un área de campañas para convertirse en un sistema de aprendizaje continuo sobre el cliente.

Eso exige nuevos perfiles: especialistas en datos capaces de dialogar con negocio, creativos que entienden prompts y limitaciones de los modelos, estrategas que conectan casos de uso con KPIs financieros. Pero, sobre todo, requiere directores de marketing dispuestos a cambiar su manera de dirigir: menos control detallista sobre piezas concretas, más foco en diseñar marcos, reglas y objetivos para equipos y algoritmos.

La “inteligencia híbrida” que describe Pulpón no es un concepto abstracto. Significa que ninguna decisión relevante se toma sin datos y ningún dato se interpreta sin criterio humano. Significa formar a los equipos, rediseñar procesos, asumir que parte del trabajo rutinario será automatizado y que el valor diferencial estará en la interpretación, la narrativa y la capacidad de priorizar. El contraste con organizaciones que siguen gestionando el marketing como hace diez años es, sencillamente, abismal.

De la prueba al P&L: medir el impacto real

Otro eje clave de la conversación es la medición. En demasiadas organizaciones, los proyectos de IA se evalúan con indicadores vagos —innovación, modernización, “estar al día”— que no aparecen en la cuenta de resultados. La consecuencia es previsible: en cuanto llegan los recortes, la IA se convierte en una partida prescindible.

Los CMO que están saliendo del purgatorio comparten un enfoque distinto: cada caso de uso nace con un KPI económico asociado. Automatizar respuestas en un contact center se liga a la reducción de costes de atención por cliente; personalizar ofertas se vincula al aumento del ticket medio; priorizar leads con modelos predictivos se traduce en más cierres comerciales por visita. La IA deja de ser un juguete tecnológico y se convierte en un factor explicativo del EBITDA.

En este marco, la medición no se limita al “antes y después”. Se diseñan tests controlados, se asignan grupos de tratamiento y de control, se establece un umbral mínimo de mejora para considerar exitoso un piloto. Si no se alcanza, se replantea o se abandona. La consecuencia es clara: menos proyectos, pero más relevantes, y una narrativa mucho más sólida ante el comité de dirección.

Qué deben hacer las marcas antes de 2026

El horizonte temporal tampoco admite ambigüedades. En la conversación se apunta a 2026 como la frontera simbólica: el momento en que se distinguirá de forma nítida entre compañías que “hacen cosas con IA” y compañías que consiguen resultados medibles gracias a la IA. Para las primeras, el riesgo es convertirse en casos de estudio sobre oportunidades perdidas.

La hoja de ruta pasa por cuatro movimientos. Primero, racionalizar el stack tecnológico, reduciendo el número de plataformas y socios para construir una arquitectura manejable sobre la que tenga sentido escalar modelos. Segundo, definir entre tres y cinco casos de uso prioritarios ligados a objetivos de negocio claros —eficiencia, ingreso incremental, mejora de experiencia— y concentrar ahí el esfuerzo.

Tercero, invertir en talento y en cambio cultural: programas de formación, nuevos roles híbridos negocio-datos, procesos de human in the loop bien diseñados. Cuarto, establecer un marco de gobernanza que integre riesgos, ética y cumplimiento normativo, evitando que el entusiasmo deje grietas reputacionales o legales.

Si algo dejan claro Pulpón y los datos es que el purgatorio de la IA no es un lugar neutro. Es un espacio de espera que se acorta cada trimestre. Quien no convierta hoy la combinación de talento humano e IA en ventaja competitiva, mañana descubrirá que ya no decide en qué mesa del mercado quiere sentarse: será el propio mercado, asistido por algoritmos, quien decida por él.