Agentic AdTech: la nueva capa de orquestación del mercado
La publicidad digital lleva años conviviendo con automatización parcial: reglas de pacing, scripts de optimización, workflows tipo if-this-then-that. La IA generativa trajo algo distinto, la capacidad de traducir una petición a texto, imagen o resumen, pero la Agentic AI (o IA Agéntica) es otra cosa: se trata de un sistema que no solo responde, sino que razona objetivos, planifica acciones y las ejecuta en múltiples plataformas.
El siguiente ejemplo ilustra la diferencia: hoy en día, un trader revisa un deal que no escala, cruza datos, levanta tickets con el SSP, llama al account del DSP… pero el día de mañana, un agente de IA ejecutará el diagnóstico, identificará que el problema es latencia o flight mal configurado, y propondrá o aplicará con autorización la solución. Lo crítico no es la interfaz conversacional, sino que por primera vez el operador ya no es humano, sino software.
MCP: el estándar que habilita la escala
El verdadero acelerador no es el modelo, sino la estandarización de accesos. El Model Context Protocol (MCP), introducido por Anthropic, permite a una plataforma describir sus acciones disponibles en lenguaje natural: qué se puede hacer, con qué parámetros y qué permisos son necesarios. Sin MCP, cada integración seguiría siendo artesanal, con APIs fragmentadas y documentaciones opacas. Con MCP, los agentes pueden descubrir y ejecutar capacidades de forma casi automática, reduciendo costes de integración y acelerando la interoperabilidad entre vendors. Traducido al AdTech: un SSP puede exponer en su MCP las acciones “crear deal”, “pausar creativo”, “consultar reporting granular”, mientras que un DSP puede declarar “ajustar presupuesto”, “aplicar segmentación”, “activar audiencia”, y un agente, al conectarse, sabrá qué está disponible, bajo qué condiciones y cómo debe autenticarse.
Dos vectores estratégicos para los vendors
Aquí las plataformas tienen dos caminos en paralelo:
O bien hacerse agent-friendly, es decir, endurecer APIs, exponerlas vía MCP, garantizar permisos granulares y auditoría. Esto no es feature marketing, es trabajo de ingeniería para sobrevivir en un ecosistema agentic o agentizarse por dentro, es decir, desplegar sus propios agentes internos, no para reemplazar humanos, sino para reforzar casos de alto ROI. Veamos algunos ejemplos:
Troubleshooting avanzado: el sistema detecta que un deal tiene fill rate 0% y lanza un diagnóstico automático, proponiendo acción.
Reporting accionable: pasar de dashboards estáticos a respuestas conversacionales con capacidad de ejecutar cambios.
Deal lifecycle automation: desde la creación hasta el pacing y optimización, con humanos supervisando.
Ambos approach tienen un reto común que no es otro que la observabilidad: cada acción debe quedar trazada con logs forenses: señales utilizadas, versión del modelo, cambios aplicados y razonamiento seguido. Sin esto, el discurso se queda en una mera demo.
La cuestión de la propiedad del agente
Aquí es donde empieza la política: ¿Quién controla el agente que toma decisiones sobre campañas millonarias?
Agente de la plataforma: eficiente, integrado, pero alineado a los intereses del vendor.
Agente corporativo (marca, agencia, publisher): entrenado con políticas internas, taxonomía propia y métricas estratégicas; conectado a todos los MCP de sus partners.
Modelo híbrido: agentes específicos en cada plataforma coordinados por un “maestro” del cliente que define objetivos, restricciones y prioridades.
La historia reciente sugiere que los grandes anunciantes y agencias seguirán el modelo corporativo/híbrido, igual que hicieron con Data Clean Rooms y CDPs: el valor no está en una interfaz bonita, sino en codificar su conocimiento operativo en un activo que controlan ellos.
Del ticket al diálogo entre agentes
El problema estructural del ecosistema programático, decenas de plataformas, integraciones imperfectas, tickets infinitos, puede reducirse con comunicación agente-agente. Imaginemos que un SSP agent notifica a un DSP agent que un deal no escala. El DSP responde: “frecuencia efectiva saturada, creatividades rechazadas por brand safety, flight dates inconsistentes”. Hoy eso implica días de soporte… pero mañana será un intercambio estandarizado, auditable y casi inmediato. La interoperabilidad que dio origen a la programática con RTB ahora se transforma en interoperabilidad cognitiva y eso cambia por completo la relación entre vendors, clientes y agencias.
Gobernanza: el punto débil
Si algo puede frenar esta ola no es la tecnología, sino la confianza. Ningún anunciante serio permitirá a un agente ejecutar cambios masivos sin tener:
Human-in-the-loop especialmente en las decisiones más críticas.
Logs explicables: qué datos, qué prompts, qué output justificó cada acción.
Permisos granulares y temporales, con break-glass policies en emergencias.
Circuit breakers: umbrales que detienen al agente ante anomalías (CPA disparado, gasto fuera de control).
Cumplimiento de privacidad: evitar que datos sensibles salgan a modelos no autorizados.
La ausencia de estos mecanismos convertirá a los agentes en un riesgo reputacional más que en una ventaja.
Impacto en agencias
Aquí es donde aparecen los primeros problemas: el modelo operativo de muchas agencias se ha basado en monetizar la “fricción”: plantillas de Ad Ops ejecutando tareas repetitivas que justifican fees. ¿Cómo explicar al cliente que se necesitan 20 traders si un agente resuelve el 70% de los tickets en minutos?
Entonces nos damos cuenta que el cambio no es solo operativo, sino económico porque los fees por hora pierden sentido frente a tarifas basadas en outcomes o incluso agent-as-a-service. Surgen nuevos roles como los policy owners que definen qué puede hacer un agente, governance leads que validan cambios, SRE de marketing que aseguran resiliencia y por supuesto, procurement exigirá cláusulas nuevas: auditorías de agentes, métricas de rollback, sesgo, compliance de datos.
La transición será dolorosa para quien no transparente su propuesta de valor real.
Nuevas métricas de rendimiento
En el mundo Agentic, medir CPMs o CTRs ya no basta, las métricas clave serán:
Tiempo-a-acción: cuánto tarda un agente en detectar y corregir un problema.
Decisiones explicables: porcentaje de outputs trazados con justificación.
Cobertura MCP: qué porcentaje de capacidades de la plataforma están expuestas a agentes.
Tasa de rollback: frecuencia con que un cambio del agente debe revertirse.
Spend compliant: proporción de inversión que respeta políticas de privacidad, sostenibilidad o exclusiones.
Estas métricas distinguirán a los vendors que venden valor de los que venden humo.
El futuro inmediato: hoja de ruta pragmática
No hablamos de ciencia ficción a diez años sino de una hoja de ruta que ya está muy clara como por ejemplo agentes que recomiendan, pero no ejecutan (shadow mode), casos de ROI rápido (troubleshooting, reporting con acciones limitadas, optimización de audiencias), guardrails operativos (permisos granulares, canary changes, rollbacks automáticos, …) y por supuesto escalado con gobernanza (políticas por cliente/mercado, métricas estandarizadas, SLAs basados en tiempo-a-acción y transparencia).
La política del agente como ventaja competitiva
La próxima década no se jugará en tener “el mejor DSP” ni en “reclutar más traders”, sino en quién diseña y gobierna mejor a sus agentes. La ventaja competitiva residirá en políticas más claras, mejores guardarailes y una trazabilidad impecable. La agentización no elimina el role humano, pero sí redefine dónde está el valor: no en hacer clicks, sino en decidir qué está permitido hacer, bajo qué condiciones y con qué métricas de éxito. En otras palabras: en un mercado gobernado por agentes, las empresas que escriban las reglas del juego ganarán. Las demás se limitarán a jugar con las reglas de otros.