
Más herramientas de IA, menos crecimiento: el error de los CMO
Digiday recoge que los CMO de grandes empresas no ven crecimiento al aumentar el gasto en IA, solo eficiencia en tareas. La brecha nace de pilotos en silos y de delegar la responsabilidad, no de los modelos.
Digiday recoge que los responsables de marketing de grandes marcas de consumo, servicios financieros y B2B chocan una y otra vez con el mismo muro: más tecnología de IA no ha producido más crecimiento de negocio. El artículo, basado en declaraciones de Diego Lomanto, CMO de Writer, describe equipos atrapados persiguiendo ganancias de eficiencia, financiando herramientas que optimizan tareas dentro de silos funcionales, lanzando pilotos que nunca escalan y delegando la responsabilidad sobre la tecnología. El texto no aporta cifras, plazos ni casos de clientes identificados.
Conviene tomarse ese diagnóstico en serio, porque separa dos cosas que a menudo se venden como una sola: hacer el trabajo existente más rápido y cambiar lo que ese trabajo produce. Lo primero es fácil de comprar. Lo segundo exige decisiones sobre propiedad y medición que ninguna herramienta toma por sí sola.
La eficiencia dentro de un silo no es crecimiento
Un equipo de contenido que redacta más rápido, un equipo de medios que genera más variantes creativas, un equipo de soporte que responde antes: cada uno es una victoria local. Ninguna mueve necesariamente la adquisición o los ingresos, porque el cuello de botella suele estar entre los equipos, no dentro de ellos. Producir creatividades más rápido no sirve si el proceso de testeo y la asignación de presupuesto no cambian. Más variantes no sirven si nadie definió qué significa ganar antes de generarlas.
Los pilotos que no llegan a ningún sitio siguen la misma lógica. Un piloto acotado dentro de una sola función no tiene camino hacia las métricas con las que se juzga el negocio, así que muere en silencio cuando el patrocinador cambia de prioridades.
Qué puede revisar un equipo esta semana
Antes de añadir otra herramienta, conviene hacer una auditoría breve de lo que ya existe. No requiere software nuevo.
- Enumera cada flujo de trabajo asistido por IA que esté financiado hoy y anota la métrica de negocio que se supone que debe mover.
- Para cada uno, indica quién responde del resultado, no solo de la herramienta.
- Señala cualquier flujo cuyo éxito se mida por volumen de producción en lugar de por conversión, coste por adquisición o retención.
- Identifica el único piloto que toque a más de un equipo y comprueba si tiene un estado final definido.
El ejercicio no tiene nada de glamuroso y suele producir una lista incómoda. También muestra dónde falta propiedad, que el artículo de Digiday señala como problema central: delegar la tecnología sin asignar responsabilidad sobre el resultado.
Adquisición y monetización lo notan primero
Los efectos golpean con más fuerza las dos áreas ligadas directamente a los ingresos. En adquisición, el volumen de creatividades generadas por IA solo rinde si la capacidad de testeo y las decisiones de presupuesto avanzan al mismo ritmo; si no, los equipos compran producción que no pueden evaluar. En monetización, la personalización y las ofertas dinámicas solo importan si las reglas de precios, la instrumentación del embudo y los datos de retención están lo bastante conectados para saber si una mejora es real. Ambas cosas exigen decisiones transversales que están por encima de cualquier herramienta concreta.
Nada de esto va contra adoptar la IA. Va contra contar la adopción como progreso. El artículo no dice cómo deberían reorganizarse las marcas y ninguna evidencia pública que cite sugiere un modelo único para hacerlo. Lo que sí sugiere es un cambio en la pregunta que se hacen los responsables de marketing: no qué herramienta añadir después, sino qué decisión debe mejorar esa herramienta y quién responde de ella.
También le puede interesar
-
LinkedIn comparte consejos para que los modelos de IA te citen
LinkedIn ha publicado orientaciones para que las empresas aumenten sus posibilidades de ser citadas por los grandes modelos de lenguaje. El informe señala la credibilidad y la autoridad de los influentes como factores clave, aunque la mecánica subyacente sigue sin desvelarse.
-
IA au travail : une étude sur 9 000 salariés ne trouve pas de gain de temps clair
Une étude d'ActivTrak menée sur près de 9 000 salariés pendant six mois conteste l'idée que les outils d'IA font gagner du temps. Pour les équipes marketing et growth, la vraie question est de savoir où l'IA change réellement les résultats.
-
ChatGPT Wallet: los agentes de OpenAI ya pueden pagar compras online
OpenAI ha abierto el pago a sus agentes de IA mediante una cartera creada con Visa, Mastercard y American Express, por ahora limitada a suscriptores Pro en EE. UU. El movimiento cambia lo que un agente puede completar solo, con efectos directos en la conversión del checkout y en cómo las marcas llegan al comprador.


