Tu agente de IA de marketing no tiene contra qué decidir: el catálogo va antes que el modelo

Gartner preguntó a 413 líderes de martech qué tan bien funcionan los agentes de IA que ya compraron. 45% respondió que no cumplen el desempeño de negocio que el proveedor prometió, según el comunicado publicado el 29 de octubre de 2025. No es un problema de modelo mal elegido. Es un problema de contra qué compara ese modelo cuando le toca decidir.

Un agente de IA no "sabe" si una marca aliada puede usar cierto logo en una campaña de descuento, ni si un activo creativo ya venció su licencia. Lo que hace es comparar el caso nuevo contra una regla. Si esa regla vive en la cabeza de una persona, en un hilo de WhatsApp o en la pestaña 14 de un Excel que nadie actualiza desde marzo, el agente no tiene con qué comparar. Y un agente sin regla explícita no se detiene a preguntar: redacta una respuesta que suena correcta y sigue adelante.

El dato duro: la IA agéntica se está cancelando, no fallando por falta de ambición

Tres cifras de Gartner, todas de 2025, apuntan a la misma causa:

• 45% de 413 líderes de martech encuestados entre junio y agosto de 2025 dice que los agentes de IA que ya operan en su empresa no cumplen el desempeño de negocio prometido por el proveedor (Gartner, 29 de octubre de 2025). El mismo comunicado señala que la mitad de esos líderes reconoce que su empresa carece de la madurez técnica y de datos necesaria para desplegar agentes.
• Gartner proyecta que más del 40% de los proyectos de IA agéntica se cancelará antes de finales de 2027, con base en una consulta a más de 3,400 organizaciones que ya invierten en la tecnología (Gartner, 25 de junio de 2025). La razón que da la analista Anushree Verma no es que falte ambición: los modelos actuales no tienen la madurez para "seguir instrucciones matizadas" sin una base de datos y reglas clara detrás.
• Desde febrero de 2025, Gartner anticipa que las organizaciones abandonarán 60% de sus proyectos de IA que no cuenten con datos "listos para IA" antes de que termine 2026 (Gartner, 26 de febrero de 2025). Datos "listos para IA" quiere decir, en términos simples: con dueño claro, con reglas de calidad automatizadas y con metadata que se puede consultar, no un archivo que alguien exportó una vez.

Las tres cifras describen la misma secuencia: se compra el agente primero, se descubre después que no hay nada estructurado contra qué comparar, y el proyecto se cancela o se queda operando mal. El orden correcto es el inverso.

Qué es "semantic drift" y por qué mata la confianza en el agente

Hay un concepto que explica por qué un agente puede sonar seguro y estar equivocado: el "semantic drift", o deriva semántica. La idea es simple: si la palabra "elegible" significa una cosa en la hoja de cálculo del equipo de marca y otra distinta en la cabeza de la persona que aprueba campañas, un sistema que lee ambas fuentes no tiene forma de saber cuál es la verdad. No es que el agente "entienda mal": es que no existe una única definición que pueda consultar. El mismo problema aplica a "activo aprobado", "campaña vigente" o "marca aliada activa": si cada hoja de cálculo o cada persona tiene su propia versión, el agente sólo puede aparentar que valida, no validarlo de verdad.

Esto es justo el terreno que describen quienes construyen gestión de activos digitales con IA ("agentic DAM", en inglés): un agente necesita metadata estructurada sobre cada activo (marca, estado de aprobación, restricciones de uso, fecha de vencimiento) y reglas convertidas en algo que una máquina pueda ejecutar, no documentación descriptiva que sólo una persona sabe interpretar, según describen la guía de Cloudinary sobre gestión de activos agéntica y el análisis de Aprimo sobre agentes de IA en operaciones de contenido. Sin esa capa, un agente de "gobernanza de marca" no gobierna nada: describe.

El caso: el catálogo llegó antes que la cadena de agentes

hivek trabajó con una empresa que coordina campañas de marketing con marcas aliadas. Antes del proyecto, los activos creativos, las reglas de elegibilidad y los briefs de campaña vivían repartidos entre hojas de cálculo distintas y mensajes sueltos. Cada persona del equipo tenía su propia versión de qué marca podía usar qué activo en qué campaña, y confirmarlo significaba preguntarle a alguien específico.

El primer proyecto no fue un agente de IA. Fue un catálogo único que concentra las marcas aliadas, los activos creativos, las campañas y las reglas de elegibilidad en un solo lugar, con un significado consistente para cada término. Sólo encima de ese catálogo, hivek construyó la cadena de agentes: recibe el brief de campaña por chat, revisa que esté completo, valida que cada pieza cumpla las reglas de elegibilidad contra el catálogo y convierte el resultado en tickets listos para que el equipo de ejecución los tome. El agente puede decidir porque tiene contra qué comparar. Antes del catálogo, esa misma cadena de agentes habría tenido que adivinar, y adivinar con confianza es exactamente lo que hace un agente cuando alucina cumplimiento.

Qué revisar antes de firmar un contrato de IA

Antes de aprobar el gasto en un agente de IA para marketing, vale la pena que el director de operaciones o de marketing le haga estas cuatro preguntas a su propio equipo, no al proveedor:

1. ¿Dónde viven hoy tus reglas de elegibilidad de marca y campaña? ¿En un documento controlado, en la cabeza de una persona o en un hilo de WhatsApp que nadie puede buscar?
2. ¿Puede alguien nuevo en el equipo consultar esas reglas sin preguntarle a una persona específica? Si la respuesta depende de "pregúntale a Fulano", esa regla no existe para efectos de un sistema.
3. ¿Tus activos creativos tienen metadata y estado de aprobación consultable? ¿O viven en carpetas organizadas por nombre de campaña, donde "aprobado" es una carpeta y no un dato?
4. ¿Qué pasa si dos personas del equipo responden distinto a la misma pregunta de elegibilidad? Si la respuesta cambia según quién conteste, el agente que se construya encima va a heredar esa inconsistencia, no a resolverla.

Si la respuesta a cualquiera de las cuatro es "hay que preguntarle a alguien", ese es el proyecto de catálogo y plataforma que va antes que cualquier contrato de agentes de IA. Firmar el contrato de IA primero no acelera nada: sólo mueve el problema de datos sin resolver a un sistema que ahora decide con esa misma falta de reglas, más rápido y con apariencia de autoridad.

Dónde esto no aplica

No todo proceso de marketing necesita un catálogo unificado antes de tocar IA. Si el volumen de campañas es bajo, si sólo hay una marca (sin aliados ni terceros) y si las reglas de elegibilidad caben, literalmente, en una sola página que todo el equipo ya conoce de memoria, construir un catálogo formal es sobreingeniería: el costo de mantenerlo supera el problema que resuelve. La señal de que sí hace falta no es el tamaño de la empresa, es la fragmentación: varias marcas, varios equipos, varias fuentes de verdad que no coinciden entre sí. Tampoco conviene si lo que se busca es un asistente de redacción, algo que genere primeros borradores de copy para que una persona los revise. Ahí el riesgo de "decidir mal" no existe porque nadie le está pidiendo al agente que decida, sólo que proponga.

La tentación en 2026 es evaluar agentes de IA por qué tan bien conversan. La pregunta que de verdad predice si el proyecto sobrevive hasta 2027 es si existe, detrás del chat, algo contra qué el agente pueda validar. Esta misma lógica de datos antes que modelo aplica al presupuesto: conviene revisar cómo presupuestar un proyecto agéntico en 2026 antes de cotizar el agente, igual que conviene revisar por qué la mayoría de los pilotos de RPA en México nunca llegan a producción: en ambos casos, el patrón que mata el proyecto es el mismo, sólo cambia el nombre de la tecnología. hivek construye ese catálogo de datos antes de la capa de agentes cuando el diagnóstico muestra que las reglas todavía viven repartidas entre hojas de cálculo y chats.

Fuentes

• Gartner Survey Finds 45% of Martech Leaders Say Existing Vendor-Offered AI Agents Fail to Meet Their Expectations of Promised Business Performance (29 oct 2025)
• Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027 (25 jun 2025)
• Lack of AI-Ready Data Puts AI Projects at Risk (Gartner, 26 feb 2025)
• Neenopal: Unified Data Architecture for AI Agents (semantic drift)
• Cloudinary: guía de gestión de activos digitales agéntica
• Aprimo: Agentic DAM, AI Agents in Content Operations