La inteligencia artificial ya no es una promesa, pero el informe “Supremacía agéntica: la Matriz de Madurez en IA para transformar marketing y negocio”, elaborado por LLYC a partir de las respuestas de 60 CMOs y Dircoms en España, lanza un aviso: los departamentos de marketing y comunicación están usando IA, pero no están creciendo gracias a ella. La madurez media se queda en 2,25 sobre 5, atrapada en lo que el estudio define como “zona de la paradoja”: mucha herramienta, pero poco 

El documento, al que desde Reason.Why hemos podido acceder en primicia, desarrolla aspectos como el estado actual del mercado español en esta materia, qué mide la llamada Matriz de Madurez, dónde se atascan las empresas, qué sectores se escapan por delante y por qué la próxima “era agéntica” puede dejar fuera del mapa a las marcas que no ordenen sus datos y su gobernanza a tiempo.

De “hacer IA” a “ser IA”: la paradoja de la madurez 

Según el informe, la mayoría de equipos de marketing y comunicación ya utilizan inteligencia artificial generativa en su día a día para redactar textos, producir piezas creativas con más rapidez, automatizar parte de la planificación de medios y acelerar la generación de dashboards.

Sin embargo, cuando se mide de forma sistemática el grado de integración de la IA en procesos, datos, talento y gobernanza, la foto cambia. La madurez media se sitúa en 2,25 sobre 5, y el 81% de las organizaciones se concentran entre 1,6 y 2,5 puntos, es decir, en niveles donde la IA mejora la eficiencia táctica pero no transforma el modelo operativo. Ninguna de las empresas analizadas supera aún el 3,5, donde la IA se convierte en palanca clara de crecimiento.

Así, las compañías usan IA, pero no han rediseñado su modelo operativo. Y el bloqueo no es tecnológico, insisten desde LLYC, sino organizativo y de gobernanza: las personas aprenden más rápido que las estructuras que deberían absorber ese aprendizaje.

Jesús Moradillo, Socio y Director General de Estrategia de Marketing en LLYC, lo formula así: "las empresas están haciendo IA, pero muy pocas están siendo IA. La mayoría se han quedado en la fase de eficiencia táctica, generando contenidos y cuadros de mando más rápido, pero sin rediseñar su modelo operativo para conseguir los retornos que logran las compañías AI-First”. Ese bloqueo, añade, se ve también en los roles: “pasamos de usuarios curiosos que usan IA a escondidas para ahorrar tiempo personal, a equipos que deberían supervisar sistemas autónomos y orquestar la colaboración humano–agente. Esa transición aún no ha ocurrido en la mayoría de organizaciones”.

La Matriz de Madurez: seis dimensiones y una frontera 

El informe articula este diagnóstico a través de una Matriz de Madurez en IA para marketing y comunicación, que cruza cinco niveles de evolución con seis grandes dimensiones operativas y una séptima frontera estratégica, vinculada al comercio agéntico.  

Los cinco niveles van desde el uso exploratorio hasta un estadio AI-First, donde la IA está embebida en procesos y decisiones. El estudio sitúa el muro principal en la transición del Nivel 2 (táctico) al Nivel 3 (integrado): el salto en el que las empresas deben pasar de proyectos aislados a una estrategia organizacional con datos conectados, gobernanza activa y roles human–agent claramente definidos.  
“El verdadero salto no es añadir más casos de uso, sino cambiar el sistema operativo: cómo se toman decisiones, qué datos las alimentan y quién es responsable de orquestar humanos y agentes”, resume Moradillo.

Las dimensiones que se evalúan son:

• Paid Media & Marketing Ops: capacidad para automatizar planificación, activación y medición de campañas, pasando de “gestionar campañas” a gestionar los inputs que alimentan las plataformas algorítmicas.  
• Contenido & Creatividad: evolución desde la producción manual a la co-creación humano-IA y a la gestión de bibliotecas modulares de activos que permiten miles de combinaciones personalizadas en tiempo real, manteniendo la consistencia de marca.  
• Customer Engagement & Experience: transformación de la relación con el cliente, desde chatbots básicos a motores predictivos, personalización 1:1 y experiencias conversacionales capaces de cerrar el ciclo de compra.  
• Reputación & Brand Authority: control de la narrativa y de la representación de la marca en entornos mediadores de IA, donde los modelos de lenguaje se convierten en nueva “fuente de verdad” para el consumidor.
• Gobernanza, Ética y Riesgo: existencia de políticas de uso responsable, cumplimiento normativo (GDPR, AI Act), trazabilidad y transparencia en los contenidos y decisiones generadas por IA.  
• Organización, Talento y Cultura: nivel de capacitación, rediseño de roles, liderazgo híbrido y cultura human–agent.

A estas seis se suma una frontera estratégica:

• Agentic Commerce & AI Distribution Infrastructure, que mide hasta qué punto la compañía está preparada para vender no solo a personas, sino también a agentes de IA que actúan en nombre de los consumidores. Aquí entran en juego la calidad de los feeds de producto, las APIs, la capacidad transaccional y la medición específica del canal agéntico.  

El desajuste: automatización sin orquestación

Cuando se analizan los resultados por bloques, la foto es matizada, pero deja un mensaje muy claro: el problema no es la falta de herramientas, sino la ausencia de un sistema que las ordene.

En Paid Media & Marketing Ops, la media de madurez es 2,34. Las empresas ya han incorporado soluciones como Google Performance Max o Meta Advantage+, y la subdimensión “preparación ante plataformas con IA” es la más avanzada. Pero la activación y el control de campañas se queda cerca del 2, y la medición y el aprendizaje también. El algoritmo decide, pero la organización no gobierna qué optimiza ni con qué señales.

En Contenido & Creatividad, la media también es 2,34. Se usan herramientas generativas a lo largo del proceso creativo, y la producción asistida por IA ya mejora la productividad individual. Sin embargo, el testing creativo y el uso de audiencias sintéticas siguen rezagados y la consistencia de marca supervisada por sistemas automáticos, apenas despega. El informe concluye que la IA se está usando como musa, no como factoría modular: se generan piezas, pero no se gobierna un catálogo de activos etiquetados y reutilizables, lo que limita la personalización a escala.

El bloque más débil es Customer Engagement & Experience, con una media de 2,03. A pesar de años de discurso sobre la hiperpersonalización, lo que predomina son journeys lineales, chatbots básicos y datos fragmentados entre CRM, e-commerce y plataformas de automatización. La fidelización y la postventa son las subdimensiones peor valoradas, por debajo de 2 puntos.

La dimensión Reputación & Brand Authority es la de menor madurez del estudio, con 1,97. Muy pocas compañías auditan cómo representan los grandes modelos de lenguaje a sus marcas, qué fuentes citan, qué omiten o qué sesgos introducen. Tampoco existen, en general, datasets de marca preparados para entrenar modelos, ni sistemas de escucha específicos sobre estos entornos algorítmicos.

En el plano de los habilitadores, Gobernanza, Ética y Riesgo (2,32) y Organización, Talento y Cultura (2,57) muestran otra paradoja. Las políticas de uso responsable y el cumplimiento normativo están redactados, pero la trazabilidad y la transparencia no están integradas en los flujos de trabajo. Hay principios sobre el papel, no sistemas vivos que registren inputs, outputs y decisiones de la IA.

Por su parte, la formación en IA es la subdimensión más alta de todo el estudio (2,81): los equipos se están capacitando y experimentan con intensidad. Pero el liderazgo, los roles y los KPIs no se han rediseñado, lo que genera un efecto colateral por el que proliferan prácticas de “shadow AI”: usos útiles a corto plazo pero desordenados, con poca trazabilidad y escaso aprendizaje organizativo.
“Hoy el talento va por delante de la organización: hay mucha formación individual y poca estructura. La IA se usa ‘a escondidas’ para ganar tiempo, pero no se convierte en capacidad colectiva”, explica Jesús Moradillo.

La conclusión del informe anticipa que, a día de hoy, la IA ha entrado en las compañías, pero no en su sistema operativo. No es un suspenso tecnológico, sino un síntoma estructural.

Noticias Relacionadas

ChatGPT ya es un asistente de compras. La función shopping research llega a las puertas de Navidad

Jeff Bezos regresa a la primera línea empresarial como Co-CEO de la start-up de IA Project Prometheus

Quién va por delante y quién se queda atrás

La Matriz permite también trazar un mapa sectorial. En la parte alta destacan Banking & Capital Markets, con una media de 3,49; Industrial Manufacturing, con 3,21; y los sectores de seguros y telecomunicaciones y medios, en la franja 2,8–3.

En banca, la IA está integrada en el núcleo operativo: personalización de cliente, automatización de cumplimiento regulatorio, governanza robusta y una cultura donde la IA funciona como infraestructura de negocio, no como experimento. En manufactura industrial, la combinación de procesos complejos y regulación exige escalar IA de forma controlada, lo que se traduce en altos niveles de gobernanza y uso de la IA como palanca de productividad, no solo de comunicación.

En el otro extremo, sectores como energía, chemicals, servicios legales o parte del retail quedan por debajo de la media nacional. En muchos casos existe capacidad técnica, pero no un modelo sistemático para aplicar la IA a marketing y comunicación, lo que abre una brecha competitiva frente a industrias más avanzadas.

Un caso curioso es el de Food & Drinks, con una madurez media de 2,51, por encima del promedio global. Este sector destaca en Contenido y Paid porque es capaz de escalar creatividad y activación con IA, pero aún tiene margen en Customer Experience y Gobernanza. El informe sugiere una oportunidad clara: pasar del liderazgo creativo a un liderazgo operativo de extremo a extremo, conectando creatividad, personalización y fidelización.  

Cuando se mira el tamaño de las empresas, la correlación refleja que a mayor tamaño, mayor integración, pero con matices. Las grandes corporaciones de más de 1.000 empleados alcanzan una media de 2,63 y lideran en Gobernanza, Paid Media y Organización. Tienen músculo e infraestructura, pero su reto es la agilidad: muchas despliegan la IA como mejora incremental, no como catalizador de reinvención.

Las empresas de 251 a 1.000 empleados se sitúan prácticamente en la media nacional (2,24) y representan, según el informe, la “zona de riesgo de estancamiento”. Sin el músculo de las grandes ni la flexibilidad de las pequeñas, pueden quedarse a medio camino si no aceleran el rediseño organizativo y cultural.  

Y en el caso de las pymes y microempresas, por debajo de 250 empleados, muestran talento motivado y cierta agilidad para experimentar en contenidos, pero carecen de estructura y stack tecnológico para institucionalizar esas prácticas. En muchos casos, la IA se usa como herramienta personal más que como capacidad organizativa, lo que limita su potencial para competir en eficiencia y personalización.

IA integrada, no IA “en más sitios”

La lectura estratégica del informe es que el objetivo no es incorporar IA en más tareas, sino integrarla en los flujos de decisión, en los roles y en la medición del negocio.  

El salto del Nivel 2 al Nivel 3 implica dejar de pensar en “proyectos de IA” -una campaña, un piloto de chatbot, un experimento creativo- y empezar a operar con un modelo IA-first: procesos que aprenden, sistemas que recomiendan y equipos que gobiernan el conjunto. Es en ese umbral donde se activa la curva de valor real y donde antes hay mejoras locales, después se produce una ventaja competitiva.

En este sentido, el estudio identifica varias palancas inmediatas para avanzar:

• Orquestar Paid a través de inputs y datos, no de campañas sueltas: rediseñar los briefings como inputs estratégicos, conectar CRM, e-commerce y creatividad a la activación y la medición, y establecer gobernanza clara de qué señales se envían a las plataformas.  
• Pasar de contenido generado a contenido orquestado, con librerías modulares, testing algorítmico continuo y sistemas de Brand Guardianship que aseguren tono, narrativa y legalidad antes de la publicación.
• Reconstruir Customer Experience alrededor de señales, no de canales, desplegando copilotos internos y externos que aprendan con cada interacción y unifiquen datos, journey y toma de decisiones.  
• Convertir la gobernanza en sistema operativo, con trazabilidad automatizada de inputs, outputs y decisiones, funciones transversales de AI governance y mecanismos de control embebidos (validadores, alertas, human-in-the-loop…).

En paralelo, la reputación deja de ser solo narrativa para convertirse en infraestructura: las marcas necesitan taxonomías propias y sistemas de escucha sobre modelos para saber cómo las “ven” las máquinas y cómo corregir esa imagen. La métrica ya no es solo el share of voice humano, sino el “algoritmic share of voice”, la proporción de veces que la IA cita una marca como respuesta preferente en entornos de cero clic y agentes conversacionales.  

“Yo lo veo como un nuevo canal”, insiste Moradillo. “Igual que en su día se creó estructura y presupuesto para SEO o SEM, ahora hay que hacerlo para gestionar tu memoria algorítmica. La diferencia es que si dejas de monitorizarla, se degrada más rápido que el SEO y alguien ocupa tu lugar justo cuando despega el comercio agéntico”.

La “era agéntica”: cuando los compradores son algoritmos

La última parte del informe explica por qué estas decisiones no son teóricas. LLYC plantea la llegada de la “era agéntica”, un escenario en el que los consumidores delegarán en agentes de IA personales integrados en modelos como ChatGPT, asistentes de Google, Amazon u otras plataformas la tarea de comparar, filtrar y seleccionar productos y servicios.

En este contexto, el canal deja de ser estrictamente B2C para convertirse en B2A (Business-to-Agent) y, posteriormente, en M2M (Machine-to-Machine). Las marcas ya no competirán solo por impresiones o clics, sino por ser legibles, confiables y transaccionables para los agentes de IA.

La Matriz incorpora esta dimensión a través de Agentic Commerce & AI Distribution Infrastructure, que evalúa cinco capacidades: la inteligencia del feed de producto y la preparación de datos, la conectividad vía APIs con agentes y marketplaces, la capacidad para permitir transacciones ejecutadas por agentes, la interacción con agentes intermediarios que negocian visibilidad o precio, y la medición específica del rendimiento del canal agéntico.  

El informe insiste en la urgencia: mientras buena parte del mercado sigue bloqueada entre los niveles 1 y 2, la carrera hacia el Nivel 5, que se define por ser un modelo plenamente agéntico, ya ha comenzado. Si las compañías no se preparan hoy para ser visibles ante los agentes, mañana no serán visible para los consumidores.

“La prioridad absoluta para 2026 es financiar la conversión de la marca en una entidad legible por máquinas”, resume Moradillo. “Antes de vender a través de agentes, hay que asegurar que los modelos que los alimentan entienden tu marca y te recomiendan”. Para ello, propone un método de tres pasos: desplegar una “matriz de prompts” que mapee cómo responden los modelos ante cientos de intenciones de búsqueda de cada perfil de cliente; ejecutar esos prompts miles de veces para obtener patrones con certeza estadística, y actuar sobre las fuentes de información propias y ajenas para corregir, validar y enriquecer los datos que nutren al modelo. “Es un bucle continuo, no un proyecto puntual, y requiere coordinación estrecha entre marketing, datos y comunicación", subraya.

Noticias Relacionadas

Diseño impulsado por asistentes de IA: Adobe despliega su visión sobre el futuro de la creatividad

Las ideas creativas son el auténtico valor añadido en la era de la inteligencia artificial

La oportunidad de rediseñar el modelo

La conclusión de “Supremacía agéntica” es que liderar en la próxima etapa del marketing no consiste en usar IA, sino en redefinir el modelo operativo alrededor de ella.

Para los CMOs y Dircoms, la Matriz se plantea como una herramienta para ir al C-Suite con un diagnóstico claro y un plan consistente en medir la madurez real frente a su sector, identificar los bloqueos sistémicos como la brecha entre talento y gobernanza, la falta de trazabilidad, la desconexión entre Paid, Contenido y Customer Experience y priorizar una hoja de ruta que conecte IA con resultados de negocio.

Para los CEOs, el mensaje es más estructural: la ventaja competitiva ya no residirá solo en el producto ni en el presupuesto, sino en el modelo operativo mejor adaptado al ciclo IA–datos–creatividad y a un mercado donde los agentes algorítmicos empiezan a decidir qué marcas se ven, se recomiendan y se compran.

El informe propone, al final, una cuestión que actúa como resumen ejecutivo y hoja de ruta a la vez: no se trata de si una organización está usando IA, sino de si su estructura de datos, de gobernanza y de procesos está preparada para escalarla antes de que la economía agéntica cambie definitivamente las reglas del juego.

Más info.: Supremacía agéntica