La publicidad empieza a enfrentarse a una circunstancia inédita: parte de su audiencia ya no es humana. Antes de que una persona llegue a considerar una marca, recomendarla o comprarla, es posible que un modelo de inteligencia artificial haya rastreado, interpretado y jerarquizado la información disponible sobre ella para decidir si merece formar parte de una respuesta.
Esto introduce un segundo nivel en la eficacia publicitaria. Las marcas siguen necesitando emocionar, generar recuerdo y construir significado para las personas, pero ese universo de mensajes, contenidos y conversaciones también está siendo procesado por máquinas que interpretan la comunicación con criterios muy distintos.

Dos investigaciones presentadas en torno a Cannes Lions 2026 ayudan a dimensionar esa diferencia. El estudio “Creative ReCode”, de Kantar, analizó 786 anuncios en 48 mercados y comparó su eficacia entre personas -a partir de seis dimensiones: engagement, branding, mensaje, persuasión, significado y diferenciación- con su legibilidad para las máquinas. La correlación entre ambas evaluaciones fue de apenas 0,10.

Una investigación de Jellyfish e INSEAD sobre 480 trabajos presentados a Cannes Lions llegó a una conclusión similar: humanos y modelos de lenguaje mostraron valoraciones profundamente diferentes ante las mismas piezas creativas.

La cuestión que se abre para el marketing es importante. Si la IA adquiere cada vez más peso como intermediaria entre las marcas y los consumidores, ¿hay que empezar a hacer publicidad también para las máquinas?

Las máquinas quieren explicaciones

Las investigaciones apuntan a dos maneras prácticamente opuestas de interpretar la creatividad.

Los modelos de lenguaje operan con lo que David Dubois, Profesor Asociado de Marketing en INSEAD, define como un “haz estrecho”. Favorecen los detalles de producto, las características concretas, las afirmaciones claras, las explicaciones funcionales, las estructuras reconocibles y un lenguaje descriptivo que permita comparar una opción con otra.

Los seres humanos funcionan de otra manera. Son capaces de interpretar lo que no se dice, comprender metáforas, reconocer referencias culturales, completar narraciones o reaccionar ante el humor y la intensidad emocional. Buena parte de aquello que hace memorable una pieza publicitaria reside precisamente en ese territorio implícito.

La divergencia resulta especialmente acusada en categorías como el lujo, donde buena parte del valor de la comunicación se construye mediante códigos, símbolos y significados que no necesitan hacerse explícitos.

Tom Roach, Vicepresidente de Estrategia de Marca de Jellyfish, resume el nuevo escenario señalando que “el futuro de la eficacia creativa no depende únicamente de lo que emociona a las personas, sino también de lo que sobrevive al ranking, la recuperación y la recomendación de las máquinas”.

Pero la conclusión de los estudios no parece conducir hacia una publicidad diseñada prioritariamente para satisfacer a los algoritmos. Más bien al contrario.

La marca aparece como el territorio común

Si humanos y máquinas procesan los anuncios de forma diferente, existe un punto en el que ambos sistemas pueden encontrarse: una percepción de marca clara, consistente y diferenciada.

Kantar plantea que esa coherencia debe construirse alrededor de beneficios de producto explícitos. La comunicación puede seguir siendo emocional, creativa o culturalmente relevante, pero la relación entre lo que la marca promete, lo que demuestra y aquello por lo que quiere ser reconocida debe resultar inequívoca. “Se trata de conseguir que las ideas de marca cobren vida de manera consistente y coherente en todo el ecosistema”, explicó Dom Boyd, Director de Estrategia para Clientes en Kantar. La aspiración sería construir “una marca operando a escala con flexibilidad y relevancia contextual”.

Boyd utiliza la imagen del velcro para explicarlo: una única idea de marca con numerosos pequeños enganches capaces de adaptarse a canales, formatos y contextos distintos sin perder aquello que mantiene unido el conjunto.

Kantar señala tres ingredientes para conseguirlo. El primero es la claridad de percepción: las marcas con percepciones más consistentes registran un crecimiento un 111% superior, y tener gran tamaño no implica necesariamente poseer un posicionamiento claro. La idea de marca, apunta la investigación, debería poder condensarse hasta caber en un imán de nevera.

El segundo es estar conectado culturalmente, participando en las conversaciones y fuerzas que moldean la categoría. Aquí los creadores adquieren especial importancia por su capacidad para trasladar beneficios de producto a códigos relevantes.

El tercero es la conexión del ecosistema: aquello que dice una compañía debe guardar relación con lo que otros dicen sobre ella. Y este último elemento resulta especialmente relevante cuando quien interpreta esa conversación es una máquina, teniendo en cuenta además que el 63% de la visibilidad en los LLM procede de la construcción de marca a largo plazo.

Esta idea encuentra respaldo en otra investigación, recogida por Warc, que ha ganado protagonismo durante 2026. La agencia británica Charlie Oscar analizó durante ocho meses 30 marcas pertenecientes a seis categorías para estudiar qué factores explican su presencia en las respuestas generadas por modelos de lenguaje. El resultado sitúa la construcción histórica de marca muy por encima de los factores más inmediatos.

“Dos tercios de la visibilidad en los LLM se basa en cosas que las marcas hicieron hace años”, señala Dan Wilson, cofundador y Chief Data Officer de Charlie Oscar.

El dato introduce una lectura especialmente relevante ante el creciente interés por el AEO -la optimización para motores de respuesta-: la presencia en la inteligencia artificial no empieza necesariamente optimizando contenidos para ChatGPT, Gemini o cualquier otro sistema. Una parte sustancial de esa presencia es consecuencia acumulada de años de construcción de notoriedad, diferenciación y conversación alrededor de la marca.

Esto también plantea una dificultad para las marcas emergentes. Las compañías grandes y establecidas parten con la ventaja del patrimonio construido durante años, mientras que las marcas challenger necesitan generar suficientes señales externas para entrar en el conjunto de opciones que los modelos consideran relevantes.

Noticias Relacionadas

La evolución de los buscadores hacia motores de respuesta refuerza el papel del hosting y la arquitectura web

Del funnel a las respuestas: cómo la IA está cambiando la visibilidad de las marcas

Lo que dice la marca y lo que dicen los demás

Los modelos no atienden únicamente a la comunicación oficial. Buscan consenso: reseñas, recomendaciones, referencias editoriales, conversaciones de usuarios y otras señales distribuidas por internet contribuyen a construir la representación que una IA termina formando de una compañía.

De ahí que Natasha Wallace, Chief Solutions Officer de Jellyfish, plantee que el objetivo no debería reducirse a conseguir visibilidad en las búsquedas, sino a trabajar la percepción de marca: “No se trata únicamente de lo que dices, sino de cómo activas lo que otras personas dicen sobre tu marca para reforzar la preferencia dentro del modelo”, explica.

En este contexto, la distintividad conserva toda su importancia. Si dos competidores aparecen ante un modelo con atributos prácticamente intercambiables, la IA dispone de pocas razones para favorecer a uno frente al otro. Los activos distintivos, una propuesta reconocible y una plataforma de marca sostenida en el tiempo adquieren así una segunda función: además de facilitar el reconocimiento humano, ayudan a que las máquinas entiendan qué hace diferente a una compañía.

La investigación también introduce matices en torno a una de las grandes apuestas actuales de las marcas: las estrategias social-first.
Kantar advierte de que una estrategia diseñada prioritariamente para las plataformas sociales no equivale necesariamente a una estrategia eficaz ante los asistentes de inteligencia artificial. El contenido orgánico y su capacidad para circular por la web resultan particularmente importantes.

Según el análisis, el contenido de creadores publicado en YouTube aparece con mucha mayor frecuencia en las citas y resultados de los LLM que el procedente de TikTok, Meta o Instagram. Sin embargo, únicamente el 11% del contenido de creadores analizado incluye una estructura adecuada de enlaces.
Existe además un problema técnico: gran parte del vídeo vertical de formato corto puede funcionar perfectamente ante una audiencia humana y, al mismo tiempo, permanecer prácticamente invisible para los rastreadores web utilizados por los motores de inteligencia artificial.

Kantar señala asimismo que el engagement en plataformas y la construcción de marca coinciden únicamente en alrededor de un tercio de los casos. La capacidad de generar interacción dentro de una red social, por tanto, no garantiza que esa actividad termine fortaleciendo la representación de la marca fuera de ella.

Cómo hacer publicidad para dos audiencias 

La tentación podría ser llenar la comunicación de afirmaciones explícitas, palabras clave y detalles de producto para facilitar su interpretación algorítmica. Las investigaciones desaconsejan precisamente esa deriva.

Optimizar prioritariamente para las máquinas puede producir publicidad perfectamente legible y escasamente memorable. Kantar considera la legibilidad algorítmica “un buen extra”, pero no el objetivo central del briefing. Su propuesta para trabajar ante las dos audiencias se articula alrededor de cinco principios: 

• Formular una promesa clara
• Explicitar un beneficio relevante
• Construir una historia sencilla y alineada con ese beneficio
• Combinar demostración y confianza
• Mantener la idea enfocada

Algunas campañas muestran cómo puede resolverse esa convivencia. Kantar cita el anuncio “The Residue”, de Finish Jet-Dry, donde la narración visual y la explicación racional del producto avanzan en la misma dirección. La máquina encuentra un beneficio reconocible y una explicación clara de por qué se produce, mientras que la persona recibe una historia publicitaria construida alrededor de ese mismo argumento.

La cuestión, por tanto, parece menos relacionada con crear una nueva publicidad para algoritmos que con recuperar una disciplina clásica de construcción de marca: tener algo relevante que decir, hacerlo reconocible y sostenerlo con suficiente coherencia para que tanto las personas como las máquinas puedan asociarlo inequívocamente con la marca.

Y esa conclusión adquiere especial relevancia en plena carrera por aparecer en las respuestas de los asistentes de IA. La optimización puede modificar parte de la visibilidad presente; pero, según los datos de Charlie Oscar, la mayor parte se está jugando en un territorio mucho más difícil de fabricar de un día para otro: la marca que una compañía lleva años construyendo.