La mitad de tus clientes castiga el contenido de marca con IA. Aun así, creamos una forma de usarlo.

El año pasado, una directora de marketing deslizó una presentación sobre la mesa hacia mí. Era una orden de trabajo de su agencia, y una de las partidas decía "producción aumentada con IA". La cifra que había al lado era la misma que las agencias siempre han cobrado por la producción: la tarifa tradicional completa. Esa misma semana, su equipo había realizado un panel de consumidores sobre el trabajo que produjo esa partida. Los resultados llegaron cargados de hostilidad. La gente calificó los anuncios, con sus propias palabras, de irritantes y un poco carentes de alma. No estaba enfadada por la IA. Estaba enfadada porque pagaba precios premium para fabricar contenido que sus clientes rechazaban en silencio, y nadie en la cadena se lo había dicho.

Esa reunión es la razón por la que construimos lo que construimos. El problema central del contenido de marca con IA en 2026 no es si la tecnología es lo bastante buena: lo es, y mejora cada mes. El problema es que puedes usar la IA de forma agresiva para hacer contenido más rápido y más barato, y una parte considerable de tus clientes te castigará en cuanto lo perciba. Así que el objetivo que fijamos, y lo que ahora construimos para los equipos de marca, es casi paradójico: usar la IA sin piedad en el proceso, y mantenerla invisible en el resultado. Cadenas de producción híbridas, puntuación de fidelidad de marca y una capa de gobernanza que sobrevive a las preguntas de un regulador.

Déjame explicar cómo llegué hasta ahí, incluida la versión que lanzamos y que falló.

Lo que creen los ejecutivos frente a lo que realmente hacen los consumidores

Empieza por la brecha que debería asustar a cualquier líder de marketing. En 2026, el IAB descubrió que el 82 % de los ejecutivos de publicidad cree que los consumidores de la generación Z y los millennials tienen una percepción positiva de la IA en la publicidad. Solo el 45 % de esos consumidores la tiene en realidad. Es una brecha de percepción de 37 puntos, y es la distancia entre la presentación estratégica y el cliente.

Cuanto más lo miras, peor se pone. La preferencia de los consumidores por el contenido con IA ha caído del 60 % en 2023 al 26 % en 2026. La encuesta de Gartner de marzo de 2026, realizada a más de 1500 consumidores estadounidenses, descubrió que la mitad ahora prefiere las marcas que evitan la IA generativa en el contenido de cara al consumidor. Y un tercio de los consumidores, según el informe Digital Trends 2026 de Adobe, dejará de interactuar por completo con una marca en cuanto descubra que su contenido fue generado con IA.

A la mitad de tus clientes no les disgusta el contenido con IA. Les disgusta poder darse cuenta.

La cifra más útil que le he mostrado a un director de marketing escéptico viene de Smartly.io: la confianza del consumidor cae del 48 % al 13 % cuando un anuncio lo hace íntegramente la IA frente a cuando se cocrea con humanos. Es un desplome de la confianza del 73 % a partir de una sola decisión de producción. Ningún ahorro en costes de contenido de ninguna hoja de cálculo que haya visto compensa una caída del 73 % en la confianza. La aritmética solo funciona si la IA es invisible.

Lo que hace que esto sea realmente difícil y no un simple eslogan de marca es que la resistencia no es solo opinión: es fisiológica. El trabajo de neurociencia de NielsenIQ midió una activación de la memoria más débil en el cerebro ante los anuncios con IA, incluso los más pulidos. Los consumidores los calificaron de más irritantes, más aburridos y más confusos que los anuncios tradicionales. El cerebro está haciendo la detección antes de que la mente consciente forme una opinión.

El momento Coca-Cola que todo director de marketing intenta evitar

Todo líder de marketing con el que hablo está en privado aterrorizado por un acontecimiento concreto, aunque no lo nombre. Coca-Cola generó algo así como 70 000 clips para un anuncio navideño en 2025 y recibió una reacción negativa que reformuló todo el esfuerzo de "innovador" a "barato" y "distópico". Toys "R" Us puso a un actor infantil generado con IA en una película hecha con Sora y provocó algo cercano al rechazo primario. McDonald's retiró un anuncio navideño tras la protesta de los espectadores. No son marcas pequeñas experimentando en los márgenes. Son las organizaciones de marketing más sofisticadas del planeta, y aun así el contenido cayó mal.

El que debería quitarles el sueño a los líderes del lado de las agencias es distinto, porque no tenía que ver con el gusto. En junio de 2025, la agencia brasileña DM9 —parte de la red Omnicom— ganó el Creative Data Grand Prix en Cannes Lions. Los investigadores descubrieron después que el vídeo del caso usaba metraje generado con IA para simular los resultados de la campaña, incluida una cobertura modificada de CNN Brasil creada sin permiso. El director creativo dimitió. Se revocaron doce premios. Cannes introdujo la divulgación obligatoria de IA y herramientas de detección para cada futura candidatura.

No fue un autónomo rebelde tomando un atajo. Fue una gran agencia de red fabricando pruebas para el mayor honor del sector, bajo la presión habitual de mostrar resultados impulsados por IA. Y apunta directamente a una pregunta que la mayoría de las marcas no ha planteado en voz alta a sus agencias:

Si tu agencia está usando IA de formas que nunca aprobaste, ¿quién asume el riesgo reputacional cuando salga a la luz? Tú.

Pienso constantemente en aquella presentación de la orden de trabajo. La marca pagaba tarifas tradicionales, la agencia se embolsaba la eficiencia de la IA, y la obligación de divulgación —legal y reputacional— recaía por completo en la marca. La asimetría es el modelo de negocio. Parte de lo que hacemos ahora es simplemente auditar qué usan realmente las agencias, y si lo divulgan, antes de que se convierta en el problema público de la marca.

¿Por qué falló nuestro primer evaluador de fidelidad de marca?

Esta es la parte de la que estoy menos orgulloso, y la parte que realmente nos enseñó lo que vale la pena vender.

Cuando nos propusimos medir si el contenido generado con IA se mantenía fiel a la marca, apoyé el enfoque obvio. Tomas las imágenes de referencia de la marca, las incrustas, incrustas el nuevo recurso y puntúas la similitud: las puntuaciones CLIP, la técnica estándar de correspondencia imagen-texto que la mayoría de los proveedores usa discretamente. Lo construimos, produjo un número limpio entre cero y uno y quedó estupendo en la demostración. Yo estaba convencido.

Luego lo ejecutamos sobre el resultado real de una marca piloto. El evaluador dio por buena, tan tranquilo, una imagen que violaba la regla de espacio de protección del logotipo de la marca —el margen vacío mínimo que debe rodear el símbolo— porque la imagen parecía estadísticamente similar al conjunto de referencia. Mientras tanto, marcaba como fuera de marca un recurso perfectamente conforme porque la gradación de color era inusual. Recuerdo mirar fijamente el informe pensando que el número era seguro y erróneo al mismo tiempo.

Ese fue el fallo que pagó todo lo que vino después. La similitud al estilo CLIP mide "¿esto se parece a aquello?". No tiene ni idea de lo que tu directriz de marca realmente dice. "Parece fiel a la marca" y "cumple la regla de espacio de protección del logotipo" son dos preguntas completamente distintas, y una puntuación de similitud no puede diferenciarlas.

Así que lo reconstruimos sobre modelos de visión y lenguaje: sistemas que pueden leer una imagen y leer tu directriz de marca escrita y contrastar una con la otra. No "¿esto se parece al trabajo anterior?", sino "¿tiene el logotipo su espacio de protección obligatorio, es la tipografía de la familia aprobada, coincide el tono con la voz de marca documentada?". Es más lento y más molesto de construir que una puntuación de similitud. También es la única versión en la que un director creativo confiará lo suficiente como para dejarla entrar en el flujo de aprobación.

Una puntuación de fidelidad de marca que no puede citar la regla que hace cumplir no es más que una sensación con un punto decimal.

La verdadera variable no es IA frente a humano. Es el trabajo de acabado.

La noche que reformuló todo el proyecto para mí, estaba releyendo los datos del panel de NielsenIQ. Enterrado en ellos había un detalle que había pasado por alto la primera vez: el único anuncio del estudio que los consumidores no pudieron identificar de inmediato como IA fue uno que un profesional había creado mediante una considerable edición iterativa. No generado y enviado, sino generado y luego trabajado por un humano durante mucho tiempo.

Eso me detuvo. Toda la conversación pública se plantea como "IA o humano", como si esas fueran las dos casillas. Pero los datos me estaban diciendo que la variable predictiva no es el origen de los píxeles. Es el trabajo de acabado —la iteración humana que lima los bordes inquietantes que las máquinas siguen dejando—. La IA puede llevar casi todo el trabajo de forma invisible. Es el último pase humano —la parte que ninguna hoja de cálculo se molesta en valorar— lo que determina si el cerebro de tu cliente marca el resultado.

Ese es el principio de diseño sobre el que ahora descansa toda la cadena. Usar la IA a fondo donde no toca la percepción del cliente: ideación, generación de variantes, montajes preliminares, localización, volumen de recursos. Reservar el oficio humano para el pase de acabado en cualquier cosa que se publique. "Humano donde importa, IA donde ayuda", ajustado a cada marca en lugar de venderse como una plantilla.

Y la eficiencia es real cuando lo diseñas de esta manera. La producción aumentada con IA ronda los 100 $ por recurso frente a los 500 $ a 2000 $ tradicionales, con reducciones de mano de obra en torno al 75 % por recurso. La localización es donde resulta casi embarazoso: la localización tradicional cuesta de 50 $ a 200 $ por minuto, y la localización con IA ofrece resultados de calidad humana a aproximadamente la mitad del coste cuando un humano la revisa, lo cual importa cuando la empresa media entra en 1,5 nuevos mercados al año y una mala localización sangra en silencio cerca del 20 % de los ingresos potenciales. El ahorro es genuino. Solo hay que ingresarlo en las partes del proceso que el cliente nunca ve.

Las herramientas para hacer esto existen, y somos deliberadamente neutrales respecto a los proveedores. GenStudio de Adobe codifica las reglas de marca en la generación de Firefly mediante lo que llama StyleIDs, y es excelente dentro del mundo de Creative Cloud, pero te ata a Firefly para la generación, y su vídeo va por detrás de los líderes un año o más. Typeface, fundada por un antiguo CTO de Adobe y usada por empresas como PepsiCo, Disney y Estée Lauder, tiene una capa de gobernanza realmente sólida, pero solo sobre el contenido producido a través de la propia Typeface. Bria entrena modelos de marca personalizados con hasta 5000 de tus propias imágenes, lo cual es potente para el trabajo con imágenes e inútil para el vídeo. Gen-4.5 de Runway produce el mejor vídeo con IA disponible, con simulación física real, y cero gobernanza de marca; obtienes el resultado en bruto. Kling 3.0 logra consistencia multitoma a alrededor del 40 % del coste de Runway. Ninguna resuelve el problema entero, y he visto más de una iniciativa de contenido de marca estancarse exactamente en esas brechas: un equipo que compró Typeface para la gobernanza y luego descubrió que su cadena de vídeo vivía por completo fuera de ella. Las brechas entre las herramientas son donde de verdad está el trabajo.

El cumplimiento vive en tus metadatos, no en tu revisión creativa

El error que veo cometer a las marcas en el aspecto legal es tratar la divulgación de IA como una casilla de la revisión creativa. No lo es. Es un problema de arquitectura de datos, y el plazo ya venció para la norma con más dientes.

El artículo 50 de la Ley de IA de la UE, en vigor desde agosto de 2026, exige que el contenido generado con IA se marque en un formato legible por máquina y detectable como generado artificialmente. Léelo dos veces. Legible por máquina. Esa obligación no vive en el ojo de tu director creativo ni en tu reunión de aprobación: vive en tu sistema de gestión de recursos digitales y en tu CMS, en si el registro de cada recurso lleva realmente los metadatos de procedencia de IA. He abierto demasiados registros de DAM con un campo "generado con IA: sí/no" vacío como para creer que esto está resuelto. Las sanciones tampoco son teóricas: hasta 15 millones de euros o el 3 % de la facturación global por infracciones de transparencia.

Y no es una sola norma, es un mosaico que se fragmenta. Las guías de aval actualizadas de la FTC exigen una divulgación clara y evidente de los testimonios sintéticos generados con IA. La SB-8420A de Nueva York, en vigor desde junio de 2026, obliga a divulgar de forma evidente a los intérpretes sintéticos generados con IA en los anuncios comerciales. La AB 853 de California introduce gradualmente sus propios requisitos. Cada jurisdicción, cada calendario, cada definición ligeramente distinta. Una marca premium que vende en todas ellas necesita un único marco de gobernanza que satisfaga al más estricto, no cuatro revisiones creativas que cada una adivina.

Tu obligación de divulgación de IA no vive en la reunión de aprobación. Vive en los metadatos de tus recursos, y los metadatos de la mayoría de las marcas están vacíos.

Esta es la capacidad menos glamorosa que construimos y la que, en mi experiencia, realmente hace que se firme el trato, porque es la parte que se convierte en una multa.

Pero la gobernanza no es solo un seguro. Las marcas que he visto crear pronto una gobernanza de IA madura no solo evitan la multa: publican más rápido, porque sus equipos dejan de volver a debatir qué está permitido en cada proyecto. La investigación lo confirma: las organizaciones con una gobernanza de IA madura innovan aproximadamente 2,5 veces más rápido y cargan con un riesgo de cumplimiento en torno a un 40 % menor. El marco que te mantiene fuera de los tribunales es el mismo que te permite avanzar.

¿No basta con comprar una plataforma para todo esto?

La gente me hace a menudo una versión de la misma pregunta: ¿no basta con comprar una plataforma para todo esto? Y tengo que ser honesto sobre dónde se detiene el software comprado.

Los grandes integradores de sistemas diseñarán encantados una estrategia de contenido con IA para ti: los proyectos van de 500 000 $ a 5 millones de dólares en adelante, y entregan presentaciones y marcos, no cadenas de producción funcionales. De todos modos, suelen subcontratar la construcción real a firmas como la nuestra. Los equipos internos te dan control total y acceso directo al conocimiento de la marca, pero ahora mismo es brutalmente difícil contratar productores creativos nativos en IA, y construir la gobernanza desde cero le lleva a la mayoría de los equipos de seis a doce meses. Los talleres de servicios como Superside te dan oficio humano aumentado con IA a escala, pero estás comprando mano de obra, no un sistema que posees y conservas.

Hay un límite más duro que he aprendido a nombrar en la primera reunión. Ninguna parte externa —ni las plataformas, ni los integradores, ni nosotros— puede resolver tu problema de aceptación organizativa. Una vez me senté frente a un director creativo que me dijo, sin dudarlo, que no pondría su nombre en un trabajo hecho con IA. No se equivocaba al sentirlo así, y ninguna arquitectura de gobernanza lo anula. Si las personas que hacen tu marca rechazan de raíz el flujo de trabajo, la mejor tecnología del mundo queda sin usar. La gestión del cambio dentro de tu propio edificio es tuya y de nadie más. Prefiero decirlo pronto antes que fingir que una herramienta lo soluciona.

Lo que sí podemos poseer es la arquitectura: el marco de gobernanza interjurisdiccional, la combinación de herramientas neutral respecto a los proveedores y ajustada a tus necesidades reales en lugar de a la hoja de ruta de una sola plataforma, la puntuación de fidelidad de marca basada en VLM que lee tus directrices reales, la capacidad de auditoría de agencias, la cadena híbrida ajustada a dónde tus clientes tolerarán y dónde no el trabajo hecho por máquinas, y la revisión de adaptación cultural para la localización. Ese es el sistema que construimos para los equipos de contenido de marca, y lo construimos para que se integre con las plataformas y agencias que ya utilizas, no para reemplazarlas.

Las marcas que ganen los próximos años no serán las que más IA usaron ni las que menos. Serán las que entendieron que sus clientes ejecutan un detector en su propia cabeza, todo el tiempo, y construyeron un sistema de producción que lo respeta: agresivo donde la máquina ayuda, invisible donde las traicionaría. La directora de marketing de aquel panel de consumidores hostil no tenía un problema de tecnología. Tenía un sistema que dejaba que la eficiencia se filtrara al único lugar que sus clientes estaban observando. Cierra esa fuga, y la IA deja de ser un lastre reputacional y vuelve a ser lo que debió haber sido desde el principio: una forma más rápida de hacer un trabajo en el que la gente de verdad confía.