L’indústria de la publicitat va experimentar un gran impuls el 2025 amb una adoptació ràpida de l’automatització: LiveRamp va llançar l’orquestració agentic el 1 d’octubre, Adobe va introduir agents d’IA el 9 d’octubre, i Amazon va presentar Ads Agent l’11 de novembre. La inversió en IA agentic va arribar a 1. 100 milions de dòlars el 2024, i les ofertes de treball van créixer un 985% interanual, ressaltant un impuls sense precedents. No obstant això, el 29 de desembre, l’emprenedor de màrqueting Dan Koe va qüestionar aquesta cursa, afirmaant: “Quan tothom té un avantatge, ja no és un avantatge. Amb la IA que permet crear instantàniament, el veritable avantatge ve de Dafürant-nos, concentrant-nos en l’ofici, fent treball manual i adquirint coneixement tan específic que la IA no pugui sobrepassar-lo. ” En aquesta línia, Luiza Jarovsky, PhD, cofundadora de aitechprivacy. com, va destacar que l’excel·lència humanesa requereix temps, esforç i disciplina—i que la disponibilitat generalitzada de IA barata i de competències falsificades ha elevat la barra per a l’autèntica expertesa. Aquestes reflexions reflecteixen una intuïció creixent entre els professionals del màrqueting que la rapidesa s’ha convertit en una commodity. La IA accelera universalment l’execució, erosionant la velocitat com a avantatge competitiu. En canvi, la diferenciació prové de la desaceleració intencionada: optar per no automatitzar-ho tot, invertir esforços en entendre amb matís els problemes, i aplicar un treball manual cuidadós. Aquest paradox és evident en la publicitat digital. Les plataformes prometen guanys a través de l’automatització, però els rendiments van minvant quan només la velocitat falla. La automatització d’Advantage+ de Meta i el seu motor de recuperació Andromeda, presentats al desembre de 2024 amb una millora del 6% en el retorn de records i un augment del 8% en la qualitat dels anuncis, exemplifiquen aquesta tensió. Però experts com Bram Van der Hallen van criticar l’entusiasme per la consolidació de campanyes, recomanant cautela i proves graduals abans d’adoptar una automatització decompleta. Els desafiaments provenen parcialment d’algoritmes caixa-negra, que manquen de transparència, fent difícil identificar les causes reals del rendiment—ja sigui fatiga creativa, saturació de l’audiència o canvis en l’algorisme. Els anunciants tenen dificultats per avaluar el valor incrementals real o per a recollir els guanys fàcils. Investigacions de Harvard Business School destaquen els perills de l’automatització del màrqueting amb IA: culpar equivocadament l’IA, erosionar la confiança després d’errors, desconfiar de capacitats exagerades, jutjar amb duresa l’IA humanitzada, i indignar-se per pràctiques enganyoses. Aquestes condicions avalen l’argument de Koe: sense transparència, la velocitat no ofereix cap avantatge estratègic. Els màrqueting han d’invertir en entendre els mecanismes causals subjacents, fer proves sistemàtiques i acumular coneixement específic del negoci—esforços manuals essencials per a una millor estratègia. Els problemes de mesurament agreugen la situació. Un sondeig de TransUnion i EMARKETER de l’octubre de 2025, amb 196 professionals de màrqueting, va trobar que el 54, 1% no va veure cap increment en la confiança en la precisió de la mesura respecte a l’any anterior; un 14, 3% va informar de decrements. Tot i que un 61, 7% manté confiança, el creixement s’ha aturat malgrat l’abundància de dades. Fonts fragmentades (49, 5%), problemes de deduplicació entre canals (48%) i limitacions en informes de “jardins tancats” (40, 8%) varen ser els principals culpables. A més, una recerca de desembre de 2025 de Funnel i Ravn va mostrar que el 86% del màrqueting intern i el 79% de les agències tenen dificultats per discernir l’impacte a nivell de canal malgrat el veure avançat de l’anàlisi de dades. Aquesta immersió en dades crea una contradicció: fluxos d’informació, però la percepció accionable darrera no arriba. Per tant, la velocitat en recopilar dades no ofereix cap avantatge quan la síntesi i interpretació van amb retard. Els màrqueting s’han de veure obligats a baixar el ritme, integrar dades fragmentades, conciliar evidències en conflicte i construir marcs per entendre el rendiment—esforços que resistixen a l’automatització. Per donar suport, una enquesta de setembre de 2025 de 200 Directius de màrqueting va trobar que el 45% de les dades utilitzades per prendre decisions són incompletes, inexactes o obsoletes; cap considera que les seves dades siguin més del 75% fiables. La millora en la qualitat de les dades era la prioritat número u (30%), per sobre de l’automatització (22%) i la democratització (21%), mostrant que una base de qualitat és més important que la complexitat de l’automatització—una idea que Koe recolza promovent una validació diligent i manual de les dades i la seva reconciliació. Els costos de creació de contingut mostren tendències similars. Plataformes com TikTok incentiven una gran quantitat de vídeos generats per IA amb fons per creadors que paguen entre 0, 02 i 0, 04 dòlars per mil visualitzacions, fomentant una epidèmia d’“AI slop”—contenidors de baixa qualitat, produïts en massa amb IA, dirigits a l’engagement i no a l’autèntic. Un segment de juny de 2025 de HBO “Last Week Tonight” va dir: “No tot el contingut d’IA és spam, però ara mateix, tot el spam és contingut d’IA. ” La velocitat impulsada per IA saturen els feeds, redueixen la visibilitat i erosionen la confiança de l’audiència. Un estudi de juliol de 2025 de Raptive va mostrar que el contingut sospitosament generat per IA redueix la confiança dels lectors en gairebé un 50% i disminueix la consideració de compra i la disposició a pagar preus més elevats un 14%. De manera alarmant, la percepció empitjora independentment de l’origen real de la IA, indicant problemes profunds d’autenticitat. Aquesta erosió de confiança revalida l’advocació de Koe per un treball manual: una producció ràpida generada per IA no ofereix cap avantatge si es percep com inautèntica. En canvi, els màrqueting han d’invertir en desenvolupament deliberat de contingut—recerca original, cultivar una veu autèntica, perfeccionar la qualitat—que resisteixi la compressió per l’automatització. Els reptes operatius reforcen els beneficis de desacelerar.

Una auditoria de John Ho, expert en màrqueting digital, de les campanyes de Meta va trobar problemes constants—com miniatures borroses, generades automàticament—que danyaven el taxa de clics. La selecció manual de visuals clars i enfocats en el producte millorava els resultats, demostrant que l’impacte de la cura manual supera àmpliament la rapidesa de l’automatització. La recerca sobre la maduresa dels mitjans de comerç digital, de novembre de 2025, que va estudiar 788 directius, va revelar que el 42% considera que les seves operacions ja estan en mode avançat o operacionals, però només el 13% són “pioners” excel·lents en estratègia, tecnologia, mesurament i operacions. Molts sistemes encara depenen de l’aprovació manual de continguts, amb tecnologies i processos desalinisats; només el 12% poden activar i mesurar campanyes de forma seamless entre canals. Aquesta diferència mostra que accelerar l’automatització sense bases sòlides crea només il·lusions de sofisticació amb escassa avantatge. Baixar el ritme per construir integració, marcs de mesurament i capacitat operacional porta a millors resultats—validant la crida de Koe a “centrar-se en la vostra feina, ” posant en valor el treball fonamental i poc seductor, imprescindible per a una automatització efectiva. El marc d’incrementalitat de mesurament de l’IAB de novembre de 2025 reforça encara més la necessitat de desacelerar. Assigna el nivell òptim de mesurament a controls aleatoritzats basats en experiments, considerant-los el “estàndard daurat” per determinar el delta causal, però indica que aquest tipus d’estudis requereixen setmanes o mesos per executeu correctament. Proxies híbrids més ràpids ofereixen una orientació ràpida, però poc fiable, amb biaixos various. Els màrquings han d’escollir: rapidesa amb mètriques poc fiables o proves més lentes, rigoroses, que proporcionin coneixement accionable ajustat a la recomanació de Koe de prioritzar l’estratègia artesanal i manual. La recepta manual de Koe s’estén a la planificació estratègica. Quan les eines d’IA són accessibles universalment, la diferenciació prové de formular preguntes millor, crear hipòtesis més sofisticades i cultivar experiència contextual fonamentada en la pràctica directa. L’IA no pot substituir el coneixement que es desenvolupa amb el temps a través d’un compromís detallat amb indústries, comportaments del client, dinàmiques de plataformes i matisos de la competència. Per exemple, dominar la modelització d’atribució per a empreses de subscripció requereix observar el comportament de cohorts, factors de retenció, estacionalitat i impacte de preus—complexitats que l’IA per si sola no pot predir o reemplaçar. Aquest tipus d’expertesa necessita un aprenentatge lent, iteratiu, que implica observació, anàlisi, proves, fracassos, correccions i reconeixement de patrons que superen l’abast de l’IA. Les crisis d’autenticitat també enforteixen aquesta necessitat. Els revisors de productes generats per IA van augmentar dràsticament—from 0, 51% en 2022 a 6, 61% en 2024 per Shein, i del 0, 75% al 10, 90% en 2025 per Temu—reflectint l’auge de la IA generativa després del llançament de ChatGPT a finals de 2022. Aquesta proliferació dilueix la fiabilitat de les revisions, clau per a la decisió de compra i el màrqueting centrat en l’opinió del client. La solució passa per ralentir: fer una recerca autèntica de clients, recollir feedback autèntic mitjançant enquestes, analitzar dades reals de comportament i desenvolupar insights basats en experiències reals—no en aproximacions d’IA. Aquesta recerca manual garanteix l’autenticitat i la diferenciació competitiva que l’automatització no pot assolir. La política d’actualització de YouTube de juliol de 2025 va distinguir “contingut inautèntic” de la creació assistida per IA acceptada, permetent que les eines d’IA ajudin creadors autèntics, però prohibint l’spam massiu produït en massa. Aquesta distinció s’alinea amb el marc de Koe: les eines d’IA complementen la creativitat deliberada, però no poden substituir el judici humà sobre què val la pena crear, la seva estructura, el públic objectiu i l’atenció. La rapidesa només aporta valor quan està acompanyada de pensament estratègic desenvolupat amb observació lenta. La recepta essencial de Koe—“Quan tothom pot aprendre i crear qualsevol cosa amb un clic, el vostre avantatge prové de desacelerar, concentrar-vos en l’ofici, fer les coses correctes manualment”—va en contra dels incentius de les plataformes per la velocitat i el volum. Però la confiança en la mesura, la crisi de qualitat de dades, els forats operatius i l’erosió de la confiança del consumidor sempre validen la desaceleració com a veritable avantatge estratègic. Els màrqueting que dediquen temps a entendre els mecanismes causals construeixen un judici que l’IA no pot reproduir. Aquells que desaceleren per construir infraestructures sòlides de mesurament guanyen perspectives que els competidors accelerats amb automatització perden. La pràctica manual deliberada preserva habilitats essencials que l’automatització massiva, en canvi, erosiona. El coneixement fruit de l’engagement sostingut—observar patrons, provar hipòtesis, aprendre dels errors i acumular matisos contextuais—és únicament humà i irreproducible per l’IA mitjançant la simple coincidència de patrons. Aquesta expertesa encarna el “coneixement tan específic que ningú el pot generar amb IA” de Koe. Jarovsky coincideix, destacant que l’accés barat a la IA puja la barra: els professionals han de demostrar una expertesa autèntica més enllà de les façanes d’IA. La verdadera mestria es revela a través d’un anàlisi profund, estructures sofisticades, prediccions acurades d’efectes secundaris i una comprensió matisada del context—qualitats que només s’aconsegueixen amb esforç lent i deliberat. L’auge de la automatització en la publicitat de 2025 va crear un paisatge on tothom té accés a eines d’IA. Com va dir Koe, “quan tothom té un avantatge, ja no és un avantatge. ” Per això, la veritable diferenciació passa de l’accés a la tecnologia i la velocitat a la qualitat del judici, la sofisticació estratègica i l’ofici manual. La convergència de les observacions de Koe i Jarovsky del 29 de desembre de 2025 deixa clar què implica la democratització de l’IA: la velocitat es converteix en una commodity i l’èxit depèn ara de la desaceleració deliberada. — Aspectes destacats de la línia de temps: - Nov 2022: llançament de ChatGPT i el boom de contingut d’IA - Juny 2025: HBO denuncia problemes de qualitat en contingut generat per IA - Juliol 2025: YouTube aplica regles per contingut inautèntic; Raptive alerta que l’IA danya la confiança - Setembre 2025: preocupacions sobre qualitat i completitud de dades - Octubre 2025: LiveRamp i Adobe presenten eines avançades de màrqueting amb IA; confiança en mesurar es manté estable - Novembre 2025: Amazon llança un agent d’IA; IAB publica el marc d’incrementalitat; informes sobre matura en mitjans de comerç mostrant forats - Novembre-desembre 2025: Meta sota pressions per l’automatització; recerca de Funnel mostra dificultats en mesurament; revisió per IA en augment massiu - 29 de desembre de 2025: Koe i Jarovsky publiquen análisis influent advocant per desacelerar — Resum: El 29 de desembre de 2025, Dan Koe, cofundador de Kortex (creador de l’Eden AI canvas), i Luiza Jarovsky, PhD, cofundadora de aitechprivacy. com, van. externalitzar de forma independent una idea clau per als professionals del màrqueting enmig de l’ampliada adopció de l’IA: mentre les eines d’IA democratitzen la velocitat i l’execució, el veritable avantatge competitiu rau en desacelerar. Concentrare’s en l’ofici manual, millorar la qualitat de les dades, desenvolupar una experiència autèntica i adquirir una comprensió matisada permet a els màrquings diferenciar-se malgrat l’accés universal a l’IA. Les seves observacions apareixen en un context d’una implantació massiva d’automatització per part de plataformes com Meta, Amazon, Adobe i LiveRamp, amb una confiança en mesurament estancada o a la baixa, fragmentació de dades, deteriorament de la confiança dels consumidors en continguts generats per IA i reptes en l’adequació operativa. Koe i Jarovsky destaquen que aquesta realitat contradiu la necessitat de accelerate, ressaltant que desacelerar de forma deliberada és clau per construir coneixement irrepetible, capaç d’engrandir estratègies autèntiques i efectives en un entorn saturat d’IA.