La industria publicitaria avanzó rápidamente en 2025 con una adopción acelerada de la automatización: LiveRamp lanzó la orquestación agentica el 1 de octubre, Adobe introdujo agentes de IA el 9 de octubre y Amazon presentó Ads Agent el 11 de noviembre. La inversión en capital en IA agentica alcanzó los 1. 100 millones de dólares en 2024, y las ofertas de empleo crecieron un 985% interanual, destacando un impulso sin precedentes. Sin embargo, el 29 de diciembre, el empresario de marketing Dan Koe cuestionó esta carrera, afirmando: «Cuando todos tienen una ventaja, deja de ser una ventaja. Con la IA permitiendo la creación instantánea, la verdadera ventaja viene de desacelerar, centrarse en la artesanía, realizar trabajo manual y adquirir conocimientos tan específicos que la IA no pueda replicarlos. » En esta línea, Luiza Jarovsky, PhD, cofundadora de aitechprivacy. com, destacó que la excelencia humana requiere tiempo, esfuerzo y disciplina; y la disponibilidad generalizada de IA barata y expertos falsificados ha elevado la barra de la experiencia auténtica. Estas ideas reflejan una creciente intuición entre los marketers de que la velocidad se ha convertido en una mercancía. La IA acelera la ejecución de manera universal, erosionando la velocidad como ventaja competitiva. En su lugar, la diferenciación proviene de una desaceleración intencional: optar por no automatizar todo, invertir esfuerzo en entender matices complejos del problema y aplicar una artesanía manual cuidadosa. Este paradoja es evidente en la publicidad digital. Las plataformas prometen ganancias mediante la automatización, pero los rendimientos decrecen a medida que la velocidad sola no basta. La automatización Advantage+ de Meta y su motor de recuperación Andromeda, presentado en diciembre de 2024 con una mejora del 6% en el retorno y un aumento del 8% en la calidad de los anuncios, ejemplifican esta tensión. Sin embargo, expertos como Bram Van der Hallen criticaron el bombo a la consolidación de campañas, aconsejando cautela y pruebas progresivas en lugar de una adopción masiva de automatización. Los desafíos surgen en parte por algoritmos de caja negra que carecen de transparencia, dificultando identificar las causas del desempeño—ya sea fatiga creativa, saturación de audiencia o cambios en el algoritmo. Los anunciantes tienen dificultades para evaluar el valor incremental real frente a la obtención de ganancias fáciles. Investigaciones de Harvard Business School destacan los peligros en la automatización del marketing con IA: culpar a la IA por errores, pérdida de confianza tras fracasos, escepticismo hacia capacidades sobrevaloradas, juicios más duros sobre IA humanizada y la indignación por prácticas engañosas. Estas condiciones validan el argumento de Koe: sin transparencia, la velocidad no confiere ventaja estratégica. Los marketers deben invertir en comprender los mecanismos causales subyacentes, realizar pruebas sistemáticas y acumular conocimientos específicos del negocio—esfuerzos manuales esenciales para una estrategia superior. Las dificultades en medición agravan la situación. Una encuesta de octubre de 2025 de TransUnion y EMARKETER con 196 marketers encontró que el 54. 1% no había aumentado su confianza en la precisión de las mediciones respecto al año anterior; el 14. 3% reportó descensos. Aunque el 61. 7% mantiene confianza, el crecimiento se ha estancado a pesar de contar con datos más abundantes. Las fuentes fragmentadas de datos (49. 5%), los problemas en la deduplicación entre canales (48%) y las limitaciones en reporting en las “tinajas” de contenido cerrado (40. 8%) fueron las principales causas. Además, una investigación de diciembre de 2025 por Funnel y Ravn mostró que el 86% de los marketeres internos y el 79% de las agencias tienen dificultades para discernir el impacto a nivel de canal a pesar de análisis avanzados. Esta avalancha de datos genera una contradicción: fluyen las informaciones, pero la obtención de insights accionables sigue siendo un reto. Por lo tanto, la velocidad en recopilar datos no confiere ventaja, cuando la síntesis y la interpretación se retrasan. Los marketers deben ralentizarse, integrar datos fragmentados, reconciliar evidencias contradictorias y construir marcos para entender el rendimiento—esfuerzos que resisten la automatización. En apoyo a esto, una encuesta de septiembre de 2025 con 200 CMOs reveló que el 45% de los datos utilizados para decisiones son incompletos, inexactos o desactualizados; ninguno consideró que sus datos fueran confiables en más del 75%. Mejorar la calidad de los datos fue la prioridad principal (30%), por encima de la automatización (22%) y la democratización (21%), subrayando que una base de calidad supera la complejidad de la automatización—una idea que Koe apoya promoviendo validación y reconciliación manual sistemática. La economía de la creación de contenidos revela tendencias similares. Plataformas como TikTok incentivan la producción masiva de videos generados por IA mediante fondos para creadores que pagan entre $0. 02 y $0. 04 por cada 1, 000 vistas, fomentando una epidemia de “salpicaduras” de IA— contenidos de baja calidad y producción masiva destinados a engagement, no a la autenticidad. En junio de 2025, un segmento de HBO “Last Week Tonight” señalaba: “No todo contenido de IA es spam, pero ahora, todo spam es contenido de IA. ” La velocidad habilitada por IA satura los feeds, reduce la visibilidad y erosiona la confianza del público. Investigaciones de julio de 2025 por Raptive mostraron que el contenido sospechoso de IA reduce la confianza del lector en casi un 50% y disminuye la consideración de compra y disposición a pagar primas en un 14%. Lo alarmante es que las percepciones empeoran sin importar la procedencia real de la IA, indicando graves problemas de autenticidad. Esta erosión de confianza valida la apuesta de Koe por la artesanía manual: una producción rápida generada por IA no ofrece ventaja si se percibe como falsa.

En cambio, los marketers deben invertir en desarrollo de contenido deliberado—investigación original, cultivo de voces auténticas, refinamiento de calidad—que resista la compresión por automatización. Los desafíos operativos refuerzan las ventajas de desacelerar. Una auditoría de John Ho, experto en marketing digital, sobre campañas en Meta encontró problemas persistentes—como miniaturas borrosas y automatizadas—que dificultan los clics. Seleccionar visuales claros y centrados en el producto mejoró resultados, demostrando el impacto superior de una curaduría manual deliberada frente a la velocidad de la automatización. La investigación sobre madurez del media commerce de noviembre de 2025, con 788 responsables de decisión, reveló que el 42% consideran que sus operaciones están en fases básicas o avanzadas, pero solo el 13% son “pioneros” en estrategia, tecnología, medición y operación. Muchas redes dependen de aprobaciones manuales de creatividades, con sistemas y flujos desconectados; solo el 12% puede activar y medir campañas de forma fluida en todos los canales. Esta brecha muestra que acelerar la automatización sin bases sólidas genera ilusiones de sofisticación sin ventajas reales. Ralentizar para construir integración, marcos de medición y capacidades operativas produce mejores resultados—validando el llamado de Koe a “centrarse en tu artesanía, ” priorizando tareas básicas y poco glamorosas, esenciales para una automatización efectiva. El marco de medición de incrementality de la IAB, publicado en noviembre de 2025, también apunta hacia la desaceleración. Este distingue en experimentos con controles aleatorios la referencia de oro para determinar el impacto, pero requiere semanas o meses para su correcta ejecución. Métricas híbridas más rápidas ofrecen precisiones direccionales rápidas pero poco fiables y con sesgos. Los marketers enfrentan la elección: velocidad con métricas poco confiables o pruebas meticulosas más lentas que producen conocimientos accionables alineados con la estrategia artesanal y manual de Koe. La recomendación de Koe también aplica a la planificación estratégica. Cuando las herramientas de IA son accesibles para todos, la diferenciación viene de formular mejores preguntas, construir hipótesis sofisticadas y cultivar conocimientos contextuales sustentados en la experiencia directa. La IA no puede reemplazar el conocimiento que se desarrolla con el tiempo a través de un compromiso profundo con industrias, comportamientos de cliente, dinámicas de plataformas y matices competitivos. Por ejemplo, dominar el modelado de atribución en negocios de suscripción requiere observar comportamientos cohortes, impulsores de retención, efectos estacionales y impacto de precios—complejidades que las predicciones de IA por sí solas no alcanzan a reemplazar. Esta experiencia demanda un aprendizaje lento, iterativo, que incluye observación, análisis, prueba, fallos, correcciones y reconocimiento de patrones más allá del alcance de la IA. Las crisis de autenticidad también subrayan esta necesidad. El fraude en reseñas generadas por IA creció rápidamente—del 0. 51% en 2022 al 6. 61% en 2024 para Shein, y del 0. 75% al 10. 90% en 2025 para Temu—reflejando el auge de la IA generativa tras el lanzamiento de ChatGPT a finales de 2022. Esta proliferación diluye la fiabilidad de las reseñas, clave en decisiones de compra y marketing basado en la defensa del cliente. La solución requiere desacelerar: realizar investigaciones genuinas de clientes, recopilar comentarios auténticos a través de encuestas, analizar datos reales de comportamiento y desarrollar conocimientos basados en experiencias verdaderas—no en aproximaciones de IA. Esa investigación manual garantiza autenticidad y diferenciación competitiva que la automatización no puede lograr. La actualización de políticas de YouTube en julio de 2025 distinguió “contenido inauténtico” de la creación asistida por IA aceptable, permitiendo herramientas de IA para creadores genuinos pero prohibiendo spam masivo. Esta distinción se alinea con el marco de Koe: la IA complementa la creatividad deliberada, pero no puede sustituir el juicio humano sobre qué vale la pena crear, estructurar, targetear y atender. La velocidad sólo aporta valor cuando se combina con reflexión estratégica desarrollada a través de una observación pausada. La principal recomendación de Koe—“Cuando todos pueden aprender y crear cualquier cosa con un clic, tu ventaja viene de desacelerar, enfocarte en tu artesanía, hacer las cosas manualmente”—contradice los incentivos de las plataformas que premian velocidad y volumen. Sin embargo, la falta de confianza en mediciones, la crisis de calidad de datos, los vacíos operativos y la erosión de la confianza del consumidor validan que la desaceleración siga siendo la verdadera ventaja estratégica. Invertir tiempo en entender los mecanismos causales permite construir juicio que la IA no puede replicar. Quienes desaceleren para crear infraestructuras sólidas de medición obtienen insights que los competidores con automatización rápida no alcanzan. La práctica manual deliberada preserva habilidades clave que la automatización masiva destruye. El conocimiento desarrollado a través del compromiso sostenido—observar patrones, probar hipótesis, aprender de errores y acumular matices—es exclusivamente humano y no reproducible por la IA mediante patrones. Esa experiencia encarna la “conocimiento tan específico que nadie puede generarlo con IA” de Koe. Jarovsky coincide, señalando que el acceso barato a IA eleva el estándar: los profesionales deben demostrar una verdadera experticia más allá de las fachadas de IA. La maestría auténtica se revela mediante análisis profundos, marcos sofisticados, predicciones precisas de efectos secundarios y una comprensión matizada del contexto—cualidades que solo se construyen con esfuerzo pausado y deliberado. La carrera de automatización en 2025 en la industria publicitaria creó un entorno donde todos tienen acceso a las herramientas de IA. Como dijo Koe, “cuando todos tienen una ventaja, deja de ser una ventaja. ” Por ello, la verdadera diferenciación pasa de la tecnología y la velocidad a la calidad del juicio, la sofisticación estratégica y la artesanía manual. La convergencia de las observaciones de Koe y Jarovsky del 29 de diciembre de 2025 cristaliza la implicación de la democratización de la IA: la velocidad se ha convertido en una mercancía, y el éxito ahora depende de una desaceleración deliberada.