IA en Meta Ads y Google Ads: la nueva era de la planificación y optimización de medios

Cuando se habla de Inteligencia Artificial aplicada a publicidad, la conversación suele ir inmediatamente hacia imágenes generadas por IA, videos creados a partir de prompts o textos producidos automáticamente. Es comprensible porque esa es la parte más visible de esta nueva tecnología. Sin embargo, probablemente no es donde está ocurriendo la transformación más importante.

En plataformas como Meta Ads y Google Ads, la Inteligencia Artificial lleva años trabajando detrás de cámaras, tomando millones de decisiones relacionadas con qué anuncio mostrar, a quién, cuándo, dónde, cuánto ofertar por una impresión y cómo distribuir un presupuesto para intentar conseguir un resultado. Lo que está cambiando en 2026 es la escala, sofisticación y cantidad de decisiones que estas plataformas pueden automatizar.

Sistemas como Meta Advantage+ y Andromeda, junto con Google Performance Max, AI Max, Smart Bidding y las experiencias impulsadas por Gemini, están llevando la compra de medios hacia un modelo en el que el profesional ya no controla manualmente cada variable de la misma manera que hace algunos años. Esto no significa que la estrategia deje de ser importante. Significa exactamente lo contrario: mientras más decisiones operacionales puede automatizar una plataforma, más importante resulta definir correctamente qué queremos que esa plataforma optimice.

Machine learning lleva mucho tiempo formando parte de la publicidad digital. Google y Meta utilizan modelos predictivos desde hace años para estimar probabilidades de clicks, conversiones, compras, visualizaciones y muchas otras acciones. Lo nuevo es que estos sistemas pueden interpretar cada vez más señales, evaluar más combinaciones y tomar decisiones en tiempo real con una escala imposible de replicar manualmente.

Antes, un media buyer podía crear múltiples ad sets, separar audiencias, decidir placements, controlar bids y mover presupuesto entre campañas. Muchas de esas tareas ahora pueden realizarse o asistirse mediante inteligencia artificial. El objetivo ya no debería ser competir contra el algoritmo intentando hacer manualmente miles de decisiones que una computadora puede evaluar en segundos.

El trabajo del profesional de medios se mueve cada vez más hacia definir objetivos, establecer presupuestos, estructurar conversiones, alimentar buenas señales, establecer controles, interpretar resultados y decidir qué queremos que la tecnología intente conseguir. Los fundamentos de Google AI Essentials parten precisamente de preparar la medición, la data propia y los objetivos que alimentan la automatización.

La familia de soluciones Meta Advantage+ representa buena parte de esta transición dentro de Meta Ads. Advantage+ automatiza diferentes componentes relacionados con audiencias, presupuestos, placements, bidding y delivery, utilizando modelos de machine learning para encontrar oportunidades de conversión dentro del ecosistema de Meta.

Durante años, una estrategia típica de Facebook e Instagram Ads podía consistir en crear múltiples audiencias manuales basadas en intereses, edades, comportamientos, lookalikes, remarketing y distintas combinaciones de segmentación. Ese nivel de control todavía puede ser necesario en determinados escenarios, pero los sistemas actuales de Meta están diseñados para trabajar con un universo mucho más amplio de señales y encontrar oportunidades que quizás no habríamos identificado manualmente.

La consecuencia es un cambio de enfoque. En lugar de concentrarnos exclusivamente en construir veinte segmentos diferentes, cada vez resulta más importante preguntarnos si el objetivo está correctamente definido, si estamos enviando buenas señales de conversión, si existe suficiente presupuesto para que el sistema aprenda, si estamos midiendo la acción correcta y si le estamos dando al algoritmo suficiente flexibilidad para encontrar oportunidades.

Uno de los desarrollos más interesantes dentro del sistema publicitario de Meta es Andromeda. No es un botón dentro de Ads Manager ni un nuevo tipo de campaña que un anunciante pueda activar. Es parte de la infraestructura de Inteligencia Artificial que Meta utiliza para decidir qué anuncios deben entrar inicialmente en consideración antes de determinar cuáles se mostrarán finalmente a una persona.

Meta describe Andromeda como su sistema propietario de machine learning para ads retrieval. La etapa de retrieval es el primer filtro dentro del sistema de recomendación publicitaria: selecciona desde decenas de millones de posibles anuncios hasta unos pocos miles de candidatos relevantes. Posteriormente, modelos de ranking más complejos analizan esos candidatos y determinan cuáles tienen mayor probabilidad de generar valor para el usuario y para el anunciante.

Andromeda utiliza deep neural networks, indexing jerárquico y hardware especializado para manejar una cantidad mucho mayor de posibilidades y detectar relaciones más complejas entre personas, productos, servicios y anuncios. Desde el punto de vista de mercadeo, la implicación es sencilla: Meta está aumentando su capacidad para seleccionar, dentro de una cantidad gigantesca de posibles anuncios, cuáles pueden resultar más relevantes para una persona específica en un momento determinado.

Andromeda no requiere que el anunciante active una configuración específica, pero sí cambia la manera en que debemos pensar la estrategia. Meta explica que uno de los retos que este sistema intenta resolver es precisamente el crecimiento exponencial de opciones publicitarias generado por Advantage+ y otras herramientas de automatización.

Esto significa que la plataforma está preparada para evaluar una mayor diversidad de anuncios, audiencias, productos y señales. Desde la perspectiva de una agencia, el trabajo comienza a desplazarse desde decirle al algoritmo exactamente quién debe ver cada anuncio hacia darle buenos objetivos, conversiones, presupuestos, señales y restricciones para que pueda identificar las mejores oportunidades.

Esto no elimina la estrategia de audiencias. La transforma. El profesional sigue necesitando entender quién es el consumidor, qué necesita, qué resultado queremos y qué información debemos proporcionar al sistema para que la automatización trabaje a favor del negocio.

Uno de los principales temores cuando hablamos de campañas automatizadas es pensar que la plataforma simplemente gastará el dinero sin control. En realidad, el anunciante continúa definiendo presupuestos, objetivos, límites, ubicaciones, exclusiones y diferentes configuraciones de campaña.

Lo que cambia es la cantidad de decisiones granulares que la plataforma puede tomar dentro de esos parámetros. Meta puede identificar oportunidades entre distintas audiencias y placements, mientras que Google puede ajustar bids en cada subasta de acuerdo con la probabilidad de conversión y el valor estimado de esa conversión.

La conversación de publicidad digital y media buying deja de ser solamente cuánto queremos gastar. También tenemos que definir qué resultado debe producir ese presupuesto, cuánto estamos dispuestos a pagar por una conversión, cuánto vale esa conversión, si queremos maximizar volumen o valor y qué límites de CPA o ROAS hacen sentido para el negocio.

Performance Max representa una de las expresiones más completas de automatización dentro de Google Ads. Es un tipo de campaña basado en objetivos que permite acceder desde una sola campaña a inventario en Search, YouTube, Display, Discover, Gmail y Maps. Google utiliza señales de audiencia, objetivos de conversión, presupuesto, assets y Smart Bidding para decidir dónde existen oportunidades de generar conversiones o valor.

Performance Max no significa que todas las campañas tradicionales deban desaparecer. Google lo describe como una herramienta que puede complementar las campañas de Search basadas en keywords, especialmente cuando el objetivo es encontrar oportunidades adicionales de conversión entre diferentes canales.

La calidad de los resultados dependerá en gran medida de las señales que suministremos. Si todas las conversiones están configuradas con el mismo valor, Google optimizará bajo esa premisa. Si una llamada de baja calidad y una venta de alto valor cuentan exactamente igual, la plataforma no puede conocer la diferencia a menos que se la comuniquemos mediante datos y configuración.

La IA optimiza lo que configuramos, no necesariamente lo que teníamos en nuestra cabeza.

Detrás de muchas campañas de Google existe Smart Bidding, que utiliza machine learning para ajustar bids automáticamente según la probabilidad de conversión o valor en cada subasta. Esto permite que el sistema considere señales que serían prácticamente imposibles de procesar manualmente a esa velocidad.

La importancia estratégica está en definir correctamente el resultado que queremos alcanzar. Dependiendo del negocio, podemos trabajar con objetivos como maximizar conversiones, maximizar valor de conversión, Target CPA o Target ROAS. La automatización puede ejecutar la decisión táctica de cuánto ofertar en una subasta específica; la agencia y el anunciante siguen siendo responsables de determinar qué resultado económico queremos perseguir.

Google está llevando esta lógica un paso más allá con AI Max para campañas de Search. Es importante aclarar que AI Max no es un nuevo tipo de campaña independiente, sino una capa de optimización que se activa sobre campañas de búsqueda existentes. Google la describe como una suite de funcionalidades que utiliza señales en tiempo real para optimizar matching, targeting y delivery.

Uno de sus componentes más importantes es la capacidad de encontrar búsquedas relevantes más allá de las keywords tradicionales. Google AI Max puede combinar broad match con tecnologías basadas en assets y sistemas keywordless para identificar queries que quizás el anunciante no había anticipado manualmente.

Esto adquiere especial importancia a medida que las búsquedas se vuelven más largas, conversacionales y complejas. Una persona ya no necesariamente escribe “agencia publicidad Puerto Rico”. Puede buscar “agencia que me pueda manejar Google Ads y redes sociales para aumentar solicitudes de mi negocio”. En ese escenario, entender intención puede ser más importante que depender exclusivamente de coincidencias literales, un cambio que también conecta con la evolución de SEO y AI Search.

Automatización no significa necesariamente renunciar a control o transparencia. Google ha incorporado dentro de AI Max funcionalidades relacionadas con brand controls, ubicaciones de interés, inclusión y exclusión de URLs, search term reporting y asset reporting.

También puede utilizar Final URL Expansion, donde Google selecciona una página del website que considera más adecuada para una búsqueda determinada, siempre bajo las configuraciones y exclusiones definidas por el anunciante. Esto conecta directamente medios y desarrollo web.

Si las landing pages están desactualizadas, mal organizadas o no representan correctamente los servicios del negocio, la plataforma tendrá peores opciones para seleccionar. La automatización publicitaria funciona mejor cuando la infraestructura digital que la alimenta también está bien estructurada.

Google también ha incorporado experiencias conversacionales impulsadas por Gemini dentro de Google Ads. Estas herramientas pueden ayudar a analizar campañas, responder preguntas, sugerir optimizaciones, identificar problemas y asistir con diferentes tareas de configuración y creación.

Google describe Ask Advisor como una experiencia conversacional construida con capacidades de Gemini que puede interpretar preguntas específicas sobre una cuenta, analizar performance, ayudar a identificar problemas y proponer cambios que requieren aprobación del anunciante. Una plataforma publicitaria deja de ser únicamente una interfaz con tablas y métricas y comienza a incorporar asistentes capaces de interpretar parte de esa información mediante lenguaje natural.

La responsabilidad de revisar, interpretar y decidir continúa siendo humana.

Este probablemente es uno de los principios más importantes de toda esta transformación. Las plataformas no leen la mente. Aprenden de los datos y objetivos que les proporcionamos. Si queremos optimizar hacia leads de calidad, necesitamos definir qué significa un lead de calidad; si queremos ventas, tenemos que medir correctamente esas ventas; y si queremos maximizar valor, necesitamos identificar qué conversiones generan mayor valor para el negocio.

Esto hace que elementos como Google Analytics, conversion tracking, enhanced conversions, Meta Pixel, Conversions API, CRM y first-party data sean todavía más importantes. La inteligencia del algoritmo no sustituye una mala implementación de medición.

Podemos tener una tecnología extremadamente sofisticada optimizando perfectamente el objetivo equivocado.

Una campaña que utiliza Inteligencia Artificial no debe encenderse y olvidarse. Los presupuestos cambian, las promociones cambian, la competencia cambia, las landing pages cambian y los objetivos del negocio también cambian.

Las plataformas necesitan datos y tiempo para aprender, pero también necesitan supervisión. La diferencia está en el tipo de supervisión: cada vez menos microgestión de pequeñas decisiones y cada vez más análisis de estrategia, objetivos, señales, rentabilidad y calidad de resultados.

La Inteligencia Artificial está haciendo que medios, analytics y estrategia estén todavía más conectados. Un profesional de medios ya no debería limitarse a mirar CTR, CPC o CPM. También necesita entender conversiones, calidad de leads, revenue, Cost per Acquisition, Return on Ad Spend, margen, valor de cliente y atribución.

La pregunta deja de ser únicamente cuánto costó el click y comienza a convertirse en cuánto valor produjo la inversión. Este cambio es especialmente importante porque los sistemas automatizados necesitan objetivos económicos claros. Si el negocio puede asignar valores diferentes a distintos tipos de conversión, la plataforma puede utilizar esa información para optimizar de manera más alineada con las prioridades reales.

Meta y Google son ecosistemas distintos. Meta trabaja fuertemente alrededor de descubrimiento, contenido, comportamiento y social environments, mientras que Google continúa teniendo una posición única alrededor de intención, Search, YouTube y su amplio ecosistema de propiedades.

Sin embargo, ambas plataformas están evolucionando en una dirección similar: más Inteligencia Artificial dentro de targeting, bidding, presupuestos, delivery, selección de anuncios y optimización. Meta utiliza Advantage+ y sistemas internos como Andromeda. Google utiliza Performance Max, AI Max, Smart Bidding y herramientas impulsadas por Gemini.

Cambian los nombres y las interfaces, pero la lógica es parecida: darle al sistema suficiente información y flexibilidad para encontrar oportunidades que serían difíciles de identificar manualmente a la misma velocidad y escala.

La generación creativa también forma parte de esta evolución, pero desde nuestra perspectiva debe verse como una capacidad complementaria y no como el centro de la estrategia. Meta y Google continúan incorporando funciones capaces de generar, adaptar o extender assets publicitarios. Estas herramientas pueden ser útiles para desarrollar variaciones, adaptar formatos, explorar alternativas y acelerar ciertas partes de la producción.

Sin embargo, que una plataforma pueda generar una imagen no significa que automáticamente deba sustituir el trabajo profesional de dirección de arte, diseño, fotografía, video o copywriting. Una marca necesita identidad, criterio, consistencia, contexto cultural y una dirección creativa que represente correctamente lo que quiere comunicar.

En Alterno seguimos creyendo en trabajar con diseñadores, fotógrafos, videógrafos, editores y otros profesionales creativos. Vemos la IA generativa como una herramienta adicional dentro del proceso, no como una excusa para eliminar el criterio creativo.

Durante años, una parte importante del trabajo operativo de medios digitales consistía en realizar manualmente segmentaciones, bids, placements, movimientos de presupuesto, pruebas de combinaciones y ajustes diarios. Muchas de esas tareas están siendo progresivamente automatizadas. El trabajo no desaparece; cambia de nivel.

Una agencia necesita concentrarse cada vez más en entender cuál es el verdadero objetivo de negocio, qué conversión queremos optimizar, cuánto vale esa conversión, qué presupuesto hace sentido, cuáles son nuestros límites de CPA o ROAS, qué datos estamos enviando a la plataforma y cómo interpretar los resultados que recibimos. También tenemos que decidir qué parte queremos automatizar y qué parte requiere control humano.

Ese trabajo es más estratégico que simplemente mover presupuestos todos los días.

La plataforma puede tomar miles de decisiones tácticas, pero no debería definir por sí sola cuál es el problema de mercadeo. La automatización funciona mejor cuando parte de una estrategia clara y de decisiones humanas bien fundamentadas:

• Puede decidir dónde mostrar un anuncio, pero alguien debe definir el problema de mercadeo.
• Puede optimizar hacia una conversión, pero alguien tiene que decidir qué conversión importa.
• Puede mover presupuesto, pero alguien debe determinar cuánto estamos dispuestos a invertir.
• Puede encontrar nuevas audiencias, pero alguien necesita entender si tienen sentido para el negocio.
• Puede generar una imagen, pero alguien debe determinar si representa correctamente a la marca.
• Puede producir resultados, pero alguien tiene que interpretarlos.

La Inteligencia Artificial puede tomar mejores decisiones tácticas cuando nosotros tomamos buenas decisiones estratégicas.

En Alterno llevamos trabajando campañas de medios digitales desde mucho antes de que la palabra AI apareciera en cada presentación de marketing. Hemos visto evolucionar Google Ads, Facebook Ads, Meta Ads, YouTube, programmatic, retargeting, attribution y analytics. Ahora estamos entrando en otra etapa y nuestro enfoque no es competir contra la automatización, sino aprender a utilizarla correctamente.

Eso significa combinar estrategia, objetivos, presupuesto, tecnología, medición, optimización y criterio humano. Utilizamos las herramientas de Inteligencia Artificial de las plataformas cuando pueden ayudar a identificar oportunidades, distribuir inversión, encontrar audiencias, optimizar campañas o analizar resultados.

Al mismo tiempo, seguimos creyendo que la estrategia, el pensamiento crítico y la creatividad profesional continúan siendo responsabilidades humanas. Una plataforma puede decidir cómo distribuir mejor un presupuesto, pero primero alguien tiene que decidir por qué estamos invirtiendo ese presupuesto y qué resultado realmente importa para el negocio.

Quizás esa sea la transformación más importante que está produciendo la IA dentro de la publicidad digital. No se trata simplemente de que las máquinas hagan más tareas, sino de que nos obligan a concentrarnos más en aquello que requiere criterio: definir el problema, establecer el objetivo, medir lo correcto e interpretar los resultados para tomar mejores decisiones.