IA agéntica con datos de mierda

Todos quieren el asistente de IA que les escriba 47 variaciones de copy mientras sus sistemas de CRM, ecommerce y pauta digital ni siquiera se hablan entre sí. El problema no es tecnológico. Es que los CMOs compraron el pitch de vendors que les prometieron eficiencia sin resolver primero el desastre operativo que tienen adentro.

Según Gartner, el 87% de organizaciones tiene datos fragmentados entre al menos 5 plataformas diferentes. Pero en Latinoamérica, donde todavía hay equipos manejando Excel para reportes de Meta Ads mientras otro departamento usa Salesforce sin integración real, ese número es pura fantasía optimista. La realidad es peor.

La automatización multiplica la mediocridad

Cuando automatizas procesos sobre datos incompletos o contradictorios, no ganas eficiencia. Escalas el error. Un agente de IA entrenado con información de conversiones que no matchea con el inventario real, o con segmentos de audiencia creados sin unificación de identidad cross-device, va a tomar 1,000 decisiones equivocadas por minuto en lugar de que un humano tome 10 por día.

Forrester documenta que el 63% de implementaciones de IA en marketing fallan porque la calidad de datos es insuficiente. Pero nadie quiere hablar de eso en los webinars. Es más sexy mostrar un dashboard con «creative insights powered by AI» que admitir que tus fuentes de verdad están desconectadas y nadie sabe cuál versión del customer journey es la correcta.

Caso real: Retailer mexicano invirtió USD $240K en plataforma de «AI-powered personalization» para ecommerce. Tres meses después, la tasa de recomendaciones exitosas era del 11%. ¿El problema? Sus datos de navegación web, compras en tienda física, y comportamiento en app vivían en tres universos paralelos sin ID unificado. La IA recomendaba productos que el usuario ya había comprado en tienda, o peor, que estaban agotados hace semanas.

Equipos junior sin criterio ejecutando prompts

La segunda mitad de esta tragedia: entregas herramientas de automatización a equipos que nunca aprendieron los fundamentos. Hoy tienes juniors de 24 años «ejecutando campañas» que consisten en pedirle a ChatGPT variaciones de un brief mal hecho, sin entender posicionamiento, sin capacidad de evaluar si el output tiene sustancia estratégica o es solo palabras bonitas.

LinkedIn publicó que el 71% de profesionales de marketing menores de 30 años usan IA generativa diariamente. Impresionante. El problema es que el 68% de sus managers admite que esos outputs requieren «revisión sustancial» porque carecen de comprensión de marca, audiencia o contexto competitivo. Traducción: usamos IA para ir más rápido en la dirección equivocada.

No es culpa de los juniors. Es culpa de organizaciones que prefirieron recortar headcount senior «porque ahora la IA hace ese trabajo», dejando equipos sin mentores que les enseñen a pensar estratégicamente antes de ejecutar. La IA no reemplaza criterio. Lo expone brutalmente cuando no existe.

Omnicanal de mentira con agentes de IA de verdad

Aquí está la ironía máxima: las empresas que todavía no logran que una promoción en Instagram se sincronice correctamente con su inventario en tienda o que un carrito abandonado en web active un follow-up inteligente en WhatsApp, esas mismas empresas están invirtiendo en «agentes autónomos de IA» para gestión de campañas.

McKinsey reporta que solo el 14% de empresas ha logrado verdadera integración omnicanal con datos unificados en tiempo real. Pero el 61% de CMOs latinoamericanos dice que la IA es su prioridad número uno para 2024-2025. Las prioridades están al revés.

La pregunta incómoda: ¿Para qué quieres que la IA te genere variantes de creatividad dinámica si no puedes garantizar que el mensaje correcto llegue a la persona correcta en el momento correcto porque tus canales operan como silos independientes?

Un agente de IA necesita contexto completo para tomar decisiones útiles. Si ese contexto está partido en 7 plataformas que no se comunican, con métricas inconsistentes y definiciones de conversión que cambian según quién haga el reporte, lo único que vas a automatizar es el caos.

Qué hacer hoy si ya te compraste el problema

Primero, auditoría radical de datos. No el PowerPoint de «data governance strategy». Un mapeo real y doloroso de cuántas versiones contradictorias del customer existen en tu organización. Cuántos customer IDs diferentes tiene la misma persona. Qué sistemas realmente se integran versus cuáles solo tienen APIs que nadie configuró bien.

Segundo, pausa la compra de nuevas herramientas de IA hasta resolver la fragmentación de datos. Sí, es menos emocionante que firmar con el vendor que te prometió «agentic AI para performance marketing», pero es la única forma de que cualquier automatización posterior valga algo.

Tercero, invierte en capacitación estratégica antes que en más licencias de software. Tus equipos necesitan entender qué hace que una campaña funcione antes de automatizar la ejecución. La IA debe ser un amplificador de buen criterio, no un sustituto de criterio inexistente.

Y cuarto, exige resultados medibles en ventanas de 90 días. Si tu implementación de IA no puede mostrar mejora concreta en métricas de negocio real en tres meses, no es que «necesite más tiempo para entrenar». Es que compraste tecnología para resolver un problema que no diagnosticaste correctamente.

La automatización con IA agéntica es poderosa cuando tus fundamentos están sólidos. Cuando no lo están, solo estás pagando millones para que un algoritmo ejecute tu mediocridad a escala industrial.