ChatGPT Ads y el futuro de la estructura de los equipos de agencia

Ideas clave

• ChatGPT Ads se integra dentro de una conversación, no junto a una página de resultados ni dentro de un feed. Eso cambia lo que significan la intención, la creatividad y la conversión para el equipo que lo gestiona.
• Encargar ChatGPT Ads al equipo de PPC existente como una tarea más difícilmente funcionará. La superficie abarca investigación de intención, sistemas creativos, experiencia de conversión, ingeniería de datos y, cada vez más, diseño de agentes.
• El organigrama de agencia organizado por canales (SEO, búsqueda de pago, redes sociales de pago, programática, creatividad, analítica) choca con la forma en que funciona realmente la publicidad conversacional.
• Una estructura basada en capacidades, organizada en torno a inteligencia, estrategia, experiencia, distribución, medición y optimización, encaja mejor con la publicidad nativa en IA que una estructura por canales.
• Los roles actuales de las agencias no desaparecen. Convergen y se amplían hasta convertirse en versiones más amplias y transversales de sí mismos.

Resumen ejecutivo

Cada vez que ha aparecido una nueva superficie publicitaria, las organizaciones de marketing han reaccionado igual: han creado un departamento. Google Ads dio lugar a los equipos de marketing de búsqueda. Meta, a los equipos de paid social. La compra programática, a mesas de medios especializadas en subastas y pujas en tiempo real.

ChatGPT Ads, y la categoría más amplia de la publicidad dentro de productos de IA conversacional, quizá no siga ese mismo patrón. No porque haya cambiado la disciplina de fondo, que consiste en comprar atención y convertirla en ingresos, sino porque la propia superficie se comporta de forma distinta a todo lo anterior.

Una página de resultados de búsqueda es una lista. Un feed social es un flujo. Una conversación no es ninguna de las dos cosas: es un intercambio continuo en el que el usuario expresa una intención, la matiza, hace preguntas de seguimiento y espera que un hilo coherente de comprensión recorra toda la interacción. La publicidad que se inserta en ese intercambio tiene que comportarse menos como una inserción y más como una aportación realmente relevante a la propia conversación.

Esa distinción es la razón por la que no creemos que ChatGPT Ads deba tratarse como una partida más añadida a un departamento de medios de pago ya existente. La oportunidad toca cada vez más la intención conversacional, el emparejamiento contextual, la variación creativa, la optimización de la conversión, la infraestructura de medición, la gestión programática de campañas y las primeras formas de comercio mediado por agentes, con frecuencia dentro de la misma interacción. Pocas estructuras de equipo actuales están preparadas para moverse con fluidez entre todas esas disciplinas a la vez.

Esta guía expone qué cambia realmente cuando la publicidad pasa a una interfaz conversacional, por qué el organigrama tradicional de las agencias empieza a resquebrajarse con ese cambio y qué aspecto puede tener una estructura de equipo práctica y transversal para ChatGPT Ads y, en general, para la publicidad nativa en IA.

Qué cambia realmente con ChatGPT Ads

Antes de entrar en el diseño organizativo, conviene concretar qué cambia a nivel mecánico cuando la publicidad ocurre dentro de una interfaz de chat y no junto a una página de resultados.

El punto de partida es la intención. La segmentación tradicional por palabras clave deduce lo que alguien quiere a partir de las palabras que ha escrito en un cuadro de búsqueda, a menudo solo dos o tres, cargadas de ambigüedad. Una interfaz conversacional tiene acceso a algo más rico: el propio objetivo declarado, el contexto ya compartido y las preguntas de seguimiento que revelan lo que la persona aún necesita saber antes de decidir.

La segmentación de audiencias se desplaza en una dirección parecida: de un segmento definido por datos demográficos o por comportamiento pasado hacia el contexto conversacional de una sesión concreta. La creatividad publicitaria deja de competir por la atención en un feed. Empieza a funcionar más como una respuesta contextual, algo que tiene que parecer una respuesta útil y no una interrupción.

Es posible que las landing pages tengan que permitir cada vez más una continuación conversacional de la interacción, en lugar de mostrar una única página genérica a todos los visitantes. La propia gestión de campañas se parece menos a un conjunto de ajustes configurados a mano y más a un sistema operativo asistido por IA que ajusta las pujas, la selección de creatividades y la segmentación en función de las señales que llegan en tiempo real.

Por debajo de todo esto hay un conjunto más amplio de mecánicas que cualquier equipo que trabaje en este terreno acabará necesitando entender:

• Señales de contexto conversacional y de intención, que sirven para interpretar lo que el usuario quiere de verdad en mitad de la conversación.
• Context hints, que determinan cuándo y cómo puede ser elegible un anuncio para aparecer.
• Landing pages y recursos creativos del anunciante, estructurados para un traspaso conversacional.
• Modelos de compra por coste por clic y por impresiones.
• Optimización de la conversión y APIs de conversión, que conectan un evento dentro de la conversación con lo que sucede después.
• APIs de anunciantes, que permiten crear y gestionar campañas de forma programática.
• Automatización de campañas y, cada vez más, agentes patrocinados.
• Integraciones con CRM y con e-commerce que cierran el círculo hasta los ingresos.

El sistema publicitario abarca cada vez más todo el recorrido, desde el momento en que se reconoce la intención hasta la infraestructura que registra una conversión. Es un abanico muy amplio de responsabilidades para asignárselo a un único especialista que históricamente ha gestionado pujas por palabras clave y coste por adquisición. Encargar ChatGPT Ads al equipo de PPC existente como una tarea más de su lista probablemente no atenderá bien la oportunidad: no porque las personas implicadas carezcan de habilidad, sino porque el alcance del trabajo ha superado de verdad lo que un único rol se diseñó para cubrir.

Por qué el organigrama tradicional de las agencias empieza a resquebrajarse

La mayoría de las agencias, y la mayoría de los equipos internos de marketing, siguen organizados por canales. El SEO está en un grupo. La búsqueda de pago, en otro. El paid social, la programática, el contenido, la analítica y la creatividad tienen cada uno sus propias líneas de reporte y sus propias conversaciones con el cliente.

Esta estructura tenía sentido cuando cada canal tenía un conjunto de herramientas distinto, un mecanismo de compra distinto y muy poco solapamiento entre las competencias necesarias para gestionarlo bien. La publicidad conversacional no respeta esas fronteras.

Entender cuándo debería ser elegible un anuncio para aparecer en una conversación determinada puede requerir varios insumos a la vez:

• Inteligencia sobre las consultas de búsqueda e investigación de clientes.
• Posicionamiento de producto y comprensión semántica, o a nivel de entidades, de la marca.
• Experiencia en medios de pago sobre la dinámica de las subastas.
• Datos de CRM sobre quién ya ha interactuado.
• Datos de conversión sobre lo que ha funcionado de verdad antes.

Construir la propia experiencia exige un abanico igual de amplio de capacidades:

• Copywriting e imágenes.
• Diseño de landing pages y gestión de feeds de producto.
• Implementación del tracking y trabajo de integración de APIs.
• Cada vez más, el diseño de una auténtica experiencia de agente conversacional.

Un equipo organizado estrictamente por canales comprobará que casi cualquier decisión importante sobre una campaña de ChatGPT Ads requiere la opinión de personas que no dependen del mismo responsable y que quizá nunca han trabajado juntas. Las fronteras departamentales que antes ofrecían una especialización útil empiezan a funcionar como fricción.

De los equipos por canal a los equipos por capacidad

El principio de organización que creemos que servirá mejor a los equipos de marketing es dejar de estructurarse principalmente en torno a plataformas concretas (Google, Meta, SEO, display) y estructurarse, en cambio, en torno a las capacidades que de verdad exige la publicidad nativa en IA: inteligencia, estrategia, experiencia, distribución, medición y optimización.

No es un ejercicio de cambio de etiquetas. Cambia cómo se planifica y se dota de personal el trabajo. En lugar de que un equipo de paid social y otro de búsqueda de pago decidan cada uno por su lado cómo abordar un lanzamiento, una función de inteligencia reúne e interpreta las señales de demanda de todos los canales a la vez. Una función de estrategia decide dónde y cómo competir por esa demanda.

Una función de experiencia construye lo que el cliente ve e interactúa de verdad. Una función de distribución gestiona la mecánica para poner esa experiencia delante de las personas adecuadas, en los canales que tengan sentido. Una función de medición registra lo que ha ocurrido y una función de optimización devuelve lo aprendido al siguiente ciclo.

Los canales pasan a ser un resultado de este sistema. Dejan de ser el principio que lo organiza.

El pod de ChatGPT Ads: una estructura de equipo práctica

En lugar de dejarlo en un principio abstracto, conviene describir qué aspecto podría tener un equipo que funcione con esta lógica. Lo concebimos como un pod: un grupo pequeño y transversal que es responsable en común de un resultado comercial, y no una cadena de especialistas que se pasan el trabajo unos a otros.

No todas las organizaciones necesitan ocho personas dedicadas. Los equipos más pequeños combinarán varias de estas responsabilidades en menos roles. Nombrar las capacidades de forma explícita, en lugar de dejarlas implícitas dentro de un único rol de PPC sobrecargado, facilita dotar de personal con criterio y detectar los huecos antes de que se conviertan en un problema.

Generada con IA imagen

El pod de ChatGPT Ads

Operar como un pod, no como una cadena de traspasos

El flujo de trabajo tradicional de una agencia sigue una secuencia bastante lineal: la estrategia pasa el testigo a medios, medios a creatividad, se analizan los resultados creativos y, al final, llega un informe al cliente. Cada traspaso es un punto donde se pierde contexto y donde toman decisiones personas que no estaban presentes cuando se fijó la intención original.

El modelo que describimos parte, en cambio, de una capa de inteligencia compartida de la que se nutren todas las funciones. Alimenta un pod realmente transversal, en el que estrategia, medios, creatividad, datos e ingeniería trabajan en el mismo problema a la vez y no en secuencia, y trata la experimentación como algo continuo, no como algo que sucede al final de un ciclo de campaña.

El mismo grupo trabaja en común por un único resultado comercial. Eso suele traducirse en una iteración más rápida y en menos momentos en que un contexto importante sobre el cliente o el rendimiento no llega a quien lo necesitaba.

El nuevo sistema operativo de la agencia

Si ampliamos la vista más allá de la estructura del equipo, conviene pensar en el sistema operativo más amplio dentro del cual debe funcionar un pod de ChatGPT Ads. Lo organizamos en seis capas conectadas.

Capa 1, Customer Intelligence. Se nutre de datos del CRM, notas de llamadas comerciales, tickets de soporte, Search Console, datos de consultas de búsqueda de pago, comportamiento de búsqueda interna del sitio, analítica de producto e investigación de mercado.

Capa 2, Intent Intelligence. Traduce esas señales en bruto en problemas, casos de uso, decisiones, situaciones de comparación, objeciones y fase de compra.

Capa 3, Knowledge Infrastructure. Centraliza la información de producto, los precios vigentes, el lenguaje de posicionamiento aprobado, las pruebas de clientes, las FAQ, las normas de cumplimiento y las pautas de marca, de modo que todos los canales se nutran de la misma fuente de la verdad.

Capa 4, Activation. Despliega esa inteligencia en ChatGPT Ads, Google Ads, Meta, búsqueda orgánica, iniciativas más amplias de visibilidad en IA, email, acciones de CRM y experiencias de agentes.

Capa 5, Measurement. Funciona como una arquitectura central de conversión y no como un conjunto de dashboards de canal por separado.

Capa 6, Learning. Devuelve los aprendizajes de cada campaña a la capa de inteligencia, de modo que el sistema se vuelve más inteligente con el tiempo en lugar de que cada campaña parta de cero.

Generada con IA imagen

El nuevo sistema operativo de la agencia

Por qué el paid media y el SEO no deberían estar en departamentos separados

Uno de los argumentos más sólidos para reestructurar en torno a capacidades aparece cuando se mira lo que SEO y publicidad de pago intentan lograr en realidad. Ambas disciplinas, en el fondo, responden a la misma pregunta: ¿qué quiere esta persona y qué información u oferta satisface mejor esa necesidad?

El SEO aborda esa pregunta mediante inteligencia de consultas, comprensión de entidades, contenido, relevancia de las landing pages y arquitectura de la información. El paid media lo hace con datos de subastas, pruebas creativas, feedback de conversión y una lectura directa de la intención comercial. El trabajo de visibilidad en IA, que sigue cómo aparece una marca en las preguntas que la gente hace a los sistemas de IA y en las fuentes que estos citan, aporta otro ángulo más sobre la misma pregunta de fondo.

Mantenerlos como silos de investigación separados significa que cada equipo responde por su cuenta a una versión de la misma pregunta con solo una parte de la evidencia disponible. Reunirlos en una única función de inteligencia de búsqueda e IA, en lugar de mantener un equipo de SEO y un equipo de PPC aislados entre sí, ofrece a la organización una imagen más completa y coherente de lo que quieren los clientes, sobre la que puede actuar de forma consistente en todas las superficies donde aparezca esa demanda. Nuestro propio trabajo de Search Intelligence se construye precisamente sobre esta lógica.

La producción creativa se convierte en un sistema

El antiguo flujo creativo era bastante lineal: un briefing de campaña llega a un diseñador y a un redactor, que producen un conjunto de piezas para esa campaña concreta. Ese modelo tenía sentido cuando producir cada pieza era caro y lento, y el número de variaciones que cualquier equipo podía probar de forma realista era pequeño.

La IA ha cambiado la economía de producir variantes creativas. El recurso escaso ya no es la capacidad de escribir un titular más o de generar otra imagen. Se ha desplazado hacia el criterio de posicionamiento, la originalidad, la coherencia de marca y la gobernanza sobre lo que se aprueba para su uso.

El trabajo que más importa se desplaza hacia arriba, hacia decidir qué puede decir la marca con credibilidad y mantener la disciplina al respecto, en lugar de hacia abajo, hacia producir piezas sueltas de una en una.

Modelo antiguo frente a modelo nuevo de producción creativa

La landing page forma parte del sistema de ChatGPT Ads

Las landing pages suelen tratarse como un entregable de producción web, que se pasa a otro equipo una vez cerrado el plan de medios. Creemos que esa separación no beneficia a las organizaciones en un contexto de publicidad conversacional.

Los siguientes elementos deben tratarse como partes centrales del sistema publicitario, y no como cuestiones posteriores a cargo de otro equipo con otras prioridades:

• Relevancia semántica con la conversación que llevó hasta allí a la persona.
• Información de producto clara y exacta, y contenido bien estructurado.
• Velocidad de la página y decisiones deliberadas sobre el acceso de los rastreadores.
• Coherencia entre lo que prometía el anuncio y lo que ofrece la página.
• Una experiencia de conversión realmente bien diseñada.
• Continuidad con el contexto conversacional que trajo al visitante.

SEO, optimización de la conversión, contenido y paid media tienen que mirar juntos la misma experiencia de destino, y no negociar sobre ella a posteriori.

La medición tiene que ir más allá del dashboard de medios

Un dashboard de medios que solo muestra impresiones, clics y coste por clic no basta en un entorno donde el camino desde la exposición al anuncio hasta los ingresos pasa por varios pasos más: exposición, clic, comportamiento en el sitio, conversión, entrada en un CRM y, por último, reconocimiento del ingreso.

Tener una visión clara de ese recorrido completo exige una infraestructura conectada: píxeles de seguimiento, APIs de conversión, un CRM que dialogue con el resto del stack, una plataforma de analítica, posiblemente un data warehouse y una capa de atribución capaz de dar sentido a todo el recorrido y no solo al primer o al último contacto.

A medida que la gestión de campañas se vuelve más programable, guiada por APIs en lugar de ajustes manuales en un dashboard, la elaboración de informes y la optimización deben pasar a formar parte de esa misma capa de datos unificada, y no vivir en una herramienta⁠EN (en inglés) de reporting aparte que se consulta una vez por semana.

Qué ocurre con los roles actuales de las agencias

Una preocupación natural al describir un cambio de este tipo es que suene a una lista de despidos. No creemos que esa sea la lectura correcta. La descripción más acertada es convergencia y ampliación, no desaparición.

En todos los casos, la experiencia de base sigue siendo valiosa. Lo que cambia es el alcance de aquello a lo que se aplica esa experiencia y lo estrechamente que debe conectarse con disciplinas adyacentes que antes estaban en departamentos separados.

Cómo podría ser la agencia de 2030

Si esta trayectoria continúa, esperamos que la estructura de las agencias de los próximos años sea muy distinta del organigrama actual por canales.

Un client growth partner ocupa la cúspide de la relación, apoyado por un AI growth pod que integra estrategia, inteligencia, medios, creatividad, experiencia, datos e ingeniería trabajando a la vez y no en secuencia. Ese pod se apoya en una infraestructura de IA centralizada, marcos de gobernanza, sistemas de conocimiento compartidos, automatización y capacidad de investigación que no hace falta reconstruir para cada proyecto con un cliente.

El resultado es una organización con muchos menos silos de canal y muchos más sistemas reutilizables, en la que el valor que aporta una agencia procede de la solidez de su infraestructura y de su criterio, y no del tamaño de su plantilla de ejecución.

Un modelo de madurez sencillo ayuda a situar dónde está hoy una organización determinada. Tiene seis niveles, desde «Experimental», pasando por «Integrated», «Cross-functional», «Systemized» y «Automated», hasta «Adaptive».

La economía del modelo de agencia también está cambiando

La IA reduce el coste de los informes, de la construcción de campañas, de la producción de variantes creativas, de la investigación, del análisis, del control de calidad y de buena parte del trabajo rutinario de optimización. Eso tiene una implicación directa en cómo justifican las agencias sus honorarios.

Un modelo construido sobre todo en torno a horas y volumen de ejecución resulta más difícil de defender cuando una parte significativa de esa ejecución puede hacerse más rápido y a menor coste con ayuda de la IA. El valor que sigue siendo escaso, y por el que pagarán los clientes, se desplaza hacia la inteligencia propia, el criterio estratégico, la arquitectura de sistemas, la experimentación disciplinada, la integración tecnológica, la gobernanza y los resultados de negocio demostrados, y no hacia las horas facturadas.

Esto enlaza con un argumento más amplio que defendemos en todo nuestro trabajo: un buen proyecto debe construir capacidad duradera dentro de la organización del cliente, y no crear una dependencia permanente de un equipo externo que ejecute para siempre. Es el mismo principio que sustenta nuestro trabajo con el AI Marketing Operating System y la AI Capability Academy.

Qué deberían construir ahora las agencias y los equipos de marketing

Una hoja de ruta práctica es más útil que los principios abstractos.

1. Combine la inteligencia de SEO y de búsqueda de pago en un único conjunto de datos compartido de demanda e intención, en lugar de dos esfuerzos de investigación separados que llegan a conclusiones distintas.
2. Establezca una auténtica capa de conocimiento del cliente que conecte en un solo lugar la investigación, los datos del CRM y la información de producto.
3. Construya sistemas creativos reutilizables, y deje de pensar en anuncios sueltos para pasar a una verdadera arquitectura de mensajes.
4. Invierta en infraestructura de conversión: seguimiento, integración con el CRM y analítica que de verdad se conecten entre sí.
5. Incorpore capacidad real de ingeniería. Las APIs y la automatización serán cada vez más centrales en cómo se crean y se gestionan las campañas.
6. Construya un pod transversal de publicidad con IA, en lugar de levantar otro departamento aislado.
7. Lance experimentos controlados con ChatGPT Ads, y documente en cada uno una hipótesis clara, la intención de la audiencia, el mensaje, la experiencia, el resultado y el aprendizaje.
8. Devuelva lo aprendido al SEO, al contenido y a la estrategia de producto, y trate la publicidad como una fuente continua de inteligencia, y no como una actividad cerrada que termina cuando acaba la campaña.

El cambio de fondo que subyace a todo esto

Es posible que la agencia del futuro, y el equipo interno de marketing del futuro, dejen de vender cada vez más personas multiplicadas por horas multiplicadas por canales, y pasen a ofrecer inteligencia, sistemas, tecnología y criterio humano trabajando juntos.

ChatGPT Ads resulta interesante no solo porque represente otra fuente de inventario publicitario que comprar. Es una señal temprana y visible de lo que sucede cuando la propia publicidad se vuelve nativa en IA: cuando la segmentación, la creatividad, la medición y la optimización están cada vez más mediadas por sistemas de IA y no configuradas a mano dentro de la interfaz de una plataforma.

Es poco probable que las organizaciones que mejor se adapten a este cambio se definan por el tamaño de su departamento de medios de pago. Es más probable que sean las que construyan el sistema conectado más sólido entre inteligencia de cliente, IA, creatividad, datos y ejecución, y que se tomen el diseño organizativo tan en serio como la propia estrategia de medios.

Preguntas frecuentes

Rutas de solución según su contexto

kōdōkalabs ayuda a las organizaciones de marketing a rediseñar los flujos de trabajo, la infraestructura de conocimiento y los sistemas de IA necesarios para operar en búsqueda, contenido, publicidad y canales emergentes de IA como un único sistema conectado, a través del AI Marketing Operating System.

Si su equipo busca cómo organizarse ante este cambio, un Executive AI Marketing Assessment es un buen punto de partida.

Reservar un Executive AI Marketing Assessment