ETSU integra IA en su grado de marketing: el reto ya no es escribir el prompt, sino verificar lo que devuelve

Por WJHL · 22 de septiembre de 2026.

En East Tennessee State University (ETSU), en Johnson City, Tennessee, la profesora de marketing Michelle Sullivan lleva un año construyendo su asignatura alrededor de la IA generativa, según recoge WJHL. No es un taller optativo sobre herramientas: es el eje de la clase. Los alumnos trabajan en equipo con un cliente real cada semestre y, con las herramientas adecuadas, pueden llegar a completar en una sola sesión de clase una web "de nivel Fortune 500" a partir de unos pocos prompts, según cuenta Sullivan.

Este curso, el cliente es Smash Meals, un negocio local de restauración cuyo dueño, Lewis Kizer, ha abierto a los estudiantes los datos de su negocio: qué contenido funciona en redes, qué no, qué público responde a qué campaña. Kizer visita la clase cada semana o cada dos semanas y cuenta que la IA le ha liberado tiempo que antes destinaba a papeleo y ordenador, tiempo que ahora dedica a la cocina, el corazón de su negocio.

Hasta aquí, la anécdota. Lo interesante —y lo que convierte este reportaje local en algo relevante más allá de Tennessee— es lo que Sullivan decide enseñar y lo que decide no enseñar. No dedica el curso a que los alumnos aprendan a manejar una IA generativa: eso, según reconoce ella misma, ya lo hace cualquiera con un prompt. Lo que exige de sus alumnos es "evaluar críticamente, analizar y asegurarse de que los datos —analítica, contenido de redes, contenido web— sean verídicos". Es decir: la habilidad que cotiza ya no es producir el contenido, sino verificarlo.

Esa distinción no es un matiz pedagógico menor. Es, de hecho, el resumen de hacia dónde se mueve el valor de una carrera de marketing —y, por extensión, de buena parte del trabajo de oficina— en la era de los modelos generativos. Cuando construir una web, redactar un copy o generar una campaña de redes se reduce a "unos pocos prompts", el cuello de botella deja de ser la producción y pasa a ser el juicio: saber qué pedir, saber detectar cuándo el resultado es plausible pero falso, y saber qué hacer con los datos reales de un negocio que no aparecen en ningún dataset de entrenamiento.

El propio Kizer, sin proponérselo, ilustra la otra cara de esta transición, la misma que venimos documentando en nuestro análisis sector a sector del impacto de la IA en el empleo. Lo que la automatización le quita no es su negocio ni su criterio, sino el papeleo y las horas frente al ordenador —la parte más rutinaria y menos diferencial de dirigir un pequeño negocio de restauración—, y ese tiempo liberado vuelve a la cocina, al oficio que sabe hacer mejor que cualquier máquina. Es el mismo patrón que hemos visto en administración de empresas y en banca: la IA no sustituye al gestor, sustituye el trabajo administrativo que rodeaba al gestor.

Kizer también pone el límite con una claridad poco habitual en estos relatos: si dejas que la herramienta te domine, dice, "no vas a valer para nada"; si no eres capaz de ir más allá "del momento de la IA" y hablar con la gente, vas a fracasar. Es un matiz que rara vez aparece en el discurso corporativo sobre productividad, y que aquí llega de un pequeño empresario, no de un gurú: la IA resuelve la parte mecánica, pero el negocio —y el empleo— se sigue ganando o perdiendo en la conversación con el cliente.

Conviene no sobredimensionar el caso: es una asignatura, un profesor y un cliente por semestre en una universidad regional —aunque el capítulo local de la American Marketing Association en ETSU amplía el modelo con prácticas que ayudan a más negocios de la zona con webs y redes—, no una transformación estructural del marketing como disciplina. El verdadero examen llegará cuando estos estudiantes salgan a un mercado laboral remodelado por las mismas herramientas que aprendieron a usar en clase, donde los puestos de entrada más rutinarios —diseño web júnior, redacción de copys, el primer peldaño clásico de cualquier carrera de marketing— son precisamente los que antes se automatizan.

Con todo, el experimento de Johnson City encaja con la tesis de fondo que sostenemos en Zendoric: la IA no anula el trabajo humano, desplaza dónde está el valor. A corto plazo, eso significa menos demanda de las tareas mecánicas que antes llenaban media jornada —y menos puestos junior para aprenderlas—; a medio plazo, apunta a profesionales que dedican más tiempo a lo que un modelo no puede hacer por ellos: juzgar, verificar y hablar con un cliente real. Si ese es el reparto de tareas que se consolida, el marketing como oficio no desaparece: cambia de examen.