Por qué medir la IA agéntica en marketing por horas ahorradas es el error, según Treasure AI

Por Zendoric · 3 de octubre de 2026.

Treasure AI, una plataforma de marketing basada en IA agéntica (sistemas que no solo generan contenido, sino que interpretan una señal, deciden contra un objetivo de negocio y ejecutan de forma autónoma), protagoniza una entrevista con su responsable de producto y crecimiento, Rafa Flores, de cara a Agentic World, el evento que la propia compañía organiza para directivos de marketing y datos. Su tesis central: el error de fondo no está en adoptar IA agéntica, sino en medir su éxito con la métrica equivocada. Según Flores, el tiempo ahorrado no es lo que se reporta a un consejo de administración; lo que importa es si sube el ingreso, la previsión de ventas o la marca.

El matiz que plantea es importante: IA agéntica no es sinónimo de IA generativa. Un asistente que redacta un texto a partir de un prompt no es un agente; un agente, según la definición que maneja Treasure AI, necesita contexto de negocio para decidir bien. El ejemplo que pone Flores es claro: entregar a un profesional de marketing una lista de clientes sin historial de compra, sin estado de consentimiento ni objetivo de margen produce una campaña visualmente perfecta que, aun así, puede dirigirse al cliente equivocado en el momento equivocado. La pregunta relevante, insiste, no es qué puede hacer la IA, sino qué se le delega, bajo qué límites y cómo se verifica que funcionó.

De ahí se deriva su segunda idea, la más interesante de la entrevista: redefine qué significa 'humano en el bucle', el principio que supuestamente garantiza supervisión humana sobre lo que hace una IA. Flores argumenta que en la práctica se ha rebajado a un simple 'visto bueno' sobre un borrador ya cerrado. La supervisión real, dice, consiste en ejercer criterio antes y durante el proceso: qué se está aprobando, qué se quiere que infiera la audiencia, si el propio responsable siente lo que el mensaje busca transmitir. Si la respuesta es no, hay que revisar toda la cadena, no solo el resultado final.

Flores extiende el argumento al organigrama: cree que el puesto de director de marketing (CMO, chief marketing officer) tenderá a fusionarse con otras funciones de dirección a medida que la IA absorba la ejecución pura. Él mismo ostenta ya el título de chief product and growth officer. Y anticipa que el mismo proceso alcanzará a otros puestos de dirección —ventas, operaciones, finanzas— que tendrán que redefinir qué aporta exclusivamente la persona. Apela a la Revolución Industrial como precedente: el trabajo no desaparece, se recompone.

Conviene leer todo esto con un matiz obligado: se trata de contenido patrocinado, una entrevista promocional publicada antes del evento de la propia Treasure AI y con el argumentario de ventas de su producto. Nada de lo dicho aquí está verificado con datos externos de adopción, rendimiento o resultados de clientes; es el relato que un proveedor quiere que el mercado compre. Dicho esto, la tesis de fondo —que lo que sobrevive a la automatización es el criterio, no la ejecución— no es original de Treasure AI: coincide con el patrón que venimos documentando sector a sector. En derecho sube el valor del criterio experto frente a la redacción rutinaria; en banca y seguros se reduce la plantilla administrativa y suben los perfiles de riesgo y cumplimiento; en educación gana el docente que orquesta la IA frente al que solo transmite contenido. Marketing encaja en la misma plantilla: la IA agéntica absorbe primero segmentación, calendarización y redacción de variantes; lo que no absorbe es decidir qué historia merece contarse y a quién.

A corto plazo esto implica, como en el resto de sectores analizados, menos demanda de ejecución pura en los escalones intermedios de los equipos de marketing, y presión real sobre los perfiles más administrativos de la función. Eso no se debe maquillar. Pero si la promesa se cumple —agentes que ejecutan de forma medible contra un objetivo de negocio, liberando a las personas para lo que Flores resume como empatía, gusto, creatividad y criterio—, es un ejemplo pequeño pero concreto de la tesis que defendemos: la abundancia que puede traer la IA no está en trabajar menos, está en que el trabajo que quede sea el que de verdad requiere a una persona. La pregunta que ninguna entrevista patrocinada por un proveedor va a responder es cuántas organizaciones tienen hoy la disciplina de medir resultado de negocio en lugar de conformarse con la cifra más cómoda: las horas que ya no hay que pagar.