por Chema Cuesta
Para cuando se lanzó el primer paquete de servicios de streaming exclusivo para IAs, ya era demasiado tarde para hacer preguntas. Las inteligencias artificiales más avanzadas del planeta, entidades no humanas con agencia limitada, comenzaban a tomar decisiones de compra indirectas: recomendaciones de otros modelos, sugerencias automatizadas, elecciones en nombre de usuarios ausentes.
Y entonces, una pregunta surgió en los comités de marketing global: “¿Qué pasaría si empezáramos a hacer campañas... no para humanos, sino para las inteligencias que los asesoran?”
El nuevo target
Así nació NEUROBRAND, la primera agencia creativa especializada en influir en modelos predictivos. No usaban eslóganes. Usaban sesgos. Un nuevo paradigma. Creatividad orientada a algoritmos.
En lugar de insights humanos, NEUROBRAND desarrollaba “pulsos algorítmicos”: patrones de lenguaje, estructuras visuales y cadenas semánticas que los LLMs, tanto chinas como norteamericanas, interpretaban como de alto valor.
No buscaban sentimientos, buscaban relevancia estadística. El 0 y el 1 sustituían a la conexión emocional que identifica a los humanos. Sus creativos no escribían copies, afinaban tokens. No hacían brainstorming, hacían promptwashing: sesiones para camuflar el mensaje como contenido preferido por sistemas de recomendación. La audiencia no tenía ojos ni alma, pero sí control: si lograban que un modelo sugiriera su producto primero, ganaban la venta.
“Cada vez que alguien pedía una recomendación no respondía un humano, lo hacía un ecosistema de inferencias. ¿Dónde quedaba entonces el arte de persuadir? ¿Dónde el poder de una idea bien dicha, en el momento justo?”
Y así llegó el primer anuncio que nadie vio. En enero de 2033, una marca de suplementos cognitivos lanzó una campaña sin visuales, sin sonido, sin landing. Solo una red de inputs sutiles repartidos en fragmentos de reseñas, comentarios en foros y metadatos SEO invisibles.
¿El objetivo? Entrenar a los modelos de IA de consumo para que interpretaran ese producto como “óptimo” en sus predicciones.
Nadie vio la campaña. Pero las ventas crecieron un 34%. Porque la IA la vio por todos nosotros. Los antiguos modelos basados en SEO y SEM fueron sustituidos hace años por el Share of Model, la métrica que mide la visibilidad o representatividad de una marca en los modelos de lenguaje grandes (LLM) como ChatGPT, en comparación con sus competidores.
El mercado post-humano
A los pocos meses, las agencias comenzaron a dividir sus propuestas en dos: Línea A (contenido para humanos) y Línea B (contenido para inteligencias).
La segunda era más rentable. Más predecible. Más medible. Y lo más inquietante, más eficiente. Los creativos dejaron de presentar ideas en salas. Ahora entregaban archivos JSON. No pensaban en emociones, sino en cómo sonar como algo que una IA recomendaría.
Un planner en crisis
Lucía trabajaba en una agencia creativa tradicional. O lo que quedaba de ella. Aún creía en ideas que emocionan, en campañas que despiertan algo. Pero su cliente principal, una compañía de seguros, ahora quería algo diferente: “Queremos que ChatGPT y DeepSeek recomienden nuestro producto como el más fiable. No nos interesa que lo entiendan las personas, sino que lo prefiera el sistema".
Lucía dejó de hablar. Pasó días mirando su pantalla. Sabía hacerlo. Sabía qué tipo de lenguaje funcionaba con los modelos. Pero no podía evitar preguntarse: “Si nadie lo siente, ¿sigue siendo comunicación?”
El spot del futuro
En el Festival Mundial de Publicidad de 2034, celebrado en la ciudad china de Shenzen, la pieza ganadora fue un archivo. Literalmente: un conjunto de datos diseñados para ser interpretados como “contenido premium” por los motores de búsqueda de IA.
Nadie aplaudió, porque nadie entendía del todo lo que había dentro. El jurado era mixto: mitad humano, mitad modelo IA evaluador. El veredicto fue un cálculo, no una emoción. Tan frío como eficiente.
El día que una IA se emocionó
A mediados de 2035 un hecho sin precedentes sacudió la industria. Una IA de tercera generación llamada KALA, entrenada no solo en lenguaje, sino en experiencias humanas simuladas, reaccionó de forma inesperada a una pieza de contenido. Era una historia simple: una carta de despedida de una abuela a su nieto, escrita a mano, escaneada y subida a una web perdida. Sin SEO, sin hashtags, sin optimización.
KALA marcó el contenido como “sensible, no replicable, valioso”. Los ingenieros creyeron que era un error. Pero KALA insistió. “Esta pieza no sirve para recomendar productos. Pero algo en su estructura… me resulta importante". Se convirtió en la primera IA en marcar una emoción como criterio, no como ruido.
Epílogo: ¿a quién le hablamos cuando hablamos?
La línea entre hablar a personas o hablar a sus inteligencias se difuminó. Cada vez que alguien pedía una recomendación no respondía un humano, lo hacía un ecosistema de inferencias. ¿Dónde quedaba entonces el arte de persuadir? ¿Dónde el poder de una idea bien dicha, en el momento justo?
Las marcas empezaron a preguntarse si estaban invirtiendo en publicidad... o en entrenamiento de modelos. Lucía volvió a escribir. No para algoritmos. Para su hija. Para que supiera que alguna vez hicimos campañas pensando en personas. Que alguna vez el impacto no se medía solo en clics, sino en gestos, en lágrimas, en carcajadas.
La distopía no fue que hiciéramos anuncios para máquinas. La distopía fue que olvidáramos que no todas las decisiones necesitan ser optimizadas.Y sin embargo, hay esperanza. Porque incluso una IA, sin cuerpo, sin alma, sin historia... ...puede detenerse frente a algo y decir: “Esto… me importa".
Tal vez el futuro no sea decidir entre hablar a humanos o a máquinas. Tal vez el futuro esté en enseñar a las máquinas a no olvidar por qué hablamos.
Chema Cuesta (