La mayor parte del debate sobre la IA y las marcas sigue desarrollándose a un nivel demasiado básico.
En primer lugar, la conversación giró en torno al contenido. La IA permitiría crear anuncios más rápidos, más baratos y más personalizados. Después, el tema pasó a centrarse en el descubrimiento. Ahora, las marcas deben ser detectadas por las máquinas, citadas por los motores de respuestas, optimizadas para la geolocalización, estructuradas para la búsqueda mediante IA y comprensibles para los agentes.
Todo eso es cierto. Pero sigue siendo una visión demasiado limitada.
El cambio más profundo no consiste únicamente en que la IA transforme los medios de comunicación. Ni siquiera se limita a que la IA cambie la forma de descubrir contenidos. El cambio más profundo radica en que la IA se está infiltrando en el mecanismo que conecta la demanda con la oferta. Está empezando a interpretar lo que la gente quiere, a definir las opciones disponibles, a reducir el abanico de posibilidades y a orientar la acción. Eso no es solo un cambio en los medios de comunicación. Es un cambio en el mercado.
Ya he defendido esta idea anteriormente en mis escritos sobre la evolución de la economía de la atención a la economía de la intención.
El Índice de IA de Stanford 2026 también ayuda a explicar por qué esto es importante. El informe no afirma directamente que la IA se esté convirtiendo en la capa de coordinación entre la demanda y la oferta. Pero sí muestra las condiciones para que se produzca ese cambio: la IA generativa alcanzó una adopción de aproximadamente el 53 % de la población en tres años, las organizaciones informaron de una adopción de la IA del 88 % y el valor estimado para el consumidor derivado de la IA generativa en EE. UU. alcanzó los 172 000 millones de dólares. En otras palabras, la IA ya no es una herramienta marginal. Se está convirtiendo en parte de la infraestructura a través de la cual se exploran, interpretan y gestionan los mercados.
Informe sobre el Índice de IA de la Universidad de Stanford de 2026
En mi artículo anterior, defendí que el rendimiento de una marca es un sistema compuesto por cinco niveles. Comienza con el significado de la categoría, sigue con la lógica de la demanda, luego la estrategia y el posicionamiento de la marca, después la ejecución y, por último, el rendimiento en el mercado y los aspectos económicos. Lo que ha cambiado desde entonces no es el modelo. Lo que ha cambiado es que, ahora, la inteligencia artificial hace que las consecuencias de ese modelo sean mucho más difíciles de ignorar.
Lo que la IA nos enseña sobre estrategia y marcas
El mercado está reaccionando principalmente en el nivel de ejecución, mientras que los efectos estratégicos reales se están manifestando en las cinco capas. El Índice de IA 2026 de Stanford refuerza este punto. Muestra tanto una rápida difusión como un rápido aumento de las capacidades, especialmente en áreas relacionadas con el razonamiento, las tareas profesionales y el rendimiento autónomo. Esto es importante porque la IA está yendo más allá de la generación de contenidos hacia áreas más cercanas al juicio, la realización de tareas y la acción en el mercado, aunque su fiabilidad siga siendo desigual.
Esto se puede apreciar en el debate práctico que está marcando actualmente la evolución del mercado.
Los anunciantes están utilizando la IA generativa para crear anuncios de vídeo a gran escala. Google está animando a los profesionales del marketing a adoptar sistemas de campañas basados en IA. Meta está avanzando hacia una publicidad más automatizada, desde la creación de contenidos hasta la segmentación y la asignación de presupuestos.
Esto es lo que la mayoría de la gente quiere decir cuando afirma que la IA está revolucionando el marketing de marketing: contenidos más rápidos, medios automatizados, una mejor segmentación y una ejecución más eficiente.
A continuación viene la capa de descubrimiento.
BCG habla ahora abiertamente sobre el futuro de la visibilidad, argumentando que las marcas deben ser seleccionadas, resumidas y destacadas por sistemas de IA, en lugar de limitarse a aparecer en los resultados de búsqueda tradicionales. La propia orientación de producto de OpenAI apunta en la misma dirección. Las compras con ChatGPT están diseñadas para ayudar a las personas a descubrir, comparar y decidirse por productos. Atlas, las actualizaciones de compras y el comercio «agente» apuntan todos hacia el mismo cambio estructural: el descubrimiento, la recomendación y la acción se están condensando en menos pasos y en flujos más conversacionales.
De ahí proviene la actual oleada de consejos.
Haz que tu contenido sea legible por máquinas. Optimízalo para los motores de respuestas. Estructura los datos de tus productos. Prepárate para el comercio conversacional. Asegúrate de que la IA pueda encontrar tu marca.
Nada de eso está mal. Pero sigue siendo demasiado tardío.
Porque parte de la base de que la tarea estratégica consiste en optimizar la ejecución dentro de un mercado cuya lógica subyacente ya se conoce. Ahí radica el error.
La cuestión más importante no es si la máquina puede localizarte. La cuestión más importante es qué lógica de mercado está aprendiendo, reforzando o reescribiendo la máquina.
Esa cuestión tiene su origen más atrás. Empieza por el significado de la categoría.
Una máquina no puede ayudar a un consumidor a decidir a menos que cuente con un modelo funcional de para qué sirve esa categoría. Esto suena abstracto hasta que se ve en la práctica. La función «Ask Instacart» de Instacart no se presentó como un formato publicitario mejorado ni como un cuadro de búsqueda más inteligente. Se presentó en torno a un problema del consumidor: qué cenar, qué se ajusta a mis necesidades dietéticas, qué puedo preparar con un presupuesto limitado, qué ingredientes necesito y cómo conseguirlos rápidamente. El sistema convierte ese momento de demanda en una cesta de la compra.
Eso no es optimización de medios. Es el significado de la categoría y la lógica de la demanda en acción.
El consumidor no accede a través de la «salsa», los «aperitivos» o la «marca X». El consumidor accede a través de un momento de demanda: la cena, el presupuesto, las restricciones alimentarias, la comodidad o el tiempo. A continuación, el sistema organiza la oferta en función de ese momento.
En Lowe’s se observa la misma tendencia. Lowe’s describe a Mylow como un asistente de compras basado en IA y un asesor virtual que ayuda a los clientes a planificar proyectos y a encontrar las soluciones adecuadas, ya sea un frigorífico con instalación incluida o un conjunto de lavadora y secadora que permita ahorrar en las facturas de los servicios públicos. No se trata solo de una búsqueda. Refleja una forma diferente de entender la propia categoría. Lowe’s no se limita a ayudar a los compradores a encontrar productos. Ayuda a las personas a resolver proyectos domésticos y problemas del hogar.
Esa distinción es importante.
En cuanto la IA entra en juego en la relación entre la demanda y la oferta, las cuestiones estratégicas se trasladan muy rápidamente a las fases iniciales del proceso.
En primer lugar, el significado de la categoría es lo más importante. Si la máquina parte de una interpretación errónea de la finalidad de la categoría, organizará el conjunto de opciones de forma incorrecta. Una empresa puede ser fácil de encontrar y, aun así, salir perdiendo, porque la máquina está jugando según las reglas de otra persona.
En segundo lugar, la lógica de la demanda es más importante. Si el mapa de la demanda es erróneo, la IA simplemente optimizará ese mapa erróneo más rápidamente. Parecerá más eficiente, pero, en realidad, agravará el error.
En tercer lugar, el posicionamiento es más importante. El posicionamiento ya no se limita a lo que la marca dice de sí misma en sus comunicaciones. Se trata del papel que la marca puede desempeñar de forma creíble en los flujos de recomendación, comparación y acción. Una marca puede aparecer en los resultados de la IA y, aun así, no tener una razón clara para imponerse.
En cuarto lugar, la cartera y la arquitectura cobran mayor importancia. En un entorno mediado por máquinas, las solapamientos se ponen de manifiesto más rápidamente. Las lagunas se ponen de manifiesto más rápidamente. La falta de claridad en la definición de funciones entre marcas se hace más visible, y no al contrario.
En quinto lugar, las marcas deben reposicionarse no como una función de comunicación, sino como el motor central de la creación de valor económico —medido a través de lo que yo denomino «beneficio económico compuesto» (mi CEP favorito): el mecanismo mediante el cual las marcas sólidas generan rendimientos superiores al coste del capital, reinvierten ese excedente en significado y lógica de la demanda, y acumulan esa ventaja con el tiempo. Este es el ciclo que distingue a las marcas que crean valor duradero de aquellas que se limitan a mantener el volumen. Las capas 1 a 4 lo alimentan. La capa 5 es donde se comprueba si han cumplido su función.
WARC – Reinventar la estrategia de marca: el modelo holístico de marca
Por eso también me muestro cauteloso ante la moda actual de hablar de un «Brand OS», es decir, un sistema operativo de marca.
Hay algo útil en esa frase. Reconoce que la marca debe ser más sistemática y estar más integrada en la organización. Pero la mayor parte del pensamiento actual sobre el «Brand OS» sigue situándose demasiado lejos en la cadena de valor. Suele centrarse en una «fuente única de verdad», directrices seguras para las respuestas automáticas, resultados de IA coherentes con la marca, gobernanza de contenidos y coherencia en la ejecución. En otras palabras, a menudo se trata de un sistema de ejecución disfrazado de estrategia. Incluso cuando el «Brand OS» se enmarca de forma más amplia, sigue tendiendo a sistematizar la expresión antes de sistematizar la lógica de mercado sobre la que debería funcionar la marca.
Por eso, el concepto de «Brand OS», tal y como se suele utilizar, sigue sin dar en el clavo.
La cuestión no es si la marca cuenta con un mejor «sistema operativo» para los contenidos. La cuestión es si la empresa cuenta con un mejor «sistema operativo» en lo que respecta al significado de la categoría, la lógica de la demanda, el posicionamiento, el papel dentro de la cartera, la ejecución y la captación de valor. Si esas capas superiores son erróneas, un «sistema operativo de marca» más eficiente solo generará una irrelevancia aún más coherente.
Tengo un problema similar con la expresión «estrategia de IA».
La mayoría de las empresas no necesitan una estrategia de IA en sentido estricto (véase nuestro informe sobre IA en Vivaldi). No necesitan una presentación específica sobre casos de uso, proyectos piloto, agentes o herramientas. Lo que necesitan es comprender cómo la IA transforma el sistema en el que se encuentran.
Por eso resulta más útil adoptar una perspectiva sistémica más amplia (Reshuffle, Choudary 2025). La verdadera cuestión no es cómo implementar la IA. La verdadera cuestión es cómo la IA transforma la coordinación, la creación de valor y la estructura competitiva. Los trabajos recientes sobre las organizaciones «agentes» plantean lo mismo desde una perspectiva diferente: la IA no es simplemente otra capa tecnológica, sino una fuerza que transforma los flujos de trabajo, la estructura de los equipos, la lógica presupuestaria y el propio modelo operativo.
Así que no, la mayoría de las empresas no necesitan una estrategia de IA.
Necesitan tener una visión de cómo la inteligencia artificial está transformando el sector, el proceso de toma de decisiones, la forma en que se genera la demanda, la forma en que se organiza la oferta y la forma en que se genera valor.
Esa es una tarea mucho más difícil.
Pero también es el auténtico.
La primera ola de estrategias de IA consideraba la IA como un motor de contenidos. La segunda la considera un motor de descubrimiento. El cambio más significativo es que la IA se está convirtiendo en una capa de coordinación entre la demanda y la oferta.
El Índice de IA 2026 de Stanford resulta especialmente útil en este contexto. Una de sus conclusiones más claras es que, en 2025, los agentes de IA pasaron de responder preguntas a realizar tareas. En OSWorld, el rendimiento aumentó de aproximadamente el 12 % al 66,3 %, situándose a solo seis puntos porcentuales del rendimiento humano. Eso no significa que la IA ya sea fiable en todos los ámbitos. Lo que sí significa es que el papel económico de la IA se está ampliando, pasando de la información a la coordinación y la acción.
Esa es la forma de plantearlo más útil.
Esto explica por qué la información que aparece en los medios es visible, pero incompleta. Marcas como Coca-Cola y Nestlé ya están utilizando la IA de forma práctica. Coca-Cola ha seguido utilizando la IA generativa en campañas importantes (un ejemplo es la campaña navideña realizada por nuestro socio creativo, Silverside.ai). Nestlé ha lanzado un servicio de contenidos basado en IA que utiliza gemelos digitales de los productos para generar activos de comercio electrónico y medios digitales de forma más rápida y a menor coste. Se trata de iniciativas importantes. Pero siguen siendo, principalmente, medidas de ejecución. Mejoran la ejecución. No responden a las preguntas más difíciles que se plantean en las fases iniciales.
Entonces, ¿cómo es cuando una empresa gestiona correctamente las capas iniciales?
Un buen ejemplo es La Roche-Posay.
No porque tenga la historia sobre IA más llamativa, sino porque muestra lo que ocurre cuando una marca logra coherencia en las cinco capas y, a continuación, utiliza la tecnología para reforzar ese sistema.
Empecemos por el significado de la categoría. La Roche-Posay no se limita simplemente al cuidado de la piel. Se sitúa dentro de un espacio conceptual mucho más definido: belleza dermatológica, salud de la piel, cuidados con base científica y soluciones para afecciones cutáneas reales. La división de Belleza Dermatológica de L’Oréal se define a sí misma a través de sus colaboraciones en el ámbito sanitario y su experiencia dermatológica, y registró unas ventas de 7.000 millones de euros en 2024.
Luego está la lógica de la demanda. La Roche-Posay no se organiza en torno a un lenguaje genérico de belleza. Se basa en afecciones y momentos concretos: acné, hiperpigmentación, protección solar, piel sensible y barreras cutáneas dañadas. El lanzamiento de Mela B3 es un buen ejemplo. L’Oréal afirma que la marca llevó a cabo un estudio epidemiológico global sobre trastornos pigmentarios en el que participaron 48 000 personas de 34 países antes del lanzamiento. Eso no es una estrategia de contenido. Es un trabajo sobre la estructura de la demanda.
A continuación, el posicionamiento. El papel de la marca es excepcionalmente claro: eficacia respaldada por dermatólogos, con amplia accesibilidad y alta tolerancia. Ese papel se mantiene estable en todas las categorías y zonas geográficas. No se trata solo de un eslogan publicitario. Otorga a la marca un derecho claro a imponerse en segmentos específicos de la demanda. Los propios materiales de L’Oréal destacan que La Roche-Posay sigue siendo un importante motor de crecimiento dentro de la división.
A continuación, la ejecución. Aquí es donde la IA resulta útil, pero solo porque las capas anteriores ya son coherentes. SPOTSCAN+ de La Roche-Posay es una herramienta de análisis de la piel con acné basada en IA y desarrollada en colaboración con dermatólogos. Analiza selfies, evalúa la gravedad del acné y vincula el diagnóstico con recomendaciones de productos. Ese es un ejemplo mucho mejor de IA que la automatización genérica de la publicidad, ya que une un problema real del consumidor, un espacio de demanda claro, el posicionamiento de la marca y la capa de servicio en un único flujo.
Por último, los aspectos económicos. El sistema funciona. El informe anual de L’Oréal de 2025 señalaba que La Roche-Posay seguía siendo el principal motor de crecimiento en el segmento de la belleza dermatológica. En los resultados del primer trimestre de 2026, L’Oréal indicó que la división seguía superando al mercado, y que el impulso de La Roche-Posay se veía respaldado por Cicaplast y Hyalu B5.
No ganó porque se centrara primero en la IA. Ganó porque creó un sistema coherente que abarcaba el significado de la categoría, la lógica de la demanda, el posicionamiento, la ejecución y los aspectos económicos. La IA se convirtió entonces en un amplificador de ese sistema, no en un sustituto del mismo.
Al fin y al cabo, esa es la cuestión.
Es cierto que las marcas deben ser encontradas por los motores de búsqueda. Pero el mero hecho de ser encontradas no constituye una estrategia.
Es cierto que las marcas necesitan una disciplina operativa más sistemática. Pero un «sistema operativo de marca» que se limite únicamente al ámbito de la ejecución no es suficiente.
Las empresas sí que deben dar respuesta a la IA. Pero esa respuesta no debería partir de una estrategia de IA limitada.
El informe de Stanford llega a la misma conclusión desde otro punto de vista. La IA se está extendiendo a escala de mercado, aportando un valor real al consumidor, mejorando en la ejecución de tareas y adquiriendo un papel cada vez más central, incluso aunque la transparencia y la preparación institucional se queden rezagadas. Por eso, la verdadera pregunta no es cómo optimizar para la IA, sino qué tipo de lógica de mercado está empezando a regir la IA.
Debería empezar con una pregunta más difícil:
¿Qué sistema de significado, demanda, posicionamiento, cartera, ejecución y economía queremos que rija el mercado a medida que la IA actúa cada vez más como intermediaria entre la oferta y la demanda?
Las marcas que triunfen en esta próxima fase no serán aquellas que se limiten a optimizar su visibilidad para las máquinas. Serán aquellas que definan la lógica de la categoría, la estructura de la demanda y los roles de las marcas que la máquina está aprendiendo a interpretar, recomendar y sobre los que actuar.
Eso ya no es un tema mediático.
Es el siguiente capítulo de la estrategia.