Agentes de IA para agencias de marketing: lo que realmente importa no es la autonomía, sino la trazabilidad del juicio.

Cuando una agencia evalúa un agente de IA por el resultado final — la campaña funcionó o no funcionó —, está aplicando lo que en aprendizaje por refuerzo se llama outcome reward. Tao et al. (2025) demuestran que esta señal es problemática en trayectorias largas por tres razones concretas: la señal llega solo al final de secuencias extensas (escasez), pequeñas variaciones tardías cambian el resultado de forma desproporcionada (alta varianza), y un episodio fallido puede contener muchas acciones útiles que quedan penalizadas injustamente (señal engañosa) [1]. Trasladado a una agencia: si un agente ejecutó correctamente la segmentación de audiencia, generó copies adecuados y eligió bien los canales, pero falló en el último paso de configuración de pujas, evaluar todo el flujo como 'fracaso' destruye información valiosa sobre qué sí funcionó.

La solución propuesta por TRACE — asignar crédito denso por turno usando las transiciones entre llamadas a herramientas como puntos de evaluación [1] — tiene una implicación directa para agencias que construyen o adoptan agentes: cada interacción del agente con una herramienta (el CRM, la plataforma de ads, el generador de creatividades) debería ser un punto de evaluación independiente, no un eslabón opaco en una cadena que solo se juzga al final. La lectura que hacemos es que las agencias que diseñen sus agentes con tool-call boundaries explícitas tendrán mejor visibilidad sobre dónde falla el proceso y, crucialmente, mejor capacidad de entrenamiento iterativo.

Quinto, Rozzi y Zanitti (2025) señalan que los sistemas de workflows existentes tratan los flujos como secuencias de pasos que producen resultados y dejan trazas, pero dificultan la inspección, reanudación y revisión de procesos en curso — especialmente cuando interviene un LLM con juicio no determinista [2]. Una agencia de marketing que despliega un agente para gestionar campañas multicanal se enfrenta exactamente a este problema: el agente toma decisiones intermedias (qué segmento priorizar, qué variante de copy descartar, cuándo escalar presupuesto) que son actos de juicio, no cómputos deterministas. Si el workflow se evapora tras la ejecución, no hay forma de auditar ese juicio ni de aprender de él.

La distinción derive / infer propuesta en el modelo Workflow-as-Knowledge [2] es, creemos, el marco conceptual que las agencias necesitan para decidir dónde confían en la automatización total y dónde insertan puntos de aprobación humana. Todo paso derive puede automatizarse con confianza; todo paso infer debería ser, como mínimo, inspeccionable a posteriori. La persistencia semántica del workflow — que el flujo sea un objeto de conocimiento reanudable y revisable, no una traza muerta — es lo que convierte a un agente en un sistema operable a escala de agencia.

Las agencias manejan cantidades crecientes de contenido en video — creatividades, UGC, análisis competitivo, sesiones de usuario. Wang et al. (2025) identifican una disociación crítica en los Video LLMs: pueden acertar la respuesta textual a una pregunta sobre un video sin haber percibido realmente el contenido visual relevante [3]. Para una agencia, esto significa que un agente que 'analiza' un spot publicitario y produce un informe textual convincente puede estar fabricando coherencia narrativa sin anclaje en lo que realmente muestra el video.

La propuesta E-VQA exige que el modelo produzca simultáneamente una respuesta semántica y evidencia espacio-temporal precisa — segmentos temporales y máscaras de segmentación densa [3]. Creemos que este doble requisito (respuesta + grounding verificable) debería ser el estándar mínimo para cualquier agente de agencia que opere sobre contenido audiovisual. Un agente que dice 'el producto aparece en los primeros 3 segundos del spot' debería poder señalar exactamente dónde y en qué frames, no solo afirmarlo.