Smart Bidding no adivina: aprende de lo que le enseñas
La fuente más concreta de la que disponemos sobre este tema identifica el patrón con precisión: los problemas de rendimiento que los anunciantes atribuyen a Smart Bidding tienen su origen frecuente no en la estrategia de puja, sino en errores en la configuración del seguimiento de conversiones que corrompen los datos con los que opera el sistema [2]. La fuente documenta la existencia de al menos siete errores de configuración silenciosos que contaminan las señales de conversión sin que el anunciante lo perciba de forma inmediata.
Esto establece una jerarquía causal que rara vez se explicita en la conversación sobre IA y Google Ads: el tracking defectuoso actúa como causa raíz; el comportamiento subóptimo de Smart Bidding es la consecuencia, no el origen del problema.
Que los errores sean silenciosos es lo que los hace especialmente dañinos: la cuenta sigue funcionando, las métricas se mueven, el gasto se ejecuta. No hay una alerta roja. Solo hay una degradación progresiva de las decisiones de puja.
La inflación de valor como forma de corrupción sistémica
El problema se extiende más allá de errores técnicos de implementación. La fuente conecta los errores de tracking con una problemática estructural más amplia: la inflación de valor, donde los valores de conversión registrados no corresponden a ingresos reales y distorsionan las señales sobre las que opera la puja automatizada [2]. Cuando un sistema de IA recibe como input que una conversión vale 500 € y en realidad vale 50 €, no hay algoritmo — por avanzado que sea — capaz de producir un ROAS real coherente.
La lectura que hacemos es esta: no se trata de dos problemas separados (tracking mal puesto por un lado, inflación de valor por otro), sino de un único problema con dos expresiones. En ambos casos, Smart Bidding opera sobre datos corruptos con independencia de la corrección teórica de la estrategia de puja seleccionada [2]. La IA no tiene un problema de inteligencia. Tiene un problema de honestidad en sus inputs.
Lo que convierte esta cuestión en urgente — y no meramente técnica — es que la industria está cerrando las vías de escape. Microsoft Advertising ha anunciado la eliminación de Max CPC para nuevas campañas no portfolio, dirigiendo a los anunciantes hacia controles de puja automatizada y objetivos de rendimiento [3]. Google lleva años en la misma dirección. El resultado es que la dependencia de los sistemas de puja basados en IA deja de ser una opción estratégica para convertirse en una condición estructural del canal.
Cuando la puja manual era una alternativa disponible, un tracking defectuoso degradaba el rendimiento de las campañas automatizadas, pero el anunciante podía recurrir a controles granulares como red de seguridad. Esa red se está retirando.
Narrativa habitual: "La IA de Google Ads no entiende mi negocio, necesito más control manual para corregirla."
Lo que vemos en la evidencia: El control manual se está eliminando por diseño de plataforma [3]. La única palanca real que queda es la calidad de los datos de conversión que alimentan al sistema [2].
Lo que esto implica para la gestión de cuentas
Si aceptamos esta lectura — y creemos que la evidencia la sostiene — la consecuencia operativa es directa: la auditoría de conversiones deja de ser una tarea de implementación técnica delegable a un tag manager y se convierte en la decisión estratégica más importante de cualquier cuenta de Google Ads que use puja automatizada. Antes de discutir si usar Target ROAS o Maximize Conversions, antes de debatir estructuras de campaña o segmentaciones de audiencia, la pregunta primera es: ¿los datos de conversión que alimentan al sistema reflejan con precisión lo que el negocio considera una conversión valiosa?
Esta no es una pregunta de IA. Es una pregunta de contabilidad, de definición de negocio, de alineación entre lo que se mide y lo que importa. Pero en un entorno donde las plataformas eliminan progresivamente los controles manuales [3] y los errores de configuración actúan como causa raíz del bajo rendimiento [2], responderla bien es lo que separa a las cuentas que escalan de las que queman presupuesto educadamente.
Debemos ser transparentes: las fuentes disponibles no detallan cuáles son los siete errores específicos de configuración ni los plazos exactos de migración en Microsoft Ads [2] [3]. La tesis que defendemos se sostiene en el patrón causal documentado, no en una enumeración exhaustiva de fallos técnicos.
La conversación sobre IA en Google Ads necesita un cambio de eje. No se trata de si confiar o no en la máquina. Se trata de si le estás dando la verdad.
Fuentes consultadas
- Desmond Chan and Tobias Galla. Complex dynamics in the Sherrington-Kirkpatrick game. arXiv:2607.02422, 2026.
- Errores de configuración de conversiones que comprometen Smart Bidding. ver
- Microsoft Ads: eliminación de Max CPC en campañas nuevas y transición a puja automatizada. ver
Seguir leyendo
Piezas del mismo hilo de trabajo.
La retirada del CPC manual no es el problema: lo es la calidad de los datos que alimentan lo que lo reemplazaPaid
La retirada del CPC manual traslada el riesgo al anunciante: si los datos de conversión son incorrectos, Smart Bidding optimiza sobre ruido.
Parte de alguna de las mismas fuentes que este artículo.
Leer el artículo →La asignación de crédito, la persistencia semántica y la evidencia visual: tres problemas técnicos que el marketing con IA aún no sabe que tieneIA y marketing
El marketing con IA arrastra tres déficits sin resolver: atribución en flujos agénticos, pérdida de conocimiento entre workflows y análisis de vídeo sin…
Leer el artículo →Marketing digital con inteligencia artificial: no es automatización cosmética, es infraestructura de conocimientoIA y marketing
El marketing con IA real no es sumar chatbots: es construir sistemas que razonan sobre evidencia, persisten conocimiento y asignan valor a cada decisión.
Leer el artículo →Asignación de crédito y persistencia semántica: dos piezas que el marketing automatizado necesita resolver antes de escalar agentesIA y marketing
Asignación de crédito y persistencia semántica: dos piezas que el marketing automatizado debe resolver antes de escalar agentes. IA aplicada a marketing.
Leer el artículo →Googlebot ya no es el único rastreador que importa: por qué la arquitectura de crawling determina la visibilidad en búsqueda generativaSEO y GEO
Googlebot sigue siendo la puerta, pero la casa cambió de forma. Por qué la arquitectura importa cuando los crawlers de IA leen tu web. SEO y GEO en 2026.
Leer el artículo →