¿Qué herramientas de IA necesita una agencia? Menos de las que la mayoría piensa, pero mejor conectadas. El cuello de botella rara vez es una herramienta que falta; es la integración que falta. Los datos están repartidos en cinco sistemas, cada equipo tiene su chatbot favorito y, al final, alguien pega capturas de pantalla en una presentación.
Mientras tanto, los grandes grupos de agencias apuestan por la conexión antes que por la variedad. Según Digiday, Carat, la agencia de medios de Dentsu, está desarrollando un agente para la planificación, la compra y la optimización en los upfronts junto con NBCUniversal, FreeWheel y la empresa de IA Newton. Tinuiti ha lanzado un servidor MCP para su solución de medición Bliss Point, que abre su capa de medición a los agentes de IA y reúne bajo un mismo techo datos de audiencia, creatividad, medios y medición. Y WPP Media subraya que «la gobernanza y la responsabilidad humana son fundamentales en la compra de medios con agentes».
¿Por qué más herramientas de IA suelen dar menos resultados?
Porque cada herramienta nueva crea una isla nueva. La herramienta de social listening conoce las conversaciones, pero no los datos de medios. El chatbot escribe de maravilla, pero no sabe nada del cliente. La herramienta de reporting tiene cifras, pero no contexto. Un humano hace la conexión entre todas ellas, a base de copiar y pegar.
Luego vienen los costes ocultos. Licencias que se solapan. Formación para cada panel. IA en la sombra: cuentas personales por las que viajan datos de clientes sin que nadie lo haya aprobado. Y un conocimiento que depende de la única persona que sabe qué prompt funciona en qué herramienta.
Para las agencias de Alemania, cuyos clientes miran con lupa la protección de datos y la soberanía de los datos, esta dispersión no es solo ineficiente. Es un riesgo que sale a la luz en el siguiente cuestionario de un pitch.
Por qué el todo es más que la suma de las herramientas
La teoría de sistemas ofrece una explicación sencilla: un sistema es más que la suma de sus partes, porque su rendimiento surge de las relaciones entre ellas. Una orquesta de solistas brillantes sin una partitura común no suena a sinfonía: suena a afinación.
Aplicado al stack tecnológico de una agencia, eso significa que la calidad de cada herramienta de IA dice poco sobre el rendimiento del conjunto. Lo que importa es si los datos, las herramientas y las personas se hablan entre sí. Las herramientas por sí solas no componen una obra maestra; la armonía nace de su unísono.
Por eso el problema suele estar no en la tecnología, sino en la arquitectura. Se compran los instrumentos y se olvida la partitura.
¿Qué es MCP y por qué importa a las agencias?
MCP son las siglas de Model Context Protocol. Es un estándar abierto que permite a asistentes de IA como Claude acceder a fuentes de datos y herramientas externas. Piénsalo como un enchufe universal: en lugar de construir una integración o un panel distinto para cada fuente de datos, el asistente habla con todas a través de una única interfaz.
Para las agencias, eso cambia la lógica. Hasta ahora, integrar significaba exportar datos, cargarlos en una herramienta y volver a copiar el resultado. Con MCP, los datos se quedan donde están y el equipo plantea sus preguntas donde ya trabaja. «¿Qué mensajes ha lanzado la competencia desde principios de octubre?» pasa a ser una pregunta en el chat, no un ticket para el equipo de insight.
Así funciona exactamente Defy MCP: los equipos consultan datos de competidores, audiencias y conversaciones directamente en Claude, como si le preguntaran a un colega, sin ningún panel nuevo que aprender. Que Tinuiti abra sus datos de medición a los agentes de IA de la misma manera muestra hacia dónde vamos: los datos ya no se encierran en paneles, sino que se pueden consultar.
Dispersión de herramientas o stack integrado: la comparación
| Dimensión | Dispersión de herramientas | Stack integrado con MCP |
|---|---|---|
| Acceso a los datos | Exportaciones, copiar y pegar, capturas de pantalla | El asistente consulta la fuente directamente |
| Curva de aprendizaje | Un panel por herramienta | Una sola interfaz, preguntas en lenguaje natural |
| Trazabilidad | Resultados sin origen visible | Las respuestas se pueden rastrear hasta la fuente |
| Gobernanza | Cuentas personales, aprobaciones poco claras | Permisos centralizados y reglas claras de validación |
| Conocimiento del equipo | Vive en personas concretas | Prompts y flujos de trabajo reutilizables |
| Coste | Licencias que se solapan | Menos herramientas, usadas con más profundidad |
¿Cómo integras las herramientas de IA en seis pasos?
- Haz un inventario. ¿Quién usa qué herramientas de IA, para qué y con qué datos? Pregunta de forma explícita por las cuentas personales, sin reproches, o no obtendrás una respuesta sincera.
- Elige tres sumideros de tiempo. Candidatos típicos son las auditorías de competidores, los informes mensuales y la investigación para pitches. Anota cuánto tardan hoy.
- Elige una interfaz. Decide dónde trabaja tu equipo con IA. Cada interfaz adicional necesita una buena razón.
- Conecta los datos en lugar de copiarlos. Comprueba qué fuentes de datos se pueden consultar directamente mediante MCP u otra interfaz. Todo lo que solo funcione por exportación va a la lista para más adelante.
- Fija las reglas antes del despliegue. Decide qué resultados revisa una persona antes de llegar al cliente, quién valida el gasto y qué datos de clientes pueden ir a qué sistemas. Tu responsable de protección de datos tiene que sentarse a esa mesa.
- Pilota, mide, depura. Prueba durante seis semanas con un cliente, compara con los tiempos del paso 2 y cancela las herramientas que nadie eche de menos.
¿Qué pueden aprender las agencias independientes de los holdings?
Lo llamativo de la información de Digiday no es tanto la tecnología como el tono. Los grupos de agencias venden sus agentes con el argumento del control: según Digiday, WPP Media exige controles explícitos, umbrales de aprobación y supervisión humana responsable para las decisiones financieras y de activación. En Dentsu, la línea es que todo sigue requiriendo supervisión humana.
Es una lección para las independientes. Los clientes dudan menos por la tecnología que por miedo a perder el control. Si sabes explicar quién revisa qué resultado, de dónde sale una afirmación y dónde están los datos, te ganas la confianza, sea cual sea tu tamaño.
La diferencia: los holdings construyen sus stacks con grandes presupuestos de desarrollo. Las agencias independientes tienen que combinar con más ingenio. Una plataforma que reúna datos, consultas y automatización, como la plataforma Defy, es una forma de alcanzar un nivel comparable sin un equipo propio de ciencia de datos.
¿Qué deberías preguntar a cada proveedor de IA?
- ¿Se pueden consultar vuestros datos mediante MCP u otra interfaz abierta, o solo en vuestro propio panel?
- ¿Puedo rastrear cada afirmación del sistema hasta su fuente?
- ¿Dónde se almacenan los datos, quién tiene acceso y qué ocurre con nuestros prompts?
- ¿Qué flujo de trabajo sustituye realmente la herramienta y, en consecuencia, qué herramienta existente puedo cancelar?
Si no obtienes respuesta a esa última pregunta, no estás comprando una herramienta, sino solo otro instrumento sin partitura.
