¿Qué métricas de IA debería mostrar una agencia a sus clientes? No las que más enorgullecen a la mayoría de las agencias. Licencias contratadas, agentes desplegados y piezas generadas describen tu esfuerzo. Los clientes pagan por resultados: cuánto cuesta cada trabajo, con qué rapidez llega, con qué frecuencia falla y qué aporta al beneficio. Mídelos y tu relato sobre la IA se convertirá en un relato comercial.
La presión para cambiar llega ahora desde el contrato. Según Campaign US, un estudio de la WFA y Agency Mania Solutions con 69 multinacionales y 147.000 millones de dólares de inversión conjunta concluyó que la remuneración de agencias basada en la mano de obra ha pasado del 54% en 2011 al 17% en 2026. Alrededor del 58% de las marcas espera más remuneración basada en el rendimiento. Solo el 20% ha cambiado su modelo por la IA hasta ahora, pero el 61% tiene previsto hacerlo.
¿Por qué los clientes preguntan qué entrega realmente tu IA?
Porque el tiempo se está desmoronando como indicador de valor. Si un informe que llevaba un día ahora lleva una hora, facturar el día resulta raro y facturar la hora parece un recorte de sueldo. El estudio de la WFA señala que la IA hace del tiempo una medida cada vez más débil de lo que vale una agencia.
Aun así, el cambio se ha quedado a medio camino. Adweek informó este mes de que las marcas tardan en adoptar la remuneración basada en resultados, incluso cuando la IA erosiona los ingresos de las agencias basados en FTE. Bob Lord, presidente de Horizon Media Holdings, calificó la facturación por FTE de «viejo sistema» y se preguntó si puede romperse «sin algún tipo de fuerza externa».
Ese punto muerto es una oportunidad para las independientes. Si el modelo antiguo necesita una fuerza externa, una agencia que llegue con cifras de resultados creíbles puede ser esa fuerza, en lugar de esperar a que compras imponga una. Pero solo si las cifras son las adecuadas.
¿Qué cuenta como métrica de vanidad en la IA de una agencia?
El fundador de una agencia de Singapur que pasó 18 meses intentando que su agencia, de unas 20 personas, fuera nativa de IA lo resumió en una sola diapositiva en una sesión sobre adopción de IA esta semana: lo que contábamos frente a lo que importa. Como muestra el diagrama, la columna de la izquierda es el material que llena la presentación de una reunión interna: usuarios de IA, tareas automatizadas, agentes desplegados, piezas generadas. La columna de la derecha está ligada a resultados de negocio: coste por entregable, tiempo hasta el entregable, calidad/tasa de error e impacto en el beneficio.
Su idea fue tajante. Al cliente no le importa que hayas usado IA. Le importa que el resultado sea bueno. Nadie renueva un retainer porque la agencia tenga 40 licencias activas.
Esta es una forma de traducir cada cifra de vanidad en algo que un cliente pueda notar.
| Lo que contábamos | Por qué halaga | Lo que importa en su lugar | La pregunta del cliente a la que responde |
|---|---|---|---|
| Usuarios de IA | Mide licencias, no trabajo útil | Coste por entregable | «¿Pagamos menos por cada informe, edición o pieza?» |
| Tareas automatizadas | Cuenta intentos e ignora el retrabajo | Tiempo hasta el entregable | «¿Recibimos el trabajo antes?» |
| Agentes desplegados | Premia construir por encima de los resultados | Calidad / tasa de error | «¿Podemos fiarnos de lo que llega a nuestra bandeja de entrada?» |
| Piezas generadas | El volumen es barato y la mayor parte nunca se usa | Impacto en el beneficio | «¿Esto movió las ventas, el margen o la eficiencia?» |
Los emparejamientos son nuestros, no una ley de la naturaleza. El principio se cumple igualmente: cada cifra que reportes debería resistir que el cliente pregunte «¿y qué?».
¿Por qué sale tan caro un resultado de IA «suficientemente bueno»?
La idea más útil de la charla trató de las tasas de aceptación. Imagina que un flujo con IA redacta diez respuestas a clientes, textos para redes o resúmenes de informes y seis se aceptan tal cual. La mayoría de los equipos celebra los seis y arregla a mano los otros cuatro sin hacer ruido. El argumento del fundador: construye un circuito cerrado que devuelva cada corrección al sistema, para que seis pasen a siete, luego a ocho y luego a nueve.
El peligro es el contrario. Un resultado que funciona el 60–70% de las veces se da por bueno como «suficientemente bueno» y la mediocridad se convierte en el estándar de la casa. Nadie decidió bajar el listón. Simplemente se fue desplazando.
En términos de agencia, esa deriva se parece a un equipo de redes sociales que pasa el viernes por la tarde reescribiendo textos generados por IA que no le ahorraron nada, o a una agencia de CRM cuya segmentación acierta casi siempre y deja en evidencia el resto. El tiempo ahorrado sobre el papel se lo come la edición, y el cliente ve los fallos, no la media.
La tasa de aceptación es una métrica de calidad que puedes seguir desde el primer día. Si sube, el circuito funciona. Si se estanca, has comprado una suscripción, no una capacidad.
¿Por qué las agencias siguen reportando las cifras de IA equivocadas?
La teoría de la percepción del valor lo explica de forma sencilla: las personas juzgan el valor por el beneficio que experimentan en relación con lo que ceden, no por lo que el vendedor ha invertido. Los inputs son visibles para la agencia e invisibles para el cliente. «Agentes desplegados» es un input. Un informe que llega dos días antes y no necesita correcciones es un beneficio.
Las agencias recurren por defecto a métricas de input porque son fáciles de contar y hacen que el equipo parezca ocupado. Los grupos de holding han acostumbrado al mercado a hablar de las plataformas propias de la misma manera. Pero un cliente no siente tu stack. Siente el plazo de entrega, la precisión y si el trabajo movió sus cifras.
Es también la razón por la que la facturación por tiempo lo pasa mal. Las horas también son un input.
¿Cómo construyes un cuadro de mando de IA por el que los clientes paguen?
Empieza poco a poco: un flujo, un cliente, un trimestre. Luego amplía.
- Elige un flujo que el cliente ya note. Informes mensuales, auditorías de competencia, redimensionado de piezas o QA de campañas. Si el cliente no notaría que mejora, no es el lugar por el que empezar.
- Mide la línea base con honestidad. Horas, coste por entregable y correcciones por entrega antes de que intervenga ninguna IA. Sin línea base, toda mejora es una anécdota.
- Fija el objetivo en términos de resultado. «Informe entregado en un día en lugar de tres, sin ninguna corrección del cliente» es mejor que «usar IA para los informes».
- Cuenta el coste completo. Incluye el tiempo que las personas dedican a revisar y editar lo que produce la IA. Un flujo que ahorra cuatro horas y añade cuatro horas de correcciones no ha ahorrado nada.
- Sigue la tasa de aceptación cada semana. Registra qué se aceptó, qué se editó y por qué. Devuelve las ediciones a los prompts, las plantillas y los ejemplos para que la tasa suba.
- Reporta en el idioma del cliente. Coste por entregable, tiempo hasta el entregable, tasa de error y, cuando puedas vincularlo, el efecto en las ventas o el margen. Deja el número de licencias para la presentación interna.
- Lleva la evidencia a la conversación comercial. Dos trimestres de datos de resultados te dan la base para unos honorarios ligados a la producción o al rendimiento, la dirección que, según el estudio de la WFA, espera la mayoría de las marcas.
¿Dónde encaja la creatividad en las métricas de resultado?
Los creativos temen, con razón, que las métricas de resultado reduzcan las ideas a hojas de cálculo. No tiene por qué ser así. El objetivo es cerrar la brecha entre un concepto creativo y un resultado medible antes de que salga el dinero de medios, no dejar que la hoja de cálculo escriba la idea.
Eso supone aportar evidencia pronto: qué tensiones de la audiencia responde el trabajo, cómo comunican los competidores de la categoría y qué probabilidad tiene una creatividad de ganarse el clic. En la plataforma de Defy, las predicciones creativas se validan con el rendimiento real de los anuncios, de modo que la conversación sobre resultados con el cliente parte de la evidencia y no del gusto. El gusto sigue decidiendo qué se hace. La evidencia decide qué se defiende.
La misma lógica se aplica a la entrega. SAMY, una agencia global de influencers, adoptó Defy Agents para agilizar los informes de rendimiento y redujo tres días de trabajo a uno. Es una cifra de tiempo hasta el entregable que un cliente puede notar, que es justo de lo que se trata.
