Cuchillos sin filo

La industria del marketing lleva veinte años desafilando su propio cuchillo por miedo a equivocarse. Y ahora acaba de encontrar una máquina diseñada para lijarle el poco filo que le quedaba a velocidad industrial.

El problema de raíz con la inteligencia artificial aplicada a la estrategia y a la creatividad tiene que ver con la forma en que se entrenan los modelos. Andrej Karpathy, uno de los fundadores de OpenAI, lo resumió en una sola regla: el software tradicional automatiza lo que puedes especificar; la inteligencia artificial automatiza lo que puedes verificar.

Cuando un laboratorio entrena un modelo nuevo, lo pone a resolver millones de veces problemas que tienen una hoja de respuestas exactas. El código compila o marca error. La ecuación matemática cuadra o falla. La molécula existe en la naturaleza o no existe. Como ahí sí hay forma de verificar en un segundo si la máquina acertó, el modelo recibe un premio cada vez que atina y en pocos meses termina superando a los mejores especialistas del planeta.

Por eso las cifras de Menlo Ventures muestran que el 55% de todo el presupuesto corporativo en inteligencia artificial se va directo a los departamentos de programación, mientras que marketing recibe apenas el 9% y diseño el 7%.

El dinero sigue a la verificación.

Ahora intenta escribir la hoja de respuestas correctas para el posicionamiento de una marca. O para el ángulo comercial que va a destrabar el crecimiento de un negocio el próximo año.

Esa hoja de respuestas no existe. En comunicación y estrategia, lo que funciona para una clínica o un desarrollo en Tijuana puede fracasar en Monterrey, y una idea que en la primera junta parecía una locura resulta obvia un año después únicamente porque alguien tuvo el estómago de ejecutarla. Peor aún: en el instante en que una postura original tiene éxito y toda tu categoría la copia, deja de servir.

Como la originalidad es imposible de calificar con bien o mal en un examen automatizado, los laboratorios la dejaron fuera del entrenamiento. Tenemos máquinas con inteligencia dentada: brillantes para ejecutar cualquier proceso donde exista una respuesta correcta verificable, y profundamente torpes donde empieza la incertidumbre humana.

Quienes repiten ese discurso ignoran cómo funciona la herramienta que tienen abierta en su escritorio. Nuestro gusto ya está metido adentro de la máquina.

Un modelo recién entrenado con texto crudo de internet divaga, suelta disparates y a veces dice cosas brillantes por accidente. Para volverlo un producto corporativo que no asuste a ningún cliente, los laboratorios lo pasan por un ajuste fino y ponen a miles de personas a calificar respuestas con el pulgar arriba o el pulgar abajo. En Stanford ya midieron el costo exacto de esa domesticación: cada ronda de ajuste que hace al modelo más seguro y obediente reduce su capacidad de pensamiento divergente.

Los seres humanos tenemos un sesgo natural hacia lo que nos resulta familiar. Y cuando el gusto humano se divide, el algoritmo se queda ciego.

El estudio Artificial Hivemind demostró qué pasa cuando pones a veinticinco personas a evaluar preguntas abiertas donde las opiniones están partidas a la mitad. Los modelos son incapaces de registrar que una idea dividió la sala: simplemente suman los extremos, calculan la media y escupen una respuesta tibia como si todo el mundo estuviera de acuerdo. Cuando metes el gusto de millones de personas a una licuadora estadística, lo que sale del otro lado deja de ser gusto.

Es consenso.

Ahí muere cualquier intento de distinción comercial, porque las únicas ideas que construyen una marca memorable son las que dividen una sala de juntas por la mitad.

Esta búsqueda automática del consenso explica por qué empresas rivales están empezando a sonar como si compartieran al mismo redactor mediocre. En ese mismo estudio pusieron a veinticinco modelos distintos a escribir una metáfora sobre el tiempo cincuenta veces cada uno; casi todos repitieron que el tiempo es un río o un tejedor. Cuando les pidieron tres líneas para vender una funda de iPhone, tanto la china DeepSeek como GPT-4o de OpenAI escribieron de forma independiente las mismas frases de plantilla: "Eleva tu iPhone con...", "elegante, sin comprometer", "audaz y atractivo".

Esto destruye la ilusión de muchas agencias actuales que presumen meter el mismo brief en Claude, ChatGPT y Gemini para "explorar distintos caminos". Si los tres modelos leyeron el mismo internet y fueron premiados por llegar al mismo punto medio, abrir tres pestañas te entrega la misma idea gris vestida tres veces.

Hacia los próximos veinticuatro meses este embudo se va a estrechar todavía más por culpa del entrenamiento recursivo: máquinas entrenando a la siguiente generación de máquinas con texto sintético. Una investigación publicada en Nature ya probó que cuando un modelo aprende de lo que escribió otro modelo, lo primero que se borra de su memoria son las ideas raras y los bordes estadísticos. Sonar "profesional" ya es gratis, pero cualquier negocio que delegue su criterio verbal o visual a este circuito va a terminar sonando idéntico a sus veinte competidores directos en cuestión de semanas.

En cada cambio tecnológico de este siglo, las agencias cedieron su terreno sin pelear y adoptaron las métricas del proveedor de tecnología en turno como única medida de valor:

• Con los buscadores aprendimos a cobrar horas por operar la subasta de Google mientras ellos se quedaban con los datos y el margen.
• Con las redes sociales dejamos que las plataformas dictaran qué valía la atención, hasta que Alphabet, Amazon y Meta acapararon más de la mitad de todo el gasto publicitario del planeta fuera de China.
• Con la compra programática entregamos el presupuesto a cajas negras; para cuando la ISBA y PwC auditaron las cuentas en el Reino Unido, resultó que solo la mitad del dinero llegaba a los medios y el 15% desaparecía en el camino sin que nadie pudiera rastrearlo.
• Con la transformación digital dejamos abierta la puerta del consejo directivo para que entraran las consultoras, hasta que Accenture terminó superando a WPP en ingresos como la compañía de agencias más grande del mundo.

Nos acostumbramos a financiar únicamente lo que cabía en un reporte trimestral de eficiencia y dedicamos veinte años a limarle cualquier esquina incómoda a las marcas. Logotipos aplanados con la misma tipografía sans-serif para que no estorben en la pantalla del celular, guiones clonados de los primeros tres segundos del competidor y procesos burocráticos diseñados para que ningún gerente corra el riesgo de que lo despidan.

Esa cobardía tiene un precio financiero exacto que casi ningún director de finanzas calcula cuando recorta el presupuesto creativo.

Después de analizar más de cien mil anuncios frente a audiencias reales, la firma de investigación System1 demostró que la reacción humana más común ante la publicidad actual es no sentir absolutamente nada. Y cuando cruzaron esa apatía con resultados comerciales duros, apareció el verdadero tamaño del problema: una campaña aburrida necesita 2.6 veces más dinero en pauta para ganar la misma cuota de mercado que una campaña interesante.

Ese sobrecosto de 2.6x es el impuesto al aburrimiento. Como el mensaje ya no tiene filo para quedarse en la memoria de nadie, las empresas tienen que compensar empujando más fuerte con la chequera en Meta y en Google.

Aquí está la trampa financiera en la que van a caer miles de empresas durante los próximos dos años: van a festejar en sus juntas que se ahorraron unos miles de dólares en estrategia y producción usando inteligencia artificial generativa, sin darse cuenta de que acaban de multiplicar por dos y medio su costo de adquisición en medios pagados porque su marca se volvió indistinguible del ruido de fondo.

Ahorrar en filo siempre sale carísimo en pauta.

WPP expandió su división empresarial a doce mil empleados con la promesa corporativa de "eliminar la fricción que frena el crecimiento". Su producto estrella es un sistema automatizado de circuito cerrado que produce contenido, mide qué publicación tuvo clics y fabrica más piezas iguales. Es el equivalente comercial a la endogamia de los modelos de lenguaje: una máquina diseñada para repetir el pasado inmediato hasta agotar por completo la atención del comprador.

El resto de los holdings hace lo mismo. En los festivales hablan de proteger la creatividad humana, pero los cientos de millones de dólares de inversión van directo a producir un 50% más rápido y más barato. En una sala de compras es muy fácil vender un recorte de tiempos en un Excel; nadie se preocupa por la pérdida de originalidad porque la irrelevancia de una marca nunca avisa de golpe, sino que te va secando el margen poco a poco hasta que un día tus anuncios dejan de convertir.

Querer eliminar la fricción del proceso estratégico es no entender de dónde sale el valor comercial. La fricción es el único lugar donde nace una ventaja competitiva: el brief mal planteado que le cuestionas a un fundador en la primera sesión, el desacuerdo tenso en la mesa sobre qué batallas vale la pena pelear, la postura que incomoda a la mitad del mercado para que la otra mitad te elija sin dudar.

Por eso en Santo y Seña trazamos una línea divisoria estricta en nuestra operación. Usamos la inteligencia artificial a fondo todos los días para todo aquello que sí tiene una hoja de respuestas verificable: limpiar datos, programar, investigar mercados, quitar talacha mecánica y estructurar la autoridad técnica para que cuando alguien pregunte en ChatGPT o en Google, la respuesta apunte al nombre de nuestros clientes.

Pero jamás metemos a una máquina entrenada en el promedio a decidir quién eres, qué opinas o por qué alguien debería elegirte a ti sobre el de enfrente. Mientras la mayoría del mercado siga quemando presupuesto en pauta para empujar cuchillos sin filo, todo el retorno de inversión se va a concentrar en las pocas marcas que todavía tengan el carácter de afilar la hoja.