El impacto de la Inteligencia Artificial en el presente y futuro de la publicidad

Si tuviéramos que identificar un agente con potencial disruptor en el futuro de la publicidad (y el marketing en su sentido amplio), sin duda tendríamos que ubicar a la Inteligencia Artificial (IA; sus siglas en inglés: AI – Artificial Intelligence) en una posición privilegiada.

En un sector como el publicitario, tan influenciado (necesariamente) por los cambios y movimientos sociales, tanto por los más lógicos como por los más impredecibles, la oportunidad tecnológica que la IA proporciona para acortar la brecha entre las marcas y sus consumidores modificará la forma y el fondo del trabajo publicitario en los próximos años. Y ya lo está haciendo a varios niveles, especialmente en los que tienen que ver con las estrategias digitales y bajo la brújula de maximizar la eficacia y la rentabilidad. Es ahí donde ahora son más visibles su impacto y efectos inmediatos.

Con la IA nos movemos en un campo que se está desarrollando a una velocidad exponencial, con diferentes enfoques de regulación según países e intereses tecnológicos (la UE publicaba a principios de 2020 el ‘Libro Blanco sobre la inteligencia artificial: un enfoque europeo orientado a la excelencia y la confianza’) y por tanto con una ausencia de marco legal internacional claro y cohesionado, algo que como es habitual en la innovación puede provocar el avance hacia zonas grises en determinados sectores. Y uno de ellos es el publicitario, donde la irrupción tecnológica no siempre ha avanzado a la par que el conocimiento de las implicaciones profundas de esa disrupción por parte del gran público usuario. Pero es un campo de moda, confundido a veces en sus términos y calado, de creciente interés más allá del ruido aireado de históricas partidas de ajedrez o de famosos robots con apariencia y actitud humana. Eso es solo, como suele ocurrir, la punta visible de un iceberg que no deja de crecer… especialmente por debajo del agua.

La IA es un ámbito que sigue avanzando en una doble dimensión, publicitariamente hablando: la primera, la de quienes lo aceleran y conocen más en su vertiente técnica, dedicándose principalmente al marketing digital o a los medios digitales, y muchas veces sin la presión de tener que soportar (ni conocer) la razón de ser estratégica, de base, de las marcas para las que trabajan; la segunda, la de quienes le podrían proporcionar un sentido y objetivos más claros (e incluso una visión de calado ético), más allá del cortoplacismo y la eficacia inmediata, pero que la miran con peligroso desinterés al seguir pensando que lo que ocurre en el lado digital y tecnológico solo afecta a las estrategias de ese ámbito, como si de un campo que puede trabajarse de forma separada en la concepción de una marca se tratara. Por eso, y ante los ya sólidos avances que se están produciendo con la AI en la publicidad, y la velocidad a la que evoluciona, el momento de acortar el espacio entre ambas esferas es, sencillamente, ahora.

¿Qué es la inteligencia artificial y por qué es ya tan influyente?

La IA es la combinación de algoritmos planteados con el propósito de crear máquinas que presenten las mismas capacidades que el ser humano o, dicho de otro modo, la simulación de la inteligencia humana llevada a cabo por máquinas; qué es la inteligencia… es ya otro debate (muy interesante artículo al respecto, del filósofo Santiago Sánchez-Migallón, en Xataka: ‘Antes de hablar de inteligencia artificial… ¿qué es la inteligencia?’).

El propio proceso de mejora de las máquinas conduce a que aspectos que previamente se consideraban como avances propios de la inteligencia artificial se queden más adelante, simplemente, como parte intrínseca de la tecnología común, delimitando fronteras que no dejan de cruzarse en busca de límites cada vez más complejos. La inteligencia artificial ya está en nuestro día a día, y es la razón de ser de la detección facial de nuestros teléfonos móviles, también la tenemos dentro de casa con asistentes virtuales de voz como Siri, Alexa o Cortana, en chatbots, nuestros filtros de SPAM o incluso en videojuegos, donde la ‘máquina’ es un contrincante abstracto que se adapta a nuestra forma de jugar.

La IA es una disciplina tecnológica efervescente (aunque de  varios siglos de tradición) que, a pesar de ello, no cuenta con unidad rígida de pensamiento y organización de sus criterios. Así, según la línea de pensamiento de las corrientes de procedencia de la IA, podríamos hablar de dos tipos de Inteligencia Artificial: la inteligencia artificial convencional, conocida como IA simbólico-deductiva, basada en el análisis formal y estadístico del comportamiento humano ante diferentes problemas; y la inteligencia artificial computacional, conocida como IA subsimbólica-inductiva, que implica desarrollo o aprendizaje interactivo. Otros autores diferencian entre IA débil (también conocida como IA estrecha, un sistema de IA que está diseñado y entrenado para una tarea en particular, como los asistentes personales virtuales) y IA fuerte (también conocida como inteligencia general artificial, es un sistema de IA con habilidades cognitivas humanas generalizadas, de modo que cuando se le presenta una tarea desconocida tiene suficiente inteligencia para encontrar una solución; de sus posibles ‘problemáticas’ surge precisamente el conocido Test de Turing, desarrollado por el matemático Alan Turing en 1950, para tratar de diferenciar tecnologías de inteligencia artificial de los humanos… y que fue ‘hackeado’ por una máquina en 2014). En otra categorización, los expertos en ciencias de la computación Stuart Russell y Peter Norvig diferencian varios tipos de inteligencia artificial: 1) sistemas que piensan como humanos; 2) sistemas que actúan como humanos; 3) sistemas que piensan racionalmente; y 4) sistemas que actúan racionalmente.

En definitiva, es un campo amplio, con aplicaciones en sectores tan diversos como la industria, medicina, robótica, automoción, mundos virtuales, sistemas de apoyo a la decisión, simulación… y con bajadas al mundo de la publicidad cada vez más interesantes para definir la forma en que las marcas conectan con sus usuarios, y desde luego con un potencial enorme para ayudarlas a moverse en esta era de la modernidad líquida.

¿Cuáles son las diferencias entre Inteligencia Artificial, Machine Learning y Deep Learning?

Cuando se habla de la Inteligencia Artificial se mencionan a menudo como sinónimos otros campos, lo que requiere establecer una diferenciación al poder ser intercambiados erróneamente. Dos de ellos son el Machine Learning (aprendizaje de máquina) y el Deep Learning (aprendizaje profundo). Como ocurre con el Marketing, la Comunicación y la Publicidad, realmente hablamos de una gran caja que dentro lleva carpetas, y estas a su vez otras más. En este sentido, encontramos que la IA es el gran campo que las aglutina:

• La Inteligencia Artificial es una capacidad, concretamente la capacidad de las computadoras de mostrar un comportamiento “inteligente”: aprender nuevas tareas, comprender los contextos, resolver problemas, captar y analizar la información de alrededor. Lo que pretende el campo de la IA es crear sistemas informáticos capaces de imitar (y superar) lo mejor posible las habilidades cognitivas y funcionales del ser humano.
• El Machine Learning (aprendizaje de máquina o aprendizaje automático) es la técnica informática que se utiliza para “enseñarles” a las computadoras o hacer que estas “aprendan” a realizar cierta actividad. Es, por tanto, una técnica dentro del campo de la IA. A su vez, el Machine Learning tiene dos grandes áreas de actividad: las redes neuronales artificiales y el Deep Learning.
• El Deep Learning es, precisamente, el resultado de emplear redes neuronales de gran profundidad, donde el aprendizaje automático se convierte ya en aprendizaje profundo: con él, los sistemas con IA pueden no solo aprender conceptos, sino también reconocer contextos y entornos bastante complejos.

¿Cómo se está aplicando ya la Inteligencia Artificial y el Machine Learning en la industria publicitaria? Las 10 grandes áreas de desarrollo

La industria publicitaria ya está siendo modificada por la Inteligencia Artificial y, concretamente, por el Machine Learning. Dos de sus aplicaciones más conocidas, el Natural Language Processing (NLP) y el Computer Vision, ya se dejan ver, como decíamos anteriormente, y en campos más amplios a la publicidad, en forma de asistentes virtuales con voz, en el primero de los casos, o en vehículos autónomos, aplicaciones de realidad aumentada, gafas de realidad virtual o en modelos de clasificación de imágenes, en el segundo.

En la publicidad, suponen también una realidad que afecta a la forma en que las marcas tratan de conectar con sus audiencias, principalmente con usos actuales fundamentados en un contacto digital; pero no solo en estos medios y canales acaban (ni acabarán) sus implicaciones… Concretamente, el aprendizaje automático en publicidad da pie a un concepto que veremos crecer y amplificar exponencialmente en los próximos años: la tecnología publicitaria, que se enfoca en el proceso mediante el cual la tecnología toma datos, los analiza y formula conclusiones para mejorar una tarea publicitaria, aprendiendo y puliendo su actividad de forma cíclica e ininterrumpida. Los datos y su análisis para mejorar (y automatizar en algunos casos) el trabajo publicitario, en teoría.

Y ojo porque, con ello, llegamos a la aplicación del Machine Learning en diferentes vertientes del proceso de creación publicitaria: desde la compra de medios o la segmentación de la audiencia, hasta la profundización en la identificación de insights publicitarios… Las aplicaciones son potencialmente sólidas. Y algunas de estas ellas ya están al alcance de la industria y se aplican en la actualidad, posibilitando facetas como las de estos 10 grandes bloques:

1. Predicción y mejora del rendimiento de los anuncios digitales, a través de herramientas de inteligencia artificial que pueden optimizar las inversiones y su orientación publicitarios. La IA puede procesar los gastos, observar los retornos publicitarios y luego aprender qué mejoras en términos de modificaciones en el gasto o cambios en la segmentación impulsarán un mejor rendimiento. Aplicaciones como Albert se ubican, en este sentido, como aliados de las estrategias de marketing digital, posibilitando aplicar algoritmos avanzados de aprendizaje automático a la optimización de ofertas para lograr los objetivos de conversión.
2. (re)Escritura y preparación de contenido optimizado para el target. Aplicaciones como Atomic Reach son el paradigma del content marketing del futuro: esta plataforma de inteligencia de contenido ayuda a crear de manera intuitiva contenido atractivo para el público objetivo, mediante una combinación única de aprendizaje automático y orientación de escritura en tiempo real. Estas aplicaciones están diseñadas para analizar de forma eficaz el texto proporcionado y calcular su nivel de legibilidad para una audiencia predeterminada, recomendando mejoras en el contenido del anunciante para que se lea de forma convincente para su audiencia objetivo.
3. Mejora de las piezas visuales creativas para lograr un mejor rendimiento. Tampoco es algo hipotético, sino un hecho consolidado: aplicaciones como Bidalgo ya cuentan con herramientas que, a través del aprendizaje automático como con su «IA creative», analizan los medios visuales proporcionados por el anunciante para encontrar enfoques creativos adicionales que probablemente tengan éxito, creando piezas más orientadas a la conversión. Este es un campo en el que se ha profundizado también académicamente, con estudios científicos que han demostrado, por ejemplo, la correlación entre tipos y formas de imágenes con la personalidad de los usuarios, como el publicado en abril de 2019 en Society for Consumer Psichology: ‘A personality test for ads’, con 745 participantes, que abre la vía a seguir estableciendo a través del análisis del big data implicaciones entre la imagen, la segmentación del target y la conversión.
4. Mejora de los algoritmos de búsqueda. Sin ir más lejos, Google lleva años empleando RankBrain, su sistema de inteligencia artificial para analizar las consultas más peculiares con las que, a través del aprendizaje automático, enseñarse a sí mismo a interpretar las búsquedas en función de la intención del buscador en lugar de depender de un patrón predefinido. Esto hace que las búsquedas tiendan a ofrecer mejores y precisos resultados a sus usuarios, siendo un factor trascendente para los especialistas del posicionamiento web.
5. Recomendaciones personalizadas y curación de contenido. Al utilizar Predictive Analytics, plataformas OTT como Amazon Prime o Netflix pueden ofrecer mejores recomendaciones a sus usuarios, permitiéndoles tomar decisiones informadas a partir de sus consumos anteriores. Esto se traduce en una gran satisfacción del cliente y una mayor propuesta de valor. No solo lo vemos en plataformas de vídeo por suscripción, sino que empresas como Under Armour utilizan Watson de IBM para combinar los datos de su aplicación con datos de terceros para brindar capacitación más personalizada a sus usuarios.
6. Generación de relevancia contextual. Para que un anuncio o campaña funcione y sea eficaz, además de ser el resultado de un proceso de calidad y responder a una inquietud/deseo/solución de su consumidor también debe publicitarse en la plataforma adecuada, con la orientación adecuada, en el momento adecuado. Para lo primero, de momento, estamos los publicitarios… pero para todo lo demás puede ayudar el aprendizaje automático de la inteligencia artificial. Por ejemplo, para que en lugar de depender estrictamente de los datos previos de la audiencia se puedan procesar datos de la página web en tiempo real y mostrar la pieza más adecuada; o para detectar y filtrar el sarcasmo o el humor en un análisis de sentimiento en una mención en redes sociales. Principalmente, el Machine Learning y la publicidad contextual inciden en dos campos: en la adaptación creativa automatizada a la actualidad inmediata, a lo que pasa de forma predecible o impredecible; y a la búsqueda permanente de audiencia relevante, para lograr maximizar la eficacia generando la mejor segmentación en cada momento.
7. Profundización de la segmentación del público objetivo hacia un camino de personalización unívoco. Las capacidades de los Social Ads en Facebook, Instagram, Twitter o LinkedIn, o de Google Ads en la esfera del SEM, se dirigen cada vez más hacia una identificación absoluta de las características más unívocas del target. Ya es posible generar piezas creativas que aborden a un target 1:1, en un dispositivo determinado, idioma concreto y momento específico, amplificando las posibilidades estratégicas y creativas a través de la tecnología publicitaria. Incluso, con sus aplicaciones de Machine Learning, automatizar la impresión de los anuncios a targets adicionales a los planteados inicialmente, pero que también podrían estar potencialmente interesados gracias a las conclusiones del propio aprendizaje automático de sus herramientas.
8. Optimización de ofertas más estratégicas en publicidad programática. En la publicidad programática, no todas las impresiones valen lo que un publicista está dispuesto a ofertar por ellas. Gracias a las plataformas orientadas a la demanda, evaluar estas impresiones a través del aprendizaje automático posibilita realizar ofertas y optimizaciones que antes requerían un experto trabajo manual y humano. Por ejemplo, a través de Google Smart Bidding, podemos apostar por una estrategia de ofertas automáticas que utiliza el aprendizaje automático para optimizar las conversiones o el valor de conversión en cada subasta. Según Google, existen cinco tipos de estrategias de ‘ofertas inteligentes’: 1) CPA objetivo, que establece ofertas para ayudar a obtener la mayor cantidad de conversiones posible al coste por acción (CPA) objetivo o por debajo del mismo; 2) ROAS objetivo, que permite ofertar según un retorno de la inversión publicitaria (ROAS) objetivo, y por tanto ayuda a obtener más valor de conversión o ingresos con el retorno de la inversión publicitaria (ROAS) objetivo; 3) maximizar conversiones, enfoque que establece ofertas automáticamente para ayudar a obtener la mayor cantidad de conversiones para una campaña mientras esta gasta el presupuesto; 4) CPC mejorado (ECPC), que ayuda a obtener más conversiones de las ofertas manuales, ajustando automáticamente las ofertas manuales para los clics que parecen tener más o menos probabilidades de generar una venta o conversión en el sitio web destino.
9. Hallazgo de insights desde los datos de los usuarios para reajustar las campañas publicitarias. Porque, efectivamente, las campañas publicitarias no están fundamentadas en certezas, sino también en multitud de paradigmas, hipótesis, ideas y supuestos que los publicistas, especialmente quienes nos dedicamos a estrategia publicitaria, tratamos de enfocar, definir y pulir previamente. Y en base a ellas generamos estrategias, que se concretan en creatividades y planes de medios. Pero, por su capacidad para procesar grandes conjuntos de datos, las tecnologías de aprendizaje automático son excelentes caminos para descubrir oportunidades de rentabilidad que el presupuesto y las suposiciones humanas pueden limitar, y que pueden versar sobre estadísticas del público, procesos internos, estrategias de oferta, insights sugeridos… Y, con esa información, es posible reajustar y redefinir, no ya solo una estrategia digital sino, quién sabe, tal vez encontrar caminos que modifiquen la dirección de la marca o de la empresa al proporcionar un conocimiento más específico e íntimo de su usuario objetivo.
10. Maximización del rendimiento de campañas en medios masivos. Y esto es algo que veremos crecer en los próximos años. Hace unos días Veritone, Inc., el creador del primer sistema operativo del mundo para Inteligencia Artificial, aiWARE, anunció los hallazgos de un nuevo estudio de investigación sobre la efectividad de la retransmisión de las campañas publicitarias, que revelan el papel fundamental que desempeña la IA en la optimización de la emisión y rendimiento de los anuncios audiovisuales en TV y radio. El estudio, cuyo objetivo era proporcionar consejos creativos y de estrategia de campaña para aumentar visitas a un sitio web del anunciante y la generación de nuevos clientes mediante campañas emitidas en estos dos medios masivos, concluyó que las locuciones en directo, las menciones orgánicas o la integración visual mejoran enormemente el rendimiento de las campañas y superan en más del doble a los efectos generados desde los anuncios pregrabados. Sin duda, veremos cómo los medios más tradicionales también se aprovechan de estos hallazgos para depurar su enfoque en la era digital.

¿Cómo afectará la IA al futuro de la publicidad y el marketing?

 No cabe duda en que los pasos de la Inteligencia Artificial en el sector de la publicidad en particular y del marketing en general no han hecho más que empezar a darse. El hecho de que los grandes agentes tecnológico-digitales como Google (con Google AI), Facebook (con Facebook AI), Microsoft (con Microsoft AI) o IBM (con IBM AI), a su vez entes del cambio con múltiples ramificaciones en las relaciones entre usuarios y marcas, tengan sus ojos puestos en seguir avanzando las capacidades de las máquinas para equipararlas a procesos mentales humanos es una pista evidente de que algo más grande está por llegar. Sin duda, los publicistas tendremos que habituarnos a trabajar con probabilidades, estadísticas e históricos pero no en un sentido directo, sino más bien modificando nuestro trabajo para adecuarlo a las conclusiones que los procedimientos de IA extraen del análisis de todos esos datos. Maximizar el beneficio, lograr mejores resultados, ser más eficientes, generar retornos más claros… serán ejes con los que tendremos que lidiar de una forma más decidida, al estar la IA al servicio de ellos, y de equilibrio complicado con la búsqueda de identidades de marca que naveguen en el tiempo, con sus efectos en el medio y en el largo plazo. Convencer de la necesidad de construir cimientos sólidos, marcas con propósito, que lideren, que arriesguen… será un reto al que nos tendremos que enfrentar en los próximos años. 

Parece evidente, también, que la IA potenciará la ejecución de determinadas tareas y sustituirá el trabajo humano en varios campos. Hace unas semanas, The Guardian publicaba un artículo de opinión escrito íntegramente, por primera vez, por una aplicación de creación de textos basado en Inteligencia Artificial, GPT-3; parece claro que está a la vuelta de la esquina sus mayores implicaciones en la creación de contenidos. También veremos cómo las webs se adaptarán de una forma más rápida y automatizada para conectar con los usuarios de manera individualizada, personalizando el contenido a modo 1:1. Tampoco parece descartable que, como en toda transición, la IA genere atracción desmedida por su novedad, así que, ¿veremos a marcas manejadas por máquinas, con robots publicando en redes sociales de una forma pública y abierta, dialogando con humanos de forma empresarialmente premeditada?

¿Veremos alguna campaña publicitaria generada íntegramente por Inteligencia Artificial en todo su proceso: investigación, estrategia, creatividad, medios, medición?

La Inteligencia Artificial y sus ramificaciones y subcategorías seguirán avanzando, regulándose y siendo más tangibles. Y los publicistas, los marketinianos, tendremos que acostumbrarnos a trabajar con nuevos compañeros de agencia: figuras abstractas, inteligentes (más que nosotros), analíticas, decididas y que, probablemente, nos corregirán una y otra vez. De nuestro lado, parece, de momento, quedará el riesgo, la intuición, la curiosidad, la voluntad de llegar juntos, de construir más alto, de mirar hacia el futuro. Y en eso nos tendremos que hacer más fuertes, porque esa es nuestra última frontera.