El dato de PwC: las empresas que ganan con IA no son las más rápidas
La mayoría persigue el modelo más potente. El 20% que se lleva el 74% del valor hace algo completamente distinto.
Y eso, si lo piensas bien, cambia completamente la conversación.
El número que lo explica todo
El 74% del valor económico generado por la IA está siendo capturado por sólo el 20% de las empresas.
No es un dato menor. Es un abismo.
Pero lo más interesante no es el porcentaje en sí. Es por qué ese 20% está ganando.
La respuesta del estudio es contraintuitiva: las empresas líderes no tienen los mejores modelos ni los equipos más grandes. Tienen algo más aburrido. Tienen gobernanza.
Concretamente, son 1.7 veces más propensas a contar con procesos interdepartamentales de IA responsable antes de escalar cualquier automatización.
Dicho en cristiano: antes de dejar que la IA tome decisiones, definen quién supervisa qué, qué datos se pueden usar, qué resultados son aceptables y quién responde cuando algo falla.
El 80% restante está atrapado en pilotos que nunca se despliegan. No porque les falte tecnología. Porque les falta sistema.
Lo que esto significa para ti (aunque no seas una empresa)
Este patrón no ocurre sólo a escala corporativa. Ocurre a escala individual, cada día, en millones de personas que usan IA.
La diferencia entre el profesional que multiplica su productividad con IA y el que siente que “no le saca partido” no es el modelo que usa. Tampoco es cuántas horas práctica.
Es si tiene o no un sistema.
Un alumno nos lo explicó perfectamente: “Yo usaba Copilot para todo y para nada. Un día para redactar un correo, otro para resumir un informe. Cuando empezaron a definir qué tareas delegaba siempre a la IA, cómo estructuraba mis prompts para ese tipo de trabajo y qué revisaba yo siempre antes de enviar, la cosa dio un salto”.
El sistema es lo que convierte el uso ocasional en ventaja real.
El caso Amazon: cuando el sistema funciona a escala
¿Quieres ver la diferencia en práctica? Mira lo que Amazon acaba de anunciar.
Han desarrollado una herramienta de IA para el descubrimiento temprano de fármacos. Tareas que antes requerían hasta 18 meses para generar unos 300 candidatos a medicamento ahora se completan en semanas.
No es magia. Es un proceso muy bien definido: qué busca la herramienta, con qué criterios, qué validaciones son necesarias antes de que un resultado llegue a un laboratorio real.
El dato clave que dan: las tasas de fracaso en etapas tempranas pueden superar el 90%. Encontrar mejores candidatos antes significa menos dinero quemado en el laboratorio después.
¿El secreto? No es sólo la IA. Es saber exactamente qué le pides y qué haces con lo que te da.
Tres prompts para empezar a construir tu sistema hoy
Si trabajas con IA de forma habitual, pero sientes que los resultados son inconsistentes, lo más probable es que no tengas definido tu sistema. Aquí van tres tipos de prompts que te ayudan a construirlo:
Para definir qué tareas debes delegar a la IA:
“Soy [tu rol] y mis tareas semanales incluyen [lista de tareas]. Analiza cuáles de estas tareas tienen mayor potencial de ser asistidas por IA sin perder calidad, y para cada una sugiere qué tipo de prompt usarías y qué deberías revisar tú siempre antes de dar por bueno el resultado.”
Para crear tu propio “protocolo de uso”:
“Actúa como un consultor de productividad especializado en IA. Ayúdame a diseñar un protocolo sencillo de uso de IA para mi trabajo como [tu rol]. Quiero saber: cuándo usarla, cuándo no, qué información nunca debo compartir con ella, y cómo verificar sus resultados. Dame un documento de una página que pueda seguir cada semana.”
Para auditar si tu uso actual tiene sistema o es caos:
“Aquí están los últimos 5 usos que le he dado a la IA esta semana: [lista]. Analiza si hay un patrón lógico, si estoy usando la IA de forma estratégica o reactiva, y dame tres recomendaciones concretas para sistematizar mejor mi uso.”
No necesitas ser una multinacional para tener gobernanza. Necesitas tener reglas propias.
Cómo replicarlo hoy
Escribe una lista de las 5 tareas que haces con más frecuencia en tu trabajo.
Marca cuáles ya delegas a la IA de forma habitual, cuáles haces a mano y cuáles podrías probar.
Para cada tarea que delegues, define en una frase: ¿qué información le doy? ¿qué le pido exactamente? ¿qué reviso siempre antes de usar el resultado?
Identifica una “línea roja”: qué información o decisión nunca dejarías en manos de la IA sin supervisión humana.
Crea tu prompt base para las dos tareas más frecuentes usando la estructura de los ejemplos de arriba.
Pruébalo durante una semana con consistencia. Ajusta según los resultados.
Revisa y refina al final de la semana: ¿qué funcionó? ¿qué necesita más definición?
No necesitas ser una empresa del Fortune 500. Necesitas tener claridad sobre para qué usas la IA y qué haces con lo que te devuelve.
¿Esto significa que usar IA sin un sistema es inútil?
No. Usar IA sin sistema puede igualmente darte valor puntual. Pero la diferencia entre “útil a veces” y “ventaja real” está casi siempre en la consistencia. Un sistema convierte resultados ocasionales en resultados predecibles.
¿Se puede aplicar esto si trabajo solo o en un equipo pequeño?
Sí, y de hecho es más fácil. No necesitas comités ni reuniones interdepartamentales. Necesitas una nota de una página donde estén tus reglas de uso. Con eso ya tienes más sistema que el 80% de las empresas del estudio de PwC.
¿Qué otras herramientas pueden ayudar a construir este sistema?
Notion o Obsidian para documentar tu protocolo personal. ChatGPT, Claude o Gemini para las tareas en sí. Y una hoja de cálculo sencilla para registrar qué funciona y qué no durante las primeras semanas.
¿Esto sustituye la habilidad de saber prompting?
No. Cambia la forma en que aplicas el prompting. Un buen prompt suelto te da un buen resultado puntual. Un sistema de prompts te da buenos resultados siempre.
¿Cuánto tiempo lleva construir este sistema?
Una tarde. Literalmente. Si dedicas 2-3 horas a mapear tus tareas, definir tus reglas y escribir tus prompts base, ya tienes la estructura. El resto es iterar.
El dato de PwC va a circular mucho esta semana. “El 74% del valor va al 20% de las empresas” es el tipo de estadística que se comparte en LinkedIn y se olvida al día siguiente.
Lo interesante no es el número. Es la pregunta que deja: ¿qué hace concretamente ese 20%?
La respuesta es sencilla y aburrida: tienen reglas. Tienen procesos. Saben exactamente qué le piden a la IA, quién supervisa el resultado y qué no se puede automatizar sin revisión humana.
Tú puedes hacer lo mismo. No a escala corporativa. A escala de tu trabajo del lunes.
La caja negra que está ganando más dinero que tu equipo de marketing (y cómo ponerla a trabajar para ti)
La mayoría sigue eligiendo audiencias a mano. Los que están ganando en publicidad digital han dejado de hacerlo.
Hace cinco años, el buen publicitario digital era el que conocía cada rincón de su cuenta de Google Ads. Sabía qué palabras clave excluir, qué segmento de edad convertía mejor y qué ciudad daba mejor retorno.
Hoy, ese perfil está quedando obsoleto.
No porque las personas sepan menos. Sino porque las máquinas procesan más señales en un segundo de las que un humano puede analizar en un mes. Y las plataformas publicitarias lo saben.
Bienvenido a la era del Black Box Advertising.
Qué es exactamente la “caja negra” publicitaria
La transición está ocurriendo en dos frentes principales:
Google Performance Max (PMax) es una campaña única que sirve tus anuncios en todos los canales de Google a la vez: Búsqueda, YouTube, Display, Gmail y Maps. Tú defines el objetivo (ventas, leads) y el presupuesto. La IA elige en tiempo real dónde, cuándo y a quién mostrar cada anuncio.
Meta Advantage+ Shopping funciona de forma similar: le das tu creatividad y tu presupuesto, y el algoritmo de Meta analiza el comportamiento de millones de usuarios para encontrar a quienes tienen más probabilidades de comprar, ignorando por completo los “buyers personas” que tú habrías elegido.
¿Por qué funcionan? Porque procesan señales que un humano no podría gestionar ni en papel ni en Excel: el historial de navegación de un usuario, la hora del día, el tipo de dispositivo, la velocidad a la que mueve el ratón sobre una imagen. Y combinan esas señales en tiempo real con lo que llaman Dynamic Creative Optimization (DCO): mezclan tus titulares, imágenes y vídeos automáticamente para encontrar qué combinación convierte mejor para cada perfil de persona.
El problema con seguir haciendo lo de siempre
Un alumno llegó con una cuenta de Google Ads con 23 campañas activas, cada una con un presupuesto de 10€ al día. Creía que así “controlaba mejor” el gasto.
El problema: la IA de Google necesita un mínimo de eventos de conversión por semana para aprender. Con 23 campañas atomizadas, cada una recibía tan pocos datos que nunca salía de la “fase de aprendizaje”. Estaba pagando para que el algoritmo nunca terminara de arrancar.
Esto es exactamente lo que está pasando en miles de cuentas ahora mismo.
La lógica antigua era: más segmentación = más control = mejores resultados.
La lógica nueva es: más datos centralizados = IA más entrenada = mejores resultados.
Son filosofías opuestas. Y seguir con la primera en 2026 es como insistir en usar un mapa de papel cuando tienes GPS.
¿Has reenviado este correo electrónico? Regístrate aquí para obtener más
La caja negra que está ganando más dinero que tu equipo de marketing (y cómo ponerla a trabajar para ti)
La mayoría sigue eligiendo audiencias a mano. Los que están ganando en publicidad digital han dejado de hacerlo.
Hace cinco años, el buen publicitario digital era el que conocía cada rincón de su cuenta de Google Ads. Sabía qué palabras clave excluir, qué segmento de edad convertía mejor y qué ciudad daba mejor retorno.
Hoy, ese perfil está quedando obsoleto.
No porque las personas sepan menos. Sino porque las máquinas procesan más señales en un segundo de las que un humano puede analizar en un mes. Y las plataformas publicitarias lo saben.
Bienvenido a la era del Black Box Advertising.
Qué es exactamente la “caja negra” publicitaria
La transición está ocurriendo en dos frentes principales:
Google Performance Max (PMax) es una campaña única que sirve tus anuncios en todos los canales de Google a la vez: Búsqueda, YouTube, Display, Gmail y Maps. Tú defines el objetivo (ventas, leads) y el presupuesto. La IA elige en tiempo real dónde, cuándo y a quién mostrar cada anuncio.
Meta Advantage+ Shopping funciona de forma similar: le das tu creatividad y tu presupuesto, y el algoritmo de Meta analiza el comportamiento de millones de usuarios para encontrar a quienes tienen más probabilidades de comprar, ignorando por completo los “buyers personas” que tú habrías elegido.
¿Por qué funcionan? Porque procesan señales que un humano no podría gestionar ni en papel ni en Excel: el historial de navegación de un usuario, la hora del día, el tipo de dispositivo, la velocidad a la que mueve el ratón sobre una imagen. Y combinan esas señales en tiempo real con lo que llaman Dynamic Creative Optimization (DCO): mezclan tus titulares, imágenes y vídeos automáticamente para encontrar qué combinación convierte mejor para cada perfil de persona.
El problema con seguir haciendo lo de siempre
Un alumno llegó con una cuenta de Google Ads con 23 campañas activas, cada una con un presupuesto de 10€ al día. Creía que así “controlaba mejor” el gasto.
El problema: la IA de Google necesita un mínimo de eventos de conversión por semana para aprender. Con 23 campañas atomizadas, cada una recibía tan pocos datos que nunca salía de la “fase de aprendizaje”. Estaba pagando para que el algoritmo nunca terminara de arrancar.
Esto es exactamente lo que está pasando en miles de cuentas ahora mismo.
La lógica antigua era: más segmentación = más control = mejores resultados.
La lógica nueva es: más datos centralizados = IA más entrenada = mejores resultados.
Son filosofías opuestas. Y seguir con la primera en 2026 es como insistir en usar un mapa de papel cuando tienes GPS.
Cómo implementarlo paso a paso
El cambio no es solo técnico. Es de mentalidad. Pasas de ser el operador (el que ajusta palancas) a ser el estratega (el que fija el destino y provee el combustible).
Paso 1 – Alimenta la máquina con datos reales
La IA es tan buena como los datos que recibe. Antes de lanzar nada:
Instala el píxel de Meta o el Google Tag y configúralo para rastrear conversiones (compras, leads), no sólo clics.
Sube tu lista de clientes actuales. El sistema la usa para construir modelos “Lookalike”: personas que se comportan como tus mejores compradores.
Si no tienes esto, la IA optimiza hacia el vacío.
Paso 2 – Simplifica la estructura de tu cuenta
Olvida las 20 campañas pequeñas. Consolida.
En lugar de 10 campañas con 10€/día, lanza 1 campaña con 100€/día. Esto le da al algoritmo más “eventos de aprendizaje” en menos tiempo y le permite salir de la fase de aprendizaje mucho antes.
El enfoque que recomiendan los equipos de Google internamente se llama “Power 5”: menos campañas, más amplias, más presupuesto concentrado.
Paso 3 – Haz que tu única palanca sea la creatividad
Si la IA maneja pujas y segmentación, tu trabajo es otro: proveer activos de calidad y en cantidad suficiente.
La regla práctica: mínimo 5 titulares distintos, 5 descripciones y 5 vídeos o imágenes. Cada uno enfocado en un ángulo diferente: precio, calidad, problema que resuelve, urgencia, testimonio.
Prompt listo para usar en ChatGPT o Claude: “Tengo un producto/servicio que es [descripción]. Genera 5 titulares para anuncios de menos de 30 caracteres, cada uno desde un ángulo diferente: precio, calidad, problema que resuelve, urgencia y prueba social. Usa un tono directo y sin jerga.”
Paso 4 – Respeta la “fase de aprendizaje”
Una vez lanzada la campaña, no la toques durante 7 días.
Cada vez que cambias el presupuesto, la segmentación o las creatividades, el algoritmo reinicia su aprendizaje desde cero. Es como sacar al alumno del examen a mitad de prueba.
7 días. Sin tocarla. Es incómodo. Es correcto.
El nuevo vocabulario que necesitas dominar
La publicidad digital ha cambiado de idioma. Estas son las equivalencias clave:
Lo que hacías antes → Lo que haces ahora
Elegir códigos postales específicos → Fijar un ROAS objetivo (retorno sobre inversión publicitaria)
Hacer A/B test entre dos imágenes → Subir 20 activos y dejar que la IA encuentre las combinaciones ganadoras
Excluir webs manualmente → Monitorizar la “salud de señal” (que tus píxeles funcionen correctamente)
Prompt listo para usar: “Estoy lanzando una campaña de [tipo de producto] con un presupuesto de [cantidad] al mes. Mi objetivo es conseguir [ventas/leads]. ¿Qué ROAS objetivo debería fijar para que la campaña sea rentable si mi margen es del [X]%? Explícalo paso a paso.”
En lugar de segmentar por edad y región manualmente, lanza una Advantage+ con el objetivo “lead” y sube 6 creatividades distintas. En 10 días, el coste por lead puede bajar un 40% respecto a campañas manuales anteriores.
Cómo replicarlo hoy
Instala o verifica tu píxel de conversión en tu web. Comprueba que está registrando ventas o leads, no sólo visitas.
Exporta tu lista de clientes actuales (nombre, email, teléfono) y súbela como “audiencia personalizada” en Meta o Google.
Cierra 8 de cada 10 campañas pequeñas y concentra ese presupuesto en 1-2 campañas con objetivo de conversión.
Crea al menos 5 piezas creativas con ángulos distintos. Usa el prompt de arriba para los textos.
Activa una campaña Advantage+ Shopping (Meta) o Performance Max (Google) con ese presupuesto consolidado.
Bloquea 7 días en tu calendario para no tocar la campaña. En serio.
Al día 8, mira qué creatividad recibió más presupuesto. La IA acaba de hacerte el mejor estudio de mercado de tu historia.
No necesitas ser un experto en programación ni en algoritmos. Necesitas entender cuál es tu objetivo y darle a la IA los materiales correctos para trabajar.
¿Esto significa que la segmentación manual ya no sirve para nada?
No del todo. Para campañas de prospección de marca o en mercados muy nicho, la segmentación manual sigue siendo útil. Pero para campañas de performance (ventas, leads), la IA supera al humano en prácticamente todos los casos cuando tiene suficientes datos.
¿Funciona si tengo un presupuesto pequeño, de menos de 500€/mes?
Sí, pero con matices. La IA aprende más rápido con más presupuesto. Con menos de 500€/mes, el proceso es más lento. Consolida todo en una sola campaña, espera 14 días en lugar de 7, y no pongas un ROAS objetivo demasiado alto al principio: deja que la IA explore.
¿Sustituye esto a entender el negocio y al cliente?
No. Cambia la forma en que aplicas ese conocimiento. Antes lo usabas para segmentar. Ahora lo usas para crear mejores creatividades y fijar objetivos más inteligentes. El que entiende a su cliente escribe mejores anuncios y la IA los amplifica más.
¿Qué otras herramientas hacen algo similar?
TikTok tiene Smart+ Campaigns, que funciona con la misma lógica. Pinterest tiene Performance+. Amazon tiene Sponsored Products con targeting automático. La tendencia es universal: todas las grandes plataformas están moviendo el control hacia sus algoritmos.
¿Puedo seguir viendo cómo gasta mi dinero la IA?
Sí, pero con menos granularidad que antes. Puedes ver qué creatividades funcionan mejor, qué canales reciben más presupuesto y cuál es el coste por conversión. Lo que no puedes ver es exactamente por qué la IA eligió mostrarle el anuncio a esa persona en ese momento. De ahí el término “caja negra”.
Si esta transición te genera dudas sobre cómo aplicarla a tu negocio concreto, en nuestro curso de IA aplicada al marketing cubrimos exactamente cómo estructurar campañas con estos sistemas, con casos reales y plantillas listas para usar.
Publicar un comentario