En el panorama actual del marketing, los líderes se enfrentan a una creciente complejidad y desafíos significativos. Las normativas de privacidad del consumidor y un mundo cada vez más sin cookies están transformando los modelos de negocio, haciendo que la segmentación de audiencias sea más complicada. Para agravar la situación, los datos de los clientes suelen estar dispersos; un benchmarking interno de IBM revela que dos tercios de los CMOs encuestados tienen múltiples versiones de los mismos datos de clientes en tres o más sistemas, lo que lleva a perfiles de cliente fragmentados e incompletos.

En este entorno desafiante, la presión para ofrecer experiencias hiperpersonalizadas es inmensa, con un 42% de los CMOs encuestados reportando que escalar la hiperpersonalización es una prioridad de marketing. A pesar de estas expectativas y limitaciones, los presupuestos están disminuyendo, con una expectativa de reducción del 20% en el porcentaje de ingresos destinados a la creación y entrega de contenido en los próximos dos años. Además, el 94% de los mercadólogos encuestados reportan desafíos para derivar conocimientos accionables del análisis de datos. El 75% de los CMOs están bajo presión para «hacer más con menos» y lograr un crecimiento rentable.

La Inteligencia Artificial como el Camino a Seguir

La Inteligencia Artificial (IA), y en particular la IA generativa, tiene el potencial de transformar fundamentalmente el marketing para mitigar estos desafíos. La combinación de capacidades de IA tradicional y generativa puede permitir la entrega de las experiencias personalizadas y en tiempo real que los clientes desean. Los CMOs pueden obtener la capacidad de recabar información y actuar rápidamente sobre ella, además de producir y desplegar contenido a medida necesario para la hiperpersonalización a escala.

No es de extrañar que los mercadólogos sean adoptadores tempranos de la IA. Más del 80% de los encuestados ya están utilizando IA generativa, y para finales de 2024, el 77% espera usar IA generativa incrustada en plataformas. Los mercadólogos tienen la oportunidad de liderar el camino demostrando cómo adoptar y desplegar la IA de una manera significativa tanto para los clientes como para el negocio.

De «+IA» a «IA+» en la Transformación Empresarial

En el pasado, la IA era vista como un complemento para la transformación digital y la modernización de la nube. Sin embargo, la mentalidad debe cambiar: la IA se está convirtiendo en la pieza central de la transformación empresarial. Para aprovechar con éxito el potencial de la IA en marketing, se requiere una combinación de visión, tecnología, creatividad y gestión del cambio. Es crucial integrar la IA en el núcleo estratégico del negocio, no solo añadirla a los sistemas existentes.

La Sinergia de la IA Tradicional y Generativa

Lo novedoso de la IA generativa es su capacidad para crear contenido original que se siente conversacional, utilizando grandes modelos de lenguaje (LLMs). Estos LLMs pueden incorporar directrices corporativas y entradas para generar contenido conforme a la marca, con el tono y la voz adecuados. Si bien la IA generativa por sí sola ofrece beneficios, su mayor valor se obtiene al combinarla con la IA tradicional.

• Cuándo usar capacidades de IA tradicional:
  • Análisis de datos estructurados, predicciones y pronósticos (IA predictiva o prescriptiva).
  • Flujos de diálogo deterministas para IA conversacional estructurada (IA conversacional dirigida).
  • Visión artificial para detección de objetos y anomalías (IA de visión por computadora).
  • Automatización de procesos robóticos (RPA), reingeniería y optimización de procesos (automatización de procesos).
• Cuándo usar capacidades de IA generativa:
  • Resumen de documentos como manuales de usuario, notas de activos, informes financieros.
  • Búsqueda conversacional que apoya procedimientos operativos estándar y resolución de problemas.
  • Creación de contenido, incluyendo personas, historias de usuario, imágenes, UI personalizada, copias de marketing, respuestas de correo electrónico y redes sociales.
  • Creación de código, como copiloto de código, conversión de código, creación de documentación técnica y casos de prueba.

La IA en Acción: Creación de Contenido e Hiperpersonalización a Escala

La creación de contenido es un área donde el poder de la IA se manifiesta rápida y dramáticamente, ayudando a automatizar tareas repetitivas como la traducción de activos y la producción de derivados. La IA generativa no solo acelera la creación y el versionado de contenido, sino que también sirve como catalizador creativo para los equipos, impulsando la ideación. De hecho, el 75% de los CMOs encuestados afirman que su organización utilizará IA generativa para la creación de contenido para 2025. Además, el 75% de los líderes empresariales encuestados creen que la ventaja competitiva dependerá de quién tenga la IA generativa más avanzada.

La IA permite personalizar el alcance de marketing con contenido hiperadaptado. Por ejemplo, para 1.000 productos con 25 activos por producto, traducidos para 15 regiones globales, la IA permite crear las variaciones de contenido necesarias para entregar mensajes contextuales y personalizados a través de múltiples canales. La IA generativa puede apoyar a los mercadólogos en todo el proceso de desarrollo de contenido, conocido como la cadena de suministro de contenido. Esto incluye la iteración rápida de ideas para conceptos de campaña, el enriquecimiento de la segmentación con personas a nivel de micro-segmento, la personalización de contenido, la conversión fluida de texto a audio y la automatización del formato para cada canal.

Casos de estudio de IA en acción:

• The Masters (torneo de golf de EE. UU. 2023): IBM utilizó IA para curar y compilar tomas destacadas analizando 20.000 videoclips. La IA identificó gestos de celebración, determinó el contexto del clip (líder del torneo, birdie o mejor) y predijo reacciones de la multitud basadas en datos históricos.
• US Open (tenis 2023): El equipo de IBM Consulting utilizó IA para crear momentos destacados en vivo con comentarios personalizados para los espectadores. La IA generó comentarios para 254 partidos individuales, lo que mejoró la experiencia digital para 15 millones de fans en todo el mundo, analizando 7 millones de puntos de datos.

Construyendo una Cadena de Suministro de Contenido Resonante con IA

La IA puede potenciar cada etapa de la creación de contenido:

1. Planificar y Activar: Establecer viajes del cliente y personas, planificar objetivos de campaña y KPIs, definir la estrategia de contenido y SEO, y asegurar el cumplimiento de las directrices de marca.
2. Crear y Diseñar: Automatizar solicitudes de desarrollo y adaptación de contenido, y crear contenido en colaboración entre escritores, diseñadores, productores y gerentes de activos.
3. Revisar y Aprobar: Federar la personalización y localización de contenido a escala, y agilizar el proceso legal y de aprobación.
4. Etiquetar y Almacenar: Optimizar activos para publicar, y aplicar etiquetas y metadatos para seguimiento y uso futuro.
5. Ejecutar y Medir: Personalizar la experiencia de usuario, publicar contenido en múltiples canales, validar la conformidad del contenido generado, ofrecer optimización y crear escenarios para «probar y aprender».
6. Analizar y Refinar: Realizar análisis de campañas, contenido y canales, analizar la retroalimentación del cliente y mejorar el contenido alineado con la estrategia de marketing.

Despliegue de IA Responsable

Si bien el potencial para aumentar la productividad y creatividad de los empleados con IA es innegable, existen preocupaciones válidas sobre cómo desplegar la IA de manera responsable a escala. Los CMOs identifican tres preocupaciones principales:

1. Gestionar la complejidad de la implementación: Implica considerar el cumplimiento de la marca y legal, la precisión, la calidad de los datos, el sesgo y la integración con herramientas de campaña existentes.
2. Construir el conjunto de datos: Los datos que alimentan la IA deben ser de alta calidad para mitigar preocupaciones comunes como la «alucinación», el sesgo y la información falsa. La curación adecuada de datos y un mecanismo para mantener los datos de entrenamiento actualizados son esenciales.
3. Riesgo de marca y propiedad intelectual: Es fundamental establecer salvaguardias y supervisión para abordar el sesgo, impulsar la consistencia de la voz de la marca y apoyar la precisión de la información de productos y servicios.

Una estrategia de IA correcta debe garantizar un enfoque responsable, con cuidado y transparencia. IBM sigue tres principios fundamentales para la confianza y la transparencia en la era de la IA:

• El propósito de la IA es aumentar la inteligencia humana: La IA debe mejorar a las personas en sus trabajos y sus beneficios deben alcanzar a muchos, no solo a unos pocos.
• Los datos y los conocimientos pertenecen a su creador: Los datos de los clientes son suyos, y sus conocimientos también.
• La tecnología debe ser transparente y explicable: Las empresas deben ser claras sobre quién entrena sus sistemas de IA, qué datos se utilizan y qué influye en las recomendaciones de sus algoritmos.

Estos principios se refuerzan con los pilares de la confianza:

• Explicabilidad: Un buen diseño no debe sacrificar la transparencia.
• Justicia: La IA puede ayudar a los humanos a tomar decisiones más justas.
• Robustez: Los sistemas de IA deben ser seguros y robustos, especialmente en decisiones cruciales.
• Transparencia: La transparencia refuerza la confianza a través de la divulgación.
• Privacidad: Los sistemas de IA deben priorizar y salvaguardar la privacidad de los consumidores y sus derechos sobre los datos.

Próximos Pasos para la Adopción de la IA

La diferenciación en la IA proviene de los datos propietarios de una organización. Los CMOs encuestados tienen planes significativos: el 51% planea construir modelos fundacionales con datos propietarios antes de finales de 2024.

Aquí están los pasos clave para implementar la IA:

1. Preparar los datos para personalizar su modelo de IA: Una estrategia de IA eficaz comienza con los datos, ya que el modelo es tan bueno como los datos que lo alimentan. Es crucial determinar cuándo usar datos preempaquetados para entrenar y ajustar el modelo fundacional, y cuándo usar datos propios para una personalización empresarial.
2. Seleccionar, entrenar, ajustar y mantener su modelo personalizado: Una vez identificados los datos, se debe dar al modelo de IA una comprensión profunda de los valores y directrices de la marca, recolectando y conectando los datos que reflejan estos elementos. Establecer filtros de datos y salvaguardas para cumplir con los estándares, y determinar quién se mantendrá al día con los requisitos de gobernanza y seguridad de los datos. La gobernanza es crucial, ya que las acciones de la IA pueden tener efectos generalizados.
3. Orquestar flujos de trabajo inteligentes sin interrupciones con una interfaz de usuario personalizada: Implementar flujos de trabajo inteligentes que se integren con modelos fundacionales y herramientas de campaña. Aplicar la IA generativa internamente como primer paso para gestionar la complejidad, la supervisión, la gobernanza de datos y la retroalimentación. Esto no solo acelera la productividad, sino que también crea una oportunidad para que los equipos experimenten y aprendan habilidades para usar la IA generativa de manera efectiva.

Es importante preguntar a los proveedores de IA sobre características clave como la velocidad de inferencia del modelo y las necesidades de infraestructura, y si la oferta soporta opciones de despliegue preferidas (nube híbrida, on-premises o edge). Como en cualquier transformación, se recomienda comenzar aplicando la IA a un único caso de uso a la vez, lo que puede llevar a ganancias de productividad y permitir a los equipos crecer creativamente.

Cómo Empezar

IBM ofrece tecnología y experiencia en consultoría para avanzar rápidamente con la IA.

• IBM watsonx™: Una plataforma construida para empresas con tres componentes principales: un estudio para nuevos modelos fundacionales, IA generativa y aprendizaje automático; un almacén de datos construido sobre una arquitectura de lago de datos abierto; y un conjunto de herramientas para acelerar los flujos de trabajo de IA construidos con responsabilidad, transparencia y explicabilidad.
• IBM Consulting: Especializado en transformación de marketing, datos e IA de extremo a extremo, trabajando con un ecosistema abierto de socios como Adobe, Salesforce y SAP CX, con más de 40,000 proyectos de IA y análisis.

En resumen, la IA no es solo una herramienta, sino un imperativo estratégico que puede empoderar a los CMOs para navegar las complejidades del mercado, escalar la personalización, optimizar la creación de contenido y, en última instancia, impulsar el crecimiento rentable en la era digital. La clave reside en una adopción bien planificada, responsable y centrada en los datos, aprovechando la sinergia entre la IA tradicional y generativa.