“Usamos inteligencia artificial” ya no significa nada. Lo dice la agencia que genera los posts con un prompt de tres líneas y lo dice la que ha reconstruido su modelo de producción entero alrededor de sistemas de agentes. El resultado que recibes no se parece en nada.

Merece la pena separar las dos cosas, porque la diferencia es contratable.

Una agencia clásica resuelve la capacidad contratando manos

El modelo tradicional es sencillo: el trabajo crece, se contrata gente. Como la gente es cara, el margen aprieta, y el trabajo se reparte hacia perfiles más junior o hacia plantillas. Por eso tantas agencias entregan piezas que podrían ser de cualquier cliente: no es mala fe, es aritmética.

Cuando una agencia así “añade IA”, lo que hace es acelerar al mismo equipo en tareas sueltas. Ayuda, pero no cambia la estructura de costes ni la calidad de base. El cuello de botella sigue estando donde estaba.

Una agencia AI-native resuelve la capacidad con un sistema

AI-native significa que el trabajo repetible —investigar, redactar borradores, generar variantes, implementar, analizar— lo ejecuta un sistema de agentes, y que las personas hacen lo que el sistema no puede: decidir la estrategia, definir el criterio de calidad y responder del resultado.

Eso obliga a construir cuatro cosas que una agencia con ChatGPT abierto no tiene:

Contexto como fuente única. Posicionamiento, ICP, voz, datos y pruebas, escritos y versionados. Sin eso, un modelo produce contenido genérico — y el genérico es exactamente el producto del competidor con el que no quieres que te comparen.

Skills versionadas. El proceso de “escribir un artículo” o “auditar una cuenta de Ads” no vive en la cabeza de quien esté de guardia: es un artefacto que se lee, se corrige y se mejora.

Evals. Si cambias cómo produce el sistema, tienes que poder comprobar que no ha empeorado. Sin evals, la calidad depende de quién revise ese día.

Playbooks. Lo aprendido en una cuenta —el ángulo que convirtió, el test que ganó, el prompt que rinde— sube a un activo reutilizable. Es lo que hace que el segundo ciclo cueste menos que el primero.

Lo que cambia para ti como cliente

Tres cosas concretas.

Volumen. Lo que antes eran cuatro piezas al mes pasan a ser una cadencia sostenible mucho mayor, sin perder el hilo de marca, porque el contexto es el mismo para todas.

Trazabilidad. Cuando el trabajo lo ejecuta un sistema, cada pieza deja rastro: de qué brief salió, contra qué contexto se produjo, qué métrica declaró mover. Se acabó el informe mensual como único punto de contacto con la realidad.

Composición. Un modelo AI-native mejora con el uso. Si el tercer trimestre cuesta el mismo esfuerzo que el primero, el flywheel no está girando y hay que arreglarlo. Es una pregunta legítima que hacerle a tu agencia.

Lo que no cambia

El criterio. Un sistema de agentes con un mal posicionamiento produce, muy rápido y en gran cantidad, marketing malo. La parte difícil sigue siendo saber qué decir, a quién y por qué te tendrían que elegir a ti. Por eso el trabajo fundacional —investigación de cliente, posicionamiento, messaging— sigue siendo lo primero que hacemos, y lo que más se nota cuando falta.

Y la responsabilidad. Producimos con IA y lo decimos abiertamente; lo que no hacemos nunca es presentar output sin revisión humana como si fuera trabajo verificado, ni inventar datos, cifras o resultados. Esa línea no la cruza un modelo por su cuenta: la cruza quien lo opera.