Mercado Negro entrevistó a Federico Isuani, Partner & AI Strategy General Director en LLYC, quien explicó que ya no alcanza con gestionar lo que las empresas dicen de sí mismas; también hay que gestionar lo que la IA dice de ellas.
Hoy las marcas operan en un entorno donde la visibilidad está mediada por sistemas de inteligencia artificial (IA) que filtran, priorizan y distribuyen el contenido. En este contexto, una marca no solo debe conectar emocionalmente con las personas, sino también enviar las señales correctas a los algoritmos, pues, si no logra ambas cosas, su mensaje pierde alcance, independientemente de su calidad creativa.
El modelo “dual” con IA consiste en diseñar estrategias que integren dos capas de relevancia simultáneamente. Por un lado, está la relevancia humana, con contenido auténtico, culturalmente pertinente y alineado con los valores y necesidades de la audiencia; por otro, la relevancia algorítmica, con piezas optimizadas mediante datos, testing continuo y uso de herramientas basadas en IA.
Para entender mejor ello, Mercado Negro entrevistó a Federico Isuani, Partner & AI Strategy General Director en LLYC, quien explicó que ya no alcanza con gestionar lo que las marcas dicen de sí mismas; también hay que gestionar lo que la IA dice de ellas.
1. ¿En qué consiste el modelo “dual”, donde las marcas deben ser relevantes tanto para las personas como para los algoritmos?
Durante años, el marketing estuvo centrado en construir campañas y mensajes para las personas: captar atención, generar recordación y mover preferencia. Pero la irrupción de la IA generativa cambió esa lógica, porque hoy una parte creciente del descubrimiento y la evaluación de marca ya no ocurre solo entre el consumidor y el contenido de la marca, sino entre el consumidor y la respuesta que le entrega un modelo de IA. No es un cambio menor: más del 35% de las búsquedas ya están siendo respondidas por modelos generativos, 20% de los usuarios cambia de opinión después de consultar con la IA y más del 60% ya la incorpora en su experiencia de compra.
Ese cambio también se refleja en los hábitos de uso. ChatGPT viene creciendo a un ritmo de 13% intermensual, mientras las búsquedas en Google caen 3,2%. Esto confirma que estamos pasando de una lógica basada en buscar enlaces (como lo hacíamos en Google) a otra en la que las personas formulan preguntas y reciben respuestas sintetizadas (como lo hacemos ahora en las plataformas de IA). En ese nuevo escenario, la IA deja de ser solo una herramienta y empieza a convertirse en un nuevo intermediario entre las marcas y sus audiencias.
Por eso hablamos de un modelo dual: las marcas ahora tienen que trabajar al mismo tiempo para dos audiencias. Por un lado, las personas, con creatividad, emoción y diferenciación. Por otro, los algoritmos, con consistencia, evidencia verificable y una narrativa que la IA pueda interpretar correctamente. En otras palabras, ya no alcanza con gestionar lo que la marca dice de sí misma; también hay que gestionar lo que la IA dice de la marca.
Ese es el cambio de fondo: la IA se está convirtiendo en portavoz de las marcas sin pedir permiso, y eso obliga a repensar campañas, contenidos y activos digitales para ganar relevancia en la mente del consumidor, pero también en la lógica de recomendación de los modelos. Ahí es donde entra el Machine Marketing: una nueva disciplina para construir visibilidad, autoridad y preferencia tanto en la conversación humana como en la conversación con las plataformas de IA.
2. ¿Qué cambios en las estrategias de posicionamiento impulsadas por IA propone ello?
Lo que cambia es el playbook completo de posicionamiento. Primero, las marcas tienen que definir su identidad algorítmica: ya no alcanza con decidir cómo quieres que te perciba el consumidor; también tienes que definir qué atributos, mensajes y evidencias quieres que la IA asocie contigo. Si no lo haces, esa percepción la termina construyendo la IA por ti.
Segundo, hay que pasar de una lógica centrada solo en SEO a una de Answer Engine Optimization, (AEO). Hoy el desafío no es solo aparecer, sino lograr que los motores generativos incluyan a la marca en sus respuestas con precisión, autoridad y alineación narrativa.
Tercero, cambia la arquitectura digital: las marcas necesitan una visibilidad web dual. Una capa de la web sigue pensada para personas, con foco en experiencia y conversión; pero otra debe estar pensada para la IA, con información más textual, estructurada, verificable y fácil de interpretar.
Y cuarto, el posicionamiento deja de poder gestionarse por silos. La IA cruza publicidad, PR, social, medios y activos propios, y premia la consistencia entre todos esos canales. Por eso, las marcas necesitan mensajes más simples, coherentes y verificables en todos los puntos de contacto.
En resumen, ya no basta con ser visible y memorable; ahora también hay que ser detectable, interpretable y citable para los sistemas de IA. Ese es el gran cambio.
3. ¿Cuáles son las principales oportunidades que ofrece la IA para ejecución de ese modelo?
La IA abre una oportunidad muy concreta para ejecutar Machine Marketing porque permite a las marcas entender, corregir y fortalecer su posicionamiento con mucha más precisión. Hoy ya se puede analizar cómo los motores generativos entienden una marca, qué narrativa construyen sobre ella y dónde hay brechas entre la percepción que la empresa quiere instalar y la que realmente está circulando. Eso permite anticipar riesgos, proteger mensajes clave y detectar nuevas oportunidades de influencia estratégica.
Al mismo tiempo, la IA ofrece la posibilidad de ganar visibilidad real en el nuevo entorno de respuesta. Ya no basta con estar presente; hay que lograr que la marca sea detectable, interpretable y recomendable para los motores generativos. Ahí aparecen oportunidades muy claras: trabajar AEO para aumentar inclusión, precisión y autoridad en respuestas de IA; desarrollar un ecosistema web pensado también para la comprensión de esos motores; y usar audiencias sintéticas para detectar insights, validar mensajes y alinear mejor estrategia y ejecución con más agilidad. Incluso, esa evolución ya se puede medir con más rigor, identificando y segmentando el tráfico generado por IA para entender cómo impacta en el negocio. En resumen, la gran oportunidad es que la IA no solo crea un nuevo espacio de posicionamiento, sino también nuevas herramientas para gestionarlo mejor.
4. ¿Qué marcas ya están aplicando esa tendencia y cómo ha impactado en sus unidades de negocio? ¿Qué casos conoce?
Muchas marcas ya se han subido a esa ola. Desde LLYC ya venimos trabajando con 30 marcas en este proceso, pero hay dos casos que me parecen especialmente ilustrativos. Uno es La Comer, una cadena de supermercados mexicana, donde el desafío fue fortalecer la presencia de la marca en entornos de IA y lograr que esa visibilidad estuviera mejor alineada con su narrativa oficial. En este caso, se trabajó la activación de visibilidad en IA, con foco en mejorar su aparición en preguntas unbranded, es decir, consultas a la IA en las que el usuario no menciona una marca específica, sino que plantea una necesidad general, como buscar recomendaciones dentro de una categoría. El resultado fue muy claro: en dos meses, la presencia de la marca en ese tipo de preguntas pasó de 11% a 17%, y las respuestas alineadas con su narrativa oficial crecieron de 49% a 73%. Lo interesante ahí es que no solo gana visibilidad, sino también control sobre cómo está siendo representada.
El otro caso es Repsol, donde la necesidad era entender con mayor profundidad cómo se integra la energía en la vida cotidiana de las personas y hacerlo con una metodología más ágil que un focus group tradicional. Para eso se aplicó un enfoque de Synthetic Audiences, que consiste en construir perfiles sintéticos basados en IA para simular conversaciones, explorar percepciones y detectar patrones de comportamiento. En ese trabajo se desarrollaron siete agentes sintéticos, se analizaron 70 mil palabras y se obtuvieron 15 insights estratégicos. Además, el caso muestra reducciones de tiempo de entre 60% y 80%, niveles de coherencia con el comportamiento real de entre 85% y 90% y un ahorro de costos cercano al 80%.
Lo valioso de ambos ejemplos es que muestran dos impactos muy concretos de esta tendencia: por un lado, la posibilidad de mejorar cómo una marca aparece y es descrita por la IA; y por otro, la capacidad de usar la IA para investigar mejor, más rápido y con mayor profundidad. Eso es, justamente, lo que empieza a cambiar el marketing en esta nueva etapa.
