Inteligencia Artificial

Perfiles de audiencia hechos con IA, bajo la lupa: 21 % de los profesionales vio campañas más débiles por errores del modelo

La firma de datos de consumidores GWI publicó «Artificial Confidence: The AI Trust Gap», un estudio sobre el uso de inteligencia artificial para construir perfiles de audiencia. Marketing Dive lo reportó el 13 de noviembre de 2026. La cifra más cercana a un efecto en resultados es que 21 % de los encuestados ha visto un rendimiento de campaña más débil por errores de la IA.

El material consultado no incluye un porcentaje de caída en conversiones ni en retorno publicitario. Las cifras reflejan lo que reportan los propios profesionales.

Quiénes respondieron

GWI consultó a 1.883 profesionales senior de insights, agencias y marketing en Reino Unido, Estados Unidos y Singapur. Las respuestas se recogieron en el tercer trimestre de 2026 y corresponden a empresas con más de 500 empleados o más de US$ 26,5 millones de facturación anual.

Lo que dicen las cifras

  • 27 % reporta pérdida financiera y 26 %, daño reputacional por errores de la IA.
  • 82 % de los líderes de marketing sufrió al menos un efecto adverso: retrabajo interno (38 %), decisiones retrasadas (36 %) y quejas de clientes (34 %).
  • 76 % cree que la IA puede reforzar supuestos desactualizados, y cerca de 70 % la ha visto fallar al reflejar a la audiencia objetivo de su organización.
  • 63 % usó sin querer insights que luego resultaron desactualizados.

La paradoja: 81 % se dice confiado usando IA para perfiles y segmentación, pero solo 36 % verifica sus hallazgos «la mayor parte del tiempo». Más de la mitad de los decisores senior tomó una decisión importante basada en insights de IA incorrectos o engañosos.

Jason Mander, director de insights de GWI, dijo que las empresas no han puesto marcos rigurosos para una tecnología nueva y que la presión por no quedarse atrás explica parte de esa falta de rigor.

Qué son estos insights

Son perfiles o audiencias sintéticas: paneles simulados de clientes que un modelo construye a partir de registros de clientes, entrevistas, descripciones demográficas o información publicada en internet. Según el estudio, 71 % opina que la IA dice el «qué» del consumidor, pero no el «por qué».

La consultora Maslansky probó más de 100 mensajes y encontró que personas sintéticas basadas solo en datos demográficos, psicográficos y de comportamiento acertaron entre 30 % y 50 % de las veces frente a respuestas humanas. Al añadir datos propios sobre cómo responde la audiencia a los mensajes, la precisión subió a 80-90 %. Tanto Maslansky como GWI venden productos en este campo, por lo que son parte interesada.

¿Qué significa para una empresa de e-commerce?

Las fuentes no estudiaron tiendas en Colombia ni en Latinoamérica; la aplicación local es una lectura del medio. Las fuentes respaldan estas ideas:

  • Validar con datos propios. Los registros de clientes y su comportamiento en la tienda pesan más que un perfil genérico generado por un modelo.
  • Comparar predicción y realidad. Contrastar lo que el modelo anticipa con lo que los clientes dijeron e hicieron.
  • Preguntar por el origen de los datos. Saber con qué información se construyó el perfil antes de usarlo para segmentar.
  • Hacer pruebas pequeñas con personas reales. Así se verifica un perfil antes de comprometer más presupuesto.
  • No sustituir la investigación humana. 80 % de los encuestados dice que entender motivaciones exige participación humana.

Lo que viene

Según GWI, 44 % de los profesionales de marketing y publicidad usó chatbots de IA para decisiones de segmentación el año pasado. Frente a ese uso, solo 36 % verifica sus hallazgos con regularidad, una brecha que el estudio pone sobre la mesa.

Editorial ECN

Con información de Marketingdive

Notas relacionadas

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Volver arriba