Hoy en día, la inteligencia artificial está en todas partes.

Existen IA generativas para la creación de anuncios y plataformas de IA para la gestión de campañas publicitarias. Supuestamente, tu refrigerador y, posiblemente, incluso tu cepillo de dientes tienen inteligencia artificial integrada, o al menos eso afirman los envases.

Los anunciantes que buscan implementar tecnologías basadas en inteligencia artificial y los consumidores que consideran comprar un nuevo "cepillo de dientes inteligente" Oral-B tienen preguntas similares: ¿qué significan realmente las afirmaciones sobre la presencia de IA en un producto? ¿Realmente importa?

¿Eres un anunciante, un director de agencia o un desarrollador de tecnologías publicitarias que busca integrar soluciones basadas en inteligencia artificial y/o aprendizaje automático en su negocio? Entonces, este artículo te ayudará a comprender en qué aspectos debes enfocarte.

Base conceptual

IA y ML a menudo se confunden.

Una de las razones es que el término "inteligencia artificial" se ha vuelto más popular, y las empresas cuyos productos en realidad utilizan ML suelen etiquetarlos como IA para hacerlos más atractivos.

ML es la práctica de entrenar algoritmos para procesar información y encontrar patrones a gran escala. IA es un campo más amplio que implica el desarrollo de software capaz de imitar la inteligencia compleja o generar ideas y mejoras sin intervención humana directa.

Muchos productos de IA están basados en modelos de lenguaje de gran escala (LLM), como ChatGPT de OpenAI, Google Gemini o Claude de Anthropic. Estos modelos procesan enormes volúmenes de contenido (textos, imágenes y videos) para interpretar consultas de usuarios y generar respuestas coherentes.

El campo emergente de la inteligencia artificial utiliza numerosos términos especializados: aprendizaje profundo, redes neuronales y virtualización, entre otros. Esto puede resultar confuso. Por ejemplo, un chatbot generativo basado en IA, como ChatGPT, también es una red neuronal: un modelo de ML que permite al software detectar patrones en grandes volúmenes de datos.

La complejidad de las redes neuronales y las conexiones que las computadoras establecen en grandes conjuntos de datos hacen difícil explicar de manera clara cómo funcionan los productos de ML. En otras palabras, a menudo no está claro por qué un chatbot generativo de IA ha proporcionado una respuesta en particular.

Un ejemplo práctico de producto publicitario basado en IA es Performance Max de Google.

PMax no solo hace retargeting de la audiencia o encuentra usuarios similares ("lookalike"), sino que usa una red neuronal capaz de identificar a una persona como un objetivo de conversión probable, incluso en ausencia de señales evidentes que un especialista en publicidad consideraría relevantes.

Sin embargo, no puedes preguntar a PMax cómo ha identificado un objetivo potencial. Incluso los desarrolladores de Google que trabajan en el producto a veces no comprenden completamente por qué el sistema toma ciertas decisiones.

¿Qué es el tráfico de bots?

PubMag • 2024-12-07

¿IA o ML?

En conclusión, la diferencia entre IA y ML radica en el grado de intervención humana necesaria en los procesos respectivos.

Por ejemplo, cuando un sistema basado en IA ya está en funcionamiento, no requiere intervención humana para operar, mientras que los sistemas basados en ML necesitan usuarios para tomar decisiones.

Es probable que un proveedor de tecnología que usa IA o ML trabaje sobre la base de la plataforma de otra empresa especializada en IA, como OpenAI. Un proveedor que ofrece servicios con intervención humana y un modelo ajustable probablemente usa ML, mientras que un producto que se entrega listo para usar y está disponible a través de una API es una solución de IA real.

Sin embargo, los proveedores de IA y ML se diferencian significativamente de las empresas que solo utilizan modelado algorítmico y conjuntos de datos estándar para optimizar campañas, incluso si estas últimas a menudo se promocionan como soluciones de IA para marketing.

Podrías preguntarte: ¿realmente es importante para los anunciantes distinguir entre tecnologías de inteligencia artificial y aprendizaje automático?

Quizás no convenga ignorar estas diferencias. Aunque IA y ML son distintos, ambos representan un avance significativo en comparación con los productos algorítmicos anteriores, que nunca pudieron alcanzar un nivel de comprensión comparable.

«Si el producto de un proveedor está basado en JavaScript y sus especialistas de atención al cliente no saben cómo usar Snowflake o data clean rooms, donde se aplican modelos de ML para publicidad, es una señal de alerta», comentó a AdExchanger un alto ejecutivo de análisis de marketing de una empresa de bienes de consumo.

Los anunciantes también deben exigir transparencia sobre qué modelos de lenguaje de gran escala (ChatGPT, Anthropic, Gemini, etc.) están licenciando los proveedores.

Inteligencias desconocidas

Además de comprender la terminología de IA y ML, existen otros aspectos clave que los proveedores de tecnología publicitaria, agencias y anunciantes deben considerar al trabajar con estas innovadoras tecnologías.

La publicidad digital es un sector donde “todos son analistas, pero no todos son expertos técnicos”, dijo Kamakshi Sivaramakrishnan en una entrevista con AdExchanger en 2023, cuando vendió su startup Samooha a Snowflake.

Adoptar tecnologías basadas en ML e IA a menudo implica aprender nuevos lenguajes de programación como SQL y Google BigQuery. Gran parte del valor de Samooha para Snowflake radicaba en sus funciones de machine learning, que convierten fácilmente el código de desarrolladores publicitarios en consultas SQL ejecutables.

Los tiempos de respuesta en procesos de IA y ML también varían. Aunque las tecnologías avanzadas suelen ser rápidas, la ejecución de tareas complejas puede llevar un tiempo significativo.

Durante una sesión de preguntas y respuestas en la conferencia Amazon unBoxed en Austin, en octubre pasado, ingenieros publicitarios se quejaron de los retrasos significativos en el procesamiento de datos con Amazon Ads ML, una solución basada en AWS conocida como Amazon Marketing Cloud.

El producto de Google para salas de datos seguras, Ads Data Hub, sufre el mismo problema, añadieron.

Sin embargo, lo que parece una ralentización no es un defecto, explicaron los gerentes técnicos de Amazon a los desarrolladores; en realidad, la demora es una parte esencial del proceso de toma de decisiones.

Los modelos de IA y ML procesan enormes volúmenes de datos y pueden ejecutar simulaciones antes de generar una respuesta final.

“Los productos de IA están diseñados para parecerse más a la inteligencia humana", explicaron los gerentes de producto de Amazon. "Necesitan un segundo para pensar”.

Y los anunciantes responden a estas nuevas tecnologías de la misma manera, evaluando cuidadosamente las opciones que les ofrecen la IA y el ML.

Uso de IA en fraude publicitario y desinformación

Digiday • 2024-06-18