Los avances de Bayer y Zoom con IA agéntica aún necesitan pruebas
Bayer y Zoom han llevado el marketing agéntico a Google News, pese a una creciente brecha entre pilotos prometedores y resultados empresariales verificados de forma independiente. Sus avances reportados se centran en tareas operativas poco llamativas, como revisiones de cumplimiento, actualizaciones de CRM, pujas de campañas y coordinación con socios.
Este enfoque importa porque cuestiona la versión más ruidosa de la promesa de la IA agéntica. Estas empresas no están entregando departamentos completos de marketing a sistemas autónomos. Están aplicando agentes a procesos acotados en los que pueden definirse las entradas, los permisos y los resultados esperados.
Por tanto, la principal disputa no es entre humanos y máquinas. Es entre la automatización controlada de flujos de trabajo y la promesa del marketing autónomo. Bayer y Zoom sugieren que la primera vía ya está generando valor, mientras que la segunda sigue siendo más difícil de validar a escala empresarial.
Lo que Bayer y Zoom realmente cambiaron
El cambio relevante consiste en pasar de pedir a la IA que cree contenido a permitirle hacer avanzar el trabajo por los sistemas operativos.
El análisis de ADWEEK sobre el marketing agéntico en Cannes Lions describió a las marcas como más cautelosas que las agencias, las empresas de medios y los proveedores de tecnología publicitaria. Mientras los proveedores promocionaban ambiciosos lanzamientos de agentes, las marcas se concentraban en flujos de trabajo internos con cuellos de botella medibles.
La publicación indicó que Zoom utilizaba agentes para automatizar actualizaciones de CRM. Esto permite a los profesionales del marketing dedicar más tiempo a la estrategia y a las decisiones creativas, según un resumen sobre IA agéntica compartido por ADWEEK.
La automatización de CRM es un caso de uso acotado, pero relevante. Un CRM, o sistema de gestión de relaciones con clientes, registra las interacciones con prospectos y clientes. Su valor disminuye cuando los empleados dejan registros incompletos, tardíos o inconsistentes.
Un agente puede extraer detalles relevantes de una reunión, clasificar la interacción y proponer una actualización. También puede vincular la conversación con tareas de seguimiento. El flujo de trabajo se vuelve agéntico cuando el software evalúa el contexto y ejecuta acciones permitidas entre sistemas, en lugar de limitarse a generar texto.
El caso de uso reportado por Bayer aborda una fuente distinta de fricción. La empresa está aplicando agentes a aprobaciones de marketing con fuertes exigencias de cumplimiento y a la alineación de indicadores de rendimiento con socios externos de medios.
Este trabajo implica más riesgos que redactar una publicación para redes sociales. Las promociones farmacéuticas y relacionadas con la salud pasan por revisiones legales, regulatorias, médicas, de marca y de mercado. Una afirmación omitida o un requisito desactualizado puede generar consecuencias que van más allá del rendimiento de una campaña.
El valor potencial del agente proviene de coordinar esas verificaciones. Puede identificar información faltante, dirigir los materiales al revisor correcto, comparar contenidos con reglas establecidas y mantener un registro de las decisiones.
Ninguno de los dos casos representa una operación de marketing totalmente autónoma. Los humanos siguen definiendo las reglas, manteniendo los controles de acceso, revisando las excepciones y asumiendo la responsabilidad por el trabajo publicado.
Esta limitación es también el hallazgo más importante. Bayer y Zoom están reportando valor allí donde los agentes operan dentro de flujos de trabajo delimitados. No presentan evidencia de que un sistema de IA pueda definir una estrategia de forma independiente, crear una campaña, aprobarla, desplegarla y evaluar sus efectos más amplios sobre la marca.
La distinción suele desaparecer en los titulares de Google News porque “agentic” puede describir varios niveles de autonomía. Un sistema que recomienda una entrada de CRM y espera aprobación difiere significativamente de otro que edita registros de clientes sin revisión.
Lo mismo se aplica a Bayer. Una herramienta que reúne evidencia de cumplimiento no equivale a un agente autorizado para aprobar una afirmación de salud.
Estas implementaciones siguen siendo importantes. Trasladan la IA de ser un asistente opcional en los márgenes del trabajo al camino operativo que determina si el trabajo se completa. Sin embargo, también muestran que la adopción empresarial comienza con acciones estrechamente gobernadas.
Por qué la fricción de los flujos de trabajo se convirtió en el primer objetivo
Los equipos de marketing están adoptando agentes allí donde los costes de coordinación son visibles, repetitivos y lo bastante altos como para justificar el trabajo de integración.
Las campañas modernas pasan por muchos sistemas especializados. Los equipos usan aplicaciones independientes para registros de clientes, compra de medios, analítica, gestión de contenidos, aprobaciones e informes. La información debe desplazarse entre esas aplicaciones antes de que una campaña llegue a una audiencia.
Esa fragmentación crea un entorno favorable para los agentes. Un agente puede interpretar información menos estructurada, decidir cuál es el siguiente paso e invocar una herramienta aprobada. La automatización tradicional suele fallar cuando una entrada varía o una decisión requiere contexto.
La oportunidad ha atraído a empresas que construyen capas de orquestación sobre el software de marketing existente. Gradial, por ejemplo, describe su producto como un sistema operativo mediante el cual los agentes ejecutan trabajo en plataformas como Adobe, Salesforce, ServiceNow y Databricks.
En junio de 2026, Gradial anunció una ronda de financiación vinculada a este modelo. Axios informó que entre los clientes de la empresa se encuentran AWS, Prudential, T-Mobile, Vanguard, Kaiser Permanente y U.S. Bank.
El informe también citó una afirmación especialmente contundente de un cliente. T-Mobile indicó que redujo el tiempo de ejecución de campañas entre un 80% y un 90%, con una tasa de precisión reportada del 99%, usando la tecnología de Gradial. Estas cifras proceden de las empresas implicadas y requieren la misma cautela que otros estudios de caso de proveedores.
Aun así, el modelo de flujo de trabajo de marketing ayuda a explicar por qué las empresas reguladas figuran entre los primeros adoptantes. Sus flujos de trabajo incluyen muchas reglas, aprobaciones y requisitos de documentación. Estas restricciones dan a un agente límites más claros que los que ofrece una estrategia de marca abierta.
El proceso de aprobación de Bayer encaja en ese patrón. Sus agentes pueden aplicar potencialmente políticas conocidas de forma repetida mientras escalan los casos ambiguos. La empresa puede examinar si el sistema redujo el tiempo de revisión o evitó omisiones sin afirmar que la IA sustituyó el juicio humano.
Bayer ya estaba construyendo una operación creativa más medible antes del debate más reciente sobre agentes. La empresa utiliza CreativeX para evaluar los activos digitales frente a prácticas definidas y compartir los resultados con las agencias.
Según Digiday, Bayer aumentó la proporción de creatividades digitales cubierta por su medición de calidad de aproximadamente el 20% al 70% en cerca de un año. La empresa también indicó a los mercados y las marcas que alcanzaran el 80% de su estándar establecido de buenas prácticas.
Se trata de cifras reportadas por la empresa, no de una prueba independiente de crecimiento de ventas. No obstante, muestran la base operativa necesaria para los flujos de trabajo agénticos. Los agentes necesitan estándares documentados y retroalimentación estructurada antes de poder tomar decisiones útiles.
Los responsables de marketing de Bayer también revisan paneles que conectan la calidad creativa con la inversión en medios. El proceso señala los casos en que un gasto considerable respalda materiales de menor calidad.
Esta base hace que la adopción de agentes resulte menos misteriosa. Bayer no está pidiendo a un chatbot generalista que comprenda todas las dimensiones de la publicidad sanitaria. Está insertando IA en un sistema ya existente de puntuaciones, políticas, revisiones y responsables identificables.
Zoom cuenta con una ventaja similar porque las conversaciones ya ocurren dentro de su plataforma. Las reuniones proporcionan transcripciones, participantes, marcas de tiempo, decisiones y trabajo asignado. Ese contexto puede respaldar actualizaciones de CRM y acciones de seguimiento sin obligar a los usuarios a copiar datos entre herramientas.
Zoom también ha ampliado AI Companion en torno a capacidades agénticas. La empresa afirma que el sistema puede utilizar el contexto de las reuniones para completar tareas en Zoom Workplace y aplicaciones conectadas.
Su hoja de ruta de IA agéntica describe una progresión desde los resúmenes hacia las acciones. Esto crea una vía directa desde una conversación con un cliente hasta una tarea de ventas o marketing registrada.
La presión a corto plazo recae sobre los proveedores de software de marketing y las agencias que dependen de la coordinación manual. Si las marcas pueden codificar decisiones rutinarias y conservar registros de aprobación, esperarán que sus socios se integren con esos flujos de trabajo.
También pueden cuestionar los modelos de servicio basados en horas de trabajo dedicadas a mover información entre sistemas. El agente no necesita reemplazar el trabajo estratégico para desafiar la economía de la ejecución repetitiva.
Google News está amplificando una victoria de IA más limitada
La historia de los titulares es el marketing autónomo, pero la realidad operativa es una automatización supervisada construida en torno a transferencias específicas.
Google News puede hacer que experimentos corporativos independientes parezcan evidencia de una transición amplia. Bayer, Zoom, agencias de medios y proveedores de software emplean todos el término “agentic”, pero sus sistemas no comparten necesariamente las mismas capacidades.
Una definición útil es estrecha. La IA agéntica se refiere al software que puede interpretar un objetivo, seleccionar pasos y realizar acciones permitidas con supervisión limitada. La cantidad de supervisión y el alcance de los permisos determinan cuánta autonomía tiene realmente el sistema.
El ejemplo de CRM de Zoom parece más cercano a una asistencia orientada a la acción que a una gestión de marketing independiente. El sistema puede reducir el esfuerzo administrativo después de las conversaciones, pero los profesionales del marketing siguen siendo responsables de las decisiones sobre audiencias, posicionamiento, criterio creativo y relaciones con los clientes.
El caso de Bayer está limitado de manera similar. Los agentes pueden acelerar la asignación de aprobaciones y comparar materiales con requisitos documentados. No pueden eliminar la necesidad de expertos responsables cuando el lenguaje promocional implica juicio clínico, regulatorio o reputacional.
Estos límites no restan valor a los proyectos. Explican por qué los proyectos tienen una vía plausible hacia la producción.
Los agentes abiertos enfrentan un problema de evaluación mayor. Una campaña puede mejorar una métrica mientras perjudica otra. Los menores costes de adquisición pueden venir acompañados de una calidad de leads más débil, una frecuencia excesiva de mensajes o un descenso de la confianza de marca a largo plazo.
Un flujo de trabajo operativo ofrece pruebas más claras. ¿El agente completó los campos correctos del CRM? ¿Envió el activo a los revisores adecuados? ¿Conservó la documentación requerida? ¿Una persona autorizada aprobó la acción final?
Estas preguntas producen resultados observables. La estrategia de marca rara vez ofrece etiquetas tan claras.
La experiencia de Zoom con la optimización publicitaria ilustra el atractivo de las decisiones delimitadas. Metadata afirma que Zoom utilizó su Bid Agent para optimizar la publicidad en LinkedIn y reportó una reducción del 77% en el coste por clic, junto con un retorno de la inversión tres veces mayor.
El caso de automatización de pujas fue publicado por el proveedor de la tecnología. Por tanto, los resultados deben tratarse como un estudio de caso de cliente, no como una comparación controlada.
Aun así, las pujas se adaptan bien a la asistencia de máquinas. El sistema recibe datos estructurados de campaña, opera dentro de límites presupuestarios y de plataforma, y puede evaluarse frente a medidas de rendimiento establecidas.
El riesgo consiste en asumir que el éxito en las pujas se transfiere directamente al resto del marketing. La optimización de medios no resuelve si un mensaje es veraz, distintivo, culturalmente apropiado o útil para un cliente.
La experiencia de Bayer hace visible esa tensión. La IA generativa aumenta la oferta de contenido, pero más contenido no garantiza una mejor comunicación.
Digiday informó que Bayer estaba preocupada por preservar una cualidad humana a medida que se expandía la producción automatizada. Celine Baudin, de la compañía, afirmó que la IA había facilitado la creación de contenido, al tiempo que dificultaba distinguir el material significativo.
Bayer también citó datos de CreativeX que indicaban que aproximadamente el 45 % de los anuncios de creadores en Meta carecían de una marca visible durante los primeros tres segundos. Ese problema demuestra cómo la automatización puede aumentar la producción sin cumplir objetivos básicos de comunicación.
Los hallazgos sobre calidad creativa apuntan hacia un papel diferente para los agentes. En lugar de maximizar la producción, un agente puede inspeccionar activos, identificar brechas de políticas o calidad y priorizar el material para revisión humana.
Esta es la inversión central detrás de la historia de Google News. El marketing agéntico está ganando credibilidad al acotar su ambición.
Los sistemas más defendibles no afirman reemplazar al profesional de marketing. Reducen la carga de coordinación que rodea las decisiones que los profesionales de marketing, los equipos legales, los revisores médicos y los líderes empresariales aún deben tomar.
Las cifras aún no demuestran el marketing autónomo
La mayor parte de la evidencia pública procede de proveedores y empresas participantes, mientras que las mediciones estandarizadas del rendimiento de los agentes siguen siendo escasas.
Los casos de estudio disponibles ofrecen señales alentadoras, pero no establecen que el marketing agéntico funcione de forma consistente entre organizaciones. Cada empresa tiene una calidad de datos, permisos, procesos, canales y definiciones de éxito diferentes.
Las ganancias publicitarias reportadas por Zoom procedían de un flujo de trabajo de pujas concreto. Las cifras de cobertura creativa de Bayer reflejan la expansión de un programa interno de medición. Las ganancias de ejecución reportadas por T-Mobile implican a otro proveedor y otro entorno operativo.
Estos resultados no pueden combinarse en una estimación universal del retorno. Responden a preguntas más acotadas sobre implementaciones individuales.
La atribución crea otro problema. Cuando una campaña rinde mejor después de introducir un agente, pueden haber cambiado varias variables. Los equipos también pueden revisar presupuestos, segmentación, creatividad, reglas de aprobación o prácticas de elaboración de informes durante la implementación.
Sin una línea de base adecuada, el agente puede recibir crédito por mejoras producidas en otra parte. Un caso de estudio de un proveedor puede informar con precisión el cambio observado sin poder aislar la causa.
La palabra «agente» también complica la comparación. Un producto puede hacer una recomendación que una persona aprueba. Otro puede ejecutar cambios automáticamente dentro de ciertos umbrales. Un tercero puede coordinar múltiples modelos especializados y aplicaciones empresariales.
Llamar agénticos a los tres sistemas oculta diferencias importantes en independencia y riesgo. Los compradores empresariales deben preguntar qué puede leer el software, qué puede modificar y cuándo debe detenerse.
La auditabilidad es especialmente importante para Bayer. Un sistema de aprobación debe mostrar qué regla aplicó el agente, qué evidencia revisó, qué versión de un activo gestionó y quién autorizó la publicación.
Un resultado aparentemente correcto no basta cuando una empresa debe reconstruir el proceso más adelante. Los equipos de marketing necesitan registros que sean comprensibles para las partes interesadas de las áreas legal, seguridad, regulación y negocio.
La automatización de CRM plantea sus propias cuestiones de gobernanza. La transcripción de una reunión puede contener información confidencial de clientes, datos personales, planes estratégicos o afirmaciones inexactas. El acceso del agente debe corresponder a la autorización del empleado y al propósito para el que se recopiló la información.
Los errores también pueden propagarse. Una clasificación equivocada en el CRM puede activar un correo electrónico incorrecto, cambiar una previsión o influir en cómo otro empleado trata al cliente.
La revisión humana sigue siendo valiosa cuando un error tiene un alto coste posterior. La cuestión práctica de diseño no es si se debe incluir a una persona en cada ciclo. Es dónde la aprobación humana genera más valor que el retraso que provoca.
Los equipos pueden responder a esa pregunta clasificando las acciones según su reversibilidad y sus consecuencias. Redactar un resumen interno conlleva menos riesgo que publicar una afirmación médica. Sugerir una actualización de CRM es distinto de eliminar o sobrescribir un registro de cliente.
Los sistemas más seguros otorgan a los agentes permisos limitados, validan los resultados antes de la ejecución y escalan los casos inciertos. También supervisan los resultados tras la implementación, porque los flujos de trabajo, los datos y las reglas externas cambian.
Esta carga de gobernanza debilita la idea de que los agentes simplemente eliminan trabajo. Desplazan parte del esfuerzo de la ejecución repetitiva hacia el diseño de sistemas, la evaluación, la gestión de excepciones y la rendición de cuentas.
Aun así, puede ser un buen intercambio. Sin embargo, los compradores deberían incluir esas responsabilidades al medir la eficiencia.
La propia experiencia de Bayer sugiere que el cambio organizativo puede ser más difícil que la tecnología. Sus líderes han descrito esfuerzos para crear una responsabilidad compartida entre equipos fragmentados. Un agente no puede reparar por sí solo una rendición de cuentas poco clara.
Si distintos departamentos discrepan sobre la definición de una afirmación válida, un lead cualificado o una campaña exitosa, la automatización puede ejecutar el desacuerdo con mayor rapidez. La organización debe resolver la regla antes de esperar que un agente fiable la aplique.
Por tanto, la calidad del conocimiento se convierte en un insumo competitivo. Los equipos necesitan políticas, ejemplos, decisiones y registros de rendimiento actualizados que las personas y los agentes puedan recuperar.
Una base de conocimiento con capacidad de búsqueda puede respaldar ese trabajo al facilitar la inspección del material fuente. No sustituye la gobernanza ni la aprobación experta.
La cobertura de Google News debe interpretarse teniendo presente esa brecha de evidencia. Bayer y Zoom han identificado usos operativos creíbles. El registro público aún no demuestra que agentes autónomos gestionen funciones completas de marketing con resultados consistentes y medidos de forma independiente.
Qué deberían vigilar los profesionales de marketing a continuación
La siguiente fase estará determinada por los registros de auditoría, la adopción sostenida y los resultados que resistan un escrutinio independiente.
La primera señal es un uso más profundo en producción. Las empresas deberían revelar si los agentes siguen limitados a proyectos piloto o pasan a formar parte estándar de los flujos de trabajo de CRM, aprobación y campañas.
El uso importa más que un anuncio. Una herramienta puede funcionar bien en una demostración y, sin embargo, fallar cuando los empleados encuentran datos inusuales, instrucciones contradictorias o permisos ausentes.
Para Zoom, la pregunta clave es si las acciones impulsadas por conversaciones se convierten en rutina en los equipos de cara al cliente. La adopción debería generar registros de CRM consistentes y seguimientos completados sin aumentar el trabajo de corrección.
La estrategia más amplia de IA de la empresa le da una ventaja de distribución. Las reuniones ya contienen el contexto necesario para actuar. Sin embargo, Zoom debe demostrar que los usuarios confían lo suficiente en el sistema como para conectar aplicaciones empresariales sensibles.
La segunda señal es la calidad de la evidencia. Los compradores deberían buscar mediciones que separen los efectos del agente de otros cambios en la campaña e informen de las tasas de error junto con las ganancias de tiempo o rendimiento.
Una evaluación creíble debe definir la línea de base, la muestra, el proceso de revisión y el período cubierto. También debería revelar con qué frecuencia los humanos corrigieron, rechazaron o revirtieron el trabajo del agente.
Las afirmaciones sobre precisión se vuelven más útiles cuando las empresas explican qué se consideró correcto. Una acción del sistema técnicamente válida aún puede no respaldar el objetivo del cliente o de la campaña.
Los períodos de medición más largos también importan. Un agente puede mejorar una métrica a corto plazo seleccionando audiencias cada vez más reducidas o repitiendo tácticas que con el tiempo pierden eficacia.
La tercera señal es la gobernanza bajo presión. El flujo de trabajo de cumplimiento de Bayer será más convincente si gestiona cambios de políticas, afirmaciones inusuales y diferencias entre mercados, manteniendo al mismo tiempo registros claros.
La verdadera prueba llega cuando un agente se enfrenta a la ambigüedad. Un sistema fiable debería reconocer la incertidumbre y escalar la decisión, en lugar de producir una respuesta segura sin respaldo en las políticas.
Los proveedores responderán añadiendo controles de aprobación, paneles de evaluación, gestión de permisos e historiales de acciones trazables. Esas funciones pueden resultar más importantes para la adopción empresarial que la capacidad de generar otro concepto de campaña.
Las agencias también se enfrentan a una elección estratégica. Pueden defender la coordinación manual como parte de su servicio, o rediseñar los encargos en torno a resultados, criterio y supervisión.
Los sistemas agénticos facilitarán la inspección de las transferencias rutinarias. Los clientes pueden preguntarse por qué una actualización sencilla requirió varias reuniones, correos electrónicos y horas facturables.
Al mismo tiempo, las marcas siguen necesitando una perspectiva externa. Un sistema interno eficiente puede reforzar supuestos si nadie cuestiona sus objetivos, datos fuente o dirección creativa.
La posición más sólida de las agencias combinará automatización con criterio independiente. Las agencias pueden ayudar a los clientes a definir estándares de evaluación, probar agentes ante casos difíciles e identificar consecuencias que un flujo de trabajo interno pasa por alto.
Los profesionales de marketing deberían resistirse a usar «agéntico» como un atajo de contratación. La etiqueta no responde si un sistema se ajusta al proceso real de la organización.
Una evaluación útil comienza con un flujo de trabajo acotado. Los equipos deberían documentar sus entradas, decisiones, permisos, costes de fallo y resultado deseado antes de seleccionar tecnología.
Después deberían comparar el agente con el proceso actual. La comparación debe incluir tiempo de revisión, trabajo de corrección, mantenimiento de integraciones, controles de seguridad y la calidad del resultado empresarial final.
Si Bayer y Zoom publican evidencia más sólida, sus proyectos respaldarán una conclusión más amplia sobre el marketing empresarial. Si las divulgaciones siguen limitándose a métricas de éxito seleccionadas, prevalecerá la interpretación más cautelosa.
Por ahora, la narrativa de Google News es importante en su orientación, pero más limitada de lo que sugiere el titular. Los agentes están encontrando trabajo real dentro de las operaciones de marketing, especialmente donde las reglas y las transferencias ya son visibles.
La oportunidad no es un departamento de marketing que funcione por sí solo. Es una mejor capa operativa para el trabajo que actualmente se pierde entre conversaciones, sistemas, socios y aprobaciones.
Antes de adoptar esa capa, elija un cuello de botella recurrente y defina cómo es una acción correcta. Después, pregunte si un agente puede completarla de forma segura, explicar sus decisiones y lograr un uso sostenido. Esa prueba revelará más que otra promesa general sobre el marketing autónomo.
