Durante el Festival de la Creatividad de Cannes Lions 2026, Google anunció una nueva camada de herramientas para YouTube y Google Ads construidas sobre Gemini. El comunicado oficial las presenta en cuatro líneas: más datos de tendencias, métricas de marca integradas, una API de insights para agencias y recomendaciones creativas automatizadas para campañas de Demand Gen. Léase rápido y suena a actualización técnica más; pero si lo leemos con calma y aparece algo más interesante: la plataforma que durante años vivió de medir audiencias ahora también quiere decirle a las marcas qué hacer con esos datos.
Vamos por partes, porque ahí está lo que de verdad importa.
El comunicado de Google tiene dos mitades, y conviene mirarlas por separado porque responden a preguntas distintas; la primera mitad es sobre entender mejor lo que ya está pasando en YouTube:
La segunda mitad ya no habla de entender, sino de producir y de vender directamente:
El patrón es claro si se mira el conjunto completo: Google ya no solo mide lo que pasó en una campaña, ni se limita a sugerir qué hacer a continuación; ahora también genera el contenido, y con los formatos conversacionales, empieza a insertar ese contenido dentro del mismo lugar donde el usuario busca una respuesta, no al lado de ella. Antes, los datos describían el pasado de una campaña. Después, empezaron a sugerir su futuro. Ahora, además, se ofrecen a redactarlo.
El comunicado de Google es global y, como suele pasar, piensa primero en mercados anglosajones (de hecho, la profundidad de tendencias por ahora solo llega a Estados Unidos). Pero el fondo del anuncio, el llamado “marketing de creadores”, no es un fenómeno ajeno a Latinoamérica. Es, de hecho, uno de los pocos terrenos donde la región no llega tarde.
Según el estudio más reciente de la agencia FLUVIP, especializada en medir la relación entre marcas y creadores en la región, el mercado de creator economy en América Latina ya mueve más de 38.500 millones de dólares y crece a un ritmo del 19.7% anual según cifras de Mobility Foresights. La misma agencia advierte algo que conecta directamente con las nuevas herramientas de YouTube: existe una brecha cada vez más amplia entre las marcas que entienden la economía de creadores como una industria con reglas propias y las que todavía la tratan como un canal de activaciones puntuales.
A esto se suma un dato de Hotmart que vale la pena subrayar: se proyecta que el mercado de economía de creadores en América Latina hispanohablante crecerá más de 9 veces hacia 2033, en buena medida porque más de la mitad de las transacciones de los productores de la región ya son transfronterizas, con Estados Unidos como uno de los principales destinos. Dicho de otro modo: cuando Google anuncia herramientas para entender mejor a los creadores y sus audiencias, no está hablando de un mercado lejano; está hablando, en gran medida, de nosotros.
Si hay una frase que resume mejor el espíritu detrás de este anuncio es la que pronunció Chris Bellinger, director creativo de PepsiCo en Estados Unidos, durante el mismo festival: “la cultura y las ventas ya no se definen por lo que una marca hace en grandes escenarios o piezas publicitarias, sino por quién habla de ella y en qué espacios se mueve esa conversación, y que la economía de creadores en plataformas como YouTube está redefiniendo de fondo cómo las marcas deben relacionarse con la gente” según declaró durante el festival.
Esa frase (un poco larga, sí), dicha por alguien que dirige creatividad en una de las marcas de consumo más grandes del mundo, dice más sobre el momento que cualquier lista de funciones nuevas. La pregunta ya no es si las marcas deben invertir en creadores; es si las herramientas que están llegando (hechas, justamente, para tomar esa decisión con más datos) van a ayudar a elegir mejor, o solo van a automatizar una elección que de fondo sigue siendo, debe seguir siendo, humana.
Durante mucho tiempo, elegir con qué creador trabajar fue una decisión de instinto: cultura compartida, tono, afinidad, ese algo difícil de medir que hace que una colaboración se sienta genuina y no forzada. La nueva API de insights de YouTube promete reemplazar parte de ese instinto por datos: audiencias, intereses, desempeño de contenido. Y eso, en principio, es bueno. El problema no es tener más datos, es confundir tener más datos con tener mejor criterio.
Aristóteles, en la Ética a Nicómaco, distinguía la phronesis (la prudencia práctica, el juicio que sabe qué hacer en una situación concreta y particular) de la mera acumulación de información sobre esa situación. Se puede conocer perfectamente los números de un creador, como su alcance, afinidad temática, tasa de interacción… y aun así elegir mal, porque la decisión correcta no surge de la suma de los datos, sino de saber interpretarlos dentro de un contexto que ningún dashboard captura del todo: la coherencia cultural, la legitimidad de una marca para hablarle a una comunidad, el riesgo de que una colaboración se perciba como oportunista. El propio reportaje de InformaBTL sobre este anuncio lo nombra con precisión: el desafío será evitar que la selección de creadores se convierta en una decisión puramente algorítmica, porque la compatibilidad cultural, la credibilidad y el tono siguen siendo factores que no siempre pueden resumirse en una métrica.
La métrica describe, el criterio decide. Son cosas distintas, y la primera nunca debería hacerse pasar por la segunda.
La cuarta función del anuncio, Gemini sugiriendo qué recursos visuales usar en una campaña de Demand Gen, es la que más se acerca al territorio de la creatividad pura, y por eso merece una revisión desglosada.
Conviene primero quitarle el dramatismo al asunto con un dato real: la evidencia académica sobre IA generativa y creatividad publicitaria no respalda ni el pánico ni el entusiasmo ciego. El estudio Advertising Creativity and Artificial Intelligence publicado este año en la revista index.comunicación, basado en encuestas a profesionales de agencias con experiencia real en el sector, encontró una actitud ambivalente: la IA se percibe como una herramienta útil, pero no sustitutiva, y los creativos reivindican el papel insustituible de la imaginación humana en un contexto cada vez más automatizado. No hay sustitución; hay asistencia.
Eso no significa que el debate sobre la autoría sea menor. Como plantea Miguel Ángel Galindo Núñez en un análisis reciente sobre IA y creatividad, la noción de autoría viene discutiéndose desde Aristóteles, para quien el arte era una forma de mímesis, una imitación deformante de la realidad que, aun así, requería de alguien capaz de interpretarla y darle sentido nuevo. El problema con las IA generativas, señala, es que imitan lo que ya hemos imitado los humanos: trabajan sobre segundas y terceras capas de representación, no sobre la experiencia directa del mundo. El mismo autor propone pensarlas como prótesis cognitivas que amplían el horizonte de lo posible, sin que eso equivalga a otorgarles una autoría propia.
Trasladado a Demand Gen: que Gemini sugiera qué imagen probablemente funcione mejor no es que Gemini “entienda” por qué esa imagen comunica algo: es que reconoce un patrón estadístico en piezas que rindieron bien antes. Eso tiene un valor real porque ahorra tiempo, reduce el ensayo y error, democratiza herramientas que antes exigían equipos grandes. Pero el patrón solo existe porque alguien, antes, tuvo la idea original que generó ese patrón. La máquina optimiza variaciones de lo ya probado; todavía no inaugura lo que no existía.
Hay un riesgo adicional, más sutil, en construir herramientas que optimizan sobre datos históricos: tienden a recompensar lo que ya funcionó, no lo que podría funcionar. Si Gemini recomienda visuales con base en el desempeño pasado de piezas similares, el sistema premia estructuralmente la repetición sobre la novedad. Es una paradoja: la herramienta nace para “fortalecer campañas creativas”, según el propio título del anuncio de Google, pero su lógica de funcionamiento (aprender de lo que ya tuvo éxito) puede terminar empujando hacia lo más parecido a lo anterior, no hacia lo más original.
No es un defecto exclusivo de Gemini. Es una tensión estructural de cualquier sistema que optimiza con base en datos pasados: confunde “lo que funcionó” con “lo correcto”, cuando en creatividad esas dos cosas no siempre coinciden. La métrica vuelve a aparecer aquí como una guía útil, nunca como un veredicto.
Tomando el anuncio de Google y el contexto regional en conjunto, hay tres lecturas prácticas que valen más que repetir la lista de funciones:
1. La ventana de adopción todavía está abierta: por ahora, la profundidad de tendencias de Insights Finder solo está disponible en Estados Unidos, y el despliegue de funciones con IA en mercados hispanohablantes suele llegar después según el grado de madurez digital del anunciante, siendo México, Brasil, Chile, Colombia y Argentina los mercados mejor posicionados para adoptar estas herramientas con rapidez. Eso da tiempo para preparar criterio antes de que llegue la herramienta, no después.
2. Los datos no sustituyen la estrategia de selección de creadores: la propia industria regional lo viene advirtiendo, la diferencia entre una marca que escala con creadores y una que solo activa puntualmente está en si construye criterio propio o delega esa decisión por completo en el número de seguidores o en una recomendación automatizada.
3. La IA generativa rinde mejor cuando el insumo es bueno: si las recomendaciones de Gemini para Demand Gen parten de briefs pobres o de objetivos de marca poco definidos, el resultado será, casi por definición, genérico. La herramienta amplifica lo que se le da; no inventa lo que falta.
Quizás la pregunta que de verdad importa no es si la inteligencia artificial integrada con Gemini puede ayudar a una marca a entender mejor a su audiencia en YouTube. Claramente puede, y los datos de adopción y de crecimiento del creator economy en la región confirman que ignorarla sería un error estratégico. pero, ¿qué pasa con el criterio cuando delegamos demasiado pronto la pregunta de por qué algo funciona, conformándonos con saber que funciona?
Saber que algo funciona es información; entender por qué funciona y decidir, con eso, qué se quiere decir y a quién, sigue siendo, por ahora, un trabajo enteramente humano.
Imagen: GPT Images 2.0
Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *
Δ