Los equipos de mercadeo no tienen escasez de herramientas de IA. Tienen escasez de criterio sobre cuáles de esas herramientas realmente pertenecen a su operación y cuáles no hacen más que sumar suscripciones al presupuesto.

Matt Wood, CTO de IA en AWS, publicó esta semana un marco que explica el problema con más precisión que la mayoría del debate que escucho en equipos de mercadeo. Hay dos curvas económicas que se mueven al mismo tiempo en IA. Casi nadie habla de las dos juntas. Y leerlas juntas explica por qué la mayoría de los equipos están apostando al lugar equivocado.

Los números que nadie está mirando en mercadeo

La primera curva es la que recibe toda la atención: la frontera. Los presupuestos en la parte delantera de IA suben año tras año. No porque cada unidad de capacidad sea más cara, sino porque la definición de “frontera” no deja de moverse. Cada generación de modelos absorbe más razonamiento, más contexto, más herramientas, más criterio. Así que aunque el precio por token baja, lo que pedimos de los modelos líderes sube para llenar el espacio que abre ese precio más bajo, y el gasto total no cede.

La segunda curva es la que casi nadie está mirando: para cualquier nivel de capacidad fija, los precios están cayendo a velocidades que cambian por completo el cálculo económico. Epoch AI y Artificial Analysis rastrean esto manteniendo constante el nivel de capacidad en benchmarks estandarizados y midiendo cómo evoluciona el precio. El resultado: rendimiento equivalente a GPT-3.5 Turbo en conocimiento general cayó alrededor de 9 veces por año. Rendimiento equivalente a GPT-4 en preguntas científicas de nivel doctorado cayó alrededor de 40 veces por año. Los modelos que costaban 30 dólares por millón de tokens a principios de 2023 tenían equivalentes por debajo de 1 dólar a mediados de 2024, y por debajo de 0.10 a principios de 2025.

No es una mejora gradual. Es un cambio de categoría en lo que es económicamente viable construir. Y casi todo el debate en reuniones de mercadeo sigue girando alrededor de la primera curva, la que sube, mientras la segunda, la que baja, queda sin aprovechar.

La trampa específica de los equipos de mercadeo

Wood llama “el campo” al espacio amplio detrás de la frontera: las capacidades de IA que ya no son novedosas pero que son lo suficientemente baratas y disponibles como para integrarse en el trabajo ordinario. Según Forrester, la IA ya orquesta menos del 1% de los procesos centrales de negocio, aunque ya toca el diseño de procesos, el desarrollo de herramientas y la integración de datos.

En mercadeo, ese número parece razonable. Y tiene una razón específica: los equipos de mercadeo enfrentan una presión institucional para parecer actualizados. Una demo con la última herramienta que salió la semana pasada genera conversación en la junta, genera contenido para las redes del equipo, genera una sensación de movimiento. Mapear los flujos de trabajo de calificación de leads y construir una capa de análisis de comportamiento encima no genera esa sensación, aunque sea lo que termina moviendo los números del trimestre.

El resultado es un patrón que se repite: un portafolio amplio de herramientas de IA que se prueban rápido y se abandonan casi igual de rápido, y una superficie de operación real, los flujos donde realmente pasan los prospectos y donde se toman las decisiones de campaña, que sigue siendo completamente manual. Y lo que aplica para sistemas en general aplica con fuerza particular en mercadeo: el valor durable no está en las herramientas que compras, está en los sistemas que construyes sobre tu operación real.

El campo de mercadeo que ya existe y ya está barato

Cuando el precio de una capacidad de IA cae 40 veces en dos años, los flujos de trabajo que antes no justificaban el costo de despliegue sistemático empiezan a tener retorno positivo. Eso está pasando ahora mismo en mercadeo, y el mapa de oportunidades cambió radicalmente desde lo que la mayoría de los equipos calculó por última vez.

Hay capacidades de IA para procesos de mercadeo que llevan dos o tres años siendo técnicamente viables pero económicamente difíciles de justificar con los costos de inferencia de 2022 o 2023. Análisis de comportamiento de leads a escala para priorizar cuáles pasar a ventas. Segmentación dinámica de audiencias con señales de múltiples canales. Optimización de mensajes en flujos de email o WhatsApp basada en patrones de respuesta históricos. Análisis de calidad de contenido antes de distribuirlo. Ninguna de estas es una idea nueva de la frontera. Son capacidades del campo que, con los precios actuales de inferencia, tienen un cálculo de retorno completamente distinto al de dieciocho meses atrás.

Lo que Wood señala es que cuando la inferencia era cara, el modelo era el sistema. Ahora que es barata, el modelo es un componente y el sistema es el trabajo. Para mercadeo eso significa que la ventaja no viene de tener acceso al modelo más nuevo, sino de haber construido los sistemas que conectan los modelos disponibles con los datos y procesos reales de la operación. Como lo planteé en el harness es el moat (ventaja competitiva): lo que construyes alrededor del modelo es lo que no se puede comprar.

Qué cambia con esto en IQ Source

La pregunta que más escucho en equipos de mercadeo es: ¿qué herramienta de IA debería contratar? Es la pregunta equivocada, no porque no existan herramientas, sino porque empieza por la solución antes de mapear el problema.

La pregunta correcta es: ¿en cuáles de mis flujos de trabajo de mercadeo ya tengo datos en orden, el proceso es repetible y el margen de error es lo suficientemente tolerante como para que desplegar IA tenga retorno positivo con los precios actuales de inferencia? Esa pregunta requiere un mapa de la operación real, no una evaluación de plataformas.

Eso es el trabajo de diagnóstico que hacemos en AI Maestro: mapear los flujos de trabajo reales de mercadeo, identificar cuáles tienen los datos y el proceso en el estado que necesitan para que el despliegue funcione, y priorizar por retorno con el costo actual de inferencia. No elegimos el modelo. Mapeamos el campo específico de tu equipo de mercadeo, que es el trabajo previo que casi nadie hace antes de ir a comprar la siguiente suscripción.

El campo de IA de mercadeo es amplio y está sin cultivar en la mayoría de las empresas. Los precios ya son los que tienen que ser para que el trabajo valga la pena. Lo que falta es el mapa.

Mapeemos el campo de IA de tu equipo de mercadeo