Las agencias de medios que implementan herramientas de IA para acelerar su planificación y compra están descubriendo que la tecnología no genera ahorros si opera sin supervisión. Varios grupos internacionales han comenzado a desarrollar herramientas de auditoría y seguimiento para controlar que los agentes de IA no incurran en sobrecostes o gasten más tokens de lo necesario, según Digiday.
«Puede descontrolarse muy, muy rápidamente», afirma Jonathan Whiteside, vicepresidente global de tecnología en Dept. La consultora Gartner estima que el 60% de las organizaciones que utilizan IA enfrentarán sobrecostes causados por la falta de seguimiento del uso, según una encuesta de abril de 2026 entre 1.300 directivos de marketing. El 56% de las empresas implementa herramientas de IA sin políticas claras de uso.
Rise y PubMatic prueban registros de auditoría en campañas reales
La agencia Rise, parte del grupo Quad, prueba desde junio agentes de IA para compra programática con un cliente del sector de supermercados (cuyo nombre no se ha revelado). La agencia utiliza una función de registro de auditoría desarrollada por el SSP PubMatic —que también colabora con Butler/Till y Abovo Maxlead en Países Bajos— para monitorizar cuándo los agentes se alejan de los parámetros establecidos.
«Puedo preguntar: ¿por qué hiciste ese cambio? ¿Cuál fue el razonamiento basado en el briefing inicial? Puedo asegurarme de que todo queda registrado y que podemos reconstruir qué ocurrió y por qué», explica Klaudia Smykowska, directora del grupo en Rise.
Cada cambio que realiza el agente queda sellado con marca de tiempo, almacenado con los detalles de la modificación y el entorno en que se ejecutó (UI, API, etc.), según Harry Tong, director de ingeniería de ventas en PubMatic. Este nivel de trazabilidad es clave para que las agencias puedan auditar el rendimiento de sistemas que todavía están en fase experimental.
Control del gasto en tokens y selección de modelos
Aunque la herramienta de PubMatic no indica aún el coste específico en tokens de cada decisión, Rise triangula el gasto monitorizando licencias, consumo de tokens, tiempo empleado por los equipos y proporción del presupuesto que termina como inversión publicitaria efectiva. «Es una ecuación matemática muy aproximada en este momento», reconoce George Forge, vicepresidente senior de tecnología y desarrollo de producto en Rise.
El problema reside en la selección de modelos. Los modelos de IA más potentes consumen más recursos y cuestan más tokens. Si los empleados eligen por defecto el modelo más avanzado sin evaluar la complejidad de la tarea, el gasto se dispara. «Muchos de los costes crecientes de consumo de tokens se deben a que la gente literalmente no elige el modelo adecuado para la necesidad de la actividad», advierte Nicole Greene, analista de Gartner.
Algunas agencias han adoptado sistemas de asignación de tokens escalonados. Brainlabs otorga a sus empleados acceso a tokens según niveles; cuando se supera el límite, puede asignarse más presupuesto tras una revisión. «Queremos que la gente gaste. Solo queremos que lo haga de forma útil», señala Daniel Gilbert, fundador y CEO de Brainlabs, quien considera este control «existencial» para la viabilidad del negocio.
Arquitecturas centralizadas para evitar despilfarros
Otras agencias van más allá y retiran a los empleados la capacidad de elegir el modelo. Dept utiliza un «gateway de IA» que decide centralmente qué modelo se asigna a cada tarea según criterios comerciales y legales. «Hemos tenido gente que ha quemado 1,5 millones de tokens en un día», explica Whiteside. El sistema permite además cumplir con requisitos de clientes que exigen que sus datos se alojen en modelos fuera de Estados Unidos.
PMG desarrolló una herramienta llamada Alli For You que establece un límite diario de tokens por usuario. Los empleados que superan el tope regularmente reciben asesoramiento sobre selección de modelos o un presupuesto ampliado si su uso lo justifica. «Podemos asignar límites de tokens o costes asociados a los tokens a usuarios individuales… eso nos proporciona un momento de supervisión humana para reunirnos con equipos o con individuos», afirma Dillon Larberg, director de consultoría y estrategia en PMG.
Además del control de tokens, agencias como PMG utilizan Skills en ChatGPT o Claude —funciones que fijan documentos o secuencias específicas para que el agente las siga— con el objetivo de «codificar las mejores prácticas» y reducir la capacidad del agente de inventar su propio curso de acción. «No conduzco un camión de 18 ruedas para ir al trabajo, ni cruzo el país en un híbrido», resume Larberg.
Responsabilidad humana, siempre
Whiteside subraya que, independientemente del nivel de automatización, «cada entregable tiene un humano responsable. No es una excusa decir: ‘Ah, lo hizo la IA’. Sigues siendo responsable tanto si lo hizo la IA como si lo hizo un junior».
La proliferación de agentes de IA en marketing plantea desafíos similares a los que enfrentan otros sectores: equilibrar innovación con control de costes, garantizar trazabilidad y mantener la responsabilidad humana en el centro de la ejecución. Las herramientas de auditoría que estas agencias están construyendo representan el primer paso hacia una gestión sostenible de la IA en la compra programática y la planificación de medios.
