Por Qué las Agencias Están Reconstruyendo la Medición Alrededor de la IA, No de las Plataformas

Durante dos décadas, la medición de marketing operó bajo una premisa simple: si puedes ver el clic, puedes atribuir el canal. Los modelos de último clic y multitoque, pensados para anuncios de búsqueda, banners y redes sociales, asumían una ruta rastreable: anuncio mostrado, clic, sesión registrada, conversión atribuida. Esa premisa hoy falla de forma estructural, no porque los modelos sean peores, sino porque una porción creciente del recorrido ocurre dentro de asistentes de IA y respuestas generativas que nunca devuelven un clic que rastrear.

Esto no es un cambio que las agencias puedan observar desde la banca. La investigación de TrueLogic sobre comercio impulsado por IA describe a los marcos de medición entrando en una “fase de reconstrucción”, mientras los agentes de IA erosionan la señal de atribución que las plataformas fueron diseñadas para capturar. En Alerta! vemos el mismo patrón en categorías muy distintas —de consumo masivo a salud y entretenimiento— y reconstruir la medición ya no es opcional: es la diferencia entre reportes que describen la realidad y reportes que dejan de hacerlo.

Un panel de plataforma solo reporta lo que ocurre en esa plataforma. Siempre fue una limitación, pero tolerable, porque la mayor parte del recorrido ocurría en superficies medibles. La IA cambia esa ecuación. Cuando alguien le pide a un asistente que compare productos o recomiende un regalo, este puede sintetizar información de docenas de fuentes, dar una recomendación y nunca generar un clic de regreso a ninguna de ellas. La influencia es real; el rastro de atribución no.

El resultado es un vacío de medición que aparece como tráfico directo sin explicación y conversiones etiquetadas como “orgánico” porque no hay otro lugar donde ponerlas. Esa categoría de ruido no es nueva, pero su escala cambia rápido a medida que el descubrimiento mediado por IA se vuelve comportamiento por defecto. Las agencias que siguen reportando plataforma por plataforma como si fuera el panorama completo están, en la práctica, reportando un subconjunto cada vez más pequeño de lo que mueve al negocio.

Reconstruir la medición empieza por otra pregunta. En vez de preguntar solo qué plataforma se lleva el crédito de una conversión, las agencias preguntan si la respuesta de un asistente de IA moldeó la decisión antes de que el cliente llegara a una superficie rastreable. Eso significa sumar nuevas señales: monitoreo de menciones de marca dentro de respuestas de IA, share-of-voice entre los principales asistentes, correlación entre visibilidad en IA y repunte de búsqueda de marca, y encuestas postcompra que preguntan al cliente cómo encontró el producto, porque las plataformas muchas veces no pueden decírtelo.

Es trabajo incremental, no teoría. Se traduce en sumar monitoreo de respuestas de IA al rastreo tradicional de ranking, construir pruebas de incrementalidad que aíslen el efecto de la visibilidad en IA, y tratar la atribución como probabilística y no determinista, reconociendo que parte de la influencia nunca se rastreará con precisión. La conversación de la industria al nivel de Cannes en 2026 ha convergido en este punto: la medición de efectividad para un recorrido mediado por IA debe reconstruirse, no remendarse.

Si la atribución de último clic medía lo que ocurría después del descubrimiento, el GEO (optimización para motores generativos) y el AEO (optimización para motores de respuesta) miden si una marca aparece dentro del descubrimiento mismo: dentro de la respuesta que un asistente de IA realmente da. Eso exige rastrear si una marca es citada o recomendada en herramientas como ChatGPT, Gemini y Perplexity, y dentro de los resúmenes de IA en buscadores, no solo dónde se posiciona una URL. Una marca puede tener buen SEO tradicional y ser casi invisible dentro de las respuestas de IA, o al revés; reportar solo una variable es reportar la mitad del panorama.

Para equipos sin un área de analítica dedicada, construir esta capa de medición desde cero es un problema real de recursos. Es parte de la razón por la que creamos Kaiman AI Studio, la plataforma de marketing con IA de Alerta!, para integrar el rastreo de visibilidad GEO/AEO y la medición de la era de la IA en una sola capa operativa, en vez de un mosaico de herramientas sueltas. Ya sea con Kaiman o con un stack a la medida, el principio se mantiene: la visibilidad dentro de las respuestas de IA es hoy un indicador adelantado que merece medirse por derecho propio.