El informe de Knak lo deja negro sobre blanco: el 70% de los equipos de marketing de grandes empresas ya usa IA en sus flujos de producción. Emails, páginas de destino, creatividades: todo sale más rápido. Y el 69% sigue midiendo el éxito con la tasa de clics (CTR). La industria ha automatizado la velocidad, pero no ha tocado el termómetro: produce el doble con la regla equivocada.
TL;DR: El resumen sin rodeos
- Producción acelerada, medición congelada: el 70% de equipos enterprise usa IA para producir, pero el 69% sigue midiendo con el CTR.
- Solo el 41% mide lo que importa: ingresos o pipeline influenciado. El resto reporta vanidad.
- GA4 echa más leña: los parámetros GBRAID y gad_ se pierden, y las sesiones de pago aparecen como orgánicas o "(not set)".
- El problema es sistémico: hemos automatizado un sistema de medición que ya estaba roto. La IA solo ha puesto el turbo.
El informe de Knak: la IA acelera, las métricas no
Medir el ROI de la IA en marketing requiere, como mínimo, saber qué estás midiendo. Y según el último informe sobre el estado de la producción de marketing, la mayoría de equipos no lo sabe.
Los datos: un 70% de equipos enterprise ha integrado IA en producción. La promesa de eficiencia se cumple en la parte de "hacer cosas". Pero solo el 41% mide ingresos generados o pipeline influenciado. El resto sigue anclado al CTR como indicador estrella.
¿Sabéis qué significa eso? Que estamos produciendo más piezas, más rápido, para meterlas en un embudo que nadie audita. Es como poner un motor de F1 en un coche sin cuentakilómetros. Muy rápido, sí. Pero no tienes ni idea de adónde vas.
El propio informe lo subraya: el 85% de los equipos enterprise sigue incumpliendo plazos de campaña. Más herramientas, mismos atascos. Eso debería hacer saltar alarmas.
Medir el CTR en 2026 es contar aplausos, no taquilla
El CTR te dice que alguien hizo clic. Punto. No te dice si compró, si convirtió, si se quedó tres segundos y rebotó. Es la métrica más cómoda del mundo porque SIEMPRE sube si produces más. Más emails, más clics. Más páginas de destino, más clics. Es aritmética, no estrategia.
Y aquí está la trampa: la IA amplifica lo que ya hacías. Si medías mal, ahora mides mal más rápido. Tu sistema de informes ya hacía aguas antes de meter un LLM en el flujo de producción. La IA lo único que ha hecho es escalar el desastre.
Apostaría a que buena parte de esos equipos que reportan "éxito con IA" están reportando volumen, no impacto. Y volumen sin rentabilidad es ruido. Ruido caro, además, porque consume horas de equipo, tokens de API y presupuesto de herramientas que nadie cuestiona mientras el CTR pinte bien en el informe mensual.
El problema tiene nombre: inercia. Los equipos adoptaron métricas de vanidad hace una década y nadie se ha parado a preguntar: "Oye, ¿esto realmente nos dice si ganamos dinero?". La respuesta es no. Pero cambiar las métricas implica cambiar las conversaciones con dirección. Y eso ya no es tan cómodo.
GA4 pierde parámetros y tú pierdes la atribución
Pero es que hay más. GA4 tiene su propia crisis de atribución encima de la mesa ahora mismo.
Google acaba de activar un diagnóstico en GA4 (desde el 30 de julio de 2026) que alerta sobre la ausencia de los parámetros GBRAID y gad_ en las URLs de clics de anuncios. Estos identificadores agregados son los que mantienen la atribución cuando GA4 no puede usar los parámetros GCLID o DCLID, o cuando el usuario deniega el consentimiento de datos publicitarios.
¿Y qué pasa cuando faltan? Que las sesiones de pago se reclasifican como orgánicas o como "(not set)". Así, sin avisar. Tu campaña de medios de pago genera tráfico y conversiones, pero en el informe aparece como si el usuario hubiera llegado solo.
Vuelve a lo de Knak. Si automatizas la producción para generar más tráfico, pero tus herramientas de medición fallan en atribuirlo, el resultado es perverso: produces más y mides peor. Y como ya comentamos cuando Google recuperó Data Studio, tener la herramienta no es tenerlo resuelto si los datos que la alimentan ya vienen sucios.
¿Cómo medir el ROI de la IA en marketing sin autoengaño?
Lo primero: deja de medir la IA por lo que produce y empieza a medirla por lo que genera. Parece obvio. El informe de Knak demuestra que no lo es para el 59% de equipos enterprise.
Antes de soltar que "la IA funciona", hazte unas preguntas:
¿Estás midiendo ingresos o clics? Si tu informe de rendimiento no incluye pipeline influenciado o ingresos atribuidos, estás midiendo actividad, no resultado (y la actividad sin resultado tiene un nombre técnico: gastar).
¿Tu atribución funciona? Revisa si tus campañas de medios de pago pasan correctamente los parámetros GBRAID y gad_. Si no, parte de tu inversión se la come el "(not set)" de GA4 y estás tomando decisiones con datos incompletos. Si gestionas campañas en Google Ads, esto es lo primero que deberías auditar.
¿Produces más o produces mejor? La velocidad sin calidad es spam con buena tipografía. Si la IA te permite lanzar diez páginas de destino a la semana pero ninguna supera a la que diseñaste a mano el mes pasado, lo que te falla es el criterio.
En nuestra guía de automatización de contenido con IA insistimos en esto: la herramienta vale lo que vale el proceso que la rodea. Si el proceso de medición es un agujero, la IA solo te ayuda a caer más rápido.
El relato de la industria en 2026 es que la IA lo cambia todo. Y es verdad. Pero lo que cambia de verdad es la velocidad a la que amplificas lo que ya hacías. Incluidos los errores.
Medir el ROI de la IA en marketing empieza por una pregunta incómoda: esas piezas que produces, ¿mueven la aguja del negocio o solo la del informe?
El 69% sigue respondiendo con el CTR.
El problema es de criterio. Y lo era antes de que la IA entrase por la puerta.
Preguntas frecuentes sobre IA, métricas y atribución
¿Qué son los parámetros GBRAID y gad_ en GA4?
Son identificadores agregados que Google Analytics 4 usa para atribuir correctamente las sesiones de pago cuando los parámetros estándar (GCLID, DCLID) no están disponibles o el usuario ha denegado el consentimiento. Sin ellos, GA4 reclasifica las visitas de pago como orgánicas o "(not set)", distorsionando los informes de campaña y la toma de decisiones sobre presupuesto.
¿Qué es el pipeline influenciado en marketing?
El pipeline influenciado mide los ingresos potenciales (oportunidades de venta abiertas) que han tenido al menos un punto de contacto con una acción de marketing: un email, un anuncio, una visita a una página de destino. A diferencia del CTR, conecta la actividad de marketing con el negocio real. Solo el 41% de los equipos lo rastrea, según el informe de Knak.
