Anuncios de IBM Watson: capacidades de la publicidad con IA y su sucesor

Los anuncios de IBM Watson fueron un formato publicitario interactivo que usaba el procesamiento de lenguaje natural de Watson para responder a lo que el usuario preguntaba, en lugar de mostrarle una pieza fija. Nunca se convirtieron en una plataforma de compra de medios. Su idea sobrevive hoy en la publicidad dentro de asistentes y buscadores con IA generativa.

En resumen

• Watson Ads respondía con contenido de marca a consultas escritas o habladas; su caso más conocido fue en campañas con The Weather Company.
• IBM no lo convirtió en plataforma de compra de inventario para anunciantes comunes, sino en un formato atado a medios propios y proyectos con clientes concretos.
• La razón de fondo fue de escalabilidad: cada medio exige integración editorial y técnica propia.
• El sucesor directo de esa lógica es la publicidad dentro de asistentes con IA, donde el anuncio se paga por impresiones o clics y aparece marcado como tal.
• La atribución en estos formatos es menos directa que en una campaña de búsqueda, así que la medición depende de datos propios.

¿Qué eran los anuncios de IBM Watson y qué permitían hacer?

IBM Watson Ads fue una herramienta que aplicaba el procesamiento de lenguaje natural de Watson a la publicidad interactiva, sobre todo en formatos donde el usuario escribe o habla. En lugar de mostrar un anuncio fijo, el sistema interpretaba la intención de la pregunta y respondía con contenido de marca. Su uso más conocido fue en campañas con The Weather Company, donde el anuncio reaccionaba a la consulta del usuario sobre el clima.

La diferencia con un banner o un anuncio de búsqueda está en quién toma la iniciativa. En un formato display clásico la marca elige el mensaje y el usuario solo lo ve. Aquí el usuario formula una pregunta en lenguaje natural y el sistema genera una respuesta que incluye el mensaje de marca. El anuncio deja de ser una interrupción y se convierte en una respuesta.

Eso obliga a pensar la creatividad de otra forma. No basta con un titular y una imagen: hay que definir qué preguntas puede recibir el sistema, qué respuestas son válidas para la marca y qué pasa cuando la consulta se sale del guion previsto. Es un trabajo de contenido, no solo de piezas gráficas.

¿Por qué IBM dejó de desarrollar Watson Ads como producto publicitario?

IBM nunca lo convirtió en una plataforma de compra de medios para anunciantes comunes, sino en un formato vinculado a medios propios y a proyectos con clientes concretos. La compañía fue desplazando su foco hacia servicios de IA para empresas, no hacia la venta de inventario publicitario. A eso se sumó que la publicidad conversacional requiere integración editorial y técnica en cada medio, algo difícil de escalar como producto estándar.

Hay una razón de negocio detrás. Vender publicidad a escala exige un inventario amplio, un sistema de pujas y una interfaz donde cualquier anunciante pueda comprar sin fricción. Watson Ads funcionaba al revés: cada despliegue se parecía más a un proyecto a medida que a un producto de autoservicio. Ese modelo da resultados buenos en pocos clientes y malos en muchos.

También pesó el momento de la compañía. IBM orientó su discurso y sus inversiones hacia la IA aplicada a procesos empresariales, donde el comprador es una empresa que busca eficiencia operativa, no un anunciante que busca impresiones. La publicidad quedó fuera de esa prioridad.

La lección que dejó el formato

Lo que Watson Ads demostró es que la publicidad conversacional funciona cuando hay una pregunta real del usuario y una fuente de datos que la responde. El clima era ese dato en el caso de The Weather Company. Sin una pregunta concreta y sin datos que la alimenten, el formato pierde sentido y se convierte en un chatbot con mensaje comercial.

¿Qué plataformas ofrecen hoy publicidad conversacional con IA?

El ejemplo más directo es la publicidad dentro de ChatGPT: el anuncio se paga por impresiones o clics, no hay pujas por palabras clave y aparece marcado como publicitario, separado de la respuesta. Fuera de ahí, los asistentes y buscadores con IA generativa están probando formatos propios, cada uno con sus reglas. La lógica es la misma que planteaba Watson: responder a una consulta en lenguaje natural en vez de interrumpir con un banner.

La diferencia importante frente a Watson Ads es quién controla el inventario. En el modelo actual, el formato vive dentro de una plataforma que ya tiene la audiencia y las reglas de compra definidas. Eso resuelve el problema de escalabilidad que frenó a IBM, aunque traslada el control al dueño del asistente.

Para una marca, eso cambia la pregunta. Ya no es "¿cómo integro mi anuncio en este medio?" sino "¿qué reglas pone esta plataforma y qué puedo controlar dentro de ellas?".

Comparación: Watson Ads frente a la publicidad con IA actual

La tabla deja claro dónde estaba el cuello de botella. El formato no falló por falta de interés, sino porque cada implementación exigía negociar y construir con un medio distinto.

¿Qué necesita una marca para anunciarse en formatos publicitarios basados en IA?

Primero, contenido propio claro sobre el producto, porque el sistema trabaja con lo que puede leer e interpretar. Segundo, cumplir las políticas de la plataforma donde se inserta el anuncio, que en muchos casos exigen certificación previa según el sector. Y tercero, medir con datos propios si la conversación genera valor, ya que en estos formatos la atribución suele ser menos directa que en una campaña de búsqueda tradicional.

El contenido propio es el punto que más se subestima. Un asistente con IA no puede recomendar ni citar un producto que no está descrito con claridad en algún lugar accesible. Si la información de la marca vive solo en piezas gráficas o en un catálogo sin texto útil, el sistema no tiene de dónde tomar nada.

Las políticas de plataforma son el segundo filtro. Hay sectores regulados que necesitan certificación previa y licencias locales antes de poder anunciarse. Conviene revisar las normas vigentes de cada plataforma antes de planificar nada, porque cambian y varían por país.

El tercer punto es la medición. Aquí no sirve copiar el informe de una campaña de búsqueda y esperar los mismos números.

Cómo prepararse antes de invertir

1. Reunir y ordenar la información de producto en texto claro: qué es, para quién, qué resuelve, qué no hace.
2. Revisar las políticas de la plataforma donde se quiere aparecer y comprobar si el sector exige certificación.
3. Definir de antemano qué se considera una conversión y con qué ventana de atribución se va a medir.
4. Preparar el evento de conversión en la web o en el CRM, no solo el clic.
5. Fijar un presupuesto de prueba y decidir qué señal haría continuar o parar.

Si la marca trabaja con varios canales a la vez, conviene que la configuración sea coherente entre ellos. Ese es el tipo de trabajo que cubre la configuración de campañas con IA dentro de la plataforma.

¿Cómo se mide el rendimiento de un anuncio conversacional frente a uno tradicional?

En un anuncio tradicional la métrica base es la impresión o el clic; en uno conversacional importa además si la respuesta resolvió la duda y si el usuario siguió interactuando. Eso obliga a mirar señales posteriores al clic, como el evento de conversión en la web o en el CRM. La comparación solo tiene sentido si ambas campañas usan la misma definición de conversión y la misma ventana de atribución.

El error más común es comparar un formato con otro usando métricas distintas. Si la campaña de búsqueda se mide por conversiones con una ventana determinada y la conversacional se mide por clics, la conclusión será falsa en cualquier dirección. Antes de comparar, hay que igualar la definición.

La segunda trampa es asumir que el clic equivale a interés. En un anuncio conversacional el usuario puede haber obtenido la respuesta que buscaba sin hacer clic. Ese resultado tiene valor aunque no genere una visita. Medirlo exige definir una señal propia, por ejemplo una interacción posterior o un evento en el sitio.

Para campañas en canales de pago tradicionales, los criterios de medición están más asentados. Si tu comparación incluye buscadores, ayuda revisar campañas de Google Ads con ejemplos y su configuración para no mezclar definiciones.

Qué señales conviene observar

• Si la respuesta resolvió la consulta o derivó en otra pregunta.
• Si el usuario continuó la conversación después del mensaje de marca.
• Si hubo un evento de conversión en la web o en el CRM después de la interacción.
• Si el coste por resultado se mantiene dentro de lo que la marca acepta pagar.

Ninguna de estas señales por sí sola demuestra que el formato funciona. La lectura se hace en conjunto y contra la misma definición de conversión que usan los demás canales.

El sucesor no es un producto, es un patrón

Lo que vino después de Watson Ads no es una herramienta con ese nombre. Es un patrón que se repite en cada asistente con IA que abre espacio publicitario: el anuncio aparece dentro de una respuesta, se paga por impresión o clic y se marca como publicitario.

Ese patrón resuelve el problema que IBM no pudo resolver, porque el inventario ya está dentro de una plataforma con reglas de compra. A cambio, la marca tiene menos control sobre el contexto y sobre cómo se mide. El trabajo se traslada del diseño del formato a la preparación del contenido y a la medición.

Para quien gestiona publicidad, la consecuencia práctica es que la conversación deja de ser un experimento creativo y pasa a ser un canal más. Y como cualquier canal, necesita su propia definición de conversión, su presupuesto de prueba y una forma de compararlo con el resto sin trampas.

Si la marca también trabaja con contenido orgánico y redes, el criterio de medición debería ser el mismo en todos los frentes. Eso se nota especialmente cuando se prepara publicidad para un negocio en redes sociales, donde la atribución ya es indirecta de por sí.

Errores que se repiten al entrar en estos formatos

El primero es tratar el formato como un banner con otro envoltorio. El anuncio conversacional no funciona si el contenido de marca no tiene sustancia que el sistema pueda usar.

El segundo es lanzar sin definir la conversión. Sin esa definición, cualquier resultado se puede leer como éxito o como fracaso según el ánimo de la reunión.

El tercero es medir solo el clic. En un formato donde el usuario puede resolver su duda sin salir, el clic deja de ser la señal principal.

Siguiente paso

Antes de invertir en cualquier formato publicitario basado en IA, define qué vas a considerar una conversión y cómo la vas a registrar. Sin esa definición previa, ningún informe te dirá si el canal funciona.

Si quieres preparar esa configuración con apoyo de IA y con control sobre el presupuesto, revisa cómo funciona la preparación de campañas con IA y decide si encaja con tu forma de trabajar. Si prefieres empezar por canales más asentados, puedes comparar criterios con lo que se hace en Telegram Ads frente a una plataforma de IA.