AI 2.0: marco McKinsey y marketing positionless

El poeta antiguo Arquíloco escribió una frase que sigue apareciendo en literatura de liderazgo y programas de formación: no ascendemos al nivel de nuestras expectativas, caemos al nivel de nuestro entrenamiento. Ahí están muchos equipos de marketing con la inteligencia artificial: las expectativas de crecimiento, personalización y eficiencia son altas, pero la madurez organizativa suele quedarse atrás. Cada proveedor promociona funciones de IA y cada conferencia tiene keynotes, pero la pregunta ya no es solo qué herramienta comprar, sino si se captura el valor de lo que ya se invirtió.

Según Gartner, de media el 15,3 por ciento del presupuesto de marketing va a IA, mientras solo alrededor del 30 por ciento de las organizaciones declara una preparación madura o plenamente desarrollada. El presupuesto está; la ejecución no alcanza. Esa brecha define la sobrecarga de los CMO en 2026 y enfoca la estrategia: del compra de herramientas a la creación de valor medible.

Un estudio de Forrester encargado por Optimove y publicado en mayo de 2025 ("Accelerating Marketing Impact Through AI And Agile Workflows") muestra el mismo patrón. Solo el 39 por ciento usa IA para creación de contenido, el 37 por ciento para flujos de campaña y apenas el 14 por ciento para construir segmentos de audiencia. La adopción es menor donde el impacto de negocio sería mayor: señal de pilotos aislados en lugar de transformación integral.

El diagnóstico de McKinsey: seis capacidades en lugar de proyectos sueltos

En el libro revisado "Rewired: How Leading Companies Win with Technology and AI", los autores de McKinsey sostienen que la mayoría de empresas abordan mal la IA: confunden experimentos con transformación, persiguen iniciativas aisladas y no generan valor medible porque no replantean modelos operativos, datos y adopción. Para responsables de marketing, la tesis es directa: sin rewiring organizacional, cada función de IA sigue siendo una isla.

McKinsey enumera seis rasgos de las empresas que ganan:

• Hoja de ruta de transformación: cada iniciativa digital y de IA debe vincularse a objetivos financieros y al P&L.
• Banco de talento: formar internamente a líderes en tecnología e IA en lugar de externalizar capacidades núcleo.
• Modelo operativo: del waterfall a equipos basados en producto y plataforma que mezclan tecnología y negocio.
• Tecnología distribuida: arquitecturas modulares con APIs en lugar de cuellos de botella monolíticos.
• Datos en todas partes: productos de datos gobernados y de calidad para muchos equipos, no correos con CSV adjuntos.
• Adopción y escalado: cambiar la forma de trabajar con gestión del cambio, no solo vídeos formativos.

Las organizaciones de marketing honestas encontrarán huecos en al menos tres de estas seis áreas; no es un fracaso, sino el punto de partida para AI 2.0.

De AI 1.0 a AI 2.0: productividad frente a resultados

AI 1.0 fue la era de la productividad: escribir, generar, resumir y ejecutar más rápido. Los equipos que lo hicieron bien aceleraron campañas y llegaron al cliente en el momento adecuado. AI 2.0 mide el éxito de otro modo: no tanto tiempo ahorrado, sino ingresos, conversión, retención y relaciones más profundas.

Gartner confirma la brecha: solo alrededor de uno de cada tres CMO ve los retornos esperados de las inversiones en IA. Muchos aún miden eficiencia y velocidad; los CMO de alto rendimiento priorizan resultados de negocio y KPI como tasas de conversión o satisfacción del cliente junto a ganancias de tiempo.

La sobrecarga aparece en el día a día: equipos prueban docenas de herramientas en paralelo sin base de datos común. Las campañas arrancan más rápido, pero las lecciones de los experimentos rara vez llegan a un playbook central. Las organizaciones repiten errores: segmentos que nadie mantiene o automatización de contenido sin control de calidad. AI 2.0 exige por tanto gobernanza: quién alimenta modelos, qué KPIs aplican y cómo los resultados se ven en el P&L.

Para equipos SEO y growth implica un cambio de perspectiva: la visibilidad en buscadores y superficies de IA sigue importando, pero el éxito se mide en ingresos y retención. La personalización sin datos limpios y adopción se diluye, sea el canal orgánico, de pago o CRM. El marketing positionless hace explícita esa unión: las disciplinas trabajan en outcomes compartidos, no en métricas de eficiencia aisladas.

Positionless marketing: el siguiente paso

La frase "AI 1.0 saved time. AI 2.0 makes money" resume el cambio. Los ganadores en la era AI 2.0 son "positionless": ya no piensan en silos rígidos de rol o canal, sino que orquestan recorridos, datos y automatización entre touchpoints. Un marketer positionless conecta estrategia, activación y medición, apoyado en plataformas que usan la IA no solo como asistente de redacción, sino como motor de segmentación, orquestación de journeys e informes de resultados.

Optimove se sitúa en la brecha entre el marco McKinsey y la realidad diaria de los equipos: menos funciones de IA puntuales y más flujos continuos donde procesos ágiles de marketing y decisiones asistidas por IA van juntos. Quien solo informa eficiencia arriesga que el presupuesto de AI 2.0 se mueva a otro sitio. Quien alinea hoja de ruta, datos, modelo operativo y adopción puede convertir ese 15,3 por ciento en impacto demostrable.

Lista de comprobación para liderazgo de marketing

Compruebe si cada iniciativa de IA activa tiene un camino claro hacia resultados. Suba la adopción en segmentación y flujos de campaña, donde Forrester señala la mayor palanca. Construya capacidad interna de IA en lugar de solo alquilar herramientas. Y defina qué significa "positionless" en su organización: datos compartidos, objetivos compartidos, medición compartida, independientemente del canal.