Dos estudios publicados el mismo día completan una idea incómoda: los equipos de marketing pierden horas invisibles construyendo y manteniendo sus propias herramientas de IA, mientras Harvard mide que el público no objeta moralmente reemplazar ese mismo trabajo por completo. El ahorro que creen tener puede ser negativo, y nadie los va a defender por seguir siendo humanos.
La evidencia: dos estudios que llegaron el mismo día
El 7 de septiembre, Kevin Indig publicó en Growth Memo el resultado de un experimento que antes se hizo con programadores. A fines de 2025, METR hizo trabajar a 16 desarrolladores experimentados en 246 tareas reales, la mitad con herramientas de IA y la mitad sin ellas. Los desarrolladores esperaban ser 24% más rápidos con IA. Terminaron siendo 19% más lentos, y aun después de ver sus propios tiempos, seguían creyendo que la IA los había hecho cerca de 20% más rápidos (Kevin Indig, Growth Memo, 7 de septiembre de 2026).
Indig traslada el hallazgo a marketing con un dato de HubSpot que él mismo recoge: 91% de los líderes de marketing dice que sus equipos usan IA, y 66% construye sus propias herramientas internas en vez de comprarlas afuera. Ese trabajo de construir y mantener (lo que Indig llama homebrew AI work) no aparece en ningún plan de proyecto ni en ningún dashboard, y se paga con horas que antes salían de publicar contenido, ganar menciones o sostener la comunidad que alimenta la visibilidad orgánica. Un estudio de BetterUp Labs y Stanford que Indig cita en la misma columna encontró que 41% de los encuestados recibió el mes pasado workslop (output de IA que parece terminado y no lo está), y que resolver cada caso tomó en promedio una hora con 56 minutos: en una empresa de diez mil personas, eso supera los 9 millones de dólares al año.
Ese mismo día, Search Engine Journal publicó la otra mitad del cuadro. Harvard Business School recopiló, en un research roundup de febrero de 2026, el trabajo del profesor asistente James Riley, quien le pidió a 2.357 personas calificar qué tan moralmente objetable sería automatizar por completo cada una de 940 ocupaciones, en una escala de 1 a 7. Las y los estrategas de marketing de búsqueda sacaron 2.31: de las diez ocupaciones que Search Engine Journal grafica, solo los auxiliares de archivo sacaron menos (Search Engine Journal, 7 de septiembre de 2026).
| Ocupación | Objeción moral a automatizarla (escala 1 a 7) |
|---|---|
| Clero | 5.91 |
| Cuidado infantil | 5.86 |
| Estrategas de marketing de búsqueda | 2.31 |
El estudio de Riley tiene una segunda cifra que pesa más que la primera. Con las capacidades actuales de la IA, el público apoya automatizar por completo cerca del 30% de las 940 ocupaciones medidas. Cuando la encuesta pide imaginar una IA más avanzada, mejor que una persona y más barata, ese apoyo casi se duplica a 58%. Solo un 12% de las ocupaciones (clero, cuidado infantil, deportistas, entre otras) genera resistencia moral fuerte sin importar qué tan buena sea la IA. El marketing de búsqueda no está en ese grupo: ya está cerca del piso.
"Whatever is currently standing between our jobs and full automation, it isn't the public's conscience." Search Engine Journal, 2026
La lectura entre líneas: la misma persona paga las dos cuentas
Las dos piezas no se citan entre sí, pero leídas juntas cambian de tamaño. Growth Memo describe un costo que ya existe hoy: cada workflow de IA que un equipo de marketing construye se vuelve, desde el día en que queda terminado, en un trabajo permanente de mantención que alguien tiene que sostener, casi siempre la misma persona que lo construyó. Ya vimos ese patrón cuando las marcas empezaron a construir su propio agente de compras con IA en vez de comprar uno externo: construir gana autonomía, pero también reparte sobre un equipo que no la tenía presupuestada una carga de mantención que antes pagaba un proveedor. Lo mismo pasa cuando un agente conectado por MCP empieza a pausar campañas o publicar posts sin que exista todavía el registro de auditoría de la interfaz que reemplaza: la velocidad se gana en el momento en que se conecta el agente, y se paga después, en horas de alguien revisando qué hizo.
Riley aporta la pieza que le faltaba a esa cuenta: por qué nunca aparece en ningún reporte de directorio. Su dato central es que la resistencia a automatizar casi nunca es un principio moral, es una apuesta sobre si la tecnología ya sabe hacer el trabajo. El marketing de búsqueda ya perdió esa apuesta en la cabeza del público: un 2.31 sobre 7 no dice "todavía no confiamos en la IA para esto", dice que casi no queda piso moral que defender. ¿Qué le queda entonces a un equipo de marketing para justificar que siga siendo una persona, y no un agente, quien redacte la meta description o programe el post? Le queda exactamente lo que Riley llama la brecha de competencia, que la persona todavía lo haga mejor, y esa es la misma brecha que Indig documenta cerrándose desde adentro: cada hora que el equipo gasta aprendiendo a operar la IA, corrigiendo su output o manteniendo el workflow que la conecta, es una hora que no gasta demostrando que la persona sigue siendo mejor.
Eso deja a los equipos de marketing en una posición más incómoda que la de otros oficios golpeados por la misma ola. A quienes trabajan en salud o educación todavía los protege, aunque sea parcialmente, la resistencia moral que mide Riley. Al marketing de búsqueda no lo protege eso, lo protege por ahora que la IA todavía comete errores visibles. Y ese argumento se agota un poco cada vez que un equipo publica algo que la propia IA generó a medias porque nadie tuvo la hora extra para revisarlo bien, justo el escenario que describe el estudio de BetterUp Labs sobre workslop.
Accionables para marcas en Chile y LatAm
Antes de sumar otra herramienta de IA al equipo de marketing, o de usar "la gente decide mejor" como argumento para no automatizar algo, evalúa esto:
- Mide la hora real, no la percibida. Preguntarle al equipo cuánto tiempo ahorra una herramienta interna no basta: el estudio de METR muestra que la gente se equivoca incluso viendo sus propios datos. Cronometra la misma tarea con y sin la herramienta durante dos semanas, contando construcción, aprendizaje y corrección, no solo la ejecución.
- Ponle dueño y fecha de revisión a cada workflow de IA que construyas. Si nadie sabe qué hace cuando falla, ya es una deuda técnica con nombre de persona, no una eficiencia comprobada.
- Cuenta las horas de mantención como gasto, no como productividad extra. Súmalas al mismo casillero que costaría la herramienta o el proveedor que reemplazaron: si el total supera lo que costaba comprar afuera, compra afuera.
- No sostengas headcount humano por default: exige el resultado que lo justifica. El estudio de Harvard dice que el público no va a exigir que sea una persona quien haga el trabajo. La única defensa que queda es que esa persona produzca algo medible que la IA todavía no iguala: una relación con un medio, una fuente propia, un dato que nadie más tiene.
- Protege primero el trabajo de visibilidad de más largo plazo. Si algo va a ceder horas cuando el equipo se meta a construir o arreglar IA, que no sea la publicación de fondo, las menciones ganadas o la presencia en los foros donde te citan: ese es, según Indig, el primer trabajo que se sacrifica.
¿Cómo se mide si una herramienta de IA interna realmente ahorra tiempo al equipo de marketing?
No preguntando al equipo si sintió que ahorró tiempo. El estudio de METR que cita Growth Memo muestra que la percepción de velocidad no coincide con la velocidad real, incluso después de ver los datos. Hay que cronometrar la tarea completa (construir, aprender, corregir, mantener) contra la misma tarea sin la herramienta, con un plazo definido.
¿La falta de objeción moral del público significa que la IA va a reemplazar a los marketers de búsqueda?
No necesariamente todavía. Según Riley, lo que hoy frena la automatización completa es una brecha de competencia, no una barrera moral: mientras la IA no iguale a una persona en el trabajo, el puesto se sostiene. Pero esa brecha se está cerrando, y el estudio no deja ningún argumento social de respaldo esperando del otro lado cuando termine de cerrarse.
