La inteligencia artificial está transformando los recorridos de compra y, con ello, también está poniendo a prueba los sistemas tradicionales de medición publicitaria. Ante este escenario, la Interactive Advertising Bureau (IAB) está trabajando en un nuevo marco destinado a establecer cómo debe medirse y asignarse el valor a las conversiones en las que interviene la IA.

Según ha avanzado Digiday, el organismo prevé publicar este marco el 12 de noviembre. El proyecto está liderado por Caroline Giegerich, vicepresidenta de IA de IAB, y cuenta con la participación de empresas tecnológicas, agencias, medios, proveedores de medición y anunciantes.

El objetivo es establecer una metodología común para determinar qué papel desempeña la inteligencia artificial en una conversión, especialmente en aquellos recorridos en los que las señales tradicionales de atribución dejan de ser visibles.

La IA abre una brecha en la atribución tradicional

El problema al que se enfrenta la industria es cada vez más evidente. Los consumidores utilizan herramientas de IA para investigar productos, comparar alternativas, resumir opiniones y recibir recomendaciones. Además, los agentes de IA comienzan a participar directamente en determinadas operaciones comerciales.

En estos nuevos recorridos, una conversión puede producirse sin que exista una conexión detectable entre la compra y el anuncio que influyó originalmente en el consumidor.

Por ejemplo, un usuario puede haber estado expuesto a una campaña publicitaria, recurrir posteriormente a un asistente de IA para investigar diferentes productos y terminar realizando una compra a través de ese sistema. En ese proceso puede desaparecer cualquier vínculo que permita identificar la exposición publicitaria inicial mediante los modelos convencionales de atribución.

Existe además un escenario más complejo: una campaña puede influir en un consumidor que posteriormente publica contenido o manifiesta una determinada preferencia. Esa información puede ser incorporada por un sistema de IA y terminar influyendo en la recomendación que recibe otro usuario. La cadena de influencia publicitaria se vuelve así mucho más difícil de rastrear.

Por ello, IAB no plantea sustituir las metodologías actuales, sino complementarlas con nuevas señales capaces de recoger la influencia de los sistemas de IA.

Dos formas de medir la influencia de la IA

El marco que prepara IAB podría diferenciar entre dos grandes momentos dentro del recorrido del consumidor.

Por un lado, aquellos casos en los que la IA muestra un contenido al usuario durante las fases de conocimiento o intención. Por otro, situaciones en las que la inteligencia artificial interviene directamente en la toma de decisiones y ayuda al consumidor a escoger un producto o servicio.

Esta diferenciación permitiría empezar a determinar cuánto valor debe atribuirse a una interacción con IA cuando no existe una señal convencional que conecte directamente la exposición con la conversión.

Giegerich reconoce que parte de la información necesaria para realizar esta medición todavía no existe. Precisamente por ello, IAB está trabajando con diferentes actores de la industria para identificar qué datos deberían recopilarse y cómo podrían estandarizarse.

Los consumidores ya incorporan la IA a sus compras

La necesidad de desarrollar estos estándares llega mientras el uso de la inteligencia artificial durante el proceso de compra continúa aumentando.

Un estudio elaborado por IAB y Talk Shoppe a partir de más de 450 sesiones de compra observadas y una encuesta a 600 consumidores estadounidenses revela que casi el 40% de los compradores encuestados utiliza IA durante sus compras. Entre quienes recurren a estas herramientas, el 46% afirma utilizarlas casi siempre o siempre.

Sin embargo, la IA no está eliminando necesariamente etapas del proceso de compra. El análisis de IAB muestra que el 95% de los consumidores realiza al menos una acción adicional después de interactuar con una herramienta de IA antes de finalizar su sesión. De hecho, el número medio de pasos online pasó de 1,6 antes de la interacción con IA a 3,8 después.

La confianza también continúa siendo un factor relevante. El 89% de los consumidores consultados afirma comprobar la información proporcionada por la IA antes de realizar una compra, mientras que únicamente el 46% confía plenamente en las recomendaciones recibidas.

El tráfico procedente de IA ya genera conversiones

Otros datos muestran que esta transformación también empieza a tener un impacto directo sobre el comercio electrónico.

Según Adobe Digital Insights, el tráfico procedente de fuentes de IA hacia páginas web de retailers estadounidenses aumentó un 393% interanual durante los tres primeros meses de 2026.

Además, en marzo los usuarios procedentes de fuentes de IA registraron una tasa de conversión un 42% superior a la del tráfico procedente de fuentes no relacionadas con IA, entre las que se incluyen canales como la búsqueda de pago o el email.

El dato supone un cambio significativo respecto a marzo de 2025, cuando el tráfico procedente de IA presentaba una tasa de conversión un 38% inferior a la del resto de fuentes.

Aunque estos datos permiten medir las visitas que llegan desde sistemas de IA, no resuelven el problema de aquellos recorridos en los que la inteligencia artificial interviene en la decisión de compra sin dejar una conexión identificable con la exposición publicitaria original.

IAB también trabaja en medir la visibilidad dentro de la IA

El nuevo marco de atribución forma parte de un trabajo más amplio de IAB para adaptar la medición publicitaria a la nueva realidad impulsada por la inteligencia artificial.

El pasado 3 de agosto, la organización publicó unas directrices específicas para medir la visibilidad de marcas y contenidos editoriales dentro de plataformas de IA. El marco Measuring Visibility in the AI Era pretende establecer una metodología común ante la proliferación de herramientas de medición.

Según IAB, existen más de 20 compañías que ofrecen actualmente soluciones para medir la visibilidad en sistemas de IA, pero sus diferentes metodologías pueden generar resultados distintos para una misma organización.

El marco propone una jerarquía común de métricas y diferencia entre mediciones orientadas a la toma de decisiones y mediciones de carácter direccional. También establece requisitos de transparencia para los proveedores de estas herramientas.

Mientras que este primer marco se centra en si una marca, producto, medio o contenido aparece dentro de una plataforma de IA, el nuevo proyecto previsto para noviembre busca responder a una cuestión diferente: cómo relacionar esa intervención de la IA con una conversión y qué evidencias permiten asignarle valor.

Entre las nuevas señales que IAB está estudiando figuran la tasa de inclusión de IA, la cuota y profundidad de las citas, la presencia dentro de los corpus utilizados por estos sistemas o la estabilidad de las posiciones.

Los medios también reclaman reconocimiento

La atribución plantea además un nuevo reto para los medios de comunicación y editores. Sus contenidos pueden ser utilizados para alimentar los sistemas de IA y terminar formando parte de las respuestas que reciben los consumidores durante sus procesos de investigación y compra.

Por ello, los editores que participan en las conversaciones de IAB reclaman que su contribución también sea tenida en cuenta a la hora de determinar cómo se asigna el valor generado por una interacción con inteligencia artificial.

El problema es que, en muchos casos, todavía no existen mecanismos que permitan identificar de forma precisa esa cadena de influencia.

Estándares para una publicidad cada vez más agéntica

Paralelamente, IAB Tech Lab está desarrollando estándares técnicos para los agentes de IA que operan dentro del ecosistema publicitario. Sus Agentic Advertising Protocols (AAMP) están diseñados para escenarios en los que agentes autónomos o semiautónomos participan en procesos como el descubrimiento de medios, la planificación, la compra o las transacciones publicitarias.

Este trabajo se sitúa en un nivel diferente al de los marcos de visibilidad y atribución. Mientras estos últimos buscan establecer cómo medir el impacto de la IA, AAMP pretende definir cómo pueden comunicarse e interactuar los agentes publicitarios dentro de los sistemas existentes.

La iniciativa incluye mecanismos para que los agentes puedan identificarse, intercambiar información, negociar y completar operaciones utilizando estructuras comunes.

IAB Tech Lab lanzó en julio la versión 2.3 de AAMP, incorporando actualizaciones relacionadas con el despliegue empresarial, la privacidad, el control de precios y el soporte para nuevas plataformas publicitarias.

La organización también está trabajando en la identidad de estos agentes mediante un registro que permite a las empresas describir sus capacidades y funciones.

La industria busca una nueva medición publicitaria

El avance de la IA está obligando a la industria publicitaria a replantearse cómo entiende la atribución. Las métricas tradicionales siguen siendo relevantes, pero resultan insuficientes cuando una parte cada vez mayor del proceso de descubrimiento, consideración y compra está mediada por sistemas de inteligencia artificial.

IAB busca ahora establecer estándares que permitan medir esta nueva realidad sin perder la trazabilidad de las inversiones publicitarias. La organización advierte, no obstante, de que la IA por sí sola no resolverá problemas como datos de exposición incompletos, eventos mal etiquetados, infraestructuras fragmentadas o metodologías de medición inconsistentes.

El reto, por tanto, no consiste únicamente en desarrollar nuevas herramientas, sino en crear un lenguaje común que permita a anunciantes, agencias, medios y plataformas determinar qué papel desempeña la IA en el camino desde el impacto publicitario hasta la conversión.