IA y marketing hacia 2030

La IA puede crear titulares, adaptar el tamaño de los recursos de campaña, redactar páginas de destino, organizar las opiniones de los clientes, sugerir segmentos de audiencia y preparar comentarios para los informes. Eso convierte el marketing en uno de los entornos más visibles de la IA generativa. Pero producir más contenido no equivale a producir una mejor comprensión de los clientes, más confianza en la marca ni más valor de negocio incremental.

La pregunta central no es “¿Reemplazará la IA a los especialistas en marketing?”, sino “¿Qué partes de la producción y del análisis de marketing se vuelven más fáciles y qué competencias humanas se necesitan para que el trabajo resultante sea original, lícito, diferenciado y medible?” En una pyme, un perfil generalista puede encargarse del contenido, la generación de demanda y la analítica. En una empresa más grande, esas tareas se reparten entre especialistas, agencias y plataformas tecnológicas.

Esta guía basada en la investigación separa el trabajo automatizable de la estrategia que exige mucho juicio; distingue las capacidades emergentes de las competencias futuras especulativas, y propone una vía práctica para pasar de la experimentación con IA a un modelo operativo de marketing fiable.

Aplícalo a tu propia organización: Explora la preparación de tu empresa ante la IA con hilighter. Este recurso se puede leer gratuitamente, sin informe restringido ni captación de datos de contacto, y, por ahora, la evaluación solo está disponible en inglés. La experiencia de preparación ante la IA es una ayuda a la planificación, no una calificación individual de empleados ni una certificación regulatoria.

Respuesta rápida: qué cambia, qué importa y qué hacer

Importante: las clasificaciones de este artículo son valoraciones editoriales cualitativas propias. No son probabilidades medidas de sustitución, puntuaciones numéricas de riesgo ni predicciones de reducción de plantilla.

1. Lo que respalda realmente la evidencia

El estudio de IAB Europe de septiembre de 2026 sobre la IA en la publicidad digital señala un uso operativo para los informes, el análisis y la planificación de medios, así como una inversión creciente. Su muestra es de 29 encuestados del sector, por lo que cifras como “el 86% usa la IA para el marketing” describen esa muestra, no al conjunto de las organizaciones de marketing europeas. El informe es más útil para identificar temas de flujo de trabajo y preocupaciones de gobernanza que para medir la prevalencia en toda la población. [1]

El informe State of Data 2025 de IAB encuestó a más de 500 expertos en publicidad de todo el sector y constató que, en ese momento, solo el 30% de las empresas encuestadas había integrado plenamente la IA en todo el ciclo de vida de las campañas de medios. La diferencia entre probar una herramienta de redacción y gobernar un flujo de trabajo de campaña completo es importante. [2]

En otra encuesta de 2025 de IAB y Aymara a 125 directivos de publicidad de Estados Unidos, más del 70% declaró un incidente relacionado con la IA, con problemas como resultados inexactos, sesgados o no acordes con la marca. Es una muestra pequeña del sector, no una tasa de incidentes medida de forma independiente para todos los profesionales del marketing. Constituye un argumento sólido a favor de controles prácticos de aprobación y de calidad. [3]

Un estudio de 2026 con 98 profesionales de la publicidad, resumido por Google Research, observó que los participantes que usaban la IA generativa después de una formación en redacción de prompts producían ideas más creativas que en las demás condiciones. Este resultado respalda el papel de la formación en un experimento concreto de ideación; no demuestra que los resultados de la IA sean siempre más originales ni que el rendimiento de las campañas mejore automáticamente. [4]

La investigación de la OIT a nivel de tareas y las encuestas a empleadores del WEF indican que las competencias y las tareas evolucionarán en muchas ocupaciones; no ofrecen un porcentaje fiable de sustitución de los puestos de marketing. [5][11] La investigación de Microsoft de 2026 sobre el trabajo también subraya los procesos organizativos y el apoyo de los mandos, no solo el uso individual de herramientas de IA. [10]

La conclusión adecuada no es que “el marketing está automatizado”, sino que la producción de contenidos estandarizados se vuelve más fácil, lo que da cada vez más peso a la comprensión de los clientes, la distribución, la validación, el diseño de experimentos y la reputación.

Cómo interpretar la evidencia

Las grandes encuestas del sector describen la adopción, las expectativas y las percepciones de los encuestados. Los experimentos controlados ofrecen una evidencia causal más sólida, pero a menudo prueban una sola herramienta en un solo flujo de trabajo. Los estudios de exposición por tareas identifican un posible solapamiento técnico, no la adopción, la seguridad, el valor de negocio ni el desplazamiento real de empleos. hilighter no convierte ninguno de ellos en un porcentaje único de una profesión “en riesgo”.

2. Define la profesión antes de evaluarla

Un título de puesto es un indicador imperfecto de lo que hacen los empleados. La importancia relativa de cada tarea cambia con el tamaño de la empresa, el modelo de negocio, la ubicación geográfica, el segmento de clientes, las herramientas tecnológicas y la antigüedad. Analiza tus propias tareas antes de elegir formación o software.

• Generalista de marketing / responsable de marketing en una pyme: combina contenidos, campañas de CRM, redes sociales, eventos e informes. La mayor oportunidad es una asistencia centrada en flujos de trabajo concretos, más que adquirir todas las herramientas de IA.
• Especialista en marketing de contenidos / redactor publicitario: redacta piezas editoriales, páginas de destino y secuencias de correo. La investigación original, las entrevistas con expertos, la estructura narrativa y la verificación de datos diferencian el trabajo.
• Especialista en marketing de resultados / en captación: gestiona los medios de pago, prueba las creatividades y evalúa la eficiencia. La IA puede ayudar en las pujas y las variantes, pero la medición causal y el control del presupuesto siguen siendo centrales.
• Especialista en SEO / crecimiento orgánico: investiga las preguntas de los clientes, la arquitectura de la información y las páginas útiles. Las plataformas de búsqueda premian la originalidad útil más que los casi duplicados generados en masa.
• Especialista en CRM / marketing del ciclo de vida: construye segmentos, recorridos y campañas de fidelización. El consentimiento, la resolución de identidades, las normas sobre el correo electrónico y la confianza de los clientes son límites esenciales.
• Especialista en marketing de marca / de producto: aclara el posicionamiento, los problemas de los clientes, las pruebas, los mensajes diferenciados y los lanzamientos coordinados; predominan el juicio humano y la exactitud de las afirmaciones.

3. Mapa del impacto de la IA, tarea por tarea, en el trabajo de marketing

Cómo leer el mapa: cada tarea tiene dos valoraciones independientes. Potencial de cambio: Alto cambio en el trabajo significa actividades relativamente repetibles que pueden asistirse o automatizarse parcialmente con buenos datos y revisión; Medio / condicional significa que una ayuda útil de la IA depende mucho del contexto y de los sistemas; Liderado por personas / de alto impacto significa que las herramientas pueden preparar la información, pero el control humano responsable sigue siendo central. Riesgo y confianza es una dimensión aparte (Bajo, Medio, Alto, Crítico): se refiere a la privacidad, la exactitud, los derechos, la equidad y el coste de un error. Ninguna de las dos valoraciones es una probabilidad.

Cinco flujos de trabajo que conviene examinar primero

La abundancia de contenido aumenta la necesidad de juicio editorial. Cuando cualquier competidor puede generar textos aceptables, repetir consejos generales pierde valor. Las entrevistas originales, las pruebas de producto, los ejemplos propios y la honestidad sobre las limitaciones aportan diferenciación. El papel del profesional del marketing pasa de pulir frases a plantear y validar un argumento útil.

El análisis de marketing necesita disciplina causal. Un informe de IA puede afirmar con seguridad que una campaña “impulsó” el crecimiento cuando el panel solo muestra una correlación. Los equipos deberían especificar las reglas de atribución, los grupos de control o los experimentos cuando sea viable, las definiciones de conversión y las lagunas de datos. El analista humano debe cuestionar los relatos atractivos.

La personalización de las audiencias está limitada por la privacidad y la confianza. Un modelo podría inferir rasgos personales a partir del comportamiento observado, pero la segmentación técnica no establece una base jurídica. Los equipos de marketing necesitan un conocimiento operativo del consentimiento, de las pruebas de interés legítimo cuando proceda, de la minimización de datos, de las listas de exclusión y de las normas de comunicación de la normativa ePrivacy.

Las herramientas de medios con agentes crean una exposición presupuestaria. Un copiloto que sugiere textos nuevos implica menos riesgo que un agente que modifica pujas o publica anuncios. Este último necesita permisos, límites de gasto, una revisión de las afirmaciones y un botón de parada fiable.

El SEO depende más de una visión única que del volumen de páginas. Usa la IA para estructurar la investigación y descubrir preguntas que faltan, pero no generes decenas de páginas casi idénticas sobre ocupaciones o sectores solo para posicionarte. Las directrices de los buscadores advierten contra el contenido a escala que aporta poco valor a los usuarios. [8]

4. Competencias y hábitos de trabajo que podrían perder valor relativo

Una distinción importante: que disminuya la necesidad de una actividad rutinaria no hace obsoletos ni al empleado ni a la profesión subyacente. Muchas competencias básicas siguen siendo necesarias para detectar los errores de la IA. Se trata de actividades cuyo valor de mercado como actividad independiente podría disminuir, no de competencias que las personas deban dejar de aprender por completo.

• Redacción genérica de primeros borradores: crear variantes rutinarias resulta más barato; la diferenciación precisa, el contexto y la persuasión siguen siendo un valor humano.
• Traducción repetitiva sin adaptación: los modelos de lenguaje producen borradores aproximados, mientras que las afirmaciones locales matizadas y el contexto cultural requieren expertos.
• Comentario manual que pasa de la hoja de cálculo a las diapositivas: los resúmenes automáticos reducen la narración rutinaria; diagnosticar el rendimiento y cuestionar las hipótesis de medición siguen siendo críticos.
• Variación simple de recursos de banco de imágenes: cambiar el tamaño y generar elementos visuales genéricos es más fácil; la identidad de marca y la gestión de derechos ganan importancia.
• Planificación de contenidos basada solo en el volumen de palabras clave: publicar páginas sin evidencia propia ni valor para el lector se convierte en una estrategia más débil a largo plazo.
• La producción de campañas como único indicador de rendimiento: el volumen de recursos o de anuncios significa poco sin incrementalidad, coherencia de marca y resultados cualificados con los clientes.

5. Ocho competencias prioritarias que desarrollar

El criterio útil no es si alguien ha asistido a un webinar sobre IA, sino si puede demostrar un resultado seguro y repetible en un trabajo pertinente. Las evidencias sugeridas a continuación son ilustrativas y los empleados y los mandos deberían adaptarlas.

1. Conocimiento del cliente y síntesis de la evidencia

Construir una visión precisa de los problemas de los clientes a partir de entrevistas, investigación y comportamientos observados, no solo de buyer personas generados por un modelo. Evidencia de la competencia: un brief de posicionamiento con fuentes citadas que distinga observaciones, muestras e hipótesis. Primera práctica: entrevistar a tres clientes y comparar los resultados con un buyer persona generado por IA.

2. Dirección de contenidos con IA y verificación editorial

Diseñar argumentos originales, validar las afirmaciones factuales, mantener una voz coherente y señalar las afirmaciones sin respaldo. Evidencia de la competencia: una página de campaña anotada con enlaces a fuentes fiables y una revisión editorial independiente. Primera práctica: editar un borrador de IA para incluir evidencia original y eliminar cinco afirmaciones genéricas.

3. Medición del marketing y razonamiento causal

Interpretar la conversión, la incrementalidad, la atribución y las disyuntivas presupuestarias con humildad estadística. Evidencia de la competencia: un plan de medición con resultados definidos, líneas de base y diseño de experimento o de grupo de control. Primera práctica: identificar tres factores de confusión de la atribución en el balance de una campaña.

4. Segmentación respetuosa con la privacidad y cumplimiento normativo de las campañas

Entender la procedencia de los datos personales, los canales permitidos, las obligaciones de transparencia y los límites de conservación. Evidencia de la competencia: una especificación de audiencia revisada, con documentación de la base jurídica y de las exclusiones. Primera práctica: auditar los riesgos según el RGPD y la normativa ePrivacy de una campaña hipotética de correo con datos enriquecidos.

5. Estrategia creativa y relato de marca diferenciado

Traducir la realidad del producto y de los clientes en un enfoque diferenciado en todos los formatos y canales. Evidencia de la competencia: un brief creativo con evidencia, justificación, originalidad y respuesta de los clientes puesta a prueba. Primera práctica: elaborar tres rutas conceptuales y probar su reconocimiento y su credibilidad.

6. Diseño de pruebas y optimización responsable

Separar la generación rápida de resultados del aprendizaje válido, incluida la calidad de la muestra y las salvaguardas no financieras. Evidencia de la competencia: un plan documentado de prueba A/B con una métrica principal y una regla de decisión acordada de antemano. Primera práctica: rehacer una prueba no concluyente sin cambiar después su criterio de éxito.

7. Orquestación de flujos de trabajo de campaña entre personas e IA

Mapear la redacción con IA, la revisión, la publicación y la optimización acotada, con responsables y posibilidad de marcha atrás. Evidencia de la competencia: un flujo de trabajo aprobado que incluya el permiso de publicación y los umbrales de presupuesto. Primera práctica: diseñar un circuito seguro de variación creativa con aprobación humana antes del lanzamiento.

8. Procedencia de los contenidos, propiedad intelectual y criterio sobre los medios sintéticos

Comprobar la titularidad, los permisos de uso de la imagen de las personas, las menciones obligatorias y la representación exacta de los productos. Evidencia de la competencia: un registro de revisión que muestre los derechos sobre los recursos, la aprobación editorial humana y las etiquetas aplicables. Primera práctica: auditar el testimonio de un influencer sintético en cuanto a afirmaciones y derechos.

6. Responsabilidades emergentes que ya resultan plausibles

Son responsabilidades de trabajo, no necesariamente puestos establecidos de forma universal. En una pequeña empresa, un mismo empleado puede combinar varias de ellas.

1. Editor de procedencia y aseguramiento de contenidos con IA. Revisa las afirmaciones factuales, las fuentes de los contenidos, el uso de medios sintéticos, la voz de la marca y los requisitos de información. Madurez: responsabilidad emergente, no una ocupación estandarizada.
2. Diseñador de experimentos de crecimiento entre personas e IA. Convierte las hipótesis generadas rápidamente por la IA en pruebas controladas en lugar de lanzar variantes sin fin. Madurez: responsabilidad emergente, no una ocupación estandarizada.
3. Responsable de los datos de audiencia y del consentimiento en la IA. Mantiene el estado de los permisos, la trazabilidad de los datos de clientes y las restricciones de segmentación en todas las herramientas. Madurez: responsabilidad emergente, no una ocupación estandarizada.
4. Responsable de las operaciones de campaña con agentes. Fija los topes de gasto, los controles de publicación, los puntos de revisión y la respuesta a incidentes de las herramientas autónomas. Madurez: responsabilidad emergente, no una ocupación estandarizada.
5. Gestor de la evidencia original de los clientes. Conecta entrevistas, observaciones de campo, datos de producto y casos prácticos con los flujos de generación de marketing. Madurez: responsabilidad emergente, no una ocupación estandarizada.

7. Competencias futuras que podrían aparecer hacia 2028–2030 (hipótesis, no hechos)

Las siguientes son hipótesis de escenario. Sus denominaciones, su calendario y su grado de confianza cualitativo son valoraciones editoriales de hilighter. No se han observado de forma independiente a gran escala y no deben usarse para prometer una trayectoria profesional.

1. Diseño de interfaces de marketing entre agentes. Confianza baja a media (condicional, 2028–2030). Diseñar cómo los asistentes de IA de los compradores descubren y comprueban los datos de producto y los mensajes comerciales. Qué la validaría: que las grandes plataformas de agentes para consumidores publiquen protocolos de descubrimiento estables y medibles.
2. Medición de la autenticidad de los contenidos sintéticos. Confianza media (condicional, 2028–2030). Evaluar la procedencia, el reconocimiento por parte de la audiencia y la confianza cuando los materiales creados con IA están muy extendidos. Qué la validaría: normas de medición independientes que relacionen la procedencia con los resultados con los clientes.
3. Aseguramiento del gasto autónomo en medios. Confianza media (condicional, 2028–2030). Auditar los agentes acotados de pujas y de asignación de presupuesto con IA para detectar comportamientos inesperados en materia de marca y de finanzas. Qué la validaría: que las auditorías independientes y las exigencias de los departamentos de compras conviertan los registros de acciones en una práctica habitual.
4. Gestión continua de modelos de coherencia de marca. Confianza baja a media (condicional, 2028–2030). Mantener un significado de marca coherente en muchas variaciones generadas y sensibles al contexto. Qué la validaría: herramientas validadas que midan la comprensión de la marca en las variaciones generadas.
5. Ética de la persuasión predictiva y diseño de intervenciones. Confianza baja a media (condicional, 2028–2030). Identificar cuándo la hiperpersonalización deja de ser pertinencia y se convierte en manipulación. Qué la validaría: la aparición de salvaguardas documentadas para los consumidores y de marcos de gobernanza maduros.

8. Un flujo de trabajo real: antes y después de una adopción meditada de la IA

Este ejemplo es una ilustración de diseño de procesos, no un resultado real de un cliente de hilighter ni una promesa de ahorro de costes. Los equipos deberían compararlo con su línea de base y proteger la calidad, no limitarse a reducir el tiempo de gestión.

De una idea de campaña al lanzamiento medido de un producto

El objetivo de la campaña asistida por IA no es crear diez veces más recursos, sino aprender más rápido protegiendo la veracidad, los derechos de los clientes y la eficacia comercial. Un piloto creíble debe poder demostrar qué cambio mejoró los resultados, en lugar de dar por bueno sin más un resumen generado.

9. Cómo podría evolucionar la profesión en 2026, 2028 y 2030

Un escenario para 2030 no es una previsión. Algunos sectores adoptarán la IA lentamente por sus sistemas heredados, las expectativas de los clientes, la regulación, el acceso a los datos o la economía; otros rediseñarán rápidamente sus flujos de trabajo. Un empleador prudente debería prepararse para varias trayectorias en lugar de un único futuro previsto.

10. Gobernanza, confianza y salvaguardas para los empleados

1. Respaldar cada afirmación pública: revisar los precios, las afirmaciones sobre los productos, los ejemplos de clientes y las citas de evidencias antes de publicar.
2. Respetar las normas sobre datos personales y canales: la segmentación de clientes, las listas de contactos compradas y el marketing por correo electrónico o SMS requieren una base adecuada según el RGPD y el cumplimiento de la normativa ePrivacy y de las normas nacionales. [7]
3. Aplicar el artículo 50 con precisión: los requisitos de transparencia se aplican en casos determinados, entre ellos ciertas interacciones con la IA y los medios sintéticos, con excepciones importantes; no afirmes que todo texto asistido por IA requiere una etiqueta idéntica. [6]
4. Auditar los derechos creativos: comprobar el material protegido por derechos de autor, las licencias de imágenes, la imagen y la voz de las personas, las marcas registradas y los falsos respaldos antes de la publicación.
5. Evitar el contenido SEO de poco valor a escala: las directrices de los buscadores advierten contra grandes volúmenes de páginas poco originales y de escaso valor producidas principalmente para manipular el posicionamiento. [8]
6. Acotar los agentes de medios: limitar el gasto, definir las audiencias y las acciones permitidas, exigir la aprobación de los cambios de presupuesto significativos y conservar una parada de emergencia.
7. Evaluar los sesgos y la manipulación: revisar la elaboración de perfiles sensibles, la accesibilidad, la personalización engañosa y las audiencias vulnerables.
8. Mantener la responsabilidad editorial: designar a una persona responsable de cada campaña publicada y una vía de revisión para correcciones o retiradas.

Nota jurídica (contexto de la UE): el artículo 50 del Reglamento de IA incluye normas de transparencia para determinadas interacciones directas con la IA y para ciertos supuestos de contenido sintético, con excepciones y obligaciones que dependen del contexto [6]. El RGPD y las normas nacionales siguen aplicándose al tratamiento de datos personales; en ventas y marketing, la normativa ePrivacy y las leyes locales de marketing directo pueden restringir la prospección de forma independiente [7]. Un artículo de un sitio web no es asesoramiento jurídico. Verifica las normas aplicables a tu flujo de trabajo concreto y a tu jurisdicción.

11. Un plan de acción práctico de 90 días para los equipos

Cuadro de mando organizativo sencillo

Revisa los resultados por tipo de caso, idioma, grupo de clientes y nivel de antigüedad en lugar de tratar un único promedio como prueba de mejora. Incluye una línea de base, comprobaciones independientes por muestreo, la calidad del escalado y un plan explícito de marcha atrás.

12. Preguntas frecuentes

¿Reemplazará la IA a los especialistas en marketing de aquí a 2030?

No existe una cifra universal creíble. La redacción y los informes rutinarios están muy expuestos a la asistencia de la IA, mientras que la comprensión de los clientes, el juicio de marca, la validación y el diseño de experimentos pueden ganar importancia. [5]

¿Qué trabajo de marketing es el más fácil de automatizar?

Los primeros borradores, las variantes sencillas de recursos, la agrupación de temas de investigación, la narración rutinaria de informes y los borradores de localización son puntos de partida habituales cuando las fuentes y los procesos de aprobación son sólidos.

¿Se posicionarán en Google los artículos SEO generados por IA?

No hay ninguna ventaja de posicionamiento garantizada. Google advierte contra las páginas poco originales generadas a escala principalmente para manipular los resultados de búsqueda; lo que cuenta es una evidencia original y útil. [8]

¿Qué competencia debería aprender primero un especialista en marketing de contenidos?

La dirección editorial basada en evidencias: convertir conocimientos verificados sobre los clientes en un argumento diferenciado y, después, comprobar las afirmaciones generadas por la IA antes de publicarlas.

¿Puede la IA gestionar de forma autónoma los presupuestos de publicidad de pago?

Algunas plataformas pueden optimizar pujas y asignaciones, pero las organizaciones deberían aplicar una autoridad limitada, límites de gasto auditados, un diseño de experimentos válido y un botón de parada.

¿Todos los recursos de marketing generados por IA necesitan una etiqueta de IA?

Del artículo 50 no se deriva ninguna regla universal de ese tipo. Los requisitos varían según el tipo de sistema, el contenido, el contexto de publicación y las excepciones aplicables. Consulta las orientaciones oficiales vigentes. [6]

¿Cómo debería empezar un equipo de marketing pequeño?

Elige un único flujo de trabajo medible, como un primer borrador de página de destino con validación de fuentes. Conserva una línea de base y comprueba si mejoran la calidad del resultado y los resultados cualificados.

¿Cómo puede ayudar hilighter a preparar a los equipos de marketing?

Usa la evaluación a nivel de organización para examinar las tareas reales, validar las competencias actuales y planificar el desarrollo de capacidades con los mandos y los empleados. No certifica el cumplimiento de la normativa aplicable a las campañas.

13. Qué deberían hacer ahora las organizaciones

Los profesionales del marketing no deberían definir su futuro por la rapidez con la que pueden generar textos o imágenes. La oportunidad duradera es comprender mejor a los clientes, demostrar lo que funciona, proteger la confianza en la marca y en los datos, y coordinar los sistemas de IA sin renunciar al juicio propio.

Una transformación práctica basada en las competencias empieza por medir las tareas actuales, validar las capacidades reales de los empleados y enseñar a los equipos a trabajar con evidencias, dirección creativa, experimentos y salvaguardas. Estas son también las bases de una conversación sobre la preparación ante la IA a escala de toda la organización.

¿Quieres examinar tus puestos reales en lugar de un perfil genérico? Explora la preparación de tu organización ante la IA con hilighter. Identifica tareas, documenta las competencias actuales, valida las carencias de capacidades con los mandos y los empleados y convierte los resultados en un plan de desarrollo práctico. Por ahora, la evaluación solo está disponible en inglés. No preselecciona automáticamente un rol ni ofrece una calificación oficial de riesgo jurídico.

Metodología, limitaciones y transparencia editorial

Este es un recurso editorial basado en investigación y en escenarios, elaborado para el Observatorio del trabajo y las competencias de hilighter (SkillsBoard SAS). Las categorías de tareas y los grados de confianza de las competencias futuras son clasificaciones editoriales. El informe no es una encuesta representativa de empleadores, una evaluación de ningún empleado concreto, una previsión del mercado laboral, una prueba técnica comparativa de productos de IA, asesoramiento jurídico ni una garantía de que un puesto vaya a desaparecer o no. Las fuentes incluyen investigación independiente, encuestas patrocinadas por proveedores y orientaciones regulatorias. Esos tipos de evidencia no son intercambiables. Todo porcentaje comunicado por un proveedor se atribuye a la encuesta correspondiente, con su base de encuestados cuando está disponible. Fecha de publicación: 7 de noviembre de 2026; verifica los nuevos avances significativos antes de futuras actualizaciones.

Mantenimiento editorial: actualizar los enlaces a las fuentes, las interpretaciones jurídicas y los ejemplos al menos una vez al año y siempre que se produzca un cambio regulatorio o tecnológico significativo. Identificar las modificaciones sustanciales y sus fechas en lugar de cambiar en silencio la evidencia citada.

Fuentes y lecturas complementarias

1. IAB Europe, The Impact of AI on Digital Advertising Report 2026 (24 de septiembre de 2026), pequeña muestra del sector. https://iabeurope.eu/knowledge_hub/the-impact-of-ai-on-digital-advertising-report-2026/
2. Interactive Advertising Bureau (IAB), State of Data 2025: AI across media campaign lifecycle (24 de marzo de 2025). https://www.iab.com/news/iab-state-of-data-report-2025/
3. Interactive Advertising Bureau (IAB), AI Adoption Is Surging in Advertising, but Is the Industry Prepared for Responsible AI? (21 de agosto de 2025). https://www.iab.com/insights/ai-adoption-is-surging-in-advertising-but-is-the-industry-prepared-for-responsible-ai/
4. Google Research / Journal of Advertising Research, Human–GenAI Collaboration in Creative Ideation: Study with Advertising Professionals (2026). https://research.google/pubs/human-genai-collaboration-in-creative-ideation-a-study-with-advertising-professionals/
5. Organización Internacional del Trabajo (International Labour Organization), Generative AI and Jobs: A Refined Global Index of Occupational Exposure (20 de mayo de 2025). https://www.ilo.org/publications/generative-ai-and-jobs-refined-global-index-occupational-exposure
6. Comisión Europea, Guidelines on transparency obligations for providers and deployers of AI systems (Article 50) (2026). https://digital-strategy.ec.europa.eu/en/policies/guidelines-ai-transparency-obligations
7. Comisión Europea, Can data received from a third party be used for marketing? (consultado en noviembre de 2026). https://commission.europa.eu/law/law-topic/data-protection/information-business-and-organisations/legal-grounds-processing-data/can-data-received-third-party-be-used-marketing_en
8. Google Search Central, Guidance on generative AI content on your website (consultado en noviembre de 2026). https://developers.google.com/search/docs/fundamentals/using-gen-ai-content
9. NIST, AI Risk Management Framework: Generative AI Profile (26 de julio de 2024). https://www.nist.gov/publications/artificial-intelligence-risk-management-framework-generative-artificial-intelligence
10. Microsoft, 2026 Work Trend Index: Agents, human agency, and opportunity (5 de mayo de 2026). https://www.microsoft.com/en-us/worklab/work-trend-index/agents-human-agency-and-the-opportunity-for-every-organization
11. Foro Económico Mundial (World Economic Forum), The Future of Jobs Report 2025 (2025). https://www.weforum.org/publications/the-future-of-jobs-report-2025
12. Comité Europeo de Protección de Datos (European Data Protection Board), Guidelines 1/2024 on processing of personal data based on legitimate interest (2024). https://www.edpb.europa.eu/system/files/2024-10/edpb_guidelines_202401_legitimateinterest_en.pdf