Agentes de IA para social media: asistencia en lugar de autonomía

En qué punto están hoy los agentes de IA en el marketing

Su uso aún no está extendido. En la décima edición del estudio State of Marketing de Salesforce, para el que se encuestó a 4.450 responsables de marketing en 26 países, solo el 13 % de los profesionales del marketing afirma usar actualmente IA agéntica. Llama la atención la diferencia dentro de esta muestra global: los equipos de alto rendimiento recurren a agentes de IA casi el doble que los de menor rendimiento.

El marco general está en la página pilar IA & automatización en la gestión de redes sociales. En decisiones relacionadas profundizan Crear publicaciones para redes sociales con IA: casos de uso en el flujo de trabajo 2026, Alternativa a Hootsuite 2026: ¿SaaS, agregador o self-hosted? y ¿Cuántas empresas usan IA en el marketing en redes sociales en 2026?.

Hallazgos que cambian la decisión

Gartner, nota de prensa del 25 de junio de 2025: la firma de análisis prevé que, para finales de 2027, más del 40 % de los proyectos de IA agéntica se cancelarán debido al aumento de los costes, a un valor de negocio poco claro o a controles de riesgo insuficientes. Según la analista de Gartner Anushree Verma, la mayoría de los proyectos son actualmente experimentos tempranos o pruebas de concepto, impulsados por el hype y a menudo mal aplicados. En una encuesta de Gartner de enero de 2025 entre 3.412 asistentes a un webinar, el 19 % indicó que su empresa había invertido de forma significativa en IA agéntica, el 42 % de forma prudente y el 8 % nada; el 31 % estaba a la espera o no lo tenía claro.

Para las redes sociales, en nuestra opinión, esto significa lo siguiente: a un agente que publica o responde a comentarios sin aprobación le falta justo el control de riesgos cuya carencia Gartner señala como uno de los tres motivos de cancelación.

Para el reparto de roles, el BVDW ofrece una plantilla útil. Su área de IA describe los sistemas multiagente como un equipo de expertos en marketing en el que agentes especializados asumen distintos roles y coordinan sus acciones entre sí. Quien planifica así reparte responsabilidades en lugar de buscar un agente que lo haga todo.

Modelo de trabajo: los agentes se encargan de la percepción (investigación, monitorización), la elaboración (borradores, adaptación a la plataforma) y la ejecución (programación y publicación de contenidos aprobados). La persona conserva la dirección creativa, el control ético y la aprobación final. Antes de cada publicación y de cada respuesta a la comunidad hay un filtro de aprobación.

Lógica de decisión: qué asume el agente y qué aprueba la persona

Implementación: del caso de uso al filtro de aprobación

En el día a día, asistencia en lugar de autonomía significa que el agente prepara el trabajo y una persona decide qué se publica. Así se pone en marcha un agente en cinco pasos.

1. Acota el caso de uso. Empieza con un canal y una tarea, por ejemplo borradores de respuesta a comentarios en publicaciones de LinkedIn. Deja por escrito lo que el agente no puede hacer: publicar sin aprobación, borrar u ocultar comentarios, mencionar precios, dar asesoramiento jurídico.
2. Integra un filtro de aprobación. Cada publicación y cada respuesta a la comunidad pasa, antes de publicarse, por una persona con permiso de aprobación. El agente recibe permisos de escritura para borradores. Solo puede programar o publicar lo que esa persona ha aprobado, por ejemplo mediante un estado de aprobación en la herramienta de planificación.
3. Define la escalada. El agente detecta las quejas, las crisis y las cuestiones de salud o jurídicas y las deriva a una persona designada. En esos casos no redacta ningún borrador de respuesta.
4. Aclara el etiquetado. Desde el 2 de agosto de 2026 se aplican las obligaciones de transparencia del art. 50 del Reglamento de IA de la UE. Debes revelar que los deepfakes han sido generados artificialmente; se trata de imágenes, audios o vídeos creados con IA que se parecen a personas, objetos, lugares, entidades o sucesos reales y que, de forma engañosa, parecen auténticos. Lo mismo vale para el texto generado por IA destinado a informar al público sobre asuntos de interés público, salvo que una persona lo haya revisado y una persona o tu empresa asuma la responsabilidad editorial. Un filtro de aprobación con una persona responsable designada puede sustentar esta excepción, que no se aplica a los deepfakes. Si construyes el agente tú mismo, por ejemplo con n8n y un modelo de lenguaje, y lo usas en tu propia empresa, según el art. 3 del Reglamento normalmente eres proveedor. En ese caso, conforme al art. 50, apartado 2, debes garantizar que las imágenes, el audio, el vídeo y el texto que genera tu agente estén marcados como generados por IA en un formato legible por máquina, en la medida en que sea técnicamente viable, aunque una persona apruebe cada publicación. Quedan exentas las funciones que solo ayudan en la edición estándar o que no alteran sustancialmente el material de partida. Para los sistemas que ya estaban en el mercado antes del 2 de agosto de 2026, la obligación de marcado se aplica, según el Digital Omnibus, solo a partir del 2 de diciembre de 2026. Si aun así el agente responde directamente, por ejemplo en mensajes directos, el proveedor debe dejar claro, conforme al art. 50, apartado 1, que la persona se está comunicando con una IA, salvo que resulte evidente.
5. Mide. Para empezar bastan cuatro valores: la proporción de borradores que se aprueban sin cambios, la proporción de borradores rechazados junto con el motivo, el tiempo hasta la aprobación y el número de escalados. Amplía el caso de uso solo cuando la tasa de aprobación se mantenga estable durante varias semanas. Si baja, revisa primero el briefing, las pautas de tono y los datos de partida.

Zapier muestra hasta dónde puede llegar el uso de agentes en una empresa. Según el caso de cliente publicado por Anthropic, este proveedor de automatización opera internamente más de 800 agentes de IA, una cifra superior a su número de empleados, con un uso de IA del 89 % en toda la plantilla. Es el caso extremo de un proveedor de herramientas estadounidense con equipo técnico y no una referencia para un departamento de marketing: lo relevante es qué agente mejora una decisión. El número de agentes dice poco al respecto.

Siguiente paso

Un agente que prepara el trabajo y espera la aprobación ahorra tiempo de investigación y redacción, mientras cada declaración pública sigue pasando por la aprobación de una persona responsable. El uso lo amplías solo cuando las métricas del paso 5 lo justifiquen.

Donde estos procesos se repiten con regularidad, la integración de agentes de IA de Blck Alpaca muestra cómo incorporarlos de forma controlada a los sistemas existentes.