Hace más de diez años, con 300 likes en Facebook, unos investigadores de Cambridge podían conocerte mejor de lo que te conoce tu pareja. Un modelo entrenado con esos "me gusta" generaba un perfil de personalidad con la misma precisión que alcanzaría tu cónyuge. Y hoy, una década después, con inteligencia artificial de por medio, ese dato se queda corto. Demasiado corto. Cuando salió aquel estudio, el mundo se asustó un poco (con razón: de ahí salió, entre otras cosas, el escándalo de Cambridge Analytica).

Pero lo interesante no era solo el escándalo, sino la mecánica: bastaban unos cuantos clics para que un algoritmo supiera leerte mejor que las personas que llevan años a tu lado. Hoy esos "cuantos clics" se han multiplicado por decenas de miles. Cada scroll, cada pausa de medio segundo en un video, cada búsqueda a las 2 a. m., cada carrito abandonado, son señales que un modelo procesa en tiempo real y a una velocidad que ningún humano (ni tu madre, ni tu pareja) puede igualar. Ellos te conocen a ti. El modelo conoce tu patrón. Y resulta que el patrón predice mejor que el cariño. 

Con este contexto, conviene preguntarse: ¿sigue teniendo sentido pensar el marketing como un embudo? El funnel decía algo así: el consumidor conoce tu marca, la considera, compra, y si todo va bien, repite. Ordenadito, lineal, fácil de dibujar en un PowerPoint. El problema es que esa narrativa hace tiempo que no describe a nadie real. Nadie navega en fases.

La gente entra y sale de distintos estados mentales todo el tiempo, sin avisar y sin orden. Esto es justo lo que muestra el estudio de las 4S: el comportamiento del consumidor no se mueve por un pasillo, se mueve entre cuatro modos: streaming, scrolling, searching y shopping, que se solapan y cambian de peso según el sector y el momento. Un mismo video puede ser pura inspiración pasiva si hablamos de moda, y minutos después, ese mismo formato se convierte en investigación activa si hablamos de un viaje. El canal no determina el comportamiento; el comportamiento determina el canal. El funnel, en el mejor de los casos, era una simplificación útil. Hoy es simplemente una foto vieja de un fenómeno que ya cambió de forma. 

Bajo este enfoque, los modelos predictivos de valor (Como ClaudIA en el caso de FiT) se entrenan directamente sobre la first-party data (datos propios de la empresa) para asignar a cada usuario un score dinámico basado en su valor real para el negocio: su Lifetime Value (LTV), su propensión de compra o su riesgo de abandono (churn). Asimismo, la integración de las conversiones offline, aquellas que se materializan fuera del entorno digital, se vuelve indispensable en un ecosistema cookieless donde los píxeles tradicionales apenas logran registrar una fracción del comportamiento del mercado. En ambos casos, la lógica es la misma: el algoritmo no necesita un mapa del journey. Necesita patrones que se repitan lo suficiente como para volverse predecibles. El journey, para una IA, no es el objetivo. Es solo el ruido del que se extrae la señal.

Esto cambia la pregunta que deberían hacerse los equipos de medios. Ya no es "¿en qué fase está mi cliente?", sino "¿qué combinación de comportamientos mueve realmente la aguja, y cuánto presupuesto debería seguir esa señal?". El propio framework de las 4S construye su índice de contribución cruzando comportamiento real, eficacia incremental y percepción declarada, precisamente porque lo que el usuario cree que le convenció y lo que el dato demuestra que le convenció, casi nunca coinciden. 

Y aquí volvemos a Cambridge, pero diez años después. Aquel estudio usaba un solo tipo de señal: un "me gusta", en una sola plataforma. Hoy los modelos que alimentan la personalización cruzan miles de puntos de comportamiento entre dispositivos, sesiones, ubicación, voz, video, y ahora también agentes de IA que actúan en nombre del usuario sin que este escriba una sola palabra. Lo que en 2015 necesitaba 300 señales para igualar a un cónyuge, hoy se logra con una fracción de esa cantidad, actualizándose constantemente. 

Durante años hablamos de personalización: la marca se adapta a lo que el usuario es. Pero el nivel de granularidad actual permite algo distinto, y más incómodo: la experiencia se vuelve condicional. Ya no se trata de mostrarle al usuario una versión adaptada de la marca, sino la versión específica que, dado su patrón de comportamiento en ese instante exacto, tiene más probabilidad de generar la acción que buscamos.

El mensaje, el canal y el momento dejan de ser decisiones estratégicas tomadas con calma y se convierten en salidas calculadas al vuelo. No es un matiz semántico, es un cambio de responsabilidad. Si la IA ya no necesita entenderte como persona para influir en tu decisión (le basta con tu patrón), la pregunta que toda marca debería hacerse en 2026 no es cuánta data tiene, sino qué está dispuesta a hacer con la capacidad de saber, antes que tú mismo, qué vas a hacer.