IAB fija el estándar para atribuir ventas a la IA

IAB publica el primer estándar para atribuir ventas a la IA

El 45% de los responsables de compra de publicidad afirma que su mayor desafío de medición es comparar un recorrido de cliente impulsado por IA con uno tradicional. Y un 44% usa el tráfico de marca y el directo como sustituto de una influencia de IA que no puede rastrear. Son cifras del estudio 2026 Outlook Study: September Update de IAB (Interactive Advertising Bureau), la asociación estadounidense que reúne a más de 700 empresas de medios, marcas y agencias.

Con ese punto de partida, el 12 de noviembre IAB publicó el AI-Era Attribution Blueprint, un marco que busca estandarizar cómo la industria clasifica el papel de la IA en una conversión y decide quién puede reclamar crédito por ella. Para quien vende online, la traducción es directa: tu reporte interno de ventas asistidas por IA pasa de ser un criterio propio a tener un estándar de referencia con el que te van a comparar agencias, inversores y equipos de finanzas.

¿Cómo se clasifica una venta en la que participó la IA?

El marco hace tres preguntas en el momento de la conversión: quién o qué creó la intención, quién tomó la decisión y quién completó la compra. De ese recorrido salen tres categorías:

¿Y esto cómo se aplica en tu negocio?

Dueños de negocio de Latinoamérica y España usan un agente de IA para ganar más y recuperar su tiempo. El Kit «tu mano derecha con IA» te muestra cómo en un video de 11 minutos, con una ficha para armar el tuyo. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

Human-Owned: el trayecto lo origina y lo cierra una persona.
AI-Assisted: la IA ayuda a formar la intención, pero la decisión sigue siendo humana.
AI-Executed: la IA completa la compra, típicamente en interacciones sin clic.

Cada categoría habilita dos tipos de reclamación: una decision claim (para quien tomó la decisión) y una contributory claim (para quien contribuyó a que esa decisión ocurriera). El matiz más importante está en el documento: una reclamación no es crédito, es el derecho a ser evaluado para recibirlo. Es decir, el estándar no reparte automáticamente el mérito de una venta; define qué evidencia hace falta para entrar en la discusión.

Eso cambia la conversación dentro de la empresa. Ya no se trata de pelear por el último clic ni de que cada canal reclame el 100% de la conversión, sino de demostrar qué parte del recorrido tiene respaldo verificable.

¿Por qué la atribución tradicional se rompe con la IA?

Porque el rastro que usaban los modelos clásicos se está borrando. Adobe Digital Insights analizó más de un billón de visitas a sitios de retail en Estados Unidos y encontró que el tráfico llegado desde fuentes de IA creció 393% interanual en los primeros tres meses de 2026. En marzo de 2026, esos visitantes convirtieron a una tasa 42% superior a la del tráfico no proveniente de IA, un grupo que incluye canales como búsqueda paga y email. El dato más interesante es la reversión: en marzo de 2025, el tráfico referido por IA convertía 38% peor que el resto, según la misma medición recogida por Marketing Tech News.

El problema de fondo no es tecnológico, es de trazabilidad. Cuando el recorrido de descubrimiento, investigación, comparación y selección se comprime en una sola interacción dentro de un chat, el comprador puede cerrar la operación sin tocar nunca el anuncio que originó el interés. La evidencia de esa influencia queda dentro de la plataforma de IA, fuera del alcance de tu analítica web.

Caroline Giegerich, vicepresidenta de IA de IAB, señaló que las ventas influidas por IA terminan reportadas como búsqueda o tráfico directo, lo que puede mandar la siguiente inversión de marketing al canal equivocado. Es el error más caro del momento: optimizar contra una señal que en realidad era otra cosa.

¿Cuánto pesa realmente la IA en la decisión de compra?

IAB y Talk Shoppe combinaron más de 450 sesiones de compra con IA observadas con una encuesta a 600 consumidores estadounidenses de 18 a 64 años. Los hallazgos, reportados por Marketing Tech News, matizan la idea de que la IA acelera las decisiones:

Cerca del 40% de los encuestados usó IA al comprar.
Entre quienes la usan, el 46% la emplea la mayoría de las veces o en cada compra.
El 95% hizo al menos una acción adicional después de interactuar con la IA antes de cerrar la sesión.
El número promedio de pasos online pasó de 1,6 antes de la interacción con IA a 3,8 después.
El 89% verificó la información entregada por la IA antes de comprar, mientras que solo el 46% confió plenamente en sus recomendaciones.

La lectura para un founder es incómoda y útil a la vez: la IA no necesariamente acorta el embudo, lo redistribuye. Añade puntos de validación donde el comprador contrasta lo que el asistente le dijo, y esos puntos son oportunidades de marca que hoy casi nadie está midiendo.

Lo que el estándar todavía no resuelve

IAB es explícito sobre sus límites. Su CEO, David Cohen, describió el marco como honesto respecto a lo que la industria todavía no puede sustanciar. La propia organización identificó casos en los que una compra no deja vínculo observable con la exposición publicitaria que la originó, y llama a marcas, plataformas de IA, agencias y publishers a cerrar esa brecha con datos propios.

El blueprint se apoya en un trabajo previo: el marco Measuring Visibility in the AI Era, publicado en agosto, que ya advertía que más de 20 proveedores de medición de visibilidad en IA aplican metodologías distintas y pueden llegar a resultados distintos para la misma empresa. A eso se suma la línea técnica de IAB Tech Lab, que en julio actualizó sus protocolos de gestión publicitaria para agentes autónomos (AAMP 2.3). El mensaje implícito: la infraestructura para medir la era agéntica se está construyendo por capas, y ninguna está terminada.

¿Qué significa esto para tu startup?

Si vendes por canales digitales, este marco te sirve incluso antes de que sea obligatorio. Te obliga a documentar un criterio de atribución que hoy probablemente vive en la cabeza de una sola persona del equipo de growth.

Primero, clasifica tu propio mix. Toma tus últimas 100 a 200 conversiones y sepáralas en las tres categorías del marco, con una regla escrita de qué evidencia aceptas para cada una. No busques precisión perfecta: busca consistencia. Con eso ya puedes decirle a un inversor por qué una parte de tus ventas no aparece en el reporte del canal.

Segundo, separa lo que te reporta la plataforma de lo que tú verificaste. El blueprint pide a las agencias distinguir entre claims reportados por la plataforma y claims verificados de forma independiente. Aplica la misma disciplina aunque no seas agencia: anota qué porcentaje de tus ventas atribuidas a IA viene de un dato que controlas (encuesta post-compra, cupón único, registro del vendedor) y qué porcentaje es lo que una plataforma te dice de sí misma.

Tercero, deja de usar el tráfico de marca como única proxy. Es exactamente lo que hace el 44% del mercado según IAB, y sirve como señal de urgencia, no como modelo de atribución. Si tu branded search sube pero tu conversión no, el dato no te está diciendo que la IA funciona: te está diciendo que alguien te buscó por otra razón.

Para las startups de América Latina y España, la ventaja operativa es de calendario. Adoptar un vocabulario común entre marketing, producto y finanzas ahora es barato; hacerlo después de cerrar una ronda con métricas que no resisten una auditoría es caro.

Conclusión

El AI-Era Attribution Blueprint no resuelve la atribución: define el campo de juego y exige evidencia. La parte incómoda es que buena parte de esa evidencia no existe todavía o está en manos de las plataformas de IA. La parte accionable es que cualquier equipo puede empezar hoy documentando cómo clasifica sus conversiones, distinguiendo lo verificado de lo reportado, y dejando de confundir tráfico de marca con crédito de IA. En un mercado donde el tráfico desde IA creció 393% en un año según Adobe, la diferencia entre medir bien y medir por costumbre ya se traduce en presupuesto asignado al canal equivocado.