Adobe integra su agente de marketing en ChatGPT y Claude

Adobe pone su agente de marketing dentro de ChatGPT, Claude y Copilot

Cinco asistentes de IA —ChatGPT, Claude, Gemini, Copilot y Databricks Genie— ahora pueden ejecutar CX Enterprise Coworker, el agente de marketing de Adobe. La compañía anunció la ampliación y espera sumar Amazon Quick, IBM y Snowflake próximamente, aunque no dio fechas para esas incorporaciones.

Para un equipo de marketing pequeño, el cambio de fondo no es una función nueva: es el lugar desde donde se pide el trabajo. En vez de entrar al software de Adobe para consultar datos o lanzar tareas, el equipo puede pedirlo desde el asistente que ya tiene abierto. Adobe lo describe como una forma de llevar el contexto organizacional al flujo de trabajo, no como un producto de marketing independiente.

¿Qué es CX Enterprise Coworker y qué tareas ejecuta?

Adobe presentó el agente para disponibilidad general en junio. El sistema planifica y ejecuta trabajo de experiencia de cliente sobre el software de marketing de la compañía. Entre las tareas que Adobe menciona están:

Leíste lo que hace la IA. ¿Y en tu negocio?

Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

Seguimiento de resultados y tendencias de campañas
Previsión de audiencias
Apoyo en la planificación de recorridos del cliente
Gestión de proyectos

Anjul Bhambhri, responsable de ingeniería del producto en Adobe, resumió el problema que el agente busca resolver: muchos especialistas en marketing trabajan con herramientas de IA aisladas, sin el contexto organizacional ni el conocimiento del dominio necesarios para personalizar cada etapa del ciclo de vida del cliente.

El detalle que más debería importar a un founder: el agente opera con supervisión humana. Adobe lo repite en el anuncio, y no es un formalismo. En marketing, una decisión automatizada puede cambiar mensajes, públicos y presupuesto de campaña. El medio alemán ad-hoc-news reportó además que el Coworker entrega únicamente insights de lectura y no realiza cambios autónomos sobre los datos de clientes.

¿Cómo se conecta con ChatGPT, Claude y Copilot?

La arquitectura se apoya en dos estándares abiertos para sistemas agénticos: Model Context Protocol (MCP), el protocolo que permite a un modelo de IA conectarse a sistemas y datos externos, y Agent2Agent (A2A), el estándar de interoperabilidad entre agentes que Google presentó en abril de 2025 y que hoy administra la Linux Foundation con más de 50 socios tecnológicos, según Tech Times.

Esa elección técnica explica por qué el agente puede vivir fuera de Adobe. En ChatGPT se ofrece como un complemento; según ad-hoc-news, ese plugin está activo desde el 29 de septiembre. Mac Observer reportó que Adobe es socio de lanzamiento del marketplace de OpenAI, lo que permite a las empresas aplicar su gasto actual en OpenAI al licenciamiento del Coworker, y que más de 2.500 adoptadores tempranos ya usaban el sistema.

Hay un requisito que conviene revisar antes de entusiasmarse: según ad-hoc-news, del lado del cliente se necesita Adobe Experience Platform combinada con Real-Time CDP, Journey Optimizer o Customer Journey Analytics. Sin esa base de datos de cliente, el agente no tiene de dónde leer. El mismo medio indica que el uso en las plataformas externas no tiene costo adicional y se factura con las mismas unidades de AI Credits que el resto de las funciones del Coworker.

Conectores MCP: qué se conecta y qué no

Junto con la integración, Adobe presentó conectores para enlazar el agente con sistemas de terceros mediante servidores MCP listos para usar. Los socios citados son Amazon Ads, Demandbase, Microsoft Work IQ, RainFocus y Snowflake, más un conector para campañas publicitarias de Meta.

La promesa es que un especialista pueda extraer datos y ejecutar acciones en varios sistemas con una sola solicitud. La letra chica: eso depende de qué servicios estén conectados y de qué tareas permita cada integración. El anuncio no equivale a decir que todos los procesos de todas las plataformas queden disponibles en una misma operación.

Adobe también informó que Accenture, Deloitte Digital, EY, IBM y PwC trabajan en versiones del agente adaptadas a distintas industrias, y que agencias como dentsu, Havas, Omnicom, Publicis y WPP están incorporando sus propias herramientas. Es la señal de que Adobe apunta a un producto que se ajuste por sector y por proveedor, no a una única configuración.

¿Qué significa esto para tu startup?

Tres cosas concretas.

Primero, el agente ya no es el diferenciador: el dato propio sí. Si tu empresa no tiene una base de datos de cliente unificada, el agente más avanzado del mercado no tiene de dónde sacar contexto. La investigación que Salesforce publicó junto a su release Winter '27 —una encuesta a 2.025 responsables de decisiones sobre IA agéntica, según Tech Times— encontró que los dos factores que mejor predicen un despliegue exitoso son datos limpios y accesibles en el momento en que el agente actúa, y un caso de uso acotado. Ambos fueron señalados por el 36% de quienes ya tienen agentes en producción.

Segundo, empieza por un flujo, no por la plataforma. El mismo estudio indica que el 30% de las organizaciones que desplegaron agentes en producción alcanzó retorno en aproximadamente ocho meses, y que solo el 31% había unificado todos sus datos antes de lanzar. Los que arrancaron con datos parcialmente integrados igual llegaron al retorno, en 8,8 meses en promedio frente a 7,3 de los que integraron primero.

Tercero, define la supervisión antes, no después. El estudio reporta que las organizaciones con estructuras de control más livianas llegaron al retorno en 7,2 meses, frente a 9,3 de las que tenían gobernanza más pesada. Pero las de gobernanza por debajo del promedio tuvieron casi el doble de probabilidad de descubrir que un agente operaba fuera de sus parámetros recién después de un error con consecuencias: 32% contra 18%.

Acciones para esta semana:

Audita qué datos de cliente tienes realmente unificados. Si no puedes responder qué cliente vio qué mensaje y qué hizo después sin abrir tres herramientas, ese es el trabajo previo antes de contratar cualquier agente.
Elige un flujo acotado y medible —por ejemplo, recuperar carritos abandonados o responder consultas de postventa— y define quién revisa la salida del agente antes de que se ejecute.
Revisa el costo real de la integración, no solo la licencia: el requisito de Adobe Experience Platform implica que el agente de Adobe es más barato para quien ya vive en ese ecosistema.

El contexto: Adobe no juega sola

La expansión del agente se suma a otras jugadas de Adobe en asistentes de IA. En agosto integró sus herramientas creativas dentro de ChatGPT, una iniciativa distinta de la actual, enfocada en experiencia de cliente. También anunció acuerdos de IA agéntica con Jet2 y con el nuevo sitio web de Heathrow, aunque el material divulgado no detalla qué tareas realiza el agente en cada caso.

El contexto financiero ayuda a leer la urgencia. Adobe dijo en diciembre de 2025 que espera que la adopción de sus herramientas de IA impulse sus ingresos de US$25.900 millones a US$26.100 millones en el año fiscal 2026, según PYMNTS. La compañía afirma además que más de 20.000 marcas usan su software, aunque no precisa cuántas de ellas ya usan el agente ni cuántas adoptarán las nuevas integraciones.

El movimiento de Adobe es parte de un patrón más amplio: los proveedores de software empresarial están llevando sus agentes a las interfaces donde los equipos ya trabajan, en lugar de exigir que los usuarios migren a su propia aplicación. Es la misma lógica de interoperabilidad que empuja la adopción de MCP y A2A.

Conclusión

Adobe no está vendiendo un agente más potente: está apostando a que el valor está en coordinar datos, herramientas y acciones desde donde el equipo ya está. Para una startup, la lectura práctica es incómoda pero útil: la integración es la parte fácil y la que se resuelve comprando. Lo que no se compra es tener los datos de cliente ordenados, un caso de uso acotado y una persona clara revisando lo que el agente propone. Eso sigue siendo trabajo interno, y es lo que separa un piloto de un resultado.