LDM y Deepsona: audiencias sintéticas para decidir marketing

Audiencias sintéticas: cuándo la IA entra antes de gastar, no después

Un director de marketing revisa inmersiones con consumidores, corre focus groups, lee estudios cuantitativos y cualitativos y, al final, toma una sola decisión que compromete presupuesto de medios y producción. Esa decisión pasa por el filtro de una cabeza: la suya, con su experiencia, sus sesgos y sus puntos ciegos. Esa fragilidad es la grieta que la agencia argentina LDM busca tapar con la alianza anunciada con Deepsona, una plataforma de investigación de mercado basada en inteligencia artificial.

La pieza central de la alianza son las llamadas audiencias sintéticas: simulaciones de miles de perfiles generados con rasgos demográficos, de comportamiento y psicográficos que permiten anticipar, en minutos y no en semanas, cómo reaccionaría un mercado real ante un anuncio, un mensaje, un precio o un concepto de producto. No reemplazan la investigación tradicional: la extienden con una capa predictiva antes de ejecutar.

Qué cambia con esta alianza LDM-Deepsona

Hasta hoy, el trabajo de investigación terminaba en un reporte y, desde ahí, en la cabeza de quien decide. La capa que añade Deepsona invierte el flujo: en lugar de interpretar estadísticas y transcripciones para inferir comportamiento, la simulación permite observarlo y probar receptividad, apertura y reacción frente a distintos escenarios antes de mover presupuesto.

"Con audiencias sintéticas, ese último paso deja de depender del gut feeling de una persona: puedes simular el comportamiento del mercado antes de invertir, y decidir más rápido y direccionalmente más certero", explicó Israel Santiago, Presidente de LDM, en el anuncio de la alianza reproducido por LatinSpots.

Según la información publicada por LatinSpots, las simulaciones de Deepsona han alcanzado entre 74% y 90% de alineación predictiva frente a resultados reales de campaña, medidos contra datos de YouGov y GWI. El propio comunicado aclara el matiz importante: no es certeza absoluta, es un direccional confiable y a escala sobre el que el criterio humano sigue decidiendo qué hacer.

El rango de aplicación cubre cualquier decisión previa a la ejecución: qué mensaje usar, cómo debe verse un empaque, qué precio resiste el mercado, qué campaña priorizar o qué oportunidad vale la pena explorar. Jean-Matthieu Grappe, CEO de Deepsona, lo resumió así: "La riqueza está en simular muchos tipos de decisiones de marketing, no solo un anuncio. El valor es llegar al mercado con rumbo, no con veinte opciones del mismo peso".

Por qué LDM se mueve hacia simulación, no hacia producción

El movimiento encaja con el posicionamiento que LDM viene construyendo en torno a la IA aplicada al marketing. En julio de este año, el Director de Tecnología de la agencia, Jorge Batista, compartió en medios de negocios y tecnología los aprendizajes tras la participación de LDM en el Data + AI Summit de Databricks 2026, según el reporte de LatinSpots. La tesis de la agencia, explícita en el anuncio, es que el valor no está en producir más piezas con IA, sino en llegar al momento de decidir con evidencia en lugar de con intuición acumulada.

El contexto global: las audiencias sintéticas ya se prueban en agencias de EE. UU.

La movida de LDM y Deepsona no es aislada. En agosto de 2026, la plataforma Articos lanzó un servicio de audiencias sintéticas on-demand enfocado en equipos de consumo para evaluar nombres de producto, claims de packaging, copy publicitario, posicionamiento en landing pages y mensajes promocionales antes de comisionar estudios con humanos. El comunicado oficial, recogido por Detroit News, es explícito sobre el límite: "La salida sintética debe tratarse como una hipótesis basada en modelo, no como evidencia observada del consumidor". Su uso apropiado es como capa preliminar de investigación, no como sustituto de trabajo de campo.

Por su parte, la agencia Crowley Webb viene utilizando audiencias sintéticas durante los últimos 18 meses, apalancándose en datos sintéticos sobre insights humanos y social listening, según una entrevista publicada por Digiday. Su senior VP de data analytics, Andrea Berki-Nnuji, lo dejó claro: "Incluso si un proyecto necesitara lanzarse ya, un set de datos completamente sintético solo llevaría el proyecto al 80%; el 20% restante debe ser validado por humanos". La industria está decantando, en la práctica, hacia modelos híbridos donde la simulación comprime tiempos y la investigación con personas valida lo crítico: regulatorio, lanzamiento mayor, evidencia comportamental.

Qué significa esto para tu startup

1. Audita en qué gastas sin evidencia previa. Lista los próximos compromisos de presupuesto (campaña, rediseño de empaque, pricing, naming) y pregúntate cuántos de esos se aprueban hoy sólo con el criterio del equipo. Esos son los candidatos directos a simular antes de ejecutar. La promesa de Deepsona es mover ese momento de decisión a minutos en lugar de semanas.
2. Adopta un modelo híbrido, no sustituto. Tanto Articos como Crowley Webb insisten en el mismo punto que reproduce el comunicado LDM-Deepsona: la audiencia sintética es direccional, no evidencia observada. Reservá la investigación tradicional para lo que requiere consentimento, experiencia vivida o respaldo regulatorio (pharma, salud, segmentos regulados); usá simulación para descartar opciones rápido y enfocar recursos.
3. Mide el ROI por presupuesto y tiempo protegido, no por piezas producidas. El propio anuncio de LDM lo pone como el quinto consejo a empresas: la pregunta a CEO y CMO no es cuánto contenido puede generar la IA, sino qué decisiones puede tomar mejor antes de comprometer recursos. Traducido a founder: si una herramienta te ayuda a descartar una mala idea antes de producir una pieza, su valor es financiero, no tecnológico.
4. Ten lista tu data sintética antes de necesitar un pitch. Crowley Webb reportó un caso donde un cliente tenía personas construidas antes de COVID y la agencia, en vez de reemplazarlas, usó la herramienta sintética para identificar un nuevo perfil surgido tras la pandemia y refinar la segmentación. Tener una capa de simulación actualizada lista para usar en pitches y sprints te da velocidad cuando aparece la oportunidad.

Conclusión

Las audiencias sintéticas no son una moda más dentro del ciclo de herramientas de IA para marketing: son, si la promesa predictiva se cumple, un cambio de dónde se pone la IA en el flujo de decisión. Mientras la conversación dominante del 2024-2025 giró en torno a generar más contenido con IA, la siguiente frontera parece ser generar más evidencia antes de gastar. La alianza LDM-Deepsona es un caso local argentino alineado con una tendencia global que ya tiene jugadores en EE. UU. y Europa. Para un founder, el punto concreto es éste: si tu próxima campaña, empaque o ajuste de precio se aprueban por gut feeling, ya tenés una capa de evidencia barata para probar antes de gastar. Lo que queda por verificar a escala de industria es si ese 74-90% de alineación que reporta Deepsona se replica fuera de benchmarks propios y resiste auditorías independientes — pero eso es exactamente el tipo de dato que solo se consigue probando.

Fuentes

• Las audiencias sintéticas llegan al marketing - LatinSpots (fuente original)
• Articos Launches Synthetic Audience Research Platform for Consumer-Goods Teams - Detroit News
• Why agencies are taking a hybrid approach to synthetic audience research - Digiday