1. Introducción: importancia de la inteligencia artificial como objeto de estudio en el ámbito de la comunicación publicitaria
La inteligencia artificial (IA) es una disciplina científica que se ocupa del desarrollo de agentes inteligentes, es decir, sistemas que pueden percibir su entorno y tomar decisiones de manera autónoma. Explorar la importancia de la IA como objeto de estudio en el ámbito de la comunicación publicitaria resulta esencial para comprender y aprovechar todo su potencial transformador. Mañas Viniegra (2023) analiza esta disciplina refiriéndose a ella como una simulación de la inteligencia humana (Broussard et al. 2019), así como a capacidades cognitivas (García-Orosa et al. 2023) que realiza la tecnología, incluyendo la capacidad para generar contenidos e, incluso, socializar con humanos (Centeno-Martín et al. 2023). En sentido estricto, la IA implica una revolución que está transformando la vida, presentando todo tipo de ventajas, pero también riesgos, que van desde los puramente éticos y morales (Yu 2022) a los sesgos algorítmicos que pueden generar nuevos tipos de discriminación (Mañas Viniegra 2023), que se acrecientan cuando existe en el algoritmo algún elemento discriminatorio histórico (Sanabria-Navarro et al. 2023).
En el terreno de la comunicación en general, y de la comunicación publicitaria en concreto, la literatura sobre la influencia de la IA es prolija en los últimos cinco años. A ella remite esta investigación para la elaboración de un contexto teórico en el que centrar el objeto de estudio. Las fuentes hablan de una evolución en el entorno de esta herramienta con impacto en la mejora de la eficacia de las campañas publicitarias, mediante la automatización de tareas, la personalización del contenido y el análisis de datos. En este sentido, las primeras referencias bibliográficas revisadas nos remiten a Davenport et al. (2020), quienes anticiparon cómo la IA cambiaría a corto plazo el futuro del marketing; estos autores propusieron un marco multidimensional para comprender el impacto de la IA en las estrategias de marketing y el comportamiento de los clientes, para lo que integraron niveles de inteligencia y tipos de tareas. Otros autores, como Micu, Capatina y Micu (2018) identificaron cómo se podía arrojar luz sobre los desafíos del marketing en redes sociales en la era de la transformación digital, así como la necesidad de conocer capacidades anticipativas para dirigir contenido relevante a los consumidores. Por su parte y en el mismo momento, Murgai (2018) analiza los beneficios de implementar la IA en marketing, incluido el procesamiento de grandes cantidades de datos, ventas individualizadas y un mejor rendimiento de las campañas y retorno de la inversión (ROI). Y con relación a este último concepto, encontramos el estudio de Ezzat (2024), quien afirma que al analizar el comportamiento y las preferencias de los consumidores, la IA permite a las empresas asignar sus presupuestos publicitarios de manera más efectiva, garantizando que obtengan el máximo valor de su gasto.
Otro estudio clave en la contextualización teórica de esta investigación nos lleva a Verma et al. (2021), quienes basan su investigación en el análisis bibliométrico, conceptual y de redes intelectuales de la literatura existente publicada entre 1982 y 2021 sobre IA, empleando Scopus como base de datos bibliométrica para la recopilación de datos, debido a su cobertura más amplia y filtros de búsqueda avanzados. A partir de esta búsqueda, se puede determinar cómo la IA en el marketing posee el potencial para transformar las empresas en la Cuarta Revolución Industrial o Industria 4.0, entendido este entorno como un período de transformación tecnológica que se caracteriza por la convergencia de las tecnologías digitales, físicas y biológicas (Telnov y Reshmidilova 2022). Esta revolución está teniendo un impacto profundo en todos los ámbitos de la sociedad, siendo el marketing, la publicidad y la creación de contenidos parte intrínseca en ella. Las empresas que brinden excelentes experiencias a los clientes serán las ganadoras en esta era, en la que la IA desempeña un papel crucial en la mejora de estas. Por esta razón, aprovechar la IA y el análisis predictivo es clave para ofrecer experiencias a los usuarios que generen promoción y relaciones con los clientes a largo plazo. Sistemas habilitados para IA pueden anticipar las expectativas de los usuarios y brindar experiencias guiadas mediante el uso de análisis de big data (Rodríguez y Chicaiza 2023).
A la luz de las investigaciones consultadas, se concluye cómo la IA ha emergido como un elemento fundamental en el ámbito de la comunicación publicitaria, transformando la manera en que las empresas se conectan con sus públicos. La información fluye y las preferencias del consumidor evolucionan, y la capacidad de la IA para analizar datos, prever tendencias y personalizar mensajes se erige como herramienta indispensable, tal y como sostienen Shah et al. (2020). Estos autores hablan de cómo el uso de los algoritmos resulta crucial para determinar el impacto en el recorrido del consumidor hasta la compra, algo en lo que también incide Reshetkova (2023). En suma, este cambio paradigmático no solo impulsa la eficiencia operativa, sino que también desencadena una revolución creativa al permitir estrategias publicitarias más precisas y relevantes, donde, como se desprende de la investigación realizada, la tecnología y la creatividad convergen para dar forma a nuevas narrativas publicitarias y experiencias de usuario nunca vividas (Fernández Rincón 2023), con la evidencia constatada de que la capacidad de la IA para procesar datos sería imposible de lograr con métodos convencionales.
2. Framework para la aplicación de la IA en el terreno del marketing, la publicidad y la creación de contenido
Tras una primera revisión de la literatura, se adquiere el conocimiento para implementar el marco de aplicación de la IA en el terreno del marketing, la publicidad y la creación de contenido. Malpnai y Nisha (2020) ofrecieron en su estudio un vistazo al futuro de la IA en la publicidad y el marketing, anticipando que la tecnología seguirá desempeñando un papel importante en la configuración de la industria.
De todas las disciplinas susceptibles de ser transformadas a partir de la aplicación de la IA, estamos en condiciones de afirmar que el ámbito publicitario puede ser uno de los más influidos. Lee et al. (2022) hablan de tres áreas clave para las aplicaciones de IA en marketing: investigación de mercados, marketing estratégico y operaciones de marketing. Estos autores tratan de aportar contenido a la literatura existente proporcionando aclaraciones sobre varios sistemas de IA utilizados en cada área, y presentando ejemplos exitosos de aplicaciones de IA en la industria. El marco está destinado a ayudar a los especialistas en marketing a reflexionar sobre las aplicaciones de IA actuales y futuras en su trabajo, y, desde esta conceptualización estratégica para incorporar IA en marketing, los autores se centran en el enfoque de los beneficios y aplicaciones de la IA en la investigación, la estrategia y las acciones de marketing y publicidad.
Por su parte, y en el mismo sentido, Huang et al. (2021) proponen tres etapas para incorporar la IA en el marketing, centrándose en los beneficios de la IA mecánica para la automatización, la IA pensante para el procesamiento de datos y la IA sensible para analizar interacciones y emociones. Para ello describen cómo se puede utilizar la IA en la investigación de mercados, la estrategia (segmentación, focalización y posicionamiento) y acciones, proporcionando una comprensión integral del uso estratégico de las herramientas en diversas áreas.
Shah et al. (2020) estudiaron una representación de empresas que utilizan IA en publicidad, analizando su papel en la publicidad personalizada, donde los datos de los clientes se utilizan para orientar anuncios según preferencias individuales, lo que permite proporcionar una descripción general completa de las tendencias y avances en IA en el ámbito publicitario. Este estudio está relacionado con las conclusiones a las que llega Danesi (2024), quien afirma, tras su análisis, cómo la IA está detrás del cambio experimentado por el consumidor en su relación con las marcas, y cómo esta y el vínculo con internet y todas las sinergias derivadas están desencadenando en una nueva cultura.
Una última aportación sobre el ámbito de la IA en el entorno publicitario y de marketing nos lleva al binomio IA y contenidos creados por los consumidores (user generated content, UGC). Autores como Geru et al. (2018) anticiparon cómo los UGC pueden ser usados como herramientas de investigación de mercados para comprender el comportamiento del consumidor, abordando las percepciones de los consumidores sobre el contenido de marca generado por IA, y comparándolo con el contenido generado por humanos. En este sentido, Ananthakrishnan y Arunachalam (2022) investigan el impacto de la fuente de generación de contenido en la percepción de los consumidores y si existe una diferencia significativa entre el contenido de marca generado por humanos y el generado por IA.
De la lectura y el aprendizaje de los estudios abordados, se concluye lo siguiente: la IA en el entorno de actuación del marketing es indispensable para optimizar las campañas y maximizar el retorno de inversión, predecir comportamientos y personalizar mensajes en tiempo real, permitiendo a las empresas llegar a sus audiencias de manera más efectiva, mejorando la relevancia de los mensajes y aumentando las conversiones. La IA desempeña un papel crucial al automatizar tareas estratégicas, con patrones de búsqueda y conocimiento de las preferencias del consumidor, que han llevado a permitir una personalización más profunda en la creación de contenido. Esto se traduce en mensajes más relevantes y experiencias de usuario más enriquecedoras, generando un mayor compromiso y lealtad. El uso de la IA en marketing, publicidad y creación de contenido no solo mejora la eficiencia operativa, sino que también impulsa la innovación y la capacidad de adaptación de las empresas en un entorno empresarial cada vez más dinámico y competitivo.
3. Tipo de estudio y objetivos
El análisis de la literatura académica acerca de la IA en el campo de estudio nos ha ayudado a centrar nuestra investigación en un aspecto no abordado hasta ahora: los propios profesionales del sector. Sondeando a esta población, este estudio pretende acceder a su perspectiva, pone la atención en cómo es percibida la IA desde dentro y cuál es su presencia real en el día a día de la actividad de las agencias de marketing, publicidad y contenidos de marca en la actualidad.
Así, atendiendo al objeto de estudio abordado, esta investigación se encuadraría en aquellas de naturaleza exploratoria, por cuanto el objetivo principal es captar una perspectiva general de un fenómeno poco estudiado y novedoso.
A su vez, esta investigación quiere determinar tendencias, identificar áreas, ambientes, contextos y situaciones de estudio o relaciones potenciales entre variables, y descubrir, prefigurar y establecer el tono y dirección de investigaciones posteriores de carácter descriptivo o explicativo (Hernández Sampieri y Mendoza 2018: 106-109), siendo su objetivo general (OG) investigar la importancia del uso de IA en el entorno del marketing, la publicidad y el contenido de marca a partir de los datos obtenidos en encuesta a profesionales de la publicidad.
Para alcanzar este objetivo se han precisado una serie de subobjetivos específicos. A saber:
- OE1: contextualizar a partir de una exhaustiva revisión bibliográfica el marco teórico de una investigación con vértice en el ámbito de la comunicación publicitaria, a través de Scopus y herramientas de IA.
- OE2: explorar teóricamente los beneficios de la IA en la optimización de campañas publicitarias.
- OE3: diagnosticar las herramientas actuales que utilizan las agencias de publicidad para realizar campañas publicitarias a sus clientes.
- OE4: identificar la percepción de los profesionales de las agencias sobre los beneficios de la IA en campañas publicitarias.
- OE5: identificar los retos y oportunidades, así como las amenazas, de la IA en las agencias de publicidad españolas.
4. Investigación aplicada. La encuesta como herramienta metodológica
Según menciona López Romo (1998), la encuesta juega un papel fundamental al proporcionar información esencial para el diseño de muestras y los cálculos estadísticos que posteriormente se emplean en los procesos de investigación. La encuesta es una técnica de recolección de datos a través de la interrogación de los sujetos que aportan a un objeto de estudio por su grado de conocimiento y experticia profesional (López Roldán y Fachelli 2015). Desde el ámbito de la comunicación, este instrumento le está aportando un valor metodológico, en este caso, a las tendencias del marketing y la satisfacción de clientes frente al comportamiento de una empresa (Giraldo-Dávila 2022).
Para la ejecución de este instrumento se tuvo en cuenta una muestra exploratoria formada por profesionales de marketing, comunicación y publicidad de España, aplicando la encuesta a través de un cuestionario diseñado con la herramienta Google Forms, y distribuido durante los meses de noviembre y diciembre de 2023 a través de la red por medio de un enlace público. La muestra base de esta investigación es de carácter deliberado e intencional, lo que implica trabajar sobre una población diana, especialmente adecuada para el propósito del estudio (Bobenrieth Astete 2012), cuya finalidad es representar el conocimiento sobre una determinada temática en representación de la totalidad (Bologna 2018).
Nuestro grupo de interés son los profesionales del sector del marketing (la comunicación y la publicidad) en España, sector que en el año 2022 ocupaba aproximadamente a 122.800 personas (Orús 2023). Dentro de este universo fueron contactadas, para acceder a sus empleados, más de 300 agencias de entre las principales del país –según los resultados del análisis e investigación realizados por Top FICE y el ranking de agencias líderes en los Premios Eficacia 20231–. Estos empleados supusieron la base para analizar la relación entre variables, reforzando así el marco teórico y los constructos abordados, y tratando de alcanzar inferencias no tanto descriptivas como explicativas (Wimmer y Dominick 1996). Así mismo, las unidades de análisis han sido elegidas por conveniencia.
|
Ficha técnica |
|
|
Objetivo |
Valorar y medir el impacto, implementación y percepción de las IA en el sector del marketing, la comunicación, la publicidad y los contenidos de marca. |
|
Universo / Grupo objetivo |
Profesionales del sector del marketing, la comunicación, la publicidad y los contenidos de marca de todos los departamentos. |
|
Tamaño muestral |
372 respuestas recibidas y válidas. |
|
Método de recogida |
Cuestionario anónimo electrónico, accesible a través de enlace, distribuido por e-mail a más de 400 agencias españolas del ámbito del marketing, la comunicación, la publicidad y los contenidos de marca, con acceso por conveniencia y bola de nieve. |
|
Procedimiento de muestreo |
Muestreo no probabilístico circunstancial tipo bola de nieve exponencial, enviando un correo electrónico con el enlace a la encuesta a los e-mails de los individuos solicitando su participación y la difusión entre sus contactos. |
|
Herramienta |
Cuestionario electrónico estructurado con 32 preguntas (8 de respuesta cerrada, 12 de escala de Likert, 6 dicotómicas, 5 de respuesta múltiple, 1 abierta) autocumplimentado. |
|
Período de recogida |
Del 20 de noviembre de 2023 al 2 de enero de 2024. |
|
Programa de confección y recogida de datos |
Google Forms. Enlace: https://forms.gle/V9Fu6Zp3TV7SAKas6
|
|
Programa de tratamiento y análisis de datos |
SPSS (versión 26) |
Tabla 1. Ficha técnica de la encuesta. Fuente: Elaboración propia.
La herramienta confeccionada es un cuestionario de tipo síncrono o transversal (para explorar el estado de un determinado fenómeno en un momento dado) y que, según su contenido, pretende sondear opiniones, actitudes, motivaciones o sentimientos. Para elaborarlo se han seguido los pasos propuestos por Igartua Perosanz (2006) y Davidson (1970).
Las variables se han operacionalizado a través de un conjunto de 32 ítems (preguntas de 1 a 32: de P1 a P32) distribuidos en cinco secciones y confeccionados según los criterios enumerados por Meneses y Rodríguez-Gómez (2011). Una vez finalizado el tiempo de recolección de datos, se procedió a su codificación y tabulación y a su análisis de calidad, para asegurar la precisión y consistencia de la medición (Barrios y Cosculluela 2013). Para valorar la homogeneidad o consistencia interna del instrumento, se evaluó su confiabilidad, es decir, la ausencia relativa de errores de medición en el mismo (Quero Virla 2010), aplicando el coeficiente Alpha de Cronbach. El resultado fue de 0,987, lo que nos permite afirmar que el instrumento mide una sola dimensión y posee elevada homogeneidad y que las preguntas llevan a unas respuestas coherentes a lo largo de toda la encuesta.
5. Resultados de la investigación
El cuestionario ha recibido un total de 372 respuestas válidas, considerándose la cifra como suficiente para la obtención de resultados relevantes. Se procedió al análisis de los datos mediante la estadística descriptiva, aplicando estadísticos de posición o tendencia central, que nos permitieran ver lo dominante, lo típico o la tendencia de distribución de datos, utilizando como cifras descriptoras las medias, modas y percentiles. Fueron aplicados estadísticos de variabilidad o dispersión (desviación típica y varianza) respecto a los valores centrales, para saber si todos los individuos son parecidos o si hay grandes diferencias entre ellos (Igartua Perosanz 2006: 392). También se midieron la asimetría de Fisher y la curtosis, para seguir explicando hacia donde tienden las respuestas, si hacia la media o hacia alguno de los extremos. Se realizó, asimismo, un análisis descriptivo de algunas variables en relación con otras (tablas cruzadas) con fines descriptivos.
A continuación, planteamos los principales resultados de cada una de las secciones.
5.1. Resultados de la primera sección (de P1 a P4). Perfil demográfico
Se pone de relieve, de la P1 a la P4, que la muestra representa de manera más evidente un perfil predominante: profesionales (hombres y mujeres indistintamente) de nacionalidad española (94 %), de entre 25 y 45 años (61,6 %) con estudios superiores (92 %).
5.2. Resultados de la segunda sección (de P5 a P8). Perfil profesional y agencia del encuestado
Los datos de la P5 indican que los encuestados trabajan mayoritariamente en agencias de publicidad (36,3 %), seguidos de aquellos que trabajan en agencias de comunicación (20,7 %) y de medios (18,8 %), siendo la distribución cómo muestra la siguiente tabla:
|
P5: ¿En qué tipo de agencia trabajas? |
|||
|
Etiqueta |
Código |
Frecuencia |
Porcentaje |
|
Agencia de comunicación |
1 |
77 |
21 |
|
Agencia de publicidad |
2 |
135 |
36,8 |
|
Agencia de relaciones públicas |
3 |
9 |
2,4 |
|
Agencia/Boutique creativa |
4 |
28 |
7,5 |
|
Agencia de marketing digital |
5 |
43 |
11,6 |
|
Agencia de medios |
6 |
70 |
18,8 |
|
Otra |
7 |
10 |
1,9 |
|
Total |
372 |
100,0 |
|
Tabla 2. Frecuencias de la P5. Fuente: SPSS.
En la alternativa de respuesta «Otra» fueron consignadas agencias de branding y diseño, consultoras de marca o marketing, agencias de marketing universitario o de transformación digital.
Según resultados de la P6, las agencias más representadas son las que tienen entre 10 y 50 empleados (43 %) seguidas de las de más de 100 (28,5 %), mientras que el departamento al que mayoritariamente pertenecen los encuestados (P7) es el de cuentas (26,9 %), siendo el creativo (18,3 %) y el digital (12,9 %) los siguientes más representados. La opción «Otro» acumula el 13,4 % de las respuestas e incluye departamentos como recursos humanos (7 casos), comunicación (5 casos), PR (Relaciones Públicas) (4 casos) o IT (Tecnologías de la información) (4 casos). Sin embargo, el puesto específico (P8: V81 y V82) ocupado por el mayor número de encuestados es el de director/ejecutivo, supervisor o mánager/creativo seguido por los que han definido su puesto como director general/presidente/CEO/socio o fundador (16,7 %). Cerca del 70 % describe la categoría de su puesto como directivo: un 52,7 % se declara director/responsable o supervisor y un 17,7 % jefe/mánager o coordinador.
5.3. Resultados de la tercera sección (de P9 a P12). Conocimiento sobre la IA de los encuestados
Preguntados los encuestados por cuán interesados se encuentran por las herramientas de IA (P9), casi la mitad dice sentirse muy interesado (el 45,4 %), siendo, en una escala del 1 al 6, 5,05 la media y 6 la moda. Solo 3 de los 372 encuestados indican no tener nada de interés, uno por grupo de edad. Observamos que, proporcionalmente, el grupo de profesionales de más de 45 años es el que manifiesta sentirse más interesado al haber seleccionado las opciones 5 y 6 en un 73,7 % de los casos, seguido muy de cerca por el 73,3 % del grupo de los profesionales con edades comprendidas entre los 25 y 45 años y el 66,7 % del grupo de menores de 25 años.
En la P10 se pide a los encuestados que midan cuánto conocen y dominan las tecnologías de IA, y es el 3, en una escala del 1 al 6 (1: «Nada» y 6: «Mucho»), la respuesta más elegida (28 %) y un 3,01 la media, por lo que se trata de una frecuencia simétrica, si bien la curtosis es negativa, es decir, platicúrtica, con una distribución de colas más ligeras y un pico más suave, estando los valores de los datos menos concentrados alrededor de la media e indicando una dispersión bastante amplia de los mismos. Solo 5 encuestados, del total de 372, han afirmado conocer y dominar mucho estas tecnologías. Por edad, detectamos que ninguno de los profesionales menores de 25 años ha marcado el valor 1.
Respecto a cómo han adquirido estos conocimientos (P11), ante esta cuestión dicotómica, una mayoría contundente afirma haberlos adquirido de manera autodidacta, frente a un reducido 11,6 % que asegura haber recibido formación específica, siendo, proporcionalmente a su representación en el conjunto de la muestra, los profesionales de agencias de más de 100 los que en mayor número han elegido la opción 2 («He recibido formación específica») en una 15,1 % de los casos dentro de este grupo.
Finalmente, algo más de dos tercios de los encuestados, 255 de los 372, dicen usar estas herramientas en su trabajo, mientras que los 117 restantes (31,5 %) afirman no usarlas en su ámbito laboral. También para esta pregunta, son los profesionales de agencias de más de 100 empleados los que, en proporción a su peso en la muestra, mayoritariamente hacen esta afirmación, pues de los 106 encuestados que pertenecen a este grupo, el 72,64 % ha elegido la opción 1 («Sí»). Analizando esta variable en relación con el departamento dentro de la agencia al que pertenecen los encuestados, destaca el hecho de que el 95,83 % de los profesionales que se ubican en dirección o gerencia de la agencia usan herramientas de IA en el trabajo; seguido de los del departamento digital, que lo hacen en un 89,58 % de los casos; el departamento de producción, pues 16 de los 27 profesionales encuestados afirman usar IA en el trabajo (87,5 % de este perfil), y el departamento creativo, cuyos miembros han manifestado emplearlas en un 85,3 % de los casos. El departamento cuyos empleados menos utilizan IA en el trabajo es el de cuentas (más de la mitad, 54 %, no las usa).
5.4. Resultados de la cuarta sección (de P13 a P19). Implementación de herramientas de IA en el entorno laboral de los encuestados
Esta sección fue únicamente respondida por aquellos encuestados que afirmaron hacer uso de la IA en su trabajo, es decir, por 255 de los 372 encuestados (un 68,5 % de la muestra). El 22,7 % de los encuestados que configuran esta submuestra son profesionales del departamento creativo, el 18,03 % del departamento de cuentas y el 16,8 % del departamento digital, los tres departamentos más representados en la muestra global pero en proporciones diferentes. El resto de los departamentos tienen respectivamente una representación menor al 10 %.
En la P13 se les pedía que marcaran un máximo de 5 de las herramientas de IA que más usaban en su ámbito laboral de una lista de 272 (siendo la 27, «Otra»). Las respuestas estuvieron muy repartidas, pero destaca muy claramente por encima de las demás Chat GPT (elegida por el 95 % de los que respondieron esta sección) y, muy notablemente, DeepL (37,8 %), Mid Journey (37,4 %) y Dalle-2 (33,5 %). Otras herramientas empleadas por un número significativo de profesionales serían Grammarly (14,6 %), Copy ai (10,6 %) o Adobe Sensei (8,3 %). La suma de los porcentajes parciales de las 18 variables restantes representa un recuento acumulado del 31,9 %. La opción «Otra», acumula el 8,7 % de las respuestas y en ella se apuntan herramientas como Bing Image Creator, Perplexity, Runaway, Leonardo ai, Stable Difussion o Luzia.
Observamos, tras cruzar tablas, que las herramientas de diseño y arte son principalmente elegidas por los encuestados que pertenecen al departamento creativo (de las 95 respuestas que eligieron Mid Journey, 39 pertenecen a creativos, que también eligieron en 19 ocasiones, de un total de 85, Dalle-2). Chat GPT también es mayoritariamente elegida por los encuestados que forman parte del departamento creativo, con 55 de las 242 respuestas (seguidos por los profesionales del departamento de cuentas y el digital). DeepL, por su parte, es empleado de manera equilibrada por todos los departamentos, destacando ligeramente el de cuentas y el digital.
Casi la mitad de los encuestados que afirmaron usar herramientas de IA en el trabajo (el 45,9 %) señalan que acceden a estas aplicaciones (P14) a través de suscripciones gratuitas (free trial o freemium), mientras que el 21,6 % lo hace a través de cuentas personales básicas o premium y un 32,5 % lo hace a través de cuentas de empresa. Al cruzar esta pregunta con la P6 (número de empleados de la agencia donde trabaja el encuestado), observamos que son principalmente las empresas más grandes, de más de 100 empleados (en un 37,6 % de los casos que afirmaron usar herramientas en el trabajo) y las agencias medianas, de entre 10 y 50 empleados (para el 36,7 % de los encuestados que aseguraron emplear tecnología IA en su entorno laboral), las que en mayor número facilitan a sus profesionales suscripciones de empresas para acceder a estas herramientas.
En una escala de Likert de 6 valores en la P15, aunque la media sea del 3,4 y la moda 4, no podemos afirmar que sea bastante la frecuencia con la que los profesionales sondeados dicen usar estas herramientas en su ámbito laboral, pues la desviación típica, de 1,53, y la varianza, de 2,34, señalan que existe una elevada dispersión y variabilidad de los datos con respecto a la media y los casos atribuidos a cada valor son bastante parecidos. Así, solo 55 y 57 casos, respectivamente, eligieron los valores 3 y 4.
Los resultados a la pregunta de respuesta múltiple P16 revelaron que las principales funciones para las que los encuestados emplean las herramientas de IA en el entorno laboral son las siguientes: investigación y búsqueda (43,1 % de las respuestas), traducción (34,1 %), escritura (32,2 %) y diseño y arte (24,7 %).
Figura 1. Gráfico de barras con los resultados de la P16. Fuente: Elaboración propia.
De nuevo, cruzando esta tabla con la P7 (departamento en la agencia) se constata que el departamento creativo es el que mayoritariamente emplea la IA para diseño y arte (37 de las 63 respuestas, más de la mitad de los profesionales creativos eligió esta alternativa de respuesta) y escritura (24 de las 82 respuestas, aunque el departamento cuyo mayor número de individuos eligió esta opción es el digital, en un 41,9 % de los casos, frente al 41,3 % de los creativos). El departamento digital también es el que de manera relativa (el 61,8 % de sus miembros) eligió mayoritariamente la función investigación y búsqueda, si bien en el cómputo global de los 110 casos de entre todos los departamentos que eligieron esta función representa el 19,1 %, frente al 20 % del departamento de cuentas, que aporta un caso más, 22. La función traducción fue también principalmente elegida por el departamento de cuentas y el digital (18 casos ambos en un total de 87, un 39,1 % y un 41,9 % de los empleados de cada departamento respectivamente).
Preguntados por cuán útiles consideran los entrevistados estas herramientas en el trabajo (P17), los resultados, media de 5 y moda de 6 (en una escala del 1: «Nada útiles» al 6: «Muy útiles»), indican que las consideran, con una ligera asimetría de cola derecha, bastante o muy útiles, ya que el 72,5 % de las respuestas han seleccionado los valores 5 y 6 y ningún encuestado eligió la alternativa 1. También consideran la calidad de los resultados (P18) notable al ser elegido mayoritariamente (en un 39,9 % de los casos) el valor 4 (media de 4,31) en una escala de Likert de 6 puntos (siendo 6: «Muy buena calidad»).
Figura 2. Gráfico de barras con los resultados de la P18. Fuente: Elaboración propia.
La última pregunta de esta sección (P19) sondeaba acerca de la manera en la que los encuestados creían que estas herramientas les ayudaban en su día a día en el trabajo, pudiendo elegir hasta 3 de una lista de 8. Las tres principales son las siguientes: «Me ayudan a agilizar procesos», «Me ayudan a optimizar recursos y ahorrar tiempo» y «Me ayudan con tareas mecánicas y a reducir la monotonía y el trabajo tedioso».
Figura 3. Gráfico de barras con los resultados de la P19. Fuente: Elaboración propia.
5.5. Resultados de la quinta sección (de P20 a P32). Opinión de los encuestados acerca de la IA en su sector laboral
De manera contundente, la mayoría de los encuestados (66,4 %) se sienten emocionados respecto al uso de herramientas de IA en el ámbito del marketing y la publicidad, y lo ven como una oportunidad, frente a un 20,2 % que dice sentirse preocupado y las considera una amenaza. El 8,6 % restante no manifiesta sentimientos ni positivos ni negativos respecto de las herramientas de IA en el trabajo.
Planteada la P21 en una escala de Likert con 6 valores, los profesionales encuestados opinan mayoritariamente que estas tecnologías van a ser determinantes e imprescindibles para su trabajo en los próximos años, pues la moda es 6 (media de 4,87). Un 66,7 % ha elegido los valores 5 y 6 (siendo 6: «Totalmente determinantes e imprescindibles»), por lo que la desviación no es muy significativa, presentando una varianza del 1,1, que indica que los valores en el conjunto de datos están cerca de la media, denotando bastante homogeneidad y poca dispersión.
Figura 4. Gráfico de barras con los resultados de la P21. Fuente: Elaboración propia.
En la P22, una contundente mayoría de las respuestas señalan que, frente a los inconvenientes, se consideran mayores los beneficios que aportan estas tecnologías al trabajo en una agencia.
Figura 5. Gráfico circular con los resultados de la P22. Fuente: Elaboración propia.
Las tres ventajas (P23), de entre las 7 ofrecidas (siendo 7: «Otra»), que, a juicio de los encuestados, aportan principalmente estas tecnologías serían que mejoran la agilidad y rapidez de los procesos (elegida en un 73,1 % de los casos), mejoran la productividad y la efectividad del trabajo (66,1 %) y, con bastante diferencia, mejoran la creatividad y la innovación (20,2 %). Las tres principales desventajas (P24), de entre las 8 alternativas de respuesta (siendo 8: «Otra»), serían las siguientes: inexactitudes e imprecisiones (elegida en el 43,3 % de los casos), incertidumbre legal y falta de transparencia (33,9 %) y resultados deshumanizados y carentes de alma (33,3 %).
En la P25 se preguntaba a los encuestados sobre su opinión acerca de la eficiencia de estos softwares a la hora de alcanzar resultados en sus áreas de trabajo, y la mayoría de las respuestas se concentraban en la mitad de la escala (1: «Nada eficientes», 6: «Muy eficientes»), en los valores 3, 4 y 5 (26,1 %, 37,4 % y 22 %, respectivamente), siendo la media de 3,86.
Las respuestas para la P26, que indagaba sobre si entendían los encuestados que sus capacidades han aumentado en los últimos años gracias a su recurso a las tecnologías de IA, están muy repartidas entre los valores 1 y 5 de una escala de 6, siendo 1: «En absoluto» y 6: «Absolutamente». Así, hay una gran diversidad de opiniones a este respecto y un 21,8 % de los encuestados consideran que no han aumentado en absoluto sus capacidades mientras que un 5,6 % considera que sus capacidades han aumentado sin lugar a duda. El valor más elegido, sin embargo, fue el 4 (23,1 % de las respuestas). No hay por tanto, una opinión contundente y generalizada a este respecto.
De manera abrumadoramente mayoritaria, con un 96,5 % de las respuestas, los encuestados creen que las herramientas de IA no pueden por sí solas realizar el trabajo que ellos realizan (P27) y, de hecho, en una escala de Likert de 6 valores que indagaba (P28) en qué medida, a juicio de los encuestados, la intervención humana es clave para obtener de estas herramientas de IA resultados óptimos (siendo 1 «Es totalmente prescindible» y 6: «Es totalmente imprescindible»), el valor más elegido, en un 57,3 % de los casos, es el 6, seguido del 5 (28 % de los casos).
Respecto a la necesidad de que haya transparencia en cuanto al uso de la IA en el desarrollo del trabajo de la agencia y de que se comunique al cliente que se ha producido esta aportación (P29), un 74,2 % de los encuestados consideran que sí debe haberla.
No hay respuesta contundente sobre si los encuestados piensan que estas tecnologías de IA representan alguna amenaza para el trabajo de los profesionales del sector publicitario, pues en una escala de 6 valores, las respuestas están muy repartidas, con tendencia hacia el centro (valores 3, con el 25,3 % de las respuestas, y 4, con el 24,2 %). Los que piensan que es una total amenaza son el 10,8 % de los casos, mientras que los que no ven en absoluto la amenaza solo representan un 6,7 %. Estos resultados son coherentes con el hecho de que, al sondear (P31) acerca de, particularmente, cuán preocupado se encuentra el encuestado de que la IA ponga en riesgo su puesto de trabajo, solo el 5,1 % se muestra muy preocupado frente a la mayoría (un 69,4 %), que elige valores del 4 al 6 (siendo el 6: «Nada preocupado», el más seleccionado, en un 30 % de los casos). Los más confiados en mantener su puesto de trabajo a pesar de la introducción de la IA en el sector son los mayores de 45 años (en el 35,3 % de los casos), que son también, sin embargo, los que en mayor número –proporcionalmente a su peso en la muestra– consideran la IA como una amenaza para el sector (en un 9,8 % de las respuestas). Los trabajadores de agencias pequeñas, de menos de 10 empleados, son los que en mayor porcentaje consideran la IA como una amenaza para el sector, si bien ningún encuestado dentro de este grupo siente que su puesto particularmente esté amenazado. En la P24, la amenaza al empleo destacó como el cuarto principal inconveniente de la implementación de herramientas de IA en el ámbito laboral, opción elegida por 87 encuestados (el 23,4 % de la muestra).
Finalmente, en la P32, la mayoría de los encuestados cree que estas tecnologías van a transformar/están transformando la manera de trabajar en las agencias de publicidad/marketing/comunicación, pues de manera mayoritaria, de nuevo, el valor 6, en una escala de 6 puntos, es el más elegido (37,1 % de los casos), seguido del 5 (28,5 %) y el 4 (20,2 %). Solo un encuestado de los 372 considera que las herramientas de IA en absoluto van a transformar el negocio publicitario.
6. Conclusiones y futuras líneas de investigación
La presente investigación ha arrojado luz sobre el panorama actual del empleo de la IA en el ámbito de las agencias de publicidad en España. Los resultados obtenidos, derivados de un análisis meticuloso de datos porcentuales, ofrecen una perspectiva fundamentada sobre la penetración de herramientas de IA en este sector.
En primer lugar, en esta investigación se partía con el objetivo de realizar una revisión de la literatura con vértice en el ámbito de la comunicación publicitaria, a través de Scopus y herramientas de IA. Esta revisión ha puesto de manifiesto que estamos ante un tema de máximo interés desde el punto de vista de la investigación académica. En este sentido, en este trabajo han sido referenciados estudios que van desde cinco años atrás hasta el año 2024, proyectándose la relación entre la naturaleza de las investigaciones consultadas –Davenport et al. (2020), Micu et al. (2018), Verma et al. (2021), Danesi (2024) o Rania (2024), entre otros– y los resultados aquí obtenidos.
A nivel internacional, proliferan fuentes que evidencian cómo cada vez más se profundiza en un objeto de estudio que transforma el concepto de trabajo en la industria publicitaria. Un cambio de esquema y patrones para el que se exige la formación y dominio adecuados de los profesionales de la comunicación, publicidad y medios y, en general, de toda la industria.
En cuanto al segundo objetivo que esta investigación abarca –explorar teóricamente los beneficios de la IA en la optimización de campañas publicitarias–, se puede concluir que la utilidad de la IA está fuera de toda duda, a tenor de cómo los encuestados consideran la ayuda que estas herramientas les proporcionan en la agilidad de procesos, optimización de recursos y ahorro de tiempo, y mejora en productividad y efectividad por cuanto asisten en tareas mecánicas y tediosas. Teniendo en cuenta estas principales ventajas apuntadas por los encuestados en el uso de herramientas de IA, se pone de relieve que las funciones vinculadas con objetivos más complejos, relativos a toma de decisiones estratégicas o creativas, parecen no aprovecharse, por lo que sería interesante y conveniente que los profesionales del sector se animaran a descubrir y aplicar estos beneficios y utilidades.
En todo caso, de la misma forma que la utilidad es incuestionable si consideramos los resultados, también lo es la expectación frente al universo de oportunidades que la IA despierta a nivel del uso de herramientas. Esta expectación enlaza con el tercer objetivo de nuestra investigación: diagnosticar las herramientas actuales que utilizan las agencias publicitarias para realizar campañas a sus clientes. Con las más empleadas, se constata que se produce una mejora de la creatividad y la innovación, lo que incide de forma directa en una optimización del tiempo para permitir al profesional focalizar su esfuerzo en tareas más creativas y estratégicas, mejorando la comprensión del cliente, sus necesidades y sus preferencias, creando campañas más relevantes y efectivas, automatizando tareas repetitivas, como la investigación de mercados, y analizando grandes cantidades de datos para identificar tendencias y patrones.
Este hecho contribuye al hallazgo de nuevas oportunidades de conexión con el público, lo que nos lleva al cuarto objetivo de la investigación: identificar la percepción de los publicitarios de las agencias sobre los beneficios de la IA en campañas publicitarias. Estos beneficios suscitan el máximo interés por parte de todos los encuestados en prácticamente todos los grupos de edad. En este sentido, el camino que queda por recorrer es amplio a nivel de formación, a juzgar por la frecuencia simétrica resultado de una de las preguntas clave de la investigación, de la que también se desprende cuánto de autodidacta tiene esta disciplina en lo que respecta a su conocimiento. Igualmente, todavía con amplio recorrido por delante, tenemos el uso y la aplicación de las herramientas de IA en el día a día de estos profesionales. Más allá de Chat GPT –usado por una amplia mayoría–, de DeepL o Mid Journey, el abanico de posibilidades está aún por explorar, como también lo está la realidad de la todavía incipiente suscripción de las empresas a herramientas de IA de pago. La investigación y la búsqueda, así como la traducción y la creatividad, despuntan como las funciones más usadas en el entorno de la IA.
Se deriva, por tanto, del estudio que la industria del marketing y la publicidad recibe la IA con mayores dosis de entusiasmo que de cautela y recelo, consciente de las oportunidades que se presentan, pero con un conocimiento insuficiente, por lo que sería recomendable reforzar en las agencias la formación en este terreno y la adquisición de licencias que permitan su empleo, pues ante el hecho inequívoco de que la IA ha venido para quedarse, el mayor error que se podría cometer sería ignorarla, subestimarla o infrautilizarla. En este sentido, los profesionales del sector han de hacer un mayor esfuerzo por familiarizarse y manejar las distintas herramientas a su disposición, relacionadas con su particular ocupación dentro del ecosistema publicitario, más allá de Chat GPT, para poder sacar provecho de las ventajas que estas ofrecen y poder también contrarrestar sus posibles efectos nocivos y desmontar inquietudes y falsas expectativas en relación con su uso.
El quinto y último objetivo residía en identificar los retos y las oportunidades, además de las amenazas, derivadas del uso de las herramientas de IA en el ámbito que nos ocupa. En este sentido, además de los retos derivados de la necesidad de formación y el riesgo de sesgo, la implementación de la IA no está exenta de desafíos. La dependencia creciente de algoritmos y modelos predictivos plantea interrogantes acerca de la transparencia y ética en la toma de decisiones automatizada. La preocupación por la privacidad de los datos, la interpretación sesgada de patrones y la posible pérdida de control humano son aspectos críticos que requieren una atención constante y una regulación adecuada. La comunidad académica y la industria publicitaria deben colaborar activamente para desarrollar marcos éticos y legales que salvaguarden la integridad y confianza en el uso de la IA. Esta misma conclusión está en la línea de lo planteado por Hildebrand (2019): «La adopción de la IA en la toma de decisiones también plantea consideraciones éticas, como si las máquinas pueden ser morales y la necesidad de incorporar valores y creencias humanos en los algoritmos».
En este contexto, es imperativo destacar las futuras líneas de investigación que se derivan de los hallazgos presentados. La optimización de la exploración de nuevas aplicaciones de la IA en la creatividad publicitaria y el desarrollo de modelos interpretativos más avanzados son áreas que merecen una atención exhaustiva. Asimismo, la intersección de la IA con otras tecnologías emergentes, como la realidad aumentada y la mecánica cuántica, abre un abanico de posibilidades que merece una exploración más profunda. Por último, futuros estudios pueden ampliar la muestra o enfocarse en submuestras formadas por profesionales de las distintas áreas de trabajo para obtener resultados más relevantes para cada una de las tareas implicadas en el desarrollo del cometido publicitario de acuerdo con su particular naturaleza. De igual modo, se apunta la conveniencia, para completar este diagnóstico acerca del empleo de la IA en el sector publicitario, de abordar esta investigación a partir de estudios de caso o ejemplos prácticos de la aplicación de estas tecnologías.
Con base en los datos obtenidos, se constata una presencia significativa de herramientas basadas en IA en las empresas de comunicación publicitaria, evidenciando la adopción de nuevas tecnologías. Los porcentajes reflejan no solo una mera aceptación, sino una integración sustancial de la IA en diversas facetas de las operaciones publicitarias. Este fenómeno, lejos de ser anecdótico, resalta la naturaleza imperante de la transformación digital en la industria publicitaria, marcando un hito trascendental en la convergencia de la tecnología y la creatividad.
En conclusión, la incorporación de la inteligencia artificial en las agencias de publicidad españolas no solo representa un fenómeno actual, sino también un catalizador para la redefinición constante de los paradigmas en la industria. Los retos identificados son una realidad, y su superación conducirá a una era de innovación sin precedentes. La investigación y desarrollo continuos en este campo son esenciales para mantener la relevancia y sostenibilidad de la empresa publicitaria en un entorno cada vez más digital y dinámico.
Referencias bibliográficas
Ananthakrishnan, Raghupriya y Thiruchelvi Arunachalam (2022): «Comparison of consumers’ perception between human-generated and AI-aided brand content», Webology, 19 (2), 6293-6302.
Argan, Metin, et al. (2023): «Artificial Intelligence (AI) in Advertising: Understanding and Schematizing the Behaviors of Social Media Users», ADCAIJ. Advances in Distributed Computing and Artificial Intelligence Journal, 11 (3), 331-348. https://doi.org/10.14201/adcaij.28331
Barrios, Maite y Antoni Cosculluela (2013): «Capítulo II: Fiabilidad», en Meneses, Julio (coord.), Psicometría. Editorial UOC. ISBN: 978-84-9064-036-4.Bobenrieth Astete y Manuel Alejandro (eds.) (2012): «Cómo investigar con éxito en ciencias de la salud (Parte II). El proceso», en Serie Monografías EASP, n.º 50. EASP.
Broussard, Melanie et al. (2019): «Artificial intelligence and journalism», Journalism and Mass Communication Quarterly, 96 (3), 673-695. http://doi.org/10.1177/1077699019859901
Centeno-Martín, Héctor, Samuel Toledano-Buendía y Alberto Ardèvil-Abreu (2023): «Who interacts with communicative AI and what attitudes are displayed toward it? Sociodemographic, personality and futurephobia variables», Profesional de la Información, 32 (5). https://doi.org/10.3145/epi.2023.sep.02
Danesi, Marcel (2024): «IA in Marketing and Advertising», en Danesi, Marcel, AI-Generated Popular Culture: A Semiotic Perspective. Palgrave Macmillan Cham.
Davidson, J. (1970): Outdoor recreation surveys: The design and use of questionnaires for site surveys. London: Countryside Commision.
Davenport, Thomas, et al. (2020): «How artificial intelligence will change the future of marketing», Journal of the Academy of Marketing Science, 48, 24-42. https://doi.org/10.1007/s11747-019-00696-0
Fernández Rincón, Antonio Raúl (2023): «El creativo invisible: inteligencia artificial y creación publicitaria», Miguel Hernández Communication Journal, vol. 14 (2), 391-408. Universidad Miguel Hernández, UMH (Elche-Alicante). https://doi.org/10.21134/mhjournal.v14i.1983
García-Orosa, Berta, João Canavilhas y Jorge Vázquez-Herrero (2023): «Algorithms and communication: A systematized literature review», Comunicar, 74, 9-21. https://doi.org/10.3916/C74-2023-01
Geru, Marius, et al. (2018): «Using Artificial Intelligence on Social Media’s User Generated Content for Disruptive Marketing Strategies in eCommerce», Economics and Applied Informatics, XXIII (3). https://doi.org/10.26397/eai1584040911
Hernández Sampieri, Roberto y Christian Paulina Mendoza Torres (2018): Metodología de la investigación: las rutas cuantitativa, cualitativa y mixta. Mcgraw-Hill.
Hildebrand, V. A. (2019): «The Future of Artificial Intelligence: A New Economy Driven by Computing Power, Data, and Algorithms», Journal of Economic Perspectives.
Huang Ming-Hui, et al. (2021): «Strategic framework for artificial intelligence in marketing», Journal of the Academy of Marketing Science, 49, 30-50. https://doi.org/10.1007/s11747-020-00749-9
Igartua Perosanz, Juan José (2006): Métodos cuantitativos de investigación en comunicación. Editorial Bosch.
Lee, Peter S., Ishita Chakraborty y Shrabastee Banerjee (2023): «Artificial Intelligence Applications to Customer Feedback Research: A Review», en Sudhir, K. y O. Toubia (eds.), Artificial Intelligence in Marketing (Review of Marketing Research), vol. 20. Leeds: Emerald Publishing Limited, 169-190. https://doi.org/10.1108/S1548-643520230000020010
López Roldán, Pedro y Sandra Fachelli (2015): Metodología de la investigación social cuantitativa. Bellaterra (Cerdanyola del Vallès), Barcelona: Dipòsit Digital de Documents, Universitat Autònoma de Barcelona.
López Romo, Heriberto (1998). «La metodología de la encuesta», en Jesús Galindo Cáceres (coord.), Técnicas de investigación en sociedad, cultura y comunicación, 33-74. ISBN 968-444-262-9.
Malpnai, B. y M. Nisha (2020): «Role of artificial intelligence in advertising and marketing», Our Heritage, 60 (30), 1-11.
Mañas Viniegra, Luis (2023): «La representación de las personas con discapacidades invisibles: Neurocomunicación aplicada a la plena inclusión (INVISIBLES)». Proyecto Investigador. Universidad Complutense de Madrid.
Meneses, Julio y David Rodríguez-Gómez (2011): El cuestionario y la entrevista. Universitat Oberta de Catalunya. https://cutt.ly/eXvI8w2
Micu, Adrian, Alex Capatina y Angela-Eliza Micu (2018): «Exploring Artificial Intelligence Techniques’ Applicability in Social Media Marketing», Journal of Emerging Trends in Marketing and Management, 1 (1), 156-165.
Murgai, A. (2018): «Transforming Digital Marketing with Artificial Intelligence», International Journal of Latest Technology in Engineering, Management & Applied Science, VII (IV), 259-262.
Orús, A. (2023): «Número de trabajadores dentro del sector del marketing en España entre 2011 y 2022», Statista. Recuperado de https://es.statista.com/estadisticas/942691/mercado-laboral-en-sector-de-marketing-espana
Quero Virla, Mirto (2010): «Confiabilidad y coeficiente Alpha de Cronbach», Telos, 12 (2), 248-252. ISSN: 1317-0570. https://cutt.ly/tXvPYJf
Rania, Ezzat (2024): «Enhance the Advertising Effectiveness by using Artificial Intelligence (AI)», Journal of Art, Design and Music. https://doi.org/10.55554/2785-9649.1021
Reshetkova, Atanaska (2019): «Artificial Intelligence in Advertising and the Consumer Journey to Purchase», Izvestia Journal of the Union of Scientists - Varna. Economic Sciences Series, 8 (3), 145-153. https://doi.org/10.36997/IJUSV-ESS/2019.8.3.145
Rodríguez, X. A. V. y Chicaiza (2023): «Publicidad persuasiva: el lado creativo desde la inteligencia artificial», Dilemas contemporáneos: Educación, Política y Valores, XI (1), 63. https://doi.org/10.46377/dilemas.v11i1.3748
Sanabria-Navarro, José Ramón, et al. (2023): «Incidences of artificial intelligence in contemporary education», Comunicar, 77, 97-107. https://doi.org/10.3916/C77-2023-08
Shah, Neil, et al. (2020): «Research Trends on the Usage of Machine Learning and Artificial Intelligence in Advertising», Augmented Human Research, 5 (19). https://doi.org/10.1007/s41133-020-00038-8
Telnov, Anatoly y Svitlana Reshmidilova (2022): «Development tendencies of marketing personnel management under the fourth industrial revolution», Herald of Khmelnytskyi National University. Economical Sciences, 6 (2), 7-12. https://doi.org/10.31891/2307-5740-2022-312-6(2)-1
Thaichon, Park y Sara Quach (eds.) (2022): Artificial Intelligence for Marketing Management. Routledge. https://doi.org/10.4324/9781003280392
Verma, Sanjeev, et al. (2021): «Artificial intelligence in marketing: Systematic review and future research direction», International Journal of Information Management Data Insights, 1 (1). https://doi.org/10.1016/j.jjimei.2020.100002
Valle-Escolano, Raquel (2023): «Inteligencia artificial y derechos de las personas con discapacidad El poder de los algoritmos». Revista Española de Discapacidad, 11 (1), 7-28. Recuperado a partir de https://www.cedid.es/redis/index.php/redis/article/view/866
Wimmer, Roger D. y Joseph R. Dominick (1996): La investigación científica de los medios de comunicación: una introducción a sus métodos. Barcelona: Bosch.
Yu, Yongqi (2022): The Role and Influence of Artificial Intelligence on Advertising Industry. Advances in social science, education and humanities research, Proceedings of the 2021 International Conference on Social Development and Media Communication (SDMC 2021). Atlantis Press. http://doi.org/10.2991/assehr.k.220105.037
1 Todas las agencias que encabezan las primeras posiciones (https://topfice.com/) en las categorías Agency, Creative, Independent, Effective y Media fueron contactadas, al igual que todas las que componen el ranking de agencias líderes en los Premios Eficacia 2023
(https://www.reasonwhy.es/actualidad/ranking-agencias-premios-eficacia-2023).
2 Alternativas de respuesta en la P13: Acrolinx, Adobe Firefly, Adobe Sensei, Bard, Brand24, Brandmark, Brandwatch Consumer Intelligence, Chat Fuel, Chat GPT, Copilot, Copy ai, Dalle-2, DeepL, Escribelo, Frase io, Grammarly, Growth Bar, Instatext, Jasper, Marketmuse, Mid Journey, Optimove, Phrasee, Photoshop, Seventh Sense, Smartly y Otra.