¿Cuándo empezaron las empresas a conocernos sin preguntarnos?
Pensemos en algo tan sencillo como una tarjeta de presentación. Entregábamos nuestro nombre, cargo, empresa, teléfono y quizá una dirección. En un formulario, un libro de visitas o una solicitud para recibir promociones ocurría algo parecido: había que escribir el dato y decidir entregarlo.
La relación era bastante directa. Si queríamos que una empresa, negocio o contacto pudiera encontrarnos de nuevo, dejábamos información. Ese intercambio sigue existiendo, pero hoy ocurre en un plano mucho más amplio: además de aquello que declaramos, dejamos señales mientras buscamos, compramos, publicamos, reaccionamos o permanecemos frente a una pantalla.
Basta comparar aquella tarjeta con un perfil actual de LinkedIn. Nombre y puesto siguen ahí, pero alrededor aparecen trayectoria, conexiones, publicaciones, recomendaciones, reacciones y años de actividad. Pasamos de entregar unos cuantos datos a construir, casi sin darnos cuenta, una historia digital mucho más amplia.
En mi opinión, este es uno de los cambios más interesantes de la cultura digital. La inteligencia artificial llegó después, sobre un ecosistema que ya llevaba años acumulando perfiles, historiales, relaciones y comportamientos capaces de convertirse en señales.
La IA amplía la capacidad de relacionar las señales que dejamos en internet, interpretarlas y convertirlas en decisiones.
Antes, conocer al cliente exigía preguntarle
La mercadotecnia siempre ha intentado reducir incertidumbre. Encuestas, entrevistas, estudios de mercado, registros de ventas, programas de lealtad y bases de clientes ayudaban —y siguen ayudando— a entender qué busca una persona, qué compra, qué necesita o cómo responde ante una oferta.
Una base de datos propia, actualizada y bien organizada sigue siendo uno de los activos más valiosos para muchas empresas. Contiene una historia que puede ayudar a reconocer clientes recurrentes, hábitos de compra, cambios en la demanda o diferencias entre segmentos.
La lógica era bastante visible: preguntar, registrar, comparar y segmentar. La investigación de mercados suele partir de una pregunta concreta y diseña la manera de responderla. La inteligencia de mercados mantiene una mirada más continua: reúne información del consumidor, de la competencia y del entorno para detectar cambios y apoyar decisiones.
El seguimiento comercial tampoco nació con internet. Una tienda podía conservar el historial de un cliente; un programa de fidelidad relacionaba compras y el correo directo buscaba volver a contactar a quien ya había mostrado interés.
Lo que cambió después fue la escala, la velocidad y la cantidad de señales disponibles.
La inteligencia de mercados aprendió a observar
Internet añadió una materia prima especialmente abundante: el comportamiento digital. Búsquedas, clics, compras, contenidos vistos, reseñas, interacciones, visitas recurrentes, horarios y recorridos pueden aportar señales distintas. Ninguna explica por sí sola a una persona, pero juntas permiten detectar patrones que antes resultaban mucho más difíciles de observar.
El cambio no consiste en que las empresas hayan dejado de preguntarnos. Ahora también pueden observar.
Para un negocio digital, esa diferencia es enorme. El mercado deja de verse únicamente a través de lo que las personas declaran y empieza a leerse también mediante lo que hacen, repiten, abandonan, buscan o consultan.
Y aquí aparece un matiz que me parece importante: observar comportamiento permite reconocer patrones, pero el patrón no siempre explica la razón.
Una persona puede buscar vuelos porque planea unas vacaciones, porque ayuda a alguien a organizar un viaje o porque está preparando un trabajo sobre turismo. Para el sistema, las tres conductas pueden parecer interés por viajar; el contexto que existe detrás es completamente distinto.
Ahí empieza una diferencia que conviene conservar durante toda esta conversación: los sistemas pueden leer señales con bastante eficacia sin comprender necesariamente toda la historia que las produjo. Hasta aquí, el cambio puede resumirse de forma sencilla: pasamos de entregar información de manera directa a dejar señales que los sistemas pueden relacionar y analizar.
La IA entra al final de ese recorrido, ampliando la capacidad de encontrar patrones entre señales que antes estaban separadas.
La IA llegó a un ecosistema lleno de señales
La inteligencia artificial amplifica lo que puede hacerse con esa información. Puede procesar grandes volúmenes de datos, encontrar relaciones entre comportamientos, reconocer cambios conforme aparecen nuevas señales y trabajar con información menos estructurada, como comentarios, reseñas, imágenes o conversaciones.
Para la inteligencia de mercados esto abre posibilidades concretas. Los sistemas pueden agrupar consumidores con comportamientos parecidos, estimar la probabilidad de una compra o abandono, detectar cambios de interés, reconocer tendencias y recomendar contenidos, productos o acciones.
Aquí aparecen técnicas diferentes que cumplen funciones distintas.
El clustering, por ejemplo, permite encontrar grupos con patrones similares sin comenzar necesariamente con segmentos definidos de antemano. Los modelos de propensión pueden estimar qué clientes muestran mayor probabilidad de comprar, responder a una oferta o abandonar un servicio.
Los sistemas de recomendación relacionan comportamientos para decidir qué producto o contenido podría resultar relevante después.Estos procesos suelen ocurrir detrás del sistema, pero sus efectos sí aparecen frente al usuario: una recomendación que cambia, una oferta que llega en determinado momento o un contenido que parece ajustarse especialmente bien a lo que estaba buscando.
Muchas de las señales que alimentan esos análisis existen desde antes de la actual expansión de la IA. Provienen de plataformas, aplicaciones, CRM, programas de lealtad, publicidad digital, comercio electrónico o servicios de ubicación. La IA añade una capa capaz de relacionar piezas que antes podían permanecer dispersas. Ese es, el salto verdaderamente importante.
Una base de datos tradicional ayuda a describir qué ocurrió: quién compró, cuándo, cuánto o con qué frecuencia. Los sistemas de IA añaden una lectura orientada a encontrar relaciones y estimar escenarios: qué clientes muestran comportamientos parecidos, qué señales anticipan abandono, qué necesidades empiezan a surgir o qué contenido podría resultar relevante después.
En lenguaje profesional, esa evolución permite llevar parte de la inteligencia de mercados de lo descriptivo —qué ocurrió— a lo predictivo —qué podría ocurrir— y, en algunos casos, a lo prescriptivo —qué acción convendría tomar—.
Ahí cambia la escala. Ya no se trata únicamente de almacenar más datos, sino de encontrar significado entre ellos con suficiente rapidez para incorporarlo a una decisión.
El seguimiento también cambia la relación con las marcas
Esa capacidad tiene otra consecuencia: empezamos a ser más conscientes de que detrás de una recomendación demasiado precisa puede existir seguimiento digital.
Una investigación publicada en mayo de 2026 en Psychology & Marketing llevó precisamente esta discusión al terreno del consumidor. A través de tres experimentos, sus autores analizaron cómo la conciencia de que el seguimiento digital se utiliza para personalizar publicidad en redes sociales interactúa con la confianza, la intención de compra y la disposición a pagar.
El estudio encontró que saber que existe esa personalización basada en tracking modifica la manera en que las personas interpretan el contenido publicitario y la relación entre confianza y sus respuestas posteriores.
Esa consecuencia es de gran interés. El seguimiento dejó de ser únicamente parte de la maquinaria interna de la mercadotecnia; también empieza a formar parte de cómo juzgamos a una marca. Una recomendación demasiado precisa puede sentirse útil y, al mismo tiempo, provocar la pregunta de cuánto tuvo que observar un sistema para llegar hasta ella.
Para la inteligencia de mercados eso significa mirar algo más que eficacia. Entran en juego la confianza, la transparencia y el límite entre una personalización que aporta valor y otra que hace sentir al consumidor demasiado observado.
La IA encuentra patrones; el contexto sigue siendo humano
Aquí aparece una paradoja que me parece especialmente relevante. Si contamos con más señales, mejores modelos y sistemas capaces de encontrar patrones, podría parecer que preguntar al consumidor pierde importancia.
Yo considero lo contrario. La IA amplía la inteligencia de mercados y vuelve todavía más valioso saber escuchar. Una entrevista, una conversación, una observación cualitativa o una pregunta bien formulada aportan algo difícil de obtener únicamente mediante rastros digitales: la razón que existe detrás del comportamiento.
Sería paradójico que, por tener más datos, dejáramos de hablar con las personas. Un sistema puede descubrir que regresamos varias veces a un contenido. Una conversación puede revelar si regresamos porque nos entusiasma, nos preocupa, nos molesta o simplemente estamos investigándolo.
Los sistemas pueden leernos con mayor precisión en determinados aspectos. Las personas seguimos aportando contexto, intención, contradicciones y cambios de opinión. Y quizá esa combinación entre datos y comprensión humana sea una de las mayores fortalezas de la inteligencia de mercados.
La historia empezó mucho antes de la IA
Las tarjetas de presentación siguen existiendo. También las encuestas, los formularios, los CRM, los programas de lealtad y la investigación de mercados. Se han integrado en un entorno donde nuestras acciones digitales producen otra capa de información.
La IA llegó a ese ecosistema y aumentó la capacidad de relacionar señales que antes estaban separadas. Por eso entender cómo nos leen los sistemas ya no me parece únicamente una conversación sobre privacidad. También es una manera de comprender cómo están cambiando los negocios, la inteligencia de mercados y la relación entre marcas y consumidores.
Las estrategias de mercadotecnia siempre se encaminaron a conocer mejor a las personas. Lo nuevo es que una parte creciente de ese conocimiento procede de aquello que hacemos y decidimos compartir.
La IA no empezó a conocernos de cero. Llegó a una historia que llevaba años reuniendo datos sobre nosotros. La diferencia es que hoy muchas de esas señales pueden empezar a hablar juntas.
▏
Desde la investigación
- Tangari, A. H., Bui, M., Krishen, A. S. y Kemp, E. (2026). AI-Driven Personalization in Social Media Advertising: How Tracking Awareness and eWOM Homophily Shape Trust and Consumer Responses. Psychology & Marketing. Investigación sobre seguimiento digital, personalización, confianza e intención de compra.
- American Marketing Association / The CMO Survey (2026). Referencia profesional sobre el uso actual de IA en marketing para personalización, análisis de datos, targeting y otras funciones relacionadas con decisiones de mercado.
▏Antonio X. Sosa A. es autor de la columna ✦ Entre algoritmos, una columna de análisis sobre cultura digital en MentePost.