Cómo el marketing persuade a la IA que decide qué compramos
Basado en su investigación publicada en el Journal of Decision Systems
La mayoría de nosotros ya le pregunta a una IA qué comprar. Qué laptop, qué vino, qué software para el equipo. Y la respuesta llega con una seguridad tranquila, sin el tono de un vendedor. Se siente como un consejo neutral.
La investigación detrás de este artículo pone esa neutralidad en duda. Esas tácticas de persuasión de siempre, como las reseñas entusiastas, el respaldo de un experto o la urgencia de que algo se está por agotar, se escribieron para convencer a un comprador humano. La pregunta es: ¿también funcionan cuando quien las lee es un modelo de lenguaje? Porque es ese mismo modelo, convertido en tu asistente, el que después te entrega la recomendación. La respuesta corta: sí funcionan. Y lo hacen de una manera que casi nadie espera.
¿Cuál fue el tema? La IA se convirtió en el gatekeeper de tus compras
En 2025, el uso de IA generativa para decisiones de compra creció alrededor de un 35%. Cada vez más, el modelo de lenguaje se ha convertido en el gatekeeper de nuestras compras: el guardián que decide qué opciones llegan a nosotros y cuáles no. Es el filtro entre un producto y la decisión final.
La pregunta del estudio fue directa: ¿se deja persuadir ese gatekeeper? Para responderla se diseñaron 13.500 escenarios de recomendación con seis productos, divididos en dos tipos: los hedónicos, que se compran por placer (entradas a un concierto, una cata de vinos, una escapada de spa), y los utilitarios, que se compran por función (un laptop, un plan de telefonía, una suscripción de software). Cada combinación se probó con cuatro tácticas de marketing y tres modelos de lenguaje distintos, midiendo no solo si la IA recomendaba el producto, sino con cuánta seguridad lo hacía: qué tan convencida se mostraba.
El hallazgo central es una asimetría. Cuando se añade lenguaje persuasivo (una reseña entusiasta, una señal de escasez, el respaldo de un experto), la IA se vuelve más segura al recomendar los productos hedónicos y, curiosamente, menos segura al recomendar los utilitarios. La misma táctica empuja en direcciones opuestas según el tipo de producto.
¿Por qué los directivos deberían estar atentos?
Porque están delegando cada vez más decisiones a un sistema que parece objetivo, y no lo es del todo. Un vendedor humano se delata: el tono, la insistencia, el interés propio. Esas señales nos ponen en guardia. La IA las elimina. Entrega el mismo argumento de venta con la cadencia serena de un análisis imparcial.
Es lo que podríamos llamar la ilusión de objetividad: no es que la IA mienta, es que su forma nos desactiva el radar con el que normalmente detectamos que nos están vendiendo algo.
Para un directivo esto importa en dos planos. Como quien decide con estas herramientas, recibe recomendaciones que parecen neutrales pero llegan inclinadas. Y como quien ofrece productos o servicios, su marketing tiene ahora una segunda audiencia: la IA que intermedia entre su marca y el cliente.
¿Qué implicancias o consecuencias tiene?
Para quien hace marketing, la lección es que no todas las tácticas se comportan igual:
- La reciprocidad (dar algo primero: un descuento, un servicio incluido) fue la más segura: sube la certeza en ambas categorías, sin importar el tipo de producto.
- La autoridad (respaldo de expertos, fuentes acreditadas) es el caso más claro de inversión: sube la certeza en productos hedónicos y la baja en los utilitarios.
- La prueba social (reseñas, “más vendido”, número de valoraciones) da el mayor empujón en productos hedónicos, pero en los utilitarios se vuelve neutra: ni ayuda ni perjudica.
- La escasez (disponibilidad limitada, oferta que expira) no mueve a los hedónicos y reduce la certeza en los utilitarios.
Conviene ser honestos con la magnitud. En promedio, el efecto de la persuasión es pequeño (explica menos del 1% de la variación total), y los modelos difieren mucho más entre sí que por efecto de cualquier táctica. Lo importante no es el tamaño de cada empujón, sino que su dirección es sistemática y se repitió en los tres modelos probados. A escala de millones de consultas, un sesgo pequeño pero consistente sí cambia qué productos se recomiendan con más seguridad.
Para quien decide con IA, la consecuencia es más incómoda: la recomendación que recibes ya viene inclinada por el material de marketing que el modelo “leyó”, aunque tú no lo veas.
Y esto no es solo teórico. En febrero de 2026, Microsoft documentó una técnica que llamó “AI recommendation poisoning”: empresas reales insertando instrucciones ocultas para que los asistentes de IA las recuerden como “fuente confiable”. El estudio apunta a un vector distinto y más cotidiano: no hace falta hackear nada. Basta el texto de marketing legítimo y visible para mover a la IA.
¿Qué se podría hacer al respecto?
Tres frentes, según dónde estés sentado.
- Si diseñas estos sistemas (plataformas y desarrolladores): la respuesta está en los datos de entrenamiento y en las señales de transparencia. Un modelo debería poder distinguir el contenido informativo del persuasivo y, ojalá, mostrárselo al usuario.
- Si decides con IA (directivos y profesionales): adopta la regla de oro de la buena IA explicable: ninguna recomendación sin explicación. Ante una respuesta, la pregunta no es “¿qué me recomienda?”, sino “¿por qué me recomienda esto?”. Pedir el razonamiento le devuelve al humano las señales que la interfaz serena le había quitado.
- Si haces marketing: entiende la asimetría antes de optimizar. La misma táctica que dispara la confianza de la IA en un producto de placer puede estar hundiéndola en uno funcional.
La IA no reemplaza el juicio: lo filtra. Y ese filtro, hoy, es persuadible. Reconocerlo no es desconfiar de la tecnología; es usarla como lo que es (un analista muy capaz, pero ni infalible ni neutral) y conservar, del lado humano, la única pregunta que ningún algoritmo puede responder por nosotros: ¿por qué debería creerte?