Mercado de IA: lo que Stirista muestra sobre martech
Toda empresa enfrenta la misma pregunta de crecimiento. ¿De dónde saldrá el próximo cliente?
El mercado de IA está cambiando la forma en que los equipos responden esa pregunta. En adquisición de clientes, la IA ayuda a ordenar grandes bases de datos, encontrar compradores probables, probar canales de medios y ver resultados de campaña con menos demora. El cambio central es la velocidad. Un trabajo que antes tomaba días puede avanzar en horas cuando los datos están limpios y las herramientas están bien construidas.
La entrevista del San Antonio Report con Ajay Gupta, CEO de Stirista ofrece un caso concreto para leer esta tendencia. Stirista es una empresa de marketing y tecnología con sede en San Antonio. Trabaja con datos de consumo, anuncios en TV conectada y herramientas de datos para marcas. Según la publicación, tiene cerca de 80 empleados en San Antonio y unos 240 en Estados Unidos. Entre sus clientes aparecen LG, Castrol, Univision y Blumhouse.
Eso convierte a la empresa en una lente útil. Esta no es una historia amplia sobre el hype de la IA. Es una historia sobre cómo las compañías intentan reducir el costo y el tiempo necesarios para encontrar compradores. Para inversores y traders de mercados de predicción, ese es el punto clave. La adquisición de clientes con IA puede afectar márgenes, crecimiento de ventas y la forma en que las empresas compiten.
Última revisión: 16/08/2026. Nota: el volumen de búsqueda de la keyword no estaba disponible en el brief porque DataForSEO devolvió una respuesta 402 de pago requerido. Trate la keyword como un tema estratégico, no como un término de alto volumen confirmado.
Según el San Antonio Report, Stirista tiene cerca de 80 empleados en San Antonio y cerca de 240 empleados a nivel nacional. En nuestra lectura de la entrevista fuente, encontramos tres señales prácticas para seguir: análisis más rápido, uso más amplio de TV conectada y reportes más autoservicio para clientes.
Por qué el mercado de IA importa en la adquisición de clientes
La adquisición de clientes con IA significa usar modelos y herramientas de datos para encontrar compradores probables. Una marca puede empezar con sus compradores actuales. El sistema busca rasgos compartidos. Puede usar datos de compra, visitas web, encuestas, registros públicos y resultados de anuncios. Luego orienta a la marca hacia personas u hogares que parecen más propensos a comprar.
El proceso anterior era más lento. Un equipo pedía un reporte, esperaba una extracción de datos, revisaba una presentación y después planificaba una campaña. Cuando el equipo actuaba, el mercado ya podía haber cambiado.
La IA cambia el ritmo. Puede ayudar a un equipo a detectar un patrón antes. Puede redactar un segmento inicial. Puede señalar gasto publicitario débil. También puede convertir reportes de rutina en vistas vivas.
Esto no significa que la IA tome la decisión sola. Un modelo puede equivocarse. Puede aprender de datos malos. Puede no captar la razón por la que un cliente actúa. Aun así, puede ayudar a los equipos a hacer mejores preguntas antes.
La respuesta clara es esta: la adquisición de clientes con IA ayuda a los marketers a encontrar y alcanzar compradores probables con menos demora. Lo hace usando datos para construir audiencias, probar canales y seguir resultados. La contrapartida es que las empresas necesitan reglas sólidas de datos, límites claros de privacidad y revisión humana.
La velocidad es el producto
En muchos equipos de marketing, el dolor principal es la demora. Una marca no quiere esperar dos semanas para saber qué audiencia vale la pena probar. Quiere saberlo ahora, mientras el presupuesto todavía puede moverse.
Por eso la velocidad importa. Si un equipo aprende antes, puede cortar anuncios débiles antes. Puede mover gasto hacia canales más fuertes. Puede ejecutar más pruebas con el mismo presupuesto.
Eso puede reducir el costo de adquisición de clientes. El CAC es lo que una empresa gasta para ganar un cliente. Cuando el CAC cae, los márgenes pueden mejorar. Cuando el CAC sube, crecer se vuelve más caro.
La adquisición de clientes con IA busca acortar ese ciclo de retroalimentación. Ayuda a pasar de “¿qué ocurrió el mes pasado?” a “¿qué debemos cambiar hoy?”.
El tamaño de los datos no basta
Muchas empresas de marketing hablan de archivos enormes de datos. El tamaño ayuda solo si los datos pueden convertirse en una señal útil.
Un archivo grande puede estar desactualizado. Puede tener registros duplicados. Puede vincular el hogar, el dispositivo o el comprador equivocado. Si la entrada es pobre, la IA puede hacer que el error parezca más seguro.
La ventaja no es solo volumen de datos. La ventaja es datos limpios, consentimiento claro, buen matching y uso rápido. Una empresa necesita saber qué señales importan y cuáles son ruido.
Por eso la adquisición de clientes con IA también es una historia de confianza. Las mejores firmas no serán las que digan tener la mayor base de datos. Serán las que puedan mostrar a los clientes por qué una audiencia tiene sentido.
Qué muestra Stirista sobre el nuevo stack martech
Stirista se ubica en una parte del mercado donde varias herramientas empiezan a mezclarse. La empresa trabaja con datos de consumo, identidad, email, TV conectada y analítica. También creció mediante operaciones, incluida la adquisición de Alesco Data.
Esto encaja con un cambio más amplio en martech. Los clientes quieren menos brechas entre datos, anuncios y reportes. No quieren un proveedor para listas, otro para compra de medios y un tercero para resultados. Quieren un circuito claro.
Ese circuito es simple en teoría. Encuentre la audiencia. Alcance la audiencia. Mida el resultado. Mejore la próxima campaña.
En la práctica, ese circuito ha sido lento durante años. Equipos de datos, medios, ventas y cuentas usaban cada uno su propia herramienta. La IA presiona ese modelo porque hace que los traspasos lentos sean más difíciles de defender.
Lookalikes y TV conectada
Los modelos lookalike son una de las formas más fáciles de ver el cambio. Una empresa empieza con un grupo de clientes conocidos. El modelo encuentra personas u hogares que comparten rasgos similares. Luego la marca puede probar anuncios con ese grupo.
La TV conectada hace que esto sea más útil. Los espectadores ahora ven video en smart TVs, aplicaciones de streaming y plataformas online. Eso da a las marcas más formas de alcanzar hogares que la televisión abierta tradicional.
Por ejemplo, un hogar puede ver contenido por streaming, visitar páginas de producto y caer dentro de cierto grupo comprador. Un marketer puede usar esas señales para colocar un anuncio de video en un servicio de streaming. El objetivo no es solo alcance. El objetivo es mejor alcance.
Esto puede ayudar a marcas que venden autos, seguros, productos para el hogar, entretenimiento o servicios locales. También puede ayudar a empresas más pequeñas que antes no podían pagar una planificación profunda de TV.
Una plataforma frente a muchos proveedores
El nuevo stack martech se mueve hacia herramientas integradas. Un cliente quiere datos, construcción de audiencias, lanzamiento de anuncios y resultados en un solo lugar.
Eso no significa que las agencias estén terminadas. Significa que el trabajo básico se vuelve más barato. Reportes, borradores de audiencia y planes simples de campaña pueden requerir menos horas.
El valor se desplaza hacia el juicio. Una agencia o plataforma fuerte debe explicar qué cambió, por qué cambió y qué debería hacer el cliente después. Un dashboard no basta si nadie puede confiar en la historia detrás de los datos.
Aquí es donde el caso de Stirista importa. Muestra cómo los datos y las herramientas de campaña se están uniendo. También muestra por qué las empresas deben probar que la IA hace el trabajo más rápido y más claro, no solo más automatizado.
El problema de confianza en los datos de consumo
El marketing con datos de consumo usa registros de clientes, datos públicos, encuestas y señales de comportamiento para encontrar y alcanzar compradores. Puede ser útil. También puede sentirse invasivo.
El problema de confianza no es simple. Una campaña puede usar señales agregadas o anonimizadas y aun así incomodar a las personas. Un usuario puede no saber por qué le llegó un anuncio. Solo sabe que el anuncio se sintió demasiado personal.
Esa brecha crea riesgo para las marcas. Las personas juzgan la experiencia, no el modelo de datos. Si el targeting parece inquietante, la marca puede cargar con la culpa incluso cuando el uso de datos sea legal.
La IA puede empeorar esto porque puede inferir cosas. Un modelo puede adivinar etapa de vida, rango de ingresos, intención de compra o necesidades del hogar. Aunque nadie vea a una persona con nombre y apellido, el resultado todavía puede sentirse demasiado cercano.
Según la cobertura de WIRED sobre data brokers y flujos de opt-out en firmas de IA, incluso las opciones formales de privacidad pueden volverse difíciles de ejercer para los usuarios. Por eso la confianza importa tanto como la precisión del modelo.
Por qué la gente cree que los teléfonos escuchan
Muchas personas creen que los teléfonos escuchan conversaciones privadas porque los anuncios parecen seguir una charla reciente. En algunos casos, existe una explicación más simple.
Una persona pudo haber buscado un artículo relacionado antes. Un amigo en la misma casa pudo haberlo consultado. Una tienda pudo haber compartido datos de compra. Una plataforma pudo inferir interés por ubicación, uso de apps u hogares similares.
Eso no elimina la preocupación. El anuncio todavía se siente extraño. El usuario todavía se siente observado.
Para los marketers, la lección es clara. Un mejor targeting es útil solo si conserva la confianza. Las empresas necesitan reglas simples para el uso de datos. También deben evitar afirmaciones que hagan sonar a la IA como si lo supiera todo.
Los datos agregados también tienen riesgo
El targeting agregado puede reducir el riesgo porque se enfoca en grupos u hogares, no en personas identificadas. Pero no está libre de riesgo.
Los grupos pequeños pueden revelar más de lo previsto. Las coincidencias de datos pueden ser incorrectas. Un modelo puede usar rasgos proxy que generen resultados injustos. Los reguladores también pueden adoptar una visión más dura de las inferencias sensibles.
Eso significa que la privacidad forma parte del modelo de negocio. No es solo una nota legal. Las empresas con mejores registros de consentimiento, controles de datos y auditorías pueden tener una ventaja más fuerte.
Para traders, esto es importante. La adquisición de clientes con IA puede impulsar el crecimiento. Pero la ganancia puede diluirse si las reglas de privacidad se endurecen o si los clientes pierden confianza.
Qué cambia para empleos y pequeñas empresas
La IA en marketing suele presentarse como una historia de pérdida de empleos. Esa lectura es demasiado estrecha. El primer efecto es un cambio de habilidades.
El trabajo rutinario es más fácil de automatizar. Eso incluye primeros borradores de reportes, respuestas a RFP, listas simples de audiencia, notas de campaña y actualizaciones de estado. Los equipos pueden dedicar menos tiempo a preparar presentaciones y más tiempo a revisar qué significan los datos.
Algunos empleos enfrentarán presión. Si una herramienta permite que un analista maneje más trabajo, una empresa puede necesitar menos personas para tareas rutinarias. Pero si la IA ayuda a ganar más clientes, el equipo puede mantenerse estable o incluso crecer.
La habilidad escasa será el juicio. Los marketers necesitan saber cuándo una salida del modelo es útil. También necesitan saber cuándo es ruido.
La IA como mejora de habilidades
La IA puede hacer más rápido a un buen marketer. Puede ayudar a probar más segmentos, comparar más canales y redactar más opciones. También puede ayudar a los equipos de ventas a responder solicitudes de clientes con mayor rapidez.
Pero sube la vara. Si todas las empresas pueden crear un dashboard, el dashboard deja de ser especial. La habilidad especial es saber qué hacer con él.
Eso favorece a las personas que entienden calidad de datos, privacidad, testing y objetivos del cliente. También favorece a equipos capaces de explicar resultados complejos en términos simples.
Así, la adquisición de clientes con IA no es solo un cambio de software. Es un cambio de gestión. Los líderes deben decidir qué tareas automatizar y qué decisiones todavía necesitan personas.
Las pequeñas empresas pueden recibir mejores herramientas
Las pequeñas y medianas empresas pueden ganar con este cambio. Muchas no podían pagar trabajo profundo de audiencias antes. Ahora pueden recibir segmentos más rápidos, mejores reportes y pruebas de anuncios más útiles.
Eso puede ampliar el mercado para los proveedores martech. Una empresa local quizá no necesite un gran equipo de agencia. Puede necesitar una herramienta simple que muestre qué audiencia probar y cómo va la campaña.
El riesgo es que las empresas pequeñas tienen menos margen para malos consejos. Una gran marca puede sobrevivir una campaña pobre. Una empresa pequeña quizá no.
Por eso las herramientas de IA para pequeñas empresas deben ser claras. Deben mostrar qué saben, qué no saben y cómo un cliente debería juzgar resultados.
La señal de mercado: ciclos de feedback CAC más rápidos
La señal de mercado no es “la IA está en marketing”. Eso es demasiado amplio. La mejor señal es un feedback de CAC más rápido.
El CAC importa porque conecta el trabajo de marketing con los resultados del negocio. Si una empresa gasta menos para ganar cada cliente, tiene más espacio para generar ganancias. Si aprende antes, puede mover presupuesto antes de desperdiciar dinero.
La adquisición de clientes con IA puede ayudar en ambos frentes. Puede mostrar qué audiencia vale la pena probar. Puede ayudar a elegir canales. Puede señalar malos resultados antes.
Esto importa para los mercados porque la adopción de IA puede cambiar márgenes, crecimiento y participación de mercado. Las empresas a seguir son las que convierten la IA en menor costo, ventas más rápidas o mejor retención.
Nuestra lectura de mercado es simple: siga cambios operativos medibles, no comunicados de prensa. Una señal útil de IA debería aparecer en al menos uno de cuatro lugares: menor CAC, lanzamiento de campañas más rápido, mayor tasa de conversión o menor churn de clientes. Si una empresa no puede apuntar a una de esas métricas en 3 meses, la historia de IA sigue siendo principalmente narrativa.
También conviene separar afirmaciones de velocidad de afirmaciones de resultado. Una herramienta que reduce reportes de 7 días a 48 horas es útil. Una herramienta que baja el CAC 10% después de 30 días es más importante. La primera afirmación muestra una ganancia de flujo de trabajo. La segunda muestra una ganancia de negocio.
Para mercados de predicción, esta es una señal tecnológica más que un titular puro de software. La previsión útil es si mejores herramientas de datos cambian resultados reales de negocio. Una empresa que reduce CAC, acelera ventas y mantiene confianza puede tener una ventaja más fuerte que otra que solo anuncia una nueva función de IA.
Esto está cerca del tema más amplio de IA empresarial. La Global Tech Agenda 2026 de McKinsey trata IA y datos como asuntos de modelo operativo. Ese también es el marco correcto aquí. La pregunta no es si una empresa usa IA. La pregunta es si la IA cambia cómo trabaja la empresa.
Flujo anterior frente a flujo con IA
| Pregunta de marketing | Flujo anterior | Flujo con IA |
|---|---|---|
| ¿Quién se parece a nuestros mejores compradores? | Trabajo manual de segmentación | Construcción lookalike más rápida con revisión humana |
| ¿Dónde debería correr el anuncio? | Plan armado con reportes antiguos | Pruebas de canal más rápidas en email, web y CTV |
| ¿La campaña está funcionando? | Presentación semanal o mensual | Dashboard vivo y alertas más rápidas |
| ¿Qué debe cambiar después? | Nueva reunión y nuevo reporte | Plan de prueba y movimiento de presupuesto más rápido |
La tabla muestra el cambio central. La IA no reemplaza la estrategia. Hace que la estrategia lenta sea más costosa.
Probables ganadores
Los ganadores deberían tener tres rasgos.
Primero, necesitan datos sólidos. Los datos propios de clientes son especialmente útiles porque vienen del contacto directo con compradores.
Segundo, necesitan formas de usar esos datos en varios canales. Una buena lista de audiencia tiene poco valor si no puede alcanzar compradores por email, anuncios web, TV conectada u otros medios.
Tercero, necesitan pruebas claras. Los clientes quieren saber si la herramienta los ayudó a ganar clientes a menor costo.
Marcas ricas en datos, plataformas de TV conectada y firmas martech integradas pueden ganar con este cambio. Pero no todas las afirmaciones de IA importarán. Observe tiempo de lanzamiento, CAC, conversión, retención y churn de clientes.
Riesgos principales
Hay tres riesgos principales.
El primero es privacidad. Las reglas pueden endurecerse alrededor de data brokers, cookies, IDs de dispositivos o rasgos sensibles. Si eso ocurre, algunas herramientas de targeting pueden perder fuerza.
El segundo es calidad de datos. Los datos malos pueden hacer que la IA empeore, no mejore. Un gráfico limpio todavía puede apuntar a la acción equivocada.
El tercero es comoditización. Si todos los proveedores usan herramientas de IA similares, el análisis básico de campañas puede abaratarse. Eso puede golpear a agencias y vendors sin datos únicos o ventaja de flujo de trabajo.
Estos riesgos no eliminan el potencial. Definen la prueba. La adquisición de clientes con IA crea valor real solo cuando mejora velocidad, precisión y confianza al mismo tiempo.
FAQ
¿Cómo se usa la IA en la adquisición de clientes?
La IA se usa para estudiar datos de clientes, encontrar compradores probables, sugerir canales y seguir resultados de campaña. Ayuda a los equipos a aprender más rápido y probar más ideas con el mismo presupuesto.
¿Cómo usan las empresas los datos de consumo para publicidad?
Las empresas usan registros de clientes, datos públicos, encuestas y señales online para construir grupos de audiencia. Después apuntan a compradores similares en email, anuncios web, correo directo y TV conectada.
¿Qué es la publicidad en TV conectada?
La publicidad en TV conectada coloca anuncios de video en smart TVs, apps de streaming y plataformas de televisión por internet. Permite a las marcas apuntar a hogares o grupos de audiencia con más precisión que la compra tradicional de TV.
¿La publicidad segmentada rastrea individuos?
Parte del targeting usa datos individuales, pero muchas campañas usan señales grupales o anónimas. Incluso así, las personas pueden sentirse incómodas si el anuncio parece demasiado personal.
¿La IA reemplazará empleos de marketing?
La IA probablemente reemplazará primero parte del trabajo rutinario. Puede automatizar reportes, resúmenes y análisis simples. Las personas que aporten estrategia, juicio de datos y criterio de privacidad seguirán siendo importantes.
¿Por qué los CMOs quieren dashboards en tiempo real?
Los CMOs quieren vistas en vivo porque ayudan a los equipos a actuar mientras una campaña todavía está corriendo. Un reporte mensual muchas veces llega demasiado tarde para salvar gasto desperdiciado.
Conclusión
La IA no resuelve por sí sola el problema del cliente. Cambia las reglas de costo, velocidad y confianza alrededor de ese problema.
La historia de Stirista muestra que la adquisición de clientes con IA se mueve de la teoría al trabajo diario. El cambio no es solo copy más rápido o reportes más limpios. Es descubrimiento de clientes más rápido.
Eso la convierte en un tema útil para mercados de predicción, análisis tecnológico e investigación de negocios en tendencia. La previsión no es solo si las empresas adoptan IA. La previsión es si logran convertirla en menor CAC y márgenes más fuertes.
Para los mercados, la prueba clave es clara. ¿La IA reduce CAC? ¿Acelera ventas? ¿Ayuda a sostener márgenes? ¿Lo hace sin dañar la confianza?
Siga las empresas que responden esas preguntas con datos, no con slogans. Ahí es donde la adquisición de clientes con IA se convierte en una señal de negocio que vale la pena observar para ciclos de mercado reales.
La diferencia aparece en métricas operativas, no en slogans comerciales.
