Growth marketing con IA: AI-native y agentic growth

Alex se inscribió en su primera carrera de 10 kilómetros por montaña. Le pide a un asistente de IA un plan de entrenamiento y las mejores zapatillas para pie plano. En segundos recibe el plan, tres modelos comparados y el resumen de cientos de reseñas. Una marca deportiva le envía un correo con ofertas genéricas y el asistente lo descarta por irrelevante. Cuando Alex decide comprar, el asistente le advierte que una tienda tiene mala política de devoluciones y cierra la compra en otra.

Con esa escena abre McKinsey su informe de junio de 2026, y la presenta como algo que ya ocurre. En ella hay un correo que nunca llegó a su destinataria y una tienda que perdió la venta por una política que revisó una máquina. Quien trabaja en marketing tiene ahí una audiencia nueva: un sistema de IA que filtra, compara y decide.

Esta guía explica cómo se está actualizando el growth marketing para ese escenario. Lo ordenamos en dos etapas, AI-native growth y agentic growth. Son etiquetas nuestras; cada consultora usa la suya y en el paso 6 las ponemos lado a lado. Vamos paso a paso y sin dar nada por sabido: cada término técnico se explica la primera vez que aparece y cada cifra lleva quién la publicó y cuándo.

1. El punto de partida: qué hace distinto al growth marketing

El marketing tradicional se organiza en campañas: se define un mensaje, se elige un canal (Instagram, Google, correo), se publica y se mide cuánto vendió. El growth marketing parte de otra pregunta: cómo hacer que el negocio crezca de forma repetible. Por eso mira todo el recorrido del cliente y no solo la venta.

Ese recorrido se dibuja como un embudo, o funnel: muchas personas conocen la marca, menos la prueban, menos compran y menos aún vuelven. Las etapas clásicas son adquisición (llega el cliente), activación (usa el producto por primera vez), retención (vuelve), ingresos (paga) y referidos (recomienda).

Para mejorar cada etapa, un equipo de growth hace experimentos. El más común es la prueba A/B: se muestran dos versiones de una página o de un anuncio a dos grupos parecidos y se conserva la que rinde más. Los resultados se leen con métricas como el CAC, que es lo que cuesta conseguir un cliente, y el LTV, que es lo que ese cliente deja mientras dura la relación. Las dos están explicadas con cuentas en nuestra guía de ROAS, ROI, CAC y LTV.

El otro concepto de base es el growth loop, o ciclo de crecimiento. En un embudo el cliente entra por arriba y sale por abajo. En un ciclo, lo que hace un cliente trae al siguiente: alguien usa un producto, comparte un resultado y esa publicación atrae a otra persona. Cuando el propio producto hace ese trabajo se habla de product-led growth (PLG), crecimiento liderado por el producto.

2. El cliente ya no espera a que termine la campaña

Una campaña tiene inicio y fin. Según McKinsey, su ciclo habitual toma de 6 a 10 semanas entre la idea y la salida. En ese tiempo el cliente ya investigó por su cuenta: casi la mitad de los consumidores usa buscadores con IA en alguna parte de su decisión de compra. En una encuesta de la consultora a 1,927 de esos usuarios, el 73% los usa para aprender sobre una categoría o una marca y el 61% para comparar productos.

Por eso el informe propone dejar el modelo de campañas y construir un motor de crecimiento continuo (continuous growth engine). Lo arma con cinco capacidades. Insights continuos: leer señales de clientes y mercado todo el tiempo, en lugar de una encuesta cada trimestre. Creatividad a escala: producir muchas versiones de una pieza sin perder la marca. Hiperpersonalización: que cada persona reciba el mensaje y la oferta que le corresponden en ese momento. Marketing para agentes de IA, que vemos en el paso 5. Y orquestación permanente, que es coordinar canales y presupuesto de forma continua.

La mayoría todavía no trabaja así. El informe llama bolt-on, "atornillado", al enfoque dominante: se agrega una herramienta de IA a un paso y el resto del trabajo sigue igual. El 90% de los directores de marketing experimenta con IA y menos del 10% la escaló o capturó valor en sus flujos de trabajo. Solo el 28% de las organizaciones encuestadas está rediseñando a fondo sus equipos y procesos.

A las que sí lo hicieron, McKinsey les atribuye, por su experiencia con varias empresas, entre 4% y 7% más de ingresos, de 2 a 3 veces más productividad y de 60% a 70% de ahorro en tareas de ejecución.

3. AI-native growth: cuando la IA deja de ser un parche

"AI-native" significa nativo de la IA: algo que se diseñó contando con ella desde el inicio. ActiveCampaign definió en febrero de 2026 el AI-native marketing como un modelo en el que la IA está integrada en el núcleo de las operaciones de marketing. McKinsey usa "AI-first marketing" para la misma idea. Llamamos AI-native growth a hacer growth marketing de esa manera.

Conviene distinguir tres tipos de IA, con las definiciones del informe de McKinsey. La IA a secas analiza datos, encuentra patrones y predice: quién tiene más probabilidad de comprar o de irse, qué producto recomendar. La IA generativa crea contenido nuevo (texto, imágenes, video, código) a partir de una instrucción. La IA agéntica combina las dos para planificar, decidir y ejecutar tareas con poca intervención humana; es la protagonista del paso siguiente.

En un equipo AI-native las dos primeras participan en todo el ciclo. Un ejemplo del informe son las audiencias sintéticas: perfiles de consumidor simulados con IA a los que el equipo les hace preguntas, como en un focus group, antes de gastar en una campaña. Otro es el plazo. Los ciclos de 6 a 10 semanas pueden bajar a ejecución en el mismo día, y piezas que tomaban días se producen en minutos u horas.

Elena Verna, responsable de growth en Lovable, describió ese ritmo en diciembre de 2025. La empresa superó los 200 millones de dólares de ingresos anuales recurrentes antes de cumplir un año, con unas 100 personas. Verna dijo que solo entre 30% y 40% de lo que aprendió en 15 a 20 años de growth le sirve ahí, y que hoy dedica el 95% de su tiempo a inventar formas nuevas de crecer y el 5% a optimizar las que ya existen.

4. Agentic growth: una persona dirige un equipo de agentes

Un asistente de IA responde cuando alguien le pide algo. Un agente de IA recibe un objetivo, decide qué pasos dar, usa herramientas y revisa el resultado para decidir el paso siguiente. Esas herramientas son las del equipo: la plataforma de anuncios, la analítica y el CRM, que es el sistema donde la empresa guarda a sus clientes y contactos. "Agentic" es el adjetivo en inglés para ese comportamiento; en español se usa "agéntico".

Llamamos agentic growth a la etapa en que los agentes ejecutan un flujo de trabajo (workflow) completo y las personas lo supervisan. McKinsey lo describió en abril de 2026 como una fuerza de trabajo híbrida, en la que un profesional de marketing puede supervisar a un equipo de agentes. Un ejemplo, inventado para ilustrar: el equipo fija la meta "aumentar 20% los clientes nuevos con un CAC menor a S/ 8"; un agente analiza audiencias, otro produce variantes de anuncios, otro reparte el presupuesto y otro lee los resultados y propone el siguiente experimento. Las personas definen la meta, los límites y qué necesita aprobación. A esos límites se les llama guardrails, barandas.

El mismo artículo cuenta el caso real de una marca de consumo, sin nombrarla. La empresa descompuso su proceso creativo en cientos de tareas pequeñas y las agrupó en seis tipos de agente: generador de contenido, conocimiento, localización, analizador, planificador y operador. Solo para generar contenido definió casi 100 agentes reutilizables. En algunos pilotos el proceso completo fue 4 veces más rápido que el anterior.

McKinsey estima que los agentes llegarán a encargarse de hasta dos tercios de las actividades actuales de marketing. BCG midió cuántos ya están ahí: el 32% de 300 directores de marketing usa agentes en varios flujos, y cerca del 8% empezó a conectar varios agentes para correr ciertas campañas de forma autónoma. Gartner preguntó a 402 directores de marketing cuánto de su trabajo esperan automatizar con IA: pasaría de 16% en 2026 a 36% en 2028.

5. Tu próximo cliente puede ser un agente

Hasta aquí los agentes trabajan para la marca. La escena de Alex muestra el otro lado: agentes que trabajan para el cliente. Scott Brinker y Frans Riemersma, autores del informe Martech for 2026, separan tres tipos. Los agentes para marketers ayudan al equipo a producir y analizar campañas. Los agentes para clientes los controla la marca y atienden al público, como un chat de soporte. Los agentes de los clientes trabajan para el comprador, y son los que el informe señala como la verdadera disrupción.

Insight Partners, un fondo de inversión en software, le puso nombre al fenómeno en marzo de 2026: agent-led growth (ALG), crecimiento liderado por agentes. Lo presenta como el modelo que sigue al sales-led growth, donde vende un equipo comercial, y al product-led growth. Su artículo da un caso. Cuando el asistente de programación Claude Code agrega envío de correos a un proyecto, elige el servicio Resend el 63% de las veces y SendGrid el 7%.

Venderle a un agente cambia las reglas. McKinsey habla del paso de una economía de la atención a una economía de la confianza: ser visible deja de alcanzar y la marca tiene que ser "consumible" por máquinas. Eso pide contenido que responda preguntas concretas y señales de credibilidad que un sistema pueda leer, como especificaciones detalladas, reseñas verificadas y opinión de expertos. BCG y el Yale Center for Customer Insights agregan que los agentes evalúan a las marcas con reseñas y señales de toda la web, y que por eso lo que la marca promete y lo que entrega tienen que coincidir. Según su artículo de julio de 2026, el 85% de los consumidores que usan IA pone esas herramientas entre los cinco puntos de contacto que más pesan en su compra.

De ahí sale un término nuevo, AI visibility o visibilidad en IA: qué tan bien pueden los sistemas de IA encontrar, entender y recomendar una marca. Se relaciona con el GEO (generative engine optimization), que adapta el contenido para que lo citen los buscadores con IA y que tratamos en nuestra guía de SEO y GEO. La WFA, la federación mundial de anunciantes, encuestó en 2026 a 54 responsables de 46 grandes marcas: el 73% ya mide su visibilidad en IA y el 8% tiene una estrategia clara para manejarla.

Hay evidencia de que funciona. McKinsey describe una empresa de servicios financieros que estructuró sus datos para que los buscadores y los LLM pudieran interpretar y citar su contenido. Un LLM (large language model) es el modelo de lenguaje que hay detrás de asistentes como ChatGPT, Gemini o Claude. En nueve meses esa empresa multiplicó por seis su tráfico orgánico, el que llega sin pagar anuncios.

Gartner proyecta que en 2028 el 60% de las marcas usará IA agéntica para interacciones uno a uno con sus clientes. Su investigadora Emily Weiss lo resumió así: "Esto marca el fin del marketing basado en canales tal como lo conocemos".

6. Un mismo cambio, muchos nombres

El cambio todavía no tiene un nombre único. Cada organización propone el suyo, y conviene reconocerlos porque ya aparecen en cursos, ofertas de trabajo y herramientas.

McKinsey habla del motor de crecimiento continuo y del AI-first marketing. BCG usa agentic marketing. ActiveCampaign, AI-native marketing. Insight Partners, agent-led growth. Salesforce describe su Marketing Cloud como una plataforma construida alrededor de agentes autónomos y habla de "la era del agentic marketing".

Gartner propuso en julio de 2026 el Adaptive Intelligence Marketing (AIM), marketing de inteligencia adaptativa. Lo define como un sistema de crecimiento adaptativo y gobernado, con cuatro capacidades dirigidas por personas. El sistema de crecimiento y aprendizaje une analítica y experimentos. El motor de decisión interpreta señales en tiempo real y determina la siguiente mejor acción (next best action). El motor de experiencia arma lo que ve cada cliente con piezas modulares. La infraestructura gobernada cuida la calidad de los datos, la identidad del cliente y su consentimiento. En este modelo la unidad de trabajo deja de ser la campaña y pasa a ser el componente: un bloque de mensaje, una regla de decisión, un microrrecorrido.

HubSpot publicó en septiembre de 2026 el libro Loop, de Kipp Bodnar y Kieran Flanagan. Sostiene que los compradores dejaron de seguir el embudo y propone un ciclo de cuatro etapas: Express, Tailor, Amplify y Evolve. El cargo de Flanagan en la empresa ya lleva el término: vicepresidente sénior de Agentic GTM. GTM es go-to-market, la estrategia de salida al mercado.

En esta guía usamos AI-native growth para la primera etapa y agentic growth para la segunda, porque dicen en dos palabras qué cambia en cada una.

7. El 96% dice que ya se transformó; el 32% trabaja con agentes

Las dos cifras son de la misma encuesta de BCG a 300 directores de marketing, publicada en junio de 2026. El 96% reporta una transformación significativa de su área con IA, de punta a punta. Cuando la consultora los clasificó por lo que hacen y no por lo que declaran, quedaron tres grupos: 32% líderes, 26% seguidores y 42% en riesgo, que son los que solo usan IA generativa para tareas puntuales.

Otras fuentes muestran la misma distancia. McKinsey: 90% experimenta y menos del 10% capturó valor. Lo llama la paradoja de la IA generativa: la tecnología está en todas partes menos en los resultados. Scott Brinker y Frans Riemersma: el 90.3% de los participantes de su estudio usa agentes en algún punto, aunque sea para experimentar. En marketing y ventas B2B, es decir entre empresas, el reporte de Kyle Poyar y Maja Voje de enero de 2026 indica que el 53% de los líderes ve poco o ningún impacto de la IA.

Gartner explica por qué tantos se quedan a medio camino. Describe tres etapas: AI curious (se prueban herramientas para ganar productividad), AI competent (se escalan varios usos, con rendimientos que empiezan a bajar) y AI confident (la IA cambia el modelo operativo y la relación con el cliente). Entre la segunda y la tercera está lo que llama la trampa de competencia: el éxito inicial frena el avance, porque seguir invirtiendo en lo mismo ya no rinde lo esperado. Suma un dato sobre los equipos: el 80% de los directores de marketing dice que el miedo y la ansiedad del personal son una barrera para experimentar con IA.

También hay resultados. En la encuesta de BCG, el 31% de los directores de marketing de empresas de consumo y el 20% de los de empresas B2B ya ven un impacto significativo y medible en ingresos.

Estas encuestas tienen límites. Varias usan muestras chicas, como las 54 personas de la WFA, y todas miden lo que los ejecutivos declaran. Sirven para ver la dirección; el número exacto puede variar de un estudio a otro.

8. Los puestos que se están creando

Para quien estudia marketing o piensa en su siguiente paso profesional, esta es la parte más práctica. McKinsey asocia a cada una de sus cinco capacidades un puesto nuevo. Los nombres son suyos y están en inglés.

El Customer Wayfinder usa IA para entender a fondo el comportamiento del cliente y prueba ideas con audiencias sintéticas. El Creative Guru define los sistemas y los límites con los que se produce el contenido, y cuida que todo salga dentro de la marca. El Hyperpersonalization Architect diseña los modelos de datos y las reglas de negocio que permiten experiencias uno a uno. El Agent Whisperer se ocupa de que la marca esté bien representada en los sistemas de IA. El Full-funnel Navigator supervisa el sistema completo y guía a los agentes.

Detrás hay un cambio en el uso del tiempo. Según McKinsey, con una orquestación bien configurada la parte de la jornada que un equipo dedica a tareas de ejecución puede bajar de entre 60% y 70% a entre 10% y 15%. El resto queda para estrategia, criterio y creatividad.

Las habilidades que la consultora pide para trabajar con agentes son concretas: escribir instrucciones claras (prompt engineering), colaborar con agentes y saber cuándo intervenir, monitorear la calidad de lo que producen, mejorar sus resultados con criterio propio y manejar datos con soltura. Los ejecutivos de marketing que McKinsey consultó, un grupo de 26, pusieron el desarrollo de habilidades como la primera barrera para adoptar IA.

9. Por dónde empezar

McKinsey cierra su informe con cuatro puntos de partida, que resumimos. Primero, conocer la posición real: las empresas suelen creer que tienen más capacidades de las que tienen, así que toca revisar habilidades, datos e infraestructura. Segundo, empezar donde la IA cambie rápido los números de costo, velocidad o rendimiento, y medir valor en lugar de actividad. Tercero, construir para aprender: que cada flujo registre sus resultados y cada interacción mejore la siguiente. Cuarto, conectar las capacidades desde el inicio, con datos e identificadores compartidos, para no terminar con pilotos aislados.

Agregamos dos de nuestra lectura. Definir los límites antes de dar autonomía: qué puede hacer un agente solo y qué necesita aprobación. Gartner reportó en enero de 2026 que el 78% de 335 consumidores de Estados Unidos considera muy importante que el contenido hecho con IA esté etiquetado. Y revisar cómo describe la IA a la marca hoy: preguntarle a ChatGPT, Gemini o Claude por la categoría y leer qué responden toma minutos y muestra el punto de partida.

El growth marketing de 2026 conserva sus preguntas: a quién llegar y cómo hacer que vuelva. Lo nuevo es quién ejecuta el trabajo y quién toma la decisión de compra. Con los datos de este año, la mayoría de los equipos está en la primera etapa y cerca de un tercio entró en la segunda.

Fuentes y créditos

McKinsey: From campaigns to continuous growth (junio de 2026) y Reinventing marketing workflows with agentic AI (abril de 2026). BCG: Moving the Agentic Marketing Transformation from Illusion to Reality (15 jun 2026) y, con el Yale Center for Customer Insights, Agentic AI Will Make the CMO's Role More Consequential (16 jul 2026). Gartner: encuesta a 402 directores de marketing (11 may 2026), predicciones de marketing para 2028 (15 ene 2026) y Adaptive Intelligence Marketing (22 jul 2026). WFA: State of AI in Marketing 2026 (30 sep 2026).

Insight Partners: Agent-led growth: The next GTM motion is already here (13 mar 2026). Scott Brinker y Frans Riemersma: adelanto de Martech for 2026 (19 nov 2025). HubSpot: Loop, de Kipp Bodnar y Kieran Flanagan (22 sep 2026). Elena Verna en Lenny's Podcast: The new AI growth playbook for 2026 (18 dic 2025). Kyle Poyar y Maja Voje: 2026 State of AI for B2B GTM (28 ene 2026). ActiveCampaign: AI-Native Marketing Explained (27 feb 2026). Salesforce: What is Marketing Cloud? (consultado el 4 oct 2026).

Las figuras son de idtt. Logos de Wikimedia Commons: McKinsey, BCG, Gartner, HubSpot y Salesforce en dominio público; Insight Partners y World Federation of Advertisers bajo licencia CC BY-SA 4.0. Cada marca pertenece a su titular.