Google Ads está dejando de ser una herramienta en la que cada decisión se programa manualmente para convertirse en un sistema que interpreta objetivos y actúa con inteligencia artificial. Manuel Ferrini, especialista en publicidad digital, sostiene que ese cambio no reduce la necesidad de profesionales: traslada su trabajo hacia la estrategia, los datos y el control de las decisiones que toma el algoritmo.
En una columna publicada en El Cronista, Ferrini describió problemas observados al probar AI Max. Esa experiencia funciona aquí como punto de partida, no como evidencia universal. La pregunta más amplia es qué debe hacer una empresa cuando Google empieza a elegir consultas, redactar activos y seleccionar páginas de destino.
AI Max redistribuye las decisiones
La documentación de Google define AI Max como una capa de optimización para campañas de búsqueda, no como un tipo nuevo de campaña. Combina coincidencia de términos, personalización de textos y expansión de URL final. Aprende de palabras clave, anuncios y páginas para encontrar consultas adicionales y adaptar el mensaje. En consecuencia, el anunciante ya no determina de forma directa cada combinación entre búsqueda, anuncio y destino.
La automatización tampoco equivale a ausencia de controles. Google permite desactivar la ampliación de términos por grupo, excluir marcas o URL y revisar reportes que relacionan consulta, titular y landing page. El cambio central es operativo: configurar deja paso a formular hipótesis, delimitar el sistema, observar resultados y corregirlo.
La landing page entra en la decisión publicitaria
AI Max puede utilizar el contenido del sitio para comprender la oferta, ampliar coincidencias, producir textos y elegir el destino más relacionado con una consulta. Por eso, una landing page ya no cumple únicamente la función de recibir tráfico: también aporta señales con las que el sistema interpreta qué vende la empresa y ante qué intención debería mostrarla.
Una arquitectura ambigua puede inducir decisiones imprecisas. Páginas que mezclan servicios, promesas sin sustento o llamados contradictorios ofrecen al algoritmo un mapa deficiente. En cambio, títulos claros, contenido específico, propuesta de valor verificable y una ruta de conversión coherente facilitan la correspondencia entre búsqueda y oferta.
El algoritmo aprende del objetivo que recibe
La segunda transformación ocurre en la medición. Optimizar para clics no es igual que hacerlo para formularios; contar formularios tampoco equivale a reconocer oportunidades calificadas, ventas o margen. Un sistema puede mejorar con enorme eficiencia una métrica que no representa el resultado económico buscado.
Google recomienda asignar valores a las conversiones y alimentar Smart Bidding con señales próximas al impacto real del negocio. Para una empresa de servicios, eso puede significar devolver desde el CRM qué contactos fueron calificados. Para un comercio electrónico, transmitir ingresos o valores de transacción. Ferrini sitúa allí una tarea profesional decisiva: definir qué debe aprender la máquina y comprobar que los datos sean completos, consistentes y oportunos.
Automatizar sin entregar completamente el control
El antecedente de Performance Max muestra una evolución desde sistemas inicialmente opacos hacia mayores herramientas de segmentación, exclusión y reporte. AI Max llega con más controles documentados, pero exige decidir cuáles conservar. Las palabras clave negativas siguen siendo necesarias cuando una intención resulta improductiva; las exclusiones de URL evitan destinos inadecuados, y los experimentos permiten medir el efecto incremental sin convertir toda la cuenta de una vez.
La posición atribuible a Ferrini no es contraria a la inteligencia artificial. Su planteo propone usarla con límites, datos de negocio y revisión frecuente. La IA aporta escala al evaluar señales y combinaciones que una persona no podría procesar subasta por subasta. El criterio humano sigue siendo necesario para definir prioridades, detectar promesas incorrectas y relacionar el rendimiento de plataforma con la realidad comercial.
¿Quién es Manuel Ferrini?
Manuel Ferrini es un consultor argentino especializado en Google Ads, performance marketing e inteligencia artificial aplicada al marketing. Es CEO y cofundador de Caissa, agencia que ubica su fundación en 2021. La empresa informa haber alcanzado la condición Google Partner Premier en 2025; Google define esa categoría para el 3% superior de las empresas participantes de cada país, según sus criterios anuales.
Sus publicaciones sobre AI Max y tecnologías emergentes aportan una mirada práctica sobre la transición. El rasgo que une ese análisis es concreto: cuando el sistema ejecuta más, el especialista debe formular mejores objetivos, construir mejores señales y auditar con mayor rigor.
De operador de campañas a director del sistema
El futuro cercano de Google Ads no elimina las palabras clave ni vuelve irrelevante la intervención humana. Modifica su peso relativo. Elegir términos, escribir variantes y ajustar pujas pierde centralidad frente a diseñar la estrategia, ordenar el sitio, validar conversiones y determinar qué decisiones no deben delegarse.
La conclusión de Ferrini adquiere así un alcance estructural: el valor profesional ya no reside solamente en conocer cada comando de la plataforma, sino en dirigir un sistema probabilístico con información imperfecta. Para empresas y agencias, prepararse significa conectar publicidad con ventas, documentar límites y convertir la supervisión en una disciplina permanente.