Contexto técnico
He analizado las afirmaciones sobre content2brain y mi escepticismo de ingeniero se activó de inmediato. Para la automatización con IA en marketing, estas herramientas suenan tentadoras: subes un video, obtienes un supuesto mapa de atención cerebral y eliges un ganador. Pero bajo el capó, no es tan mágico.
Si realmente estamos hablando de TRIBE v2 de Meta, el modelo se entrenó con datos de fMRI de más de 700 voluntarios sanos, no en el «cerebro digital de la humanidad». Esto no está mal para los estándares de la neuroimagen, donde las muestras suelen ser ridículas, pero sigue siendo limitado para sacar conclusiones sólidas sobre el comportamiento real de la audiencia.
Pero hay algo más que me preocupa. La fMRI registra señales indirectas en un entorno de laboratorio, y luego se enseña al modelo a predecir reacciones a videos, audio y texto. Es decir, no estoy viendo la intención de compra, ni la fatiga publicitaria en TikTok, ni el contexto cultural, sino una cuidada proyección de laboratorio.
Y aquí es donde la analogía con la cámara térmica para un coche funciona perfectamente: se ve dónde está caliente, pero eso no es un diagnóstico completo del motor. Para una comparación superficial entre videos, puede ser útil. Pero para afirmaciones como «este creativo generará más ventas», yo bajaría el tono drásticamente.
Otro matiz: el modelo puede predecir respuestas cerebrales a contenido nuevo en modo zero-shot, y eso es realmente interesante. Yo lo probaría como un filtro temprano de ideas, cuando necesitas descartar rápidamente conceptos débiles antes de una producción costosa. Pero no como la fuente final de la verdad.
Impacto en el negocio y la automatización
¿Quién gana? Los equipos de marketing que necesitan una capa de clasificación preliminar de creativos sin realizar estudios costosos. En este contexto, la integración de la inteligencia artificial parece razonable: el modelo proporciona una puntuación aproximada, y luego vienen las pruebas A/B, el embudo y las conversiones reales.
¿Quién pierde? Aquellos que quieran reemplazar a una audiencia real y a la analítica seria con esta herramienta. Aquí es donde suele nacer el autoengaño costoso en un dashboard.
Yo posicionaría estos modelos solo como una señal complementaria en las soluciones de IA para empresas, no como el centro de la toma de decisiones. En Nahornyi AI Lab, construimos precisamente este tipo de arquitecturas: donde un modelo acelera útilmente la selección, pero no reemplaza la realidad. Si tus creativos consumen el presupuesto antes del lanzamiento, revisemos el proceso y construyamos una automatización con IA sin trucos ni promesas vacías.