Una mesa de compra profesional operada por agentes de IA: entrenados con los ~10 años de histórico de Adsmovil, comparan opciones, empujan el margen al máximo, vigilan anomalías y dejan cada orden lista para que el humano solo dé clic.
La operación de compra de Adsmovil mueve entre ~US$300–400K/mes en meses de baja demanda y ~US$700K/mes en alta (≈ US$6 M/año estimados). Pero las decisiones de en qué plataforma comprar y cómo correr dependen del criterio y la experiencia de una o dos personas, no de reglas de negocio ni de data.
Se elige plataforma y forma de correr por experiencia; no hay reglas de negocio ni comparación sistemática con KPIs.
El equipo se detiene al alcanzar un margen «aceptable» —«gano 50%, compro 5 y vendo 10»— y no explora si otra combinación rinde más.
La decisión real recae en 1 persona de un equipo de ~6. Si se va, se pierde el criterio acumulado y el negocio se resiente.
Hay ~10 años de histórico y expertos disponibles, pero ese conocimiento no está capitalizado en una herramienta que guíe al equipo.
No es un único agente: es una mesa de compra profesional operada por agentes especializados, cada uno con un rol. Entrenados con los ~10 años de histórico y con el criterio del experto, replican —y luego superan— la forma de comprar del mejor comprador de la casa.
El corazón: entrenado con ~10 años de data. Sabe qué publisher rinde para qué campaña, en qué estacionalidad y con qué viewability. Responde «¿qué ha pasado antes en situaciones como esta?».
Rastrea las opciones vivas —red interna de publishers y plataformas externas—, normaliza precios y disponibilidad, y evalúa vendors nuevos y de bajo costo que hoy nadie tiene tiempo de probar.
Rompe el «gano 50% y me detengo»: simula combinaciones y busca el margen máximo, no el aceptable. Es la palanca directa de las nuevas ganancias.
Arma la orden completa con la opción ganadora, lista para el clic humano. Sin retrabajo, sin armar la orden desde cero.
Vigila anomalías: viewability que se degrada, CPM fuera de patrón histórico, órdenes que se desvían de las reglas. Es el seguro contra errores costosos — la respuesta directa al riesgo de alucinaciones.
Cada alternativa de compra con sus KPIs: margen esperado, viewability, desempeño por publisher y costo. Y la recomendación con su porqué explicado — transparencia que genera adopción.
La orden lista: el humano revisa y da clic. Un panel de margen extra capturado en el mes hace que el propio dashboard reporte el ROI del proyecto.
Cada orden registra quién aprobó y si se consultó al experto. Es documentación viva del criterio de compra: si entra alguien nuevo al equipo, aprende del sistema.
La misma medición para ambas partes: la línea base y el margen incremental salen del sistema, no de una discusión. Sobre esa telemetría se liquida el modelo comercial.
La mejora se da por dos vías: comprar mejor —elegir la opción con mejor relación costo/desempeño— y exprimir el margen, no detenerse en el primer margen aceptable.
Sobre una compra anual estimada de ~US$6 M, así se ven los tres escenarios:
| Escenario | Mejora sobre la compra | Nuevas ganancias / año |
|---|---|---|
| Conservador | 5% | ~US$0,30 M |
| Base — estimación del cliente escenario de referencia | 10% | ~US$0,60 M |
| Optimista | 15% | ~US$0,90 M |
Un build de US$40.000 sin pago inicial — el primer pago se dispara con la primera adopción y uso real, y el resto contra la autonomía del sistema — más una participación del 12% sobre el margen incremental medido durante 12 meses. Adsmovil no paga nada hasta usar el sistema, y solo paga la parte variable si gana.
Adsmovil no paga nada a la firma. De ahí en adelante facturamos a medida que el sistema demuestra ser «el experto en compra»: el disparador es la reducción de la injerencia del experto, medida por el propio dashboard.
| Tramo | Disparador | Monto |
|---|---|---|
| Primera adopción y uso 40% | Sistema en operación y primeras órdenes reales aprobadas desde el dashboard (uso sostenido de 2 semanas). | US$ 16.000 |
| Autonomía parcial 30% | ≥50% de las órdenes de un mes aprobadas sin intervención del experto, sin degradar el margen. | US$ 12.000 |
| Autonomía plena 30% | ≥80% sin experto, sostenido 2 meses, sin degradar el margen. | US$ 12.000 |
| Total build | Pagadero solo contra uso y autonomía demostrada | US$ 40.000sin pago inicial |
Contra la línea base histórica que el sistema calcula al inicio, con la misma información visible para ambas partes — no hay discusión de «cuánto fue».
Si las nuevas ganancias del caso base se cumplen (~US$600K), la participación es ~US$72K. Si no hay margen incremental, no se paga nada.
Durante los 12 meses del earn-out el Trading Desk opera como servicio gestionado: corre en infraestructura administrada por Agility (o en un tenant de Adsmovil donde Agility retiene las llaves de administración). Adsmovil accede con usuarios de operación — todo lo necesario para trabajar. Esto garantiza que la medición sea la misma para ambas partes y que el servicio funcione con SLA.
Al cumplirse el período: código, modelos, dashboard y la clave de administrador absoluto. El sistema pasa a ser 100% propiedad de Adsmovil.
En cualquier momento Adsmovil puede adelantar el cierre pagando el remanente proyectado del earn-out.
El código queda en depósito neutral desde el día uno, liberable a Adsmovil si Agility incumple. Cero riesgo de dependencia.
| Alternativa | Costo | Limitación |
|---|---|---|
| Desarrollo multi-agente empresarial (mercado) | US$150K+, frecuentemente >US$400K | Precio de referencia del mercado 2026. |
| SaaS de optimización de compra (Albert.ai, Smartly, etc.) | US$2K–50K/mes (US$36–120K+/año, perpetuo) | Genérico: no entrenado en el histórico ni en la red de publishers de Adsmovil; no resuelve el riesgo de key-person. |
| Trading Desk de Agentes · Agility Changes | US$40K contra autonomía + 12% del margen incremental (12 meses) | Propio, entrenado con su data, transferido al final con clave de administrador absoluto. |
| Concepto | Año 1 |
|---|---|
| Nuevas ganancias (10% sobre la compra) | +US$ 600.000 |
| Build (contra autonomía) | −US$ 40.000 |
| Éxito compartido (12%) | −US$ 72.000 |
| Servicio gestionado (~12 meses) | −US$ 30.000 |
| Ganancia neta Adsmovil | ≈ +US$ 458.000payback < 2 meses |
Las estrategias data-driven aumentan el ROI hasta ~20% (Adobe); el 70% de quienes adoptan supply path optimization ven 15–30% de ahorro en costos. El 10% de Adsmovil es conservador.
El desarrollo de agentes de IA en 2026 va de US$10K (simples) a US$150K+ para sistemas multi-agente empresariales, superando con frecuencia los US$400K. La propuesta queda muy por debajo del benchmark.
Las plataformas empresariales de optimización cobran US$2.000–50.000/mes según volumen — un costo perpetuo, sin personalización sobre la data propia.
La compra programática supera el 87% del gasto en display digital en 2026; el problema ya no es «si» optimizar sino «cómo».
Metodología Agility: caso de negocio → NDA → data → ~1 semana de entrenamiento → involucrar al equipo → usable cada 3 semanas.
Habilita el envío de data. Es el primer paso y no tiene costo asociado.
Compras y desempeño: plataformas usadas, costos, márgenes y resultados por publisher.
A la red de publishers, a las plataformas externas y a sus KPIs (viewability, desempeño), vía API, MCP o exportación.
Con el o los expertos de compra, para codificar el criterio. A definir según disponibilidad.
Definición de los KPIs y del «margen objetivo» que la mesa debe empujar, y acuerdo sobre la línea base de medición.
Alguien del equipo de compra que valide las recomendaciones durante el piloto.