- Google permitirá probar distintos presupuestos y objetivos de ROI en varias campañas de Search dentro de un solo experimento A/B, una función que comenzará a desplegarse en septiembre.
- AI Max también permitirá mantener controles específicos de marca y ubicación durante las pruebas, mientras Performance Planner podrá proyectar cambios de presupuesto y bidding y aplicarlos directamente a las campañas.
- La actualización llega apenas días después de un cambio relevante en Smart Bidding: desde el 17 de agosto, Google busca que las campañas limitadas por presupuesto se ajusten de forma más consistente al CPA o ROAS objetivo configurado por el anunciante.
Durante décadas, Google ha automatizado una parte cada vez mayor del trabajo que ocurre después de que un anunciante decide cuánto invertir: bids, concordancias, consultas, señales de audiencia, creatividades y páginas de destino.
Ahora empieza a moverse un nivel arriba.
Este jueves 20 de agosto, Google anunció nuevas capacidades para AI Max for Search que permitirán probar diferentes presupuestos y objetivos de ROI entre múltiples campañas de Search dentro de un único experimento A/B. La función comenzará a desplegarse en septiembre, según confirmó Brandon Ervin, director de Product Management de Search Ads en Google.
Hasta el momento, buena parte de la automatización respondía a una pregunta relativamente acotada: dado este presupuesto, ¿cómo debería gastarlo el algoritmo?
Y las nuevas herramientas permiten acercarse a otra pregunta: ¿qué ocurriría si cambiamos el presupuesto y, al mismo tiempo, modificamos el retorno que estamos dispuestos a exigir?
Eso lleva a la IA desde la ejecución de medios hacia un territorio mucho más sensible para agencias, CMOs y equipos financieros: la asignación de inversión.
La automatización ya no termina en el bid. Presupuesto, medición y planeación también están entrando en la capa de IA. Únete a la Comunidad y accede a análisis que explican qué cambia detrás de las actualizaciones de las grandes plataformas y qué significa para el mercado mexicano.
El experimento deja de vivir dentro de una sola campaña
AI Max ya contaba con experimentos que permiten probar sus capacidades sobre una campaña existente sin crear una copia completa. Google explica que estas pruebas desvían tráfico y presupuesto dentro de la campaña original, lo que busca acelerar resultados y reducir algunos de los errores habituales de configuración en experimentos tradicionales.
La novedad presentada este jueves amplía considerablemente esa lógica.
Google permitirá comparar distintos presupuestos y objetivos de ROI a través de múltiples campañas de Search dentro de una sola prueba A/B, con la intención declarada de mostrar qué ocurre con el resultado del negocio cuando aumenta la escala.
La diferencia importa porque una campaña con el ROAS más alto no necesariamente representa el mejor destino para el siguiente peso del presupuesto.
Puede estar cerca de agotar la demanda disponible. Otra campaña con un retorno aparentemente menor podría tener mayor capacidad incremental de crecimiento.
La pregunta deja entonces de ser únicamente: “¿Qué campaña tiene mejor ROAS?”
Y se acerca a: “¿Dónde produce mayor valor adicional el siguiente incremento de inversión?”
Ese cambio hace que la administración de Search se parezca cada vez más a gestionar un portafolio y menos a optimizar campañas como compartimentos independientes.
Julieta Ruiz
Google todavía no tomará el control del presupuesto
Pero aquí hay una precisión importante.
Google no está anunciando que AI Max vaya a aumentar automáticamente los presupuestos de las campañas.
La documentación de Google Ads es explícita: la compañía no modificará por cuenta propia los presupuestos diarios ni los objetivos de bidding establecidos por el anunciante.
Lo que sí está ocurriendo es que la distancia entre proyección, recomendación y ejecución se reduce.
Performance Planner ya permite crear planes de gasto y observar cómo distintos cambios podrían afectar métricas y rendimiento. La herramienta utiliza miles de millones de búsquedas, simula subastas recientes, incorpora factores como estacionalidad y actividad competitiva y utiliza Google AI para afinar sus forecasts.
La actualización añade algo particularmente relevante: después de generar el pronóstico, el anunciante puede revisar los ajustes sugeridos —por ejemplo, cambios de presupuesto o bidding— y aplicarlos directamente sobre campañas activas.
El workflow comienza así a comprimirse.
Antes podía ser:
analizar → proyectar → exportar → discutir → aprobar → modificar.
Ahora puede acercarse a:
proyectar → recomendar → aprobar → aplicar.
La persona conserva la decisión final.
Pero el algoritmo participa cada vez más en la construcción de la decisión que precede a ese clic.
Julieta Ruiz
Más automatización no significa automáticamente mejores resultados
Google tiene cifras atractivas para defender AI Max.
Desde su lanzamiento, la compañía ha afirmado que los anunciantes que activan AI Max en campañas de Search obtienen típicamente 14% más conversiones o valor de conversión con un CPA o ROAS similar. Se trata de datos internos de Google y, por tanto, deben interpretarse como un benchmark de la plataforma, no como una garantía individual de rendimiento.
La adopción también está aumentando. En julio, durante los resultados del segundo trimestre de Alphabet, Google informó que AI Max había salido de beta y ya era utilizado por más de 500,000 anunciantes. La compañía aseguró además que el sistema está ayudando a monetizar búsquedas más largas y complejas que resultaban difíciles de conectar con publicidad mediante targeting tradicional.
Pero las pruebas independientes permiten observar una fotografía menos uniforme.
Brad Geddes, cofundador de Adalysis y uno de los especialistas históricos en paid search, publicó en julio los resultados de pruebas realizadas con ecommerce, generación de leads B2B y generación de leads B2C para evaluar la personalización automática de textos de AI Max.
En el caso B2B, el resultado es especialmente relevante: el CTR aumentó, pero las tasas de conversión se deterioraron porque los anuncios comenzaron a atraer también usuarios B2C que no correspondían al comprador que buscaba la empresa. El rendimiento fue lo suficientemente pobre como para que la compañía detuviera la prueba después de tres semanas y regresara a una configuración con mayor control humano.
En ecommerce, Geddes también encontró que algunos resultados positivos de AI Max podían esconder movimiento de impresiones, clics y conversiones procedentes de otras campañas, lo que obliga a evaluar el impacto a nivel de cuenta y no únicamente dentro de la campaña experimental.
El aprendizaje es importante ahora que la automatización se acerca al presupuesto.
Los guardrails dejan de ser accesorios
Google parece consciente de esa tensión.
Otro de los anuncios de este jueves es que las pruebas de AI Max podrán ejecutarse manteniendo controles específicos de marca y ubicación. De esta manera, los anunciantes podrán evaluar el impacto de la automatización sin eliminar ciertos límites comerciales necesarios para operar.
Y no es una función menor para México.
Pensemos en bancos con productos disponibles únicamente en determinadas regiones, fabricantes de automóviles con territorios de concesionarios, retailers con distintas coberturas, universidades que captan alumnos por campus o empresas sujetas a reglas estrictas sobre cómo y dónde puede aparecer su marca.
En esos escenarios, el problema no es únicamente conseguir una conversión más barata.
También importa qué conversión, dónde ocurrió y bajo qué reglas fue conseguida.
La automatización deja entonces de plantearse como una elección entre “manual” o “automático”.
El modelo que Google está construyendo parece otro: automatización dentro de guardrails definidos por el anunciante.
La discusión que vendrá será cuánto control real conserva una marca cuando buena parte de las decisiones intermedias quedan en manos del sistema.
Julieta Ruiz
Septiembre acelera la transición de Search
La fecha elegida para las nuevas pruebas tampoco llega aislada.
Google comenzará en septiembre la actualización automática hacia AI Max de campañas elegibles que utilizan Automatically Created Assets y broad match a nivel campaña.
La migración automática de Dynamic Search Ads iba a comenzar también en septiembre, pero Google modificó posteriormente el calendario tras recibir feedback de los anunciantes: ese proceso ahora empezará en febrero de 2027.
La decisión demuestra algo interesante: incluso Google está teniendo que equilibrar la velocidad de automatización con la necesidad de dar a los anunciantes tiempo para probar, controlar y reorganizar sus campañas.
Aun con el retraso de DSA, la dirección permanece intacta.
Qué cambia para las agencias en México
Durante años, una parte importante del valor operativo de paid search consistió en construir estructuras complejas de campañas, trabajar keywords, modificar bids, encontrar términos y distribuir presupuestos.
Una parte creciente de esas tareas está siendo absorbida por la plataforma.
Eso no elimina el trabajo estratégico. Cambia dónde se encuentra.
Las preguntas de mayor valor pasan a ser otras:
¿qué significa realmente una conversión?, ¿cuánto margen genera?, ¿cuánto vale un cliente nuevo frente a uno recurrente?, ¿qué categorías pueden absorber más inversión?, ¿qué restricciones debe respetar el algoritmo?, ¿cuándo una campaña genera crecimiento incremental y cuándo solamente captura demanda que ya existía?
Ahí debería moverse también el valor de las agencias.
No es menos estrategia. Es menos trabajo de botones.
Cuando las plataformas automatizan la ejecución, el criterio se vuelve más valioso. Forma parte de la Comunidad y conecta con líderes de marketing, agencias, medios, data y tecnología que están definiendo cómo se comprará y medirá la publicidad en México.
