Inteligencia Artificial aplicada: Lo Mejor del Congreso ConIA.digital

El pasado 17 de octubre de 2026 se celebró en Madrid el congreso ConIA.digital, un encuentro presencial que reunió a profesionales del marketing, la inteligencia artificial y la tecnología para debatir sobre la transformación real de los procesos operativos, la analítica y la producción publicitaria.

A continuación, analizamos las ideas principales, aprendizajes clave y conclusiones accionables de cada una de las ponencias del evento, estructuradas bajo criterios orientados a la máxima claridad, el uso de datos y la optimización de contenidos.

Conclusiones y aprendizajes del congreso ConIA.digital

El denominador común de las distintas ponencias del congreso fue claro: la inteligencia artificial ya no es una promesa experimental, sino un sistema operativo que exige método, gobernanza y, sobre todo, criterio humano. Las principales conclusiones del evento se pueden resumir en tres grandes aprendizajes:

1. El contexto supera a la herramienta: Disponer de modelos avanzados no sirve de nada si no se construyen bases de datos estructuradas, repositorios compartidos y un contexto organizativo claro que evite la fragmentación en "islas de trabajo". 
2. Estructura antes que velocidad: Automatizar por automatizar o correr demasiado solo traslada los errores más rápido. El verdadero valor reside en diseñar flujos de trabajo claros por capas (objetivos, skills, datos y validación). 
3. El criterio humano como seguro indispensable: Ningún agente autónomo o automatización exime al profesional de revisar los procesos, proteger los datos sensibles y validar las entregas antes de que lleguen al cliente.
    

Para los profesionales y directivos que buscan liderar esta transición, ENAE Business School ofrece una formación especializada diseñada para integrar la tecnología en el tejido empresarial real a través de sus programas de posgrado:

• Máster Internacional en Marketing Digital con mención en Inteligencia Artificial Aplicada
• Máster en Automatización e Inteligencia Artificial Aplicada al Marketing
• Máster en Inteligencia Artificial y Data Science

1. La IA en producción de vídeo: qué he probado, qué he tirado y qué se ha quedado

• Ponente: Roxana Falasco (Creadora de contenido) 

¿Cómo industrializar la creación de vídeo con IA sin perder eficacia?

La producción de contenido audiovisual ya no depende solo de grabar de forma aislada, sino de construir un proceso repetible, medible y sostenible. La IA interviene en múltiples capas (análisis de temas, generación de imágenes, guiones, vídeo y sonido), pero nunca debe depender de una única herramienta tecnológica para evitar bloqueos operativos ante cambios de precios o caídas de servicio. 

Ideas clave y recomendaciones prácticas

• Volumen frente a impacto: Producir muchos vídeos no garantiza resultados; la clave reside en la retención del usuario en los primeros segundos para evitar que abandone la plataforma. 

• Revisión humana obligatoria: Los modelos de IA generan borradores rápidos, pero el equipo técnico debe depurar, corregir y validar el contenido antes de su publicación.

  Adaptación multiplataforma: Una misma pieza central debe fragmentarse y rediseñarse específicamente para canales como YouTube o formatos de vídeo vertical en Instagram.

   

• 

2. De chat a sistema: cómo las skills convierten la IA en tu equipo de marketing

• Ponente: Aina Lluna (Head of IA Generativa en Editorial Planeta)

¿Cómo pasar de usar prompts aislados a diseñar sistemas agénticos escalables?

El uso de la inteligencia artificial deja de ser un truco puntual cuando se transforma en un sistema estructurado compuesto por objetivos, datos, habilidades (skills) y arquitectura. Un sistema útil no debe ser una "caja negra"; debe documentarse adecuadamente para que cualquier miembro del equipo pueda entenderlo y mantenerlo. 

Ideas clave y recomendaciones prácticas

• Arquitectura agnóstica: Es necesario separar la lógica del proceso operativo de las características de un modelo LLM concreto, facilitando la sustitución de tecnologías sin romper el flujo de trabajo. 
• Guías de trabajo reutilizables: Estandarizar entradas, salidas y catálogos de buenas prácticas (espacio negativo) evita tener que empezar desde cero en cada proyecto. 
• Gobernanza y seguridad: El tratamiento de datos sensibles requiere restricciones estrictas para evitar fugas de información corporativa o personal en sistemas abiertos.

3. Cómo aplicar ingeniería de contexto para que la IA sea una persona más de tu equipo

• Ponente: Alfonso Moure (CEO en bigmomo y experto en Tech SEO/GEO & AI Ops) 

¿Qué es la ingeniería de contexto en entornos de marketing y operaciones?

El mayor cuello de botella en los equipos no es la falta de herramientas, sino la ausencia de un contexto compartido. Para resolverlo, la operativa debe estructurarse en tres ejes fundamentales: el cómo (procesos y propósitos), el qué (datos estructurados y limpios) y el dónde (infraestructura y herramientas). 

Ideas clave y recomendaciones prácticas

• Repositorios digitales comunes: Centralizar el conocimiento corporativo reduce drásticamente las duplicidades y alinea los criterios de todo el equipo. 

• Definición de skills mediante ejemplos: Para alinear el rendimiento de la IA, resulta muy eficaz documentar tanto ejemplos de resultados óptimos como ejemplos de errores inaceptables. 

  Desacoplar tareas y herramientas: Documentar los parámetros de entrada y los casos de uso de cada aplicación permite cambiar de proveedor tecnológico sin alterar la operativa interna. 

4. Más rápidos, pero con seguro: IA, datos y criterio para no acabar dando un parte

• Ponente: Eva Ródenas (AI Innovation Lead en Tealium) 

¿Cómo evitar que la velocidad de la IA comprometa la calidad del dato y la reputación?

La capacidad de generar informes o automatizaciones en cuestión de minutos no exime de verificar el origen de los datos. En muchas organizaciones, el mismo indicador aparece fragmentado en múltiples plataformas con definiciones contradictorias; por ello, la calidad del dato sigue siendo el núcleo del problema analítico. 

Ideas clave y recomendaciones prácticas

• Invertir tiempo en el diseño previo: Dedicar horas a planificar el flujo de datos y los criterios de validación ahorra cientos de horas de corrección posterior a lo largo del año. 
• Diferenciar tareas repetitivas y gobernanza: Las tareas administrativas y la preparación de reuniones se automatizan fácilmente; la interpretación estratégica y la gobernanza exigen criterio experto. 
• Retorno de la inversión temporal: El objetivo de la automatización no es hacer las cosas de cualquier manera en un minuto, sino liberar tiempo recurrente al equipo para enfocarlo en decisiones de alto valor. 

5. Decidiendo CON IA

• Ponente: Antoni Aloy (Fundador y CEO de APSL y cofundador de Nagarro)

¿Cómo afrontar la toma de decisiones directivas en entornos de alta incertidumbre?

A diferencia del código informático —donde las reglas binarias determinan si algo funciona o falla—, la dirección de empresas y proyectos se mueve en la ambigüedad. La inteligencia artificial debe actuar como una palanca para liberar capacidad mental, pero la organización debe elegir primero su método de trabajo y su problema a resolver antes de seleccionar una tecnología. 

Ideas clave y recomendaciones prácticas

• Separar hechos, hipótesis y decisiones: Los modelos de lenguaje tienden a presentar suposiciones como verdades absolutas; es obligatorio estructurar el análisis por capas para evitar recomendaciones infundadas. 
• Contexto local frente a soluciones genéricas: Las organizaciones no deben replicar modelos de grandes corporaciones sin adaptarlos a sus fuentes oficiales, su tamaño y su realidad operativa. 
• Comprensibilidad organizativa: Si una solución o recomendación automatizada no puede ser explicada y entendida por las personas que la van a utilizar, fracasará en su adopción.

6. Analítica Agéntica

• Ponente: Iñaki Huerta (CEO y Fundador de IKAUE)

¿Qué aporta la analítica agéntica frente al reporting tradicional?

El valor de la analítica no consiste en describir lo evidente a través de paneles estáticos (reporting), sino en descubrir relaciones causales e insights accionables. Los sistemas de agentes aplicados a la analítica deben operar mediante fases rigurosas, reglas estrictas y supervisión constante, dado que los modelos actuales todavía presentan márgenes de error inaceptables si se les otorga autonomía total.

Ideas clave y recomendaciones prácticas

• Rigor frente a espectacularidad: En entornos profesionales y de negocio, la fiabilidad y la precisión de los datos valen infinitamente más que las respuestas automáticas superficiales. 

• Procesos disciplinados: La analítica agéntica requiere una estructura metodológica clara donde el agente trabaje como un eslabón controlado dentro de un proceso supervisado por humanos. 

  Debido a la importancia e interés de esta ponencia, en el siguiente enlace podrás encontrar un artículo sobre analítica agéntica con mayor profundidad y detalle.

   

• 

7. El ciclo de creación de productos con IA: de la idea al lanzamiento

• Ponente: Isabel Vázquez (AI Solutions Manager en SIDN) 

¿Cómo integrar la IA en todo el ciclo de vida del producto?

El verdadero potencial de la inteligencia artificial en el desarrollo de nuevos productos radica en su integración transversal: desde la detección de oportunidades de mercado y la investigación del consumidor hasta el prototipado, la validación y la mejora continua. Superar el uso aislado de herramientas independientes permite a las empresas optimizar su capacidad de innovación y tomar decisiones basadas en datos reales. 

8. De amenaza a herramienta: la transformación de la producción publicitaria

• Ponente: José Barreiro (Socio de Iberian Media) 

¿Cómo están adaptando las agencias y productoras la inteligencia artificial?

La irrupción de la generación sintética de imágenes, textos y vídeos ha pasado de ser percibida como una amenaza laboral a integrarse en los flujos operativos de la industria publicitaria. Sin embargo, la automatización de tareas creativas y técnicas exige reforzar habilidades críticas como el pensamiento estratégico, la supervisión de la calidad y el cumplimiento de los marcos normativos sobre propiedad intelectual y transparencia. 

9. Ventas tecnológicas con inteligencia artificial: de la primera llamada al cierre

• Ponente: Nerea Leguinazabal (Solutions Engineer en GitHub) 

¿Cómo optimizar el proceso comercial B2B mediante agentes e IA?

En el sector tecnológico, los ciclos de venta exigen un conocimiento profundo del cliente y de la complejidad técnica de las soluciones. La inteligencia artificial optimiza todo el embudo comercial —desde la investigación previa de cuentas y la preparación de reuniones adaptadas a distintos perfiles (financieros vs. técnicos)— hasta la elaboración de propuestas de valor. No obstante, la automatización del seguimiento debe complementarse siempre con supervisión humana para evitar mensajes fríos o errores que erosionen la confianza del comprador. 

Tabla comparativa: Enfoques clave de aplicación de la IA según los expertos del congreso