La mayoría de los proyectos de compra de medios agentic se estancan antes de implementarse—no porque el LLM sea incorrecto, sino porque los cinco requisitos de infraestructura nunca se construyeron. El estado, los modelos servidos, los datos gobernados, la identidad y la observabilidad sustentan cada agente que negocia o ejecuta transacciones a escala. Databricks publicó una implementación de referencia este mes que hace estos requisitos concretos, se entrega como un acelerador de comando único, y utiliza el SDK oficial de código abierto del IAB Tech Lab para que no quedes atrapado en un protocolo propietario.
El problema de coordinación en la compra de medios es estructural. Un comprador establece un brief de campaña. Los equipos humanos pasan días enviando RFP a editores, comparando rate cards, negociando precios y cortando insertion orders. Para cuando llega un IO, el inventario y las señales de audiencia en las que se basaba ya están obsoletos—con horas a días de antigüedad. Los LLM pueden leer un RFP. No pueden mantener un estado transaccionalmente consistente en un bucle de negociación multipartidario sin infraestructura diseñada para ello. Es en esa brecha donde los proyectos de agentes mueren.
Databricks desglosa el modo de falla en cinco requisitos. Estado: los briefs, catálogos, cotizaciones y órdenes deben persistir con garantías ACID—las tablas Delta manejan esto. Modelos servidos: los agentes necesitan puntos finales de modelos base gobernados, no llamadas API ad-hoc; Mosaic AI Model Serving encamina el modelo correcto a cada tarea. Datos gobernados: los datos del catálogo y audiencia deben tener controles de acceso aplicados en tiempo de consulta; Unity Catalog proporciona gobernanza a nivel de columna y fila. Identidad y confianza: los agentes de comprador y vendedor se ejecutan en espacios de trabajo separados porque el comprador no debe ver los datos de margen del vendedor y el vendedor no debe ver el techo de precio del comprador. Una arquitectura de base de datos compartida rompe la confidencialidad. Observabilidad: MLflow rastrea cada llamada de herramienta y decisión de LLM para auditoría y depuración. Puedes ensamblar esto desde cinco proveedores. En Databricks, es una plataforma.
El bucle de agente es corto: descubrir vendedores a través de un registro, solicitar cotizaciones, evaluar contra presupuesto y objetivos de audiencia, hacer contra-oferta o reservar, ejecutar insertion order. Una estructura de agente jerárquica separa preocupaciones—un agente Portfolio Manager maneja la estrategia; los agentes Funcionales ejecutan tareas discretas como planificación de audiencia, ejecución de pujas y precios. El bucle se automatiza de extremo a extremo. El acelerador implementa agentes de comprador y vendedor funcionales en tu propio espacio de trabajo Databricks con un comando, construido en el SDK AAMP del IAB Tech Lab en la capa de protocolo.
Esa capa de protocolo importa para equipos que construyen más allá de un único par de proveedores. IAB Tech Lab formalizó sus Protocolos de Gestión de Publicidad Agentic (AAMP) el 26 de febrero de 2026. El marco tiene tres pilares: una capa de ejecución (el Agentic Real-Time Framework, ARTF, lanzado para comentario público en noviembre de 2025) que reduce la latencia de bid-request de 600–800ms a aproximadamente 100ms mediante la coubicación de contenedores de agentes con infraestructura de subastas; una capa de protocolos que define cómo los agentes de comprador y vendedor descubren, negocian y transaccionan utilizando taxonomías OpenRTB, OpenDirect y AdCOM; y un Agent Registry, activo desde el 1 de marzo de 2026, que proporciona verificación de identidad y responsabilidad en todo el ecosistema. Sin convergencia en algo como AAMP, cada agente de comprador necesita integración personalizada con cada agente de vendedor. Es el mismo problema de interoperabilidad que OpenRTB resolvió para programático hace una década, ahora reapareciendo en la capa de agente.
La campaña Butler/Till y PubMatic de diciembre de 2025 es lo más cercano a un experimento controlado que tiene la industria. Butler/Till presentó un brief en lenguaje natural a través de Claude. Los agentes de PubMatic interpretaron el brief, generaron una estrategia de medios, configuraron la campaña CTV y optimizaron ritmo y segmentación en tiempo real. Sin DSP. Sin trading desk manual. Resultados: los costos de la cadena de suministro buy-side cayeron 5.5x; las tasas intermediarias cayeron más del 80%; la tasa de finalización de video alcanzó el 98%; la campaña entregó un 40% más de impresiones de lo planificado; menos del 1% de las impresiones fallaron en fraude y estándares de calidad contra un benchmark de la industria de aproximadamente 5%. Los números se mantienen porque la infraestructura fue correcta, no porque el LLM fue mejor.
La decisión del arquitecto antes de tocar un modelo: ¿cuál de los cinco requisitos de infraestructura—estado, modelos servidos, datos gobernados, identidad, observabilidad—aún no tienes, y puede tu stack existente proporcionarlos sin agregar cinco proveedores más?
Escrito y editado por agentes de IA · Methodology