Hoy, cuando los algoritmos determinan visibilidad, inversión y performance, Lara Krumholz, SVP y General Manager Latin America de Dailymotion Advertising, pone el foco donde realmente se juega el poder en marketing: no en la automatización en sí, sino en la gobernanza de los datos, los objetivos y las decisiones que moldean a los modelos.

Desde su experiencia liderando operaciones de tecnología y data en la región, Krumholz plantea una mirada crítica y estratégica sobre IA, liderazgo femenino y construcción de marca en un entorno dominado por métricas de corto plazo, defendiendo el rol del criterio humano como pieza clave para sostener valor, confianza y crecimiento a largo plazo.

LOS ALGORITMOS HOY DECIDEN VISIBILIDAD, INVERSIÓN Y PERFORMANCE

Desde su rol, Krumholz plantea que el verdadero poder en el marketing actual no se juega solo en la definición de la estrategia, sino en quién diseña, gobierna y controla los modelos algorítmicos que la ejecutan.

“El verdadero poder en el marketing impulsado por IA no empieza con el algoritmo, y ni siquiera se trata principalmente de quién escribe la estrategia. Empieza en los datos y en la gobernanza: quién decide qué datos se usan, cómo se estructuran, qué significa ‘calidad’, qué se le permite optimizar al modelo y cómo iteramos cuando la realidad cambia”, destaca Krumholz.

Asimismo, asegura que sin insumos bien organizados y de buena calidad, incluso los modelos más sofisticados terminan generando automatizaciones distorsionadas: sesgos en el targeting, atribución engañosa, optimización hacia resultados equivocados y “mejoras” de performance que se ven bien en dashboards, pero no sostienen el negocio.

Por eso, para Krumholz, el rol más influyente hoy es, en la práctica, aquel que mantiene el control del loop de gobernanza: la capacidad de alinear de forma continua la estrategia, los datos y los modelos a lo largo del tiempo. Esto incluye:

• Calidad de datos y definiciones: qué eventos trackeamos, cómo resolvemos identidad, cómo manejamos privacidad/consentimiento, y si “conversión” o “Business Value” significan lo mismo entre equipos y plataformas.


• Definición de objetivos y límites: qué optimiza el sistema (ROAS de corto plazo vs. LTV, lift incremental, reach y qué guardrails existen (brand safety, frequency caps, listas de exclusión).


• Iteración y accountability: cada cuánto reentrenamos o recalibramos modelos, cómo detectamos drift, cómo validamos con experimentos, y quién tiene la autoridad para cambiar el modelo cuando empieza a optimizar lo que no corresponde.

En ese sentido, Krumholz subrayó: “La estrategia marca el norte, pero la gobernanza garantiza que la máquina la ejecute con fidelidad y que podamos corregir el rumbo a medida que cambian los datos, el mercado y el comportamiento de la audiencia. Ahí es donde está hoy el verdadero poder”.

Muchas mujeres lideran equipos que operan tecnología y data, pero no siempre participan en las decisiones de compra, adopción o arquitectura de esas plataformas. Sobre las barreras estructurales que aún limitan su influencia en estos espacios, más allá de la ejecución, Krumholz comentó:

“Depende mucho de la cultura de la empresa y de su historia: en compañías más tradicionales o con estructuras muy jerárquicas, estas brechas aparecen con más fuerza. Pero, en general, sigo viendo barreras que no son de capacidad individual, sino de diseño organizacional y distribución del poder de decisión”.

Para Krumholz, una de las barreras clave sigue siendo quién opera y quién decide: “Muchas mujeres lideran la operación diaria de tecnología y data (martech, adops, analítica, medición), pero las decisiones de compra, adopción o arquitectura se toman en comités donde pesan finanzas, IT, procurement o ciertos liderazgos comerciales, espacios donde históricamente hay menor representación femenina. Cuando no estás en la mesa donde se define presupuesto, proveedor y roadmap, tu participación queda en modo “consulta” y no en capacidad de decisión”, afirmó.

La presión por resultados inmediatos ha puesto a CMOs y líderes de advertising bajo una lógica de performance constante. En relación a cómo se puede defender el criterio, la intuición y la construcción de marca de largo plazo cuando los modelos matemáticos parecen tener la última palabra, Krumholz resaltó:

“Hoy diría que los CMOs no necesitan más métricas; necesitan más claridad. Vivimos en un contexto con demasiados modelos, KPIs, dashboards y ‘recomendaciones’ algorítmicas que, en lugar de iluminar, muchas veces generan ruido. Y cuando hay confusión, el riesgo es terminar optimizando lo medible en el corto plazo y perder de vista lo que realmente importa: valor de largo plazo, confianza y construcción de marca.

En la era de la IA, muchos líderes están ahogados en datos y tácticas impulsadas por algoritmos, pero con menos claridad estratégica. Por eso, defender criterio e intuición no significa pelear contra la matemática: significa poner a los modelos en su lugar. Los modelos son excelentes para optimizar, pero no pueden definir por sí solos el ‘para qué’: no generan propósito, empatía, ni una promesa de marca coherente”.

En ese sentido, Krumholz propone dos cambios muy concretos para lograrlo:

“Primero, pasar de ‘adoptar IA’ a alinear IA con estrategia. No se trata de usar más automatización, sino de asegurarnos de que los objetivos del modelo reflejen el negocio. Menos ‘qué podemos medir’ y más ‘qué queremos construir’: diferenciación, preferencia, confianza, retención y valor futuro.

Segundo, cambiar el enfoque de volumen de métricas a métricas con significado. Dejar de perseguir vanity metrics (clics, likes, CPMs aislados) y reforzar indicadores que capturen lo que en mercados saturados por IA se vuelve decisivo: reputación, confianza, calidad de experiencia y fortaleza de marca. Eso requiere, además, un enfoque human-in-the- loop: la IA amplifica decisiones, pero el juicio humano pone el contexto, empatía, ética, trade-offs y coherencia de marca, que los modelos no pueden producir solos”, subrayó.

En resumen, Krumholz señala que cuando parece que los modelos tienen la última palabra, el trabajo del CMO es recuperar la claridad: “Definir lo importante, poner los guardrails correctos y usar la IA para ejecutar mejor, no para reemplazar el criterio”, concluyó.