SMX Munich 2026 es una de esas conferencias en las que entras con un puñado de preguntas y sales con una lista más larga. Eso no es una queja: de hecho, ese es el objetivo.

Dos días, siete tracks paralelos, más de 65 sesiones, más de 90 ponentes y ese tipo de conversaciones de pasillo que a menudo terminan siendo tan útiles como cualquier cosa del programa.

Nuestro propio Fred Vallaeys, Founder & CEO, y Aaron Levy, Evangelist, estuvieron en SMX este año. Fred dirigió el Advanced Google Ads Workshop el Día 0 y condujo un workshop de dos días sobre vibe coding, mientras que Aaron lideró una sesión en la que profundizó en lo que realmente está funcionando con la IA, y lo que no. Así que, sobra decirlo, estuvimos muy atentos.

Aquí va nuestra lectura honesta de los temas más importantes que surgieron de la conferencia.

El cuello de botella del marketing no es la tecnología, sino la adopción

Si hubo un hilo conductor en casi todas las sesiones de Munich, fue este: el cuello de botella en marketing ahora mismo no es la tecnología en sí, sino su adopción. Más concretamente, la brecha entre lo que las herramientas de IA pueden hacer en una demo y lo que realmente hacen cuando las despliegas en un flujo de trabajo real, con riesgos reales y con personas reales que necesitan confiar en el resultado antes de actuar sobre él.

La keynote de apertura de Boaz Ashkenazy dejó esto muy claro. Como Senior Director of AI Infrastructure en Redapt y apoyándose en sus años de experiencia con despliegues de IA empresarial en los sectores legal, médico y financiero, argumentó que la mayoría de las herramientas de IA fallan no porque no funcionen, sino porque no generan confianza. La fórmula a la que volvía una y otra vez era sencilla: para que una herramienta se use de verdad, tiene que aliviar el trabajo tedioso y aumentar la sensación de autonomía del usuario.

Como lo expresó, “la confianza no es una función que añades al final; en realidad, es el producto”.

Este problema de confianza aparece en las cuentas de PPC igual que en los despliegues de software empresarial. Sam Tomlinson, Executive VP en Warschawski, planteó la versión profesional de este argumento en su sesión sobre la evolución de campaign manager a lo que él llamó el “Growth Architect”.

Las habilidades tácticas que definían a un buen profesional de PPC hace cinco años —gestión de pujas, arquitectura de keywords, estrategia de match types— ahora las gestiona en gran medida la plataforma, y competir solo con esas habilidades es un juego cada vez menos rentable. El trabajo que queda consiste en decidir para qué optimiza la máquina, qué datos puede ver, cómo se construye el ecosistema creativo y dónde se colocan las guardrails. Ese tipo de criterio es más difícil de aprender en una certificación y mucho más difícil de automatizar.

Matt Beswick, Co-Founder de aira, fue un paso más allá en su sesión sobre cómo preparar la carrera en PPC para el futuro. El marketer T-shaped tradicional, con experiencia profunda en un canal y conocimiento del resto, está realmente en riesgo ahora porque la IA cierra las brechas de conocimiento más rápido de lo que las personas pueden desarrollarlas.

Lo que todavía no puede hacer es conectar la actividad de marketing con resultados reales de negocio, ejercer criterio cuando los datos son ambiguos o mostrar empatía para mantener las relaciones con los clientes. Esas son las cosas en las que merece la pena redoblar la apuesta, incluso con sistemas automatizados en marcha.

Fred llevó el vibe coding al escenario principal

La charla de Frederick Vallaeys sobre “Vibe Coding: How Marketers Build Tools That Build Themselves” fue una de las sesiones más prácticas de la conferencia (¡si se nos permite decirlo!).

La premisa es que usar prompts en lenguaje natural para generar software funcional, mediante herramientas como Lovable, ha eliminado el cuello de botella de ingeniería a la hora de crear herramientas de marketing personalizadas. Lo que antes requería una especificación detallada, semanas de trabajo de desarrollo y un largo ciclo de depuración, ahora puede ocurrir en una sola noche de prompts.

Como dijo Fred, “el software ya no es algo que compras. Es algo que imaginas, y se construye justo para lo que necesitas”.

Lo hizo tangible repasando cosas que él mismo había construido en las semanas previas y durante la conferencia.

• La primera fue una app para compartir notas de la conferencia en notedtalk.com, construida en unas seis horas después de aterrizar en Alemania. Permite a los asistentes grabar notas de audio, marcar momentos clave y generar automáticamente posts de blog a partir de las transcripciones de las sesiones. [¡Este blog también se redactó con la información recopilada en notedtalk.com!]
• La segunda fue una herramienta de auditoría SEO que montó después de ver un prompt detallado sobre SEO en la era de la IA en la diapositiva de un ponente durante una keynote. Le hizo una foto, se la pasó a una IA y, para la hora de comer, ya tenía una web app funcional que analizaba dominios desde una perspectiva de búsqueda con IA.
• También mostró un PPC Advent Calendar de una campaña navideña reciente, con revelaciones diarias, premios patrocinados y una variante de Wordle con temática PPC, donde la revisión legal del sorteo del premio tardó más que construir el propio sitio.
• Otra fue un generador interno de anuncios para redes sociales que combina una imagen de producto, las brand guidelines y festivos diarios poco conocidos para producir publicaciones alineadas con la marca de forma automática.
• Y, por supuesto, nuestro propio Optmyzr’s Sidekick, un asistente de IA basado en chat que vive dentro de tu cuenta y puede diagnosticar problemas complejos de rendimiento (como la canibalización de PMax o las limitaciones de presupuesto), identificar oportunidades de optimización ocultas (como assets aislados de alto rendimiento o desperdicio de gasto elevado) y convertirlas al instante en estrategias y automatizaciones completamente redactadas y listas para ejecutar.

Los principios detrás de este enfoque merecen leerse completos en el post de Fred en LinkedIn, pero la versión corta es esta: describe el resultado que quieres en lugar del método técnico, sabe dónde está la línea de riesgo y conecta herramientas creadas con vibe coding con plataformas que ya tienen lógica de negocio en lugar de intentar recrear esa lógica desde cero.

La razón por la que esto importa más allá de la novedad es la pregunta con la que Fred cerró: en lugar de preguntar cómo completas una tarea, empieza a preguntarte si podrías dedicar treinta minutos a construir una herramienta que la haga por ti de forma permanente.

Fred también dirigió un Deep Dive práctico de dos partes el Día 2, donde los asistentes registrados previamente pasaron de prompt a producto funcional durante la propia sesión. Algunas personas salieron con herramientas que pensaban usar de verdad la semana siguiente.

PMax sigue siendo complejo, sigue siendo frustrante y sigue mereciendo la pena

Esto conecta directamente con la discusión sobre configuración y guardrails de sesiones anteriores. Mike Ryan, Head of Ecommerce Insights en Smarter Ecommerce, ofreció una presentación muy centrada en datos sobre el Power Pack de Google. Subrayó que la forma en que estructuras tus campañas es más importante de lo que muchos profesionales creen.

Mike se apoyó en un análisis de más de 41 mil millones de impresiones entre PMax, Demand Gen y AI Max. A medida que el crecimiento de ingresos de PMax se estabilizaba, Google introdujo un enfoque multicanal para cubrir distintas etapas del funnel:

• PMax para rendimiento directo,
• Demand Gen para la parte media y superior del funnel en YouTube, Discover y Gmail, y
• AI Max superponiendo segmentación sintética por keywords sobre la búsqueda estándar para captar las consultas conversacionales que cada vez más se escapan a las keywords tradicionales.

En teoría, se complementan. En la práctica, existe una superposición significativa entre PMax y Demand Gen en ubicaciones como Discover y Gmail, y la tecnología tipo Dynamic Search Ads ahora funciona en los tres de forma simultánea, lo que hace que la atribución sea realmente difícil de desenredar.

El problema de la auto-competencia en configuraciones híbridas de PMax y Standard Shopping quedó muy claro en sus datos. Ejecutar ambas en paralelo tiende a inflar los CPCs, y la postura oficial de Google de que las campañas no compiten entre sí no se sostiene cuando se analiza a nivel de cuenta.

Su recomendación fue usar Demand Gen para el trabajo de top y mid-funnel y mantenerlo alejado de ubicaciones listas para convertir donde compite con PMax.

Esa falta de control es una frustración real, y los datos del Global State of PPC 2026 confirmaron que no se trata solo de una minoría ruidosa.

Durante su sesión en directo en SMX Munich, Fred y Wijnand Meijer, CEO de TrueClicks, desglosaron los datos de 1.306 profesionales, revelando que un asombroso 53% de los profesionales ahora considera que gestionar Google Ads es más difícil que hace dos años.

Este “aumento de complejidad” está impulsado principalmente por las mismas cajas negras automatizadas que analizó Mike Ryan, y el 48% de los profesionales cita la falta de control granular como su mayor frustración con PMax. Para imponer los guardrails de los que habló Mike, el informe encontró que el 37% de los anunciantes ya está ejecutando configuraciones híbridas (Standard Shopping junto con PMax) para mantener la supervisión manual, mientras que el 17% ha recurrido a builds solo con feed específicamente para restringir dónde aparecen sus anuncios.

Y, sin embargo, en un giro extraño, el 65% de los encuestados seguía diciendo que, en general, estaba satisfecho con sus resultados. Esto sugiere que, aunque la configuración es frustrante y la atribución es un desastre, el rendimiento —cuando se estructura con cuidado— sigue siendo lo bastante alto como para que el esfuerzo merezca la pena.

La “measurement theater” tiene que terminar

Una vez aceptas que el trabajo consiste menos en mover palancas y más en diseñar el sistema, la cuestión de la medición se vuelve inevitable. Si no estás midiendo lo correcto, en realidad no sabes si el sistema está funcionando. Dos sesiones en SMX Munich 2026 defendieron esto de forma directa, y juntas merece la pena tratarlas como un par.

Jono Alderson, consultor de SEO técnico galardonado, lo planteó de forma muy clara. Los rankings, el tráfico y las conversiones reportadas por la plataforma se han convertido en lo que él llamó “measurement theater”: miden cómo rinde una campaña dentro de la plataforma, no si el marketing está generando algo real para el negocio. A medida que los intermediarios de IA gestionan más tipos de consultas y sintetizan respuestas antes de que el usuario haga clic, esas métricas pierden fuerza como proxy de resultados reales de negocio.

Su propuesta de sustitución fue una jerarquía de medición de seis capas, empezando por los fundamentos técnicos y de experiencia y subiendo hasta la distintividad de marca y la estabilidad de la reputación. Su punto era que optimizar métricas aisladas es como pulir una sola baldosa sin dar un paso atrás para ver el mosaico.

La sesión de Sam Tomlinson reforzó este cambio, abogando por una transición de la medición promedio a la incremental. Argumentó que depender de vanity metrics como el tráfico y los rankings falla a medida que los intermediarios de IA sintetizan respuestas antes de que los usuarios hagan clic, debilitando los proxies tradicionales del valor de negocio.

Para contrarrestarlo, propuso una jerarquía de medición, comenzando por los fundamentos técnicos y ascendiendo hasta la distintividad de marca y la estabilidad de la reputación. Con herramientas accesibles como geo-holdouts y modelos open source como Robyn de Meta o LightweightMMM de Google, la barrera para este nivel de rigor ya no es la capacidad técnica, sino la disposición del profesional a ejercer criterio de alto nivel sobre sistemas automatizados.

Aquí es exactamente donde encajó la sesión de Inderpaul Rai, Director of Paid Media en WeDiscover. Si Alderson y Tomlinson estaban poniendo el foco en qué medir, la sesión de Rai insistía en qué alimentar primero a la máquina.

Su concepto del Cobra Effect merece entenderse: es lo que ocurre cuando a un algoritmo se le da un objetivo específico pero lo alcanza de una forma que perjudica silenciosamente al negocio. En negocios de marketplace durante periodos de escasez de oferta, por ejemplo, los precios internos se disparan, lo que lleva a unas pocas conversiones de alto valor. Google interpreta esto como una victoria y responde subiendo agresivamente las pujas, creando un bucle de retroalimentación en el que estás pagando CPCs inflados por ingresos que habrían ocurrido de todos modos.

Inderpaul compartió un caso en el que su equipo limitó intencionadamente los outliers de ingresos en los valores de conversión para corregir el sesgo algorítmico, una medida que “engañó” al sistema de pujas para que fuera más conservador, lo que resultó en una reducción del 9% en el CPC y un ROAS más alto sin pérdida real de ingresos.

El principio detrás de esto es que tu trabajo cada vez consiste más en curar las señales que recibe el algoritmo, no solo en gestionar campañas. Lo que decides no contarle a Google puede importar tanto como lo que sí le cuentas.

La automatización solo es tan buena como lo que le metes

Aaron Levy, Brand Evangelist en Optmyzr, participó en el SMX Partner Track el Día 1 con una sesión titulada “New Best Practices: What’s Working (and not) in the Age of AI.” El patrón al que volvió una y otra vez fue este: la automatización rinde mejor cuando alguien ha tomado decisiones deliberadas sobre estructura y señales antes de que la campaña salga en vivo, no cuando se le entregan las llaves ni cuando se confía en la configuración por defecto.

Las cuentas que tienen problemas con Smart Bidding o Performance Max casi siempre comparten el mismo problema de fondo: datos de conversiones que no están limpios, una estructura de campañas que no refleja cómo gana dinero realmente el negocio, o objetivos de optimización que no se pensaron con suficiente cuidado antes de entregárselos a un algoritmo.

En la mayoría de estos casos, la automatización no es el problema. La configuración lo es. Es una respuesta menos cómoda que culpar a la plataforma, pero es la más precisa.

Wil Reynolds, Founder y co-CEO de Seer Interactive, defendió el mismo argumento en su keynote de cierre, solo que a nivel de marca. La carrera por producir contenido asistido por IA más rápido ha generado un volumen enorme de contenido intercambiable y de baja confianza, y su opinión al respecto fue tajante.

Las marcas que ganen en la próxima década no serán las más rápidas produciendo contenido olvidable; serán las que hayan construido algo realmente difícil de replicar. Su reto para las agencias, en particular, fue binario: invertir en el talento creativo necesario para hacer trabajo diferenciado o aceptar ser comoditizadas por las mismas herramientas que están usando para recortar costes.

La conclusión honesta

El mensaje, sesión tras sesión, es este: las herramientas son realmente potentes, la automatización funciona cuando la configuras bien, y los profesionales que están teniendo dificultades es, en gran medida, porque no han actualizado cómo entienden su rol.

Ahí está la parte difícil. No se trata de aprender una nueva plataforma o una nueva función. Se trata de reconocer que el trabajo consiste menos en hacer cosas dentro de las plataformas publicitarias y más en decidir qué deberían hacer esas plataformas, y tener el entendimiento de negocio para tomar esa decisión bien.

Por lo que vale, esa ha sido la postura de Optmyzr desde hace tiempo. Automation layering no consiste en renunciar al control. Consiste en ser deliberado sobre dónde aporta valor el criterio humano y dónde no. SMX Munich 2026 fue una conferencia construida exactamente alrededor de esa pregunta.