La Caja Negra de la IA en Amazon PPC (y los Límites que Uso)

Por RedHen Labs · 8 de noviembre de 2026

El mes pasado, una IA cambió pujas en mi cuenta de anuncios de Amazon 36 veces sin preguntarme. Ninguno de esos cambios me sorprendió.

No es confianza ciega. Es lo contrario. Sé exactamente qué puede tocar por su cuenta, cuánto puede mover cada cosa y cómo deshacer cualquiera de esos cambios.

Ese es el verdadero problema de la caja negra con la IA en Amazon PPC. No que un modelo tome decisiones: esa es la parte útil. El problema es no saber qué decisiones puede tomar solo, qué tan grandes pueden ser y si puedes verlas y deshacerlas.

La IA de verdad es buena en esto

No voy a fingir lo contrario para parecer prudente. Un modelo que lee noventa días de rendimiento en miles de palabras clave hace algo que una persona no puede. No se aburre en la palabra clave cuatro mil. No tiene una campaña favorita, ni un grupo de anuncios que dejó de abrir porque los números le incomodan. Encuentra el término de búsqueda que convierte, enterrado tres niveles abajo, y lo vuelve a encontrar mañana, sin dar por hecho que ya lo revisó.

Vendo mis propios productos en Amazon y uso la IA todos los días. En los productos donde la he visto acertar, la dejo actuar.

Su manera de fallar es la seguridad, no el error

Solemos imaginar el riesgo de la IA como una calculadora que a veces se equivoca: un número raro que notarías. Así no es como falla.

Un modelo produce la respuesta más plausible que tiene a mano. Cuando los datos de entrada son buenos, plausible y correcto son lo mismo. Cuando están desactualizados o mal etiquetados en algún punto anterior, se separan, y la respuesta sigue siendo plausible. Sigue citando números concretos. Sigue pareciendo un razonamiento cuidadoso.

Una recomendación equivocada de la IA no parece una respuesta equivocada. Parece una correcta.

Vi a nuestro propio motor producir una recomendación de puja bien argumentada, con la aritmética correcta y calculada con los números de la palabra clave equivocada. El modelo no era lo que estaba roto. Lo que lo alimentaba, sí. Los modelos mejores detectan más de esto, y actualizo cada vez que sale uno, pero un modelo no puede recuperar datos que el sistema nunca guardó.

Tres fallas en las que el modelo nunca fue el problema

Las tres salieron de mi propia cuenta y ninguna habría aparecido en un panel. En cada caso, el software siguió informando con normalidad después de que lo que informaba había dejado de ser cierto.

Un contador en cero se ve igual que no pasar nada. Una vez, nuestro propio monitoreo reportó cero cambios retenidos en cada ejecución durante dos días, mientras el sistema retenía cambios todo el tiempo. Todo estaba en verde. Nada se estaba midiendo.

El silencio se tomó como respuesta. La API de Amazon no siempre responde. Un sistema descuidado trata ese vacío como información: «no llegó una puja sugerida» se convierte, sin que nadie lo note, en «Amazon no está de acuerdo con tu puja». Publicamos exactamente ese error y lo detectamos porque contamos cuántas veces se activa cada camino de decisión.

Una respuesta de éxito no prueba que algo haya pasado. Desactivas algo, la API responde que salió bien y el gasto sigue llegando, porque el «desactivado» cayó un nivel al lado de lo que estaba gastando. La confirmación era real. Confirmaba otra cosa.

La precisión no es la pregunta. La exposición sí.

«Nuestra IA acierta cerca del noventa y cinco por ciento de las veces» suena a respuesta. No es la pregunta correcta.

Un modelo que se equivoca una vez de cada veinte está bien cuando toma veinte decisiones y una persona las lee todas. El mismo modelo es un riesgo con diez mil oportunidades de actuar cada noche y nadie obligado a mirar. La precisión no cambió. La exposición sí.

La pregunta útil es cuántos cambios equivocados pueden llegar a tu cuenta antes de que alguien lo note. Esa tiene números. ¿Cuántos cambios salen sin que una persona los vea? ¿Qué tan grande puede ser cada uno? ¿Qué nunca puede salir solo? Estos son los míos.

Los límites: lo que mi IA puede cambiar por su cuenta

• Está apagada hasta que la enciendo, un gestor de IA a la vez. De entrada, cada cambio espera mi aprobación en una cola.
• Cuando está encendida, puede mover una puja hasta un 15% hacia arriba o un 25% hacia abajo por sí sola. Cualquier cambio mayor me espera.
• Algunos cambios siempre esperan, sin importar la configuración: pausar una palabra clave, agregar una negativa, agregar palabras clave o segmentaciones nuevas, cambiar un ajuste de ubicación, cambiar pujas en un grupo de segmentación automática y rebalancear una campaña. Los cambios de Sponsored Display nunca salen solos, en ningún plan.
• Si deshago un cambio, se queda deshecho. La IA no repite el mismo movimiento durante 30 días.
• Cada cambio queda registrado en una fila (qué cambió, de qué a qué y con qué números) y tiene un botón para deshacerlo.

Son tres propiedades aburridas: acotado, reversible e inspeccionable. Ninguna es IA. Son aritmética, un registro y un botón de deshacer, y son la razón por la que tiene sentido dejar que la IA actúe.

Los límites no le quitan nada al producto. Son lo que hace que la autonomía valga la pena.

Las reglas toman las decisiones obvias antes de que la IA las vea

La mayoría de las decisiones en una cuenta de anuncios no son de criterio. Una palabra clave sin tráfico en dos semanas recibe un pequeño empujón. Una puja que cambió hace pocos días espera datos con su nuevo precio. Una palabra clave que gastó más de lo que una venta puede pagar, sin ninguna venta, recibe un recorte, y si sigue así, queda propuesta para pausarse. Las reglas toman esas decisiones, siempre de la misma manera, antes de preguntarle nada al modelo.

En los 30 días hasta el 8 de noviembre, mi cuenta tuvo 2,016 decisiones de puja. Las reglas tomaron 1,124. El modelo recibió las otras 892, las que necesitaban criterio, y en 708 de ellas decidió dejar la puja como estaba.

Ese último número importa más de lo que parece. Dejar una puja como está también es una decisión, y es la que un modelo toma con más frecuencia.

Lo que la dejo hacer y cuándo digo que no

En esos 30 días salieron 1,025 cambios de mi cuenta. 36 salieron solos, de los dos gestores de IA que pasé a aplicación automática: el de mi gel para tablas de cortar y el de mi aceite de cera dura, donde la había probado y funcionó bien. Los otros 989 los aprobé yo. La mayoría eran pequeños empujones en palabras clave que no recibían tráfico.

Dije que no 26 veces, y 18 de esas fueron recortes. No es que la IA se equivoque en un mes normal. Este otoño, un mayorista empezó a ganar la Buy Box en uno de mis productos más vendidos y las ventas cayeron. Estoy recuperando velocidad de ventas, así que rechazo recortes que los números justificarían por sí solos.

La IA ve los datos. Yo veo el negocio. Los límites son lo que permite que los dos tengamos razón.

Una explicación no es un registro de auditoría

Cuando tu ACoS se descontrola durante un trimestre, alguien tiene que responder cuatro preguntas: qué cambió, cuándo, quién lo cambió y con qué evidencia.

Un modelo se explicará con gusto, con fluidez y con el largo que pidas. Esa explicación se escribe después, con la misma maquinaria que tomó la decisión, y está hecha para leerse bien, no para estar completa. Pregunta dos veces y puedes recibir dos respuestas razonables para un mismo cambio.

Compárala con una fila: se activó la regla «High ACoS 30d»; vio un ACoS de 47.2%, 31 clics, $84.10 de gasto y 2 pedidos; la puja pasó de $1.42 a $1.21, un recorte del 15% dentro de un mínimo de $0.35 y un máximo de $2.00; aplicado; reversible. Nada en esa fila se escribió para convencer a nadie. Una explicación que no puedes reproducir es una historia. Una fila que puedes reproducir es un registro.

El precio como porcentaje del gasto es el incentivo que hay que vigilar

Este necesita tres cosas a la vez: el proveedor gana más cuando sube tu gasto en anuncios, su software puede subir tu gasto en anuncios y nadie está obligado a revisar antes de que lo haga. Cualquiera de las tres por separado es normal. Las tres juntas dan un software que sube sus propios ingresos y le informa el resultado a quien lo paga. No hace falta un villano. El incentivo funciona solo.

Nuestro precio es fijo y nunca es un porcentaje de tu gasto en anuncios. Growth cuesta $69 al mes e incluye las recomendaciones de la IA, con aplicación automática cuando la quieras. Professional cuesta $129 y suma el motor de reglas, que también puede funcionar sin supervisión.

Siete preguntas para cualquier proveedor de IA para Amazon PPC

1. Haz una lista de todo lo que tu IA puede cambiar sin preguntarme, y el límite de tamaño de cada cosa.
2. Muéstrame el último cambio que hizo en mi cuenta y los números con los que lo hizo.
3. ¿Qué pasa cuando la API de Amazon no responde? ¿Tu sistema distingue entre «no» y «sin respuesta»?
4. ¿Puedo fijar un tope que no pueda superar, y se aplica antes del modelo o después?
5. ¿Cómo deshago lo de anoche?
6. ¿Comprobaste tu IA contra lo que pasó en realidad? ¿Cuál fue el número y cuándo lo volviste a medir?
7. Si tu propio monitoreo fallara, ¿cómo se vería mi panel?

Si la respuesta a la última es «eso no pasaría», ya sabes lo que necesitas. Pasa. Me ha pasado a mí.

Mi conclusión

La IA actúa. Dentro de límites que puedo enumerar, encendida donde la vi acertar, con cada cambio por escrito y a un clic de deshacerse. Eso no es prudencia frente a la IA. Es lo que me permite dejarla trabajar.

Si la pruebas, no la dejes apagada. Aprueba sus cambios durante un par de semanas, lee por qué hizo cada uno y luego enciende la aplicación automática en los productos donde se lo ganó. Eso fue lo que hice.

¿Quieres ver los números antes de decidir? La página de precios los tiene todos. Sin llamadas.