Cuando quien preselecciona es un agente, cambian las preguntas que importan en una due diligence. La exposición de los ingresos, la dependencia de la captación, la visibilidad ante los agentes y la integridad de la medición pasan a importar tanto como los márgenes y el crecimiento.
Este artículo reúne la parte práctica del white paper: diez preguntas de due diligence para fondos y compradores, qué cambiar si tienes una empresa o diriges una agencia, y la Tabla de preparación para la selección, una herramienta de reflexión que puedes rellenar en esta página. Las opiniones aparecen señaladas como “La visión de Monarchy”.
01Implicaciones para los inversores
Diez preguntas de due diligence
- 01Exposición de los ingresos. ¿Qué parte de los ingresos procede de vender horas de producción o entregables que la IA podrá producir con una calidad aceptable en dos años?
- 02Dependencia de la captación. ¿Qué parte de los nuevos clientes depende de atención pagada o de clics orgánicos de búsqueda, ambos bajo presión 1?
- 03Visibilidad ante los agentes. Cuando se pide a los principales asistentes de IA una empresa como esta, ¿la recomiendan? ¿Es precisa la descripción?
- 04Coherencia. ¿Coinciden precios, especificaciones, condiciones, horarios y afirmaciones en todos los canales donde aparece la empresa?
- 05Pruebas. ¿Cuántas pruebas verificables de terceros existen (reseñas, resultados, socios), y alguna está en riesgo según la norma de la FTC sobre reseñas falsas e indicadores sociales falsos 2?
- 06Relaciones propias. ¿Qué tamaño y actividad tienen los canales propios: una lista de correo, una comunidad, una base de clientes con la que la empresa habla directamente?
- 07Know-how propio. ¿Ha capturado la empresa lo que saben sus mejores personas en una forma que la IA pueda usar? ¿O vive en la cabeza de la gente y en PDF?
- 08Integridad de la medición. ¿Qué KPI del informe al consejo miden personas, cuáles miden máquinas y cuáles se desconocen?
- 09Economía de la IA. Para cada iniciativa de IA: ¿qué problema, qué coste completo (uso, supervisión, errores, dependencia) y qué resultado medido? Los datos de McKinsey sugieren que la mayoría de las organizaciones aún no puede demostrar impacto en el EBIT 3.
- 10Responsabilidad humana. ¿Quién, con nombre y apellidos, aprueba lo que la IA de la empresa produce y dice a los clientes 4?
Cómo es un buen resultado
Una empresa que puntúa bien no es necesariamente la más automatizada. Es una empresa que es dueña de su verdad, sus pruebas, sus relaciones y su know-how, y que usa la IA para amplificarlos.
02Implicaciones para operadores y agencias
Para los dueños de empresas
- “La IA puede hacerlo más barato” es la forma más rápida de volverse indistinguible. Invierte en las personas que saben qué te hace diferente y en la estructura que permite a los agentes verificarlo.
- Mira tu presupuesto. ¿Cuánto compra atención y cuánto construye preferencia? Si casi todo es atención, estás invirtiendo en la parte que se está erosionando.
- La publicidad seguirá existiendo, pero amplificará la preferencia, no la sustituirá.
Para agencias de marketing y empresas de servicios
- Producir contenido ya no es el producto. Lo son la diferenciación, la estructura de datos y la preferencia de los agentes. Las agencias que venden volumen serán sustituidas por las mismas herramientas que usan.
- Si tu producto es la compra de medios y la producción de anuncios, la IA es tu competidor directo. Pásate a la estrategia, la marca y la verdad.
- Los informes llenos de métricas de vanidad no sobrevivirán a la próxima revisión del presupuesto. Los clientes querrán pruebas de personas y pruebas de ingresos.
- El trabajo está pasando de enseñar a los clientes a adoptar la tecnología a ayudarles a destacar cuando todos la tienen.
- Plantéate pasar de los honorarios a la propiedad: participación o reparto de ingresos donde tu trabajo genere resultados, o un negocio propio en un vertical que conozcas.
Para todos
- Pon a una persona con nombre y apellidos al frente del trabajo. La IA puede redactar, ordenar y sugerir. Alguien tiene que seguir diciendo “esto es correcto, y respondo de ello”.
03Autoevaluación: la Tabla de preparación para la selección
Puntúa cada afirmación: 0 = no es cierto, 1 = es cierto en parte, 2 = es totalmente cierto. Sé honesto. La tabla es una herramienta de reflexión construida a partir de los marcos de este white paper, no un índice con referencias comparativas.
A. Valor y propiedad
Hemos enumerado cada servicio o producto que vendemos y nos hemos preguntado si la IA podría producirlo con una calidad aceptable en dos años.
Hemos decidido de antemano dónde se reinvertirán los ahorros de capacidad y de caja que genere la IA.
Somos dueños de parte del valor que creamos (participación, reparto de ingresos o un negocio operativo propio), no solo de honorarios.
B. Verdad y coherencia
Nuestra oferta, la lógica de precios, lo que incluye y las garantías están escritos con claridad en un solo lugar, en una forma legible por máquinas.
Nuestros precios, especificaciones, condiciones, horarios y afirmaciones coinciden en todos los lugares donde aparecemos.
C. Pruebas y preferencia
Tenemos pruebas verificables de terceros (reseñas, resultados, socios) en lugares que no controlamos.
Tenemos canales propios (una lista de correo, una comunidad, una base de clientes) que sobrevivirían a un cambio de algoritmo.
Si intercambiáramos los logotipos con nuestro competidor más cercano, los clientes lo notarían.
D. Medición y criterio
Cada KPI de nuestro informe al consejo está etiquetado como humano, máquina o desconocido, y comprobamos con regularidad si los asistentes de IA nos recomiendan.
Una persona con nombre y apellidos aprueba lo que produce nuestra IA antes de que llegue a un cliente, y el know-how de nuestras mejores personas está capturado para que la IA pueda trabajar según nuestro estándar.
0 de 10 afirmaciones puntuadas
Las puntuaciones se quedan en esta pantalla: no se guardan ni se envían.
Adaptado del white paper de Monarchy “You are not talking to a human” (2026), de Andrea d’Agostini. Las fuentes se enumeran abajo; las citas se reproducen en su idioma original, con la traducción entre corchetes. Las afirmaciones señaladas como visiones son opiniones.
Fuentes
- SparkToro (Rand Fishkin) with Similarweb data, “In 2026, Less than One Third of Google Searches Still Send a Click,” 9 June 2026 (68.01% zero-click Jan-Apr 2026, US; 60.45% in 2024; AI Overviews on 20%+ of searches). https://sparktoro.com/blog/in-2026-less-than-one-third-of-google-searches-still-send-a-click/
- US Federal Trade Commission, “Federal Trade Commission Announces Final Rule Banning Fake Reviews and Testimonials,” 14 August 2024. https://www.ftc.gov/news-events/news/press-releases/2024/08/federal-trade-commission-announces-final-rule-banning-fake-reviews-testimonials
- McKinsey & Company, “The state of AI in 2026: On the road to ROI,” 25 August 2026 (survey of 1,719 participants, fielded 4 May-8 June 2026). https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai
- Moffatt v. Air Canada, 2024 BCCRT 149 (Civil Resolution Tribunal of British Columbia). https://www.canlii.org/en/bc/bccrt/doc/2024/2024bccrt149/2024bccrt149.html
