Cuando la IA empieza a ver (casi) como los neuromarketers
Descubre el salto que ha dado la predicción de atención gracias a la IA y cómo puede ayudar a tu marca
La tecnología se acerca, poco a poco, a los mecanismos más complejos del cerebro humano. Durante años, en el sector del neuromarketing e IA, hemos trabajado con una premisa clara: la atención no se declara, se mide. Bajo este enfoque, el eye tracking se ha convertido en uno de los grandes aliados para entender qué capta realmente la mirada… y qué creemos que lo hace.
Pero hay novedades en el campo de la atención: el último avance en modelos de predicción, impulsado por sistemas como los desarrollados por nuestro partner de eye tracking predictivo Neurons, demuestra que la unión entre neuromarketing e IA va mucho más allá de mejorar la precisión. Esta sinergia redefine cómo entendemos la relación entre la percepción visual, la cognición y la creatividad, porque lo que importa es dónde mira el usuario, pero, sobre todo, anticipar esa mirada con una fidelidad cada vez más cercana a la del propio cerebro.
Ver no es lo mismo que mirar: cómo funciona realmente la atención en el cerebro
Cuando hablamos de atención visual, solemos simplificarlo demasiado. Pensamos en estímulos llamativos, colores intensos o caras humanas, pero la realidad es bastante más compleja. Desde la neurociencia sabemos que, una vez llega a la corteza visual primaria, la información se divide en dos grandes rutas: la vía dorsal y la vía ventral. La primera nos ayuda a entender el “dónde” y el “cómo” interactuar con lo que vemos; la segunda, el “qué”. Es decir, reconocimiento, categorías, significado.
Esta distinción, estudiada en trabajos como los de David Milner y Melvyn Goodale, es clave para entender por qué algunas piezas creativas funcionan… y otras no. Lo más interesante es que los nuevos modelos de predicción de atención están empezando a replicar esta misma lógica.
El reconocimiento de objetos: cuando la IA empieza a entender lo que ve
Uno de los avances más significativos tiene que ver con el reconocimiento de objetos. Y aquí no hablamos solo de detectar una cara o un producto, sino de algo más profundo: la capacidad de reconocer ese mismo objeto en diferentes contextos, ángulos o condiciones.
En neurociencia, esto se conoce como permanencia del objeto: la habilidad del cerebro para entender que algo sigue siendo lo mismo aunque cambie su apariencia visual. Es lo que permite que reconozcamos una marca, aunque el packaging varíe ligeramente de un producto a otro o la iluminación no sea la habitual.
Hasta ahora, muchos modelos de IA fallaban justamente en este punto: detectaban caras o elementos en condiciones muy concretas, pero perdían precisión cuando la imagen se volvía más compleja o menos “perfecta”.
Sin embargo, gracias a la incorporación de miles de nuevas imágenes de eye tracking y a las mejoras en los modelos de aprendizaje, la IA no solo detecta mejor… sino que empieza a entender lo que detecta. Integra reconocimiento facial, texto y contexto visual con una coherencia mucho más cercana a la percepción humana. ¿La consecuencia directa? Creatividades más evaluadas desde la realidad perceptiva, no desde la intuición.
Discriminar mejor: el poder de saber dónde no está la atención
Ahora te contaré una de las cuestiones más importantes: mejorar un modelo de predicción no es solo aumentar su capacidad de acertar, sino reducir lo que inventa. Durante años, muchos modelos de predicción de atención tenían un problema claro: sobreestiman. Señalaban demasiadas zonas como “relevantes”, generando mapas de calor que, llevados a la práctica, diluían el insight.
Y no es ningún secreto que el cerebro humano no funciona así. De hecho, nuestra atención es limitada, selectiva y muy eficiente: filtra constantemente todo lo que no es relevante. Y es justo por eso que entender dónde no hay atención es casi más valioso que saber dónde sí la hay.
Los nuevos modelos avanzan en esta dirección: aumentan los verdaderos negativos (zonas correctamente ignoradas) y reducen tanto los falsos positivos como los falsos negativos. En otras palabras: afinan el mapa hasta hacerlo útil. Y esto, en marketing, es oro, porque nos permite tomar decisiones más precisas: qué eliminar, qué potenciar, dónde colocar el mensaje clave. Menos ruido, más intención.
Metáforas visuales: el gran reto (y el gran avance)
Si hay un terreno donde la inteligencia artificial siempre ha tenido dificultades, es en lo simbólico. Las metáforas visuales son uno de los recursos más potentes en la publicidad. Funcionan porque activan múltiples capas de procesamiento: desde lo perceptivo hasta lo semántico y emocional. No se entienden solo con la vista; se interpretan, y ahí es donde la mayoría de modelos fallaban.
No obstante, los últimos avances muestran algo curioso: la capacidad de empezar a capturar estos elementos indirectos. No son perfectos, pero sí más precisos. Esto implica que la IA ya no se queda solo en lo explícito y empieza a acercarse a cómo los humanos procesamos lo implícito. Esto es básico, porque muchas de las campañas más memorables son las que juegan con dobles sentidos, asociaciones inesperadas o códigos culturales compartidos. Si un modelo puede anticipar cómo se procesa todo eso… estamos ante un cambio estructural en cómo se valida la creatividad.
De la predicción a la decisión: qué significa esto para las marcas
Todo esto suena bien, pero la pregunta clave… ¿para qué sirve todo esto a mi marca? La respuesta es sencilla, pero incómoda, y es que ya no hay excusa para diseñar a ciegas. Si podemos predecir con bastante precisión qué va a captar la atención antes de lanzar una campaña, seguir basándonos únicamente en la intuición creativa empieza a ser una debilidad, no una fortaleza.
Y ojo: esto no significa matar la creatividad, todo lo contrario: quiere decir liberarla de la incertidumbre innecesaria. Las marcas que integren estos modelos en sus procesos podrán iterar más rápido, optimizar mejor y, sobre todo, alinear lo que quieren comunicar con lo que realmente se percibe. Porque al final, la atención es la puerta de entrada a todo lo demás: memoria, emoción, decisión. Si no estás ahí, no existes.
¿Y el futuro?
Estamos ante una mejora técnica, sí, pero no es solo eso. Durante años, creatividad y ciencia han vivido en cierta tensión: una basada en intuición, la otra en datos. Pero la realidad es que nunca han sido opuestas, sino complementarias. Ahora, esa relación se redefine.
La combinación de datos de eye-tracking con modelos avanzados de IA no sustituye las personas, amplifica su capacidad. Nos da una nueva capa de comprensión sobre cómo funcionan nuestras decisiones. Y eso, en un contexto en el que captar la atención es cada vez más difícil, es una ventaja competitiva.
¡Hola! Soy Neurorachel, una apasionada del marketing y la neurociencia.
Si quieres explorar mi mundo , te ayudo a aplicar neurociencia en tu comunicación y/o experiencia de cliente para elevarla a algo mucho más humano, emocional, memorable.
👉¿Cómo ayudamos? Desde formación en neuromarketing a equipos creativos, de marketing al desarrollo de estudios neurocientíficos en espacios físicos o sobre producto, spot o campaña.
También soy profesora universitaria y ponente en conferencias.. así que ya sabes un lugar, aquí en linkedIn donde me puedes conocer un poco más y aprender muchísimo..
Fuentes
Koch, C., & Ullman, S. (1985). Shifts in selective visual attention: towards the underlying neural circuitry. Human Neurobiology, 4(4), 219–227.
Milner, A. D., & Goodale, M. A. (2008). Two visual systems re-viewed. Neuropsychologia, 46(3), 774–785.
Ramsøy, T. Z. (2020, octubre 19). Breakthrough model in attention prediction. Neurons. https://www.neuronsinc.com/insights/breakthrough-model-in-attention-prediction
Peters, R. J., Iyer, A., Itti, L., & Koch, C. (2005). Components of bottom-up gaze allocation in natural images. Vision Research, 45(18), 2397–2416.
Wedel, M., & Pieters, R. (2008). Eye tracking for visual marketing. Foundations and Trends in Marketing, 1(4), 231–320.
