Un rol transversal entre medios, creatividad, health, performance y producción. En estos términos define Dan Hagen, chief data & technology officer en Havas, su responsabilidad en la compañía en el marco de una entrevista concedida en exclusiva a Anuncios [tras su participación como ponente en Mentes que despiertan Mentes, el evento celebrado el pasado mes de diciembre] en la que, como uno de los artífices de la visión de cambio del grupo y de la estrategia Converged.AI, dice que una buena parte de su responsabilidad pasa por “trabajar constantemente con equipos muy distintos y con necesidades muy específicas”.
Se trata, según el propio Hagen, de una posición “relativamente nueva y centralizada” que hasta hace apenas unos meses desarrollaba en la unidad de medios del holding francés, Havas Media Network, y que ahora ejerce desde el núcleo de la compañía.
Anuncios.— Para quien aún no conozca Converged.AI, ¿cómo explicaría lo que es en términos prácticos?
Dan Hagen.— Converged.AI es el paraguas que integra todo el ecosistema de datos y tecnología de Havas. Su misión principal es dar soporte end to end a nuestros equipos internos en el desarrollo, gestión, activación y medición de campañas, aunque algunos clientes también lo usan directamente.
A.— ¿Qué diferencia a Converged.AI de otras grandes plataformas del sector, como WPP Open u Omni?
D.H.— Aunque no puedo hablar sobre el interior de esas plataformas, sí de lo que nos dicen los clientes cuando comparan. La primera gran diferencia es que Converged.AI no es una caja negra: podemos enseñar cada parte del sistema, dónde están conectados los datos y dónde no, y por qué hay datos que nunca conectaremos porque no aportan valor. Un cliente en un concurso nos dijo, literalmente, que había visto “mucho brillo, pero mucha caja negra” y que Converged.AI era, en cambio, “una caja transparente” que le daba confianza.
La segunda diferencia es la flexibilidad. No obligamos a nadie a usar nuestra tecnología. Si un cliente necesita ayuda para activar su first-party data, podemos ofrecer solo ese módulo durante uno o dos años, y luego acompañarle en la elección, compra, implementación e incluso operación de su propio CDP.
A.— ¿Puede compartir un ejemplo concreto de cómo Converged.AI ha mejorado el rendimiento de una campaña o de un cliente?
D.H.— Uno de los desarrollos más potentes de Converged.AI en los últimos dieciocho meses ha sido la capacidad de conectar los datos internos de la plataforma con los entornos de compra de medios. Lo que hacemos es mapear las taxonomías de plataformas como Facebook, Instagram, YouTube o Amazon con los atributos que tenemos dentro de nuestra plataforma.
La clave es que todo se hace en desde una perspectiva privacy-first, pues no usamos identificadores personales, ni cookies, ni firstparty data del cliente para ese matching, solo IDs y nubes de atributos. Construimos una audiencia enriquecida con miles o decenas de miles de señales, y mediante un modelo de lenguaje alineamos esa nube de datos con las taxonomías comprables de cada plataforma. Desde el punto de vista operativo, el equipo crea la audiencia dentro de Converged.AI, pulsa un botón y, en unos quince minutos, esa audiencia está disponible en múltiples partners globales a los que estamos empezando a sumar socios locales, especialmente de CTV, para acompañar el trasvase de inversión desde la TV lineal.
No creo que la IA, por sí sola, eleve el nivel creativo; de hecho, probablemente baje un poco el listón al hacer más fácil producir campañas mediocres a gran escala. Nuestro papel debe ser elevar esa mediocridad hasta convertirla en algo mágico.
En algunos mercados, además, sometemos el sistema a una prueba: comparamos el modo clásico de compra con el uso de las audiencias generadas con nuestro sistema. Si el rendimiento es mejor, el cliente paga por el servicio y ve esa mejora en sus KPIs; si no lo es, no paga. Es un modelo que está generando ya una fuente relevante de ingresos para la red, con tasas de éxito de entre el 70% y el 90% en las campañas testeadas.
Transparencia con argumentos
A.— Ha hablado de transparencia, y en ese sentido, nos gustaría preguntarle cómo afrontan las preocupaciones de los clientes sobre la opacidad algorítmica y cómo garantizan que las decisiones impulsadas por IA son explicables.
D.H.— La gran diferencia frente a los enfoques tradicionales es que mantenemos el trabajo algorítmico de nuestro lado, en la agencia, en lugar de delegarlo todo a las plataformas. En el modelo habitual, envías una audiencia semilla, la plataforma hace un lookalike, escala y activa, pero nunca ves cómo se ha construido realmente ese segmento.
Con Converged.AI, el cliente puede auditar todo el proceso hasta el punto en que las audiencias entran en el entorno de la plataforma. Puede ver las fuentes, entender la lógica de matching y cuestionar los criterios utilizados. No compartimos el código ni el detalle de cómo entrenamos el algoritmo porque es propiedad intelectual, pero sí explicamos con claridad cómo funciona y qué está haciendo. A partir de ahí, por supuesto, la optimización vuelve a estar en manos de los walled gardens, pero el tramo crítico en términos de diseño de audiencias permanece visible y explicable.
A.— ¿Los anunciantes demandan hoy más control directo sobre sus datos y campañas, o siguen prefiriendo agencias full service que resuelvan sus problemas de forma integral?
D.H.— Siguen esperando que las agencias seamos solucionadores integrales de problemas, pero con un matiz importante, ya que quieren que sus datos se mantengan, cada vez más, dentro de su propio ecosistema.
Lo que vemos con mucha más frecuencia es que trasladamos nuestra tecnología e infraestructura al entorno del cliente, de modo que los datos nunca abandonan su nube, pero somos nosotros quienes operamos las soluciones. Ellos conservan la propiedad y el control, mientras que nosotros aportamos el músculo operativo, la especialización y la perspectiva que da trabajar con múltiples marcas y categorías.
