Un asistente de IA tarda menos de un segundo en investigar, comparar y decidir una compra en nombre de su usuario. El stack de marketing corporativo promedio sincroniza sus datos en ciclos nocturnos de 24 horas. Esa brecha —milisegundos contra una jornada laboral completa— es, según Vyas, vicepresidente de Capgemini para Customer First: Data & AI, «el problema de arquitectura definitorio del marketing actual».
El costo oculto del dato duplicado
La pérdida de señales de terceros encareció estructuralmente la adquisición de clientes. La respuesta del mercado fue correcta: migrar hacia datos propios (first-party data). Pero esa migración expuso una falla de diseño en los grandes marketing clouds: la mayoría cobra por volumen de perfiles o por consumo. El resultado es lo que Vyas llama «profile bloat»: decenas de millones de registros duplicados, desactualizados o sin consentimiento almacenados en plataformas que facturan por cada uno.
La ecuación es directa: las empresas pagan penalizaciones por exceso de consumo sobre datos que ellas mismas generaron, a tarifas fijadas por el proveedor. «Strip away the invoice language and the arrangement is stark», escribe Vyas: el cliente paga a un tercero por guardar su propia información y paga más cada vez que suma nuevos clientes.
Latencia de datos como experiencia de cliente
El cambio de fondo no es de precio, sino de física. Un agente de IA no lee un guión: razona, planifica y actúa sobre múltiples sistemas en una sola conversación. Responde una consulta, verifica inventario, aplica una oferta de lealtad y agenda el seguimiento. Pero ese agente opera sobre el contexto que puede recuperar en tiempo real. Si el perfil del cliente fue copiado a un silo propietario 18 horas antes, el agente recomendará el sofá que el usuario devolvió o intentará vender el plan que acaba de cancelar.
El cliente no conoce el término técnico para ese fallo. No necesita conocerlo: lo siente de inmediato.
Composabilidad: espectro, no religión
La respuesta arquitectónica que describe Vyas es la composabilidad: los datos permanecen en el data warehouse o lakehouse que la empresa controla, y las herramientas se conectan a ellos en lugar de copiarlos. Acceso zero-copy y reverse ETL reemplazan el ritual de duplicar perfiles en cada aplicación. La empresa paga por inteligencia y activación, no por almacenar tres veces los datos que ya posee.
Pero Vyas advierte contra el dogmatismo: composabilidad es un espectro con costos en cada extremo. El modelo totalmente empaquetado ofrece velocidad de lanzamiento y orquestación madura, pero transfiere el control del roadmap y del precio al proveedor. El modelo totalmente composable entrega libertad arquitectónica y latencia lista para agentes, pero exige ingeniería interna real. «Lower license fees can quietly become higher people costs», señala.
La pregunta correcta no es «suite o stack», sino qué posición en ese espectro corresponde a cada carga de trabajo, según la madurez de datos, la capacidad de ingeniería y la velocidad que el caso de uso exige.
La lectura de Ágora Capital
El mercado ya votó: las empresas que no resuelvan la latencia de datos perderán clientes ante agentes de IA que operan en fracciones de segundo. Lo que Vyas describe es, en el fondo, un problema de propiedad y de incentivos mal alineados: los grandes proveedores de marketing cloud construyeron modelos de negocio sobre el dato ajeno, cobrando renta por un activo que no les pertenece.
La composabilidad no es una moda tecnológica; es la recuperación del control sobre el activo más valioso de una empresa moderna: la relación con su cliente. Capital busca reglas claras, y en este caso la regla es simple: quien controla el dato, controla el margen.
