Durante mucho tiempo, la conversación sobre inteligencia artificial ha girado alrededor de los modelos: cuál era más potente, cuál razonaba mejor o quién encabezaba el último benchmark. Pero algo está empezando a cambiar. Claude es un buen ejemplo. Su crecimiento, especialmente alrededor de Claude Code, ha colocado a Anthropic cada vez más en el centro de la conversación, aunque quizá lo más interesante no sea qué modelo está creciendo más, sino cómo estamos empezando a utilizarlos. 

Estamos pasando de pedir respuestas a la IA a permitirle participar en tareas reales. Y en ese cambio hay tres letras que empiezan a aparecer cada vez con más frecuencia: MCP. 

Una IA puede saber muchísimo sobre marketing y, al mismo tiempo, no saber nada sobre el marketing concreto de una marca. Puede entender qué es el ROAS, cómo funciona Google Ads o qué implica un modelo de atribución, pero no conoce tus campañas, tu catálogo ni tus resultados si no tiene acceso a ellos. 

Hasta ahora hemos resuelto esa limitación llevando el contexto hasta la IA: copiando datos, subiendo documentos, compartiendo informes o construyendo prompts cada vez más detallados. 

Model Context Protocol plantea el movimiento contrario. 

MCP es un estándar abierto que permite conectar entornos de inteligencia artificial con herramientas, datos y sistemas externos de una forma estructurada. En lugar de explicar constantemente a la IA cómo es nuestro entorno de trabajo, empezamos a poder conectarla, bajo unas reglas determinadas, con el lugar donde ese contexto ya existe. 

Y eso cambia bastante la forma de pensar la relación entre IA y trabajo. 

La pregunta deja de ser únicamente “¿qué información tengo que darle?” y empieza a ser “¿a qué información y herramientas debería poder acceder?”.

Pensemos en una situación habitual en marketing: queremos entender por qué ha cambiado el rendimiento de nuestras campañas durante las últimas semanas. 

Hoy ese proceso puede implicar abrir varias plataformas, consultar datos, revisar dashboards, comparar periodos y, finalmente, llevar parte de esa información a una IA para interpretarla. 

La inteligencia está en un lugar y el trabajo, en muchos otros. 

MCP empieza a reducir esa distancia porque permite que la interfaz desde la que hacemos una pregunta pueda conectarse con los sistemas donde está la respuesta y, progresivamente, también con aquellos donde se puede ejecutar una acción. 

No significa que todo tenga que ocurrir dentro de un chat ni que las plataformas vayan a desaparecer. Significa que el lenguaje natural empieza a convertirse en una capa de acceso a herramientas que antes estaban aisladas entre sí. 

Ahí está, probablemente, una de las razones por las que MCP está ganando tanta relevancia y por las que Claude se ha convertido en uno de los entornos donde mejor se entiende este cambio. 

Que MCP proporcione un estándar común para conectar modelos de IA con sistemas externos no significa que todas las implementaciones aporten el mismo valor. El protocolo define cómo se establece la conexión; el valor depende de qué contexto, herramientas y capacidades expone cada servidor MCP. 

En Adsmurai, nuestro MCP permite conectar Adsmurai Marketing Platform con entornos de IA compatibles, como Claude, y acceder desde ellos a la información y capacidades de la plataforma. Esto incluye no solo datos de campañas, sino también funcionalidades relacionadas con planificación, medición, atribución, forecasting, reporting y optimización. 

Pero el valor no está únicamente en poder consultar más información. También está en poder actuar sobre ella. En función de las herramientas y permisos disponibles, un modelo puede utilizar el contexto de la cuenta para ejecutar acciones sobre las campañas: desde realizar cambios de presupuesto o modificar configuraciones hasta crear nuevos anuncios y activar otras operaciones de gestión. 

Esto cambia significativamente el tipo de interacción. El modelo no tiene que limitarse a responder preguntas como cuánto se ha invertido, qué campañas están funcionando o dónde existen oportunidades. Puede analizar el contexto, proponer una acción y, cuando está autorizado, ejecutarla directamente sobre el sistema.

Por eso, el valor de un MCP no debería medirse únicamente por la cantidad de datos que permite consultar, sino por la combinación de contexto + herramientas + capacidad de acción que pone a disposición del modelo. 

En este sentido, conectar una plataforma de marketing con un modelo de IA no consiste simplemente en hacer sus datos accesibles. Consiste en proporcionar al modelo el contexto necesario para entender la situación y las herramientas necesarias para pasar del análisis a la ejecución, manteniendo los permisos y controles definidos por la plataforma. 

Ahí es donde una integración MCP puede convertirse en una capa de interacción realmente operativa para el marketing: no solo permite entender qué está ocurriendo, sino también hacer algo al respecto. 

La primera integración del MCP de Adsmurai está disponible en Claude, pero el objetivo va mucho más allá de un único modelo. Al basarse en un estándar abierto, las capacidades de Adsmurai pueden conectarse con distintos entornos compatibles con MCP. 

Y esto permite ir más allá de consultar datos. Por ejemplo, redistribuir presupuesto entre campañas para maximizar una métrica objetivo, como ROAS, ventas o conversiones, o identificar los anuncios con peor rendimiento, generar nuevas propuestas de copy y creatividad y publicarlas directamente en Meta Ads, Google Ads o TikTok Ads. 

El cambio es significativo: la IA no solo puede analizar qué está ocurriendo y recomendar qué hacer, sino también ejecutar acciones directamente sobre las plataformas, siempre dentro de los permisos y controles definidos. 

Hoy el punto de entrada puede ser Claude. Mañana puede ser otro modelo o entorno. La capa de conexión permanece. 

• Te podría interesar: Adsmurai presenta Kata, una IA de marketing pensada para conectar estrategia, datos y ejecución

Durante los últimos años, las compañías han incorporado herramientas de IA a gran velocidad. Pero añadir más inteligencia sobre un ecosistema fragmentado no elimina esa fragmentación: podemos seguir teniendo una herramienta para campañas, otra para

datos, otra para creatividad y otra para reporting, con asistentes de IA que todavía requieren mover información manualmente entre ellas. 

La siguiente fase de la IA puede tener menos que ver con incorporar nuevos modelos y más con conectarlos al contexto y a los sistemas donde realmente ocurre el trabajo: qué información pueden consultar, qué herramientas pueden utilizar, qué acciones pueden ejecutar y con qué permisos. 

En marketing, donde los datos, las plataformas y las decisiones están especialmente distribuidos, esto puede marcar una diferencia importante. 

La primera gran revolución de la IA generativa convirtió el lenguaje natural en una interfaz para acceder al conocimiento. La siguiente puede convertirlo en una interfaz para ejecutar trabajo. 

Y en ese escenario, la ventaja no estará únicamente dentro del modelo, sino también en todo lo que seamos capaces de conectar alrededor de él.

Imágenes: Adsmurai