Sporting & Walker tenía un problema concreto: un mercado de retail deportivo hipercompetitivo, búsquedas cada vez más conversacionales y una estructura de keywords que ya no alcanzaba para cubrirlas. La solución no fue agregar más palabras clave. Fue cambiar el enfoque.

En el bootcamp Accelerate with Google del 12 de agosto de 2026, Octavio Pfeiffer —responsable digital de Sporting & Walker, una de las cadenas de indumentaria y calzado deportivo más importantes de Argentina— compartió de primera mano cómo implementaron AI Max en sus campañas de búsqueda y qué resultados obtuvieron. El número que resumió la sesión: +22,5% en volumen de ventas incrementales, medido con metodología de incrementalidad.

 

El problema real: predecir cómo busca la gente ya no es viable

Antes de AI Max, el equipo de Sporting & Walker operaba con una estructura rígida de keywords: listas curadas, ajustes manuales según la estrategia comercial, y un criterio muy claro de qué términos incluir o excluir. Era un modelo que funcionó. Hasta que dejó de funcionar.

El punto de quiebre fue entender que el comportamiento de búsqueda cambió de forma estructural. Las consultas son hoy más largas, más conversacionales y más difíciles de anticipar. Predecir cómo va a buscar un cliente se volvió operativamente inviable para un equipo humano. Según el equipo de Google presente en la sesión, ese cambio en la naturaleza de las búsquedas es una de las razones que explican por qué una estructura manual no puede cubrir toda la demanda disponible.

Esto no es anecdótico. Según Google, ya hay cientos de miles de anunciantes globales utilizando AI Max para escalar sus campañas de búsqueda, y la herramienta salió de beta en 2026 con mejoras en calidad de targeting y controles de creatividad. El contexto latinoamericano agrega una capa de complejidad adicional: mercados macroeconómicamente volátiles donde la eficiencia no es opcional.

 

Qué es AI Max y qué hace exactamente

AI Max no es un nuevo tipo de campaña. Según la documentación oficial de Google Ads, es una capa de optimización que se activa dentro de las campañas de búsqueda existentes. Combina tres funciones principales:

• Search term matching: expande la cobertura más allá de las keywords manuales usando concordancia amplia y tecnología sin palabras clave, detectando consultas relevantes que el equipo no habría listado.
• Text customization: genera titulares y descripciones adaptados automáticamente a cada búsqueda, usando el contenido de los anuncios, el sitio y los assets existentes.
• Final URL expansion: redirige al usuario a la página más relevante del sitio según su intención, en vez de llevar a todos al mismo destino.

La combinación de las tres funciones importa. Un análisis de Brainlabs sobre 23 pruebas independientes encontró que las campañas que activaron las tres funciones simultáneamente tuvieron una tasa de éxito 40% mayor que las que usaron solo search term matching. Activar a medias produce los resultados más débiles.

 

Cómo lo implementó Sporting & Walker: confianza progresiva, no salto al vacío

Pfeiffer fue claro en la sesión: la transición generó incertidumbre. Cambiar de un modelo donde el equipo controla cada keyword a uno donde el algoritmo tiene más autonomía activa un miedo real. Lo llama «parálisis por control»: el riesgo de quedarse haciendo lo mismo porque lo nuevo asusta.

La respuesta fue estructurar la implementación como un proceso de confianza progresiva basada en evidencia. El equipo definió desde el inicio qué indicadores iban a monitorear, cuáles eran las señales de que la campaña iba bien y cuáles justificaban un pivote. Sin esa claridad previa, cualquier variación de número genera reacción impulsiva.

Para aislar el aporte real de AI Max y separarlo de la campaña de brand —que ya convertía bien y barato—, aplicaron un análisis de incrementalidad con metodología de A/B testing. No mezclaron las métricas. Eso fue decisivo para validar el resultado con credibilidad interna y frente al equipo comercial.

En términos de configuración, utilizaron también search term matching y text customization para personalizar el mensaje según la intención de cada búsqueda. La lógica es la misma que en el mundo físico: un asesor de tienda escucha lo que el cliente necesita y responde en consecuencia. AI Max hace eso a escala, para miles de usuarios simultáneos. Esto conecta directamente con lo que trabajamos en cómo Gemini está transformando el marketing con IA search: el anuncio deja de interrumpir y empieza a responder.

 

Los resultados: qué mide el 22,5% y por qué importa

El +22,5% no es un aumento en impresiones ni en clics. Es incremento en volumen de ventas reales, medido con análisis de incrementalidad. Eso lo diferencia de la mayoría de los reportes de plataforma, que suelen mostrar métricas intermedias fáciles de inflar.

El resultado confirmó tres cosas que el equipo ya intuía pero necesitaba validar con datos:

• Existía demanda real que la estructura anterior no estaba capturando.
• Interpretar la intención detrás de cada búsqueda —y no solo el término exacto— mejora la tasa de conversión.
• Es posible escalar volumen sin sacrificar eficiencia de costos. Tráfico y rentabilidad no son variables opuestas si la señal de conversión está bien configurada.

Este último punto merece énfasis. Según Think with Google, el mandato para los equipos de marketing en la era de la IA es pasar de la ejecución a la orquestación: definir objetivos, alimentar bien al algoritmo y leer las señales con criterio. El equipo humano no desaparece; cambia de rol.

Para quienes trabajan en optimización de campañas digitales, la lección es directa: la calidad de la señal de conversión es el insumo más crítico del sistema. Si el algoritmo optimiza hacia el objetivo equivocado, los resultados serán perfectamente incorrectos.

 

Tres condiciones para que AI Max funcione

No toda cuenta está lista para AI Max. El caso de Sporting & Walker ilustra las condiciones que hacen viable la transición:

• Conversiones bien definidas y con volumen suficiente. Según guías especializadas de 2026, la calidad de la conversión es la semilla del sistema: sin señal limpia, el algoritmo optimiza hacia el objetivo incorrecto. Google recomienda al menos 4 a 6 semanas de período de evaluación tras las 2 primeras semanas de aprendizaje.
• Claridad en los indicadores de negocio. No impresiones ni clics: conversiones con valor real. Pfeiffer lo dijo sin rodeos en el bootcamp: «no hay una copa por el que más tráfico tenga». Lo que alimenta el negocio es volumen de venta con retorno sostenible.
• Capacidad de pivotar rápido. La metodología de confianza progresiva funciona si el equipo tiene criterios predefinidos para acelerar o ajustar. Sin eso, la incertidumbre genera parálisis.

 

El siguiente paso

AI Max salió de beta en 2026. Según Google, las campañas con assets automatizados comenzarán a migrarse automáticamente desde septiembre de 2026, con el proceso completo para DSA extendiéndose hasta febrero de 2027. La ventana para probarlo de forma controlada —antes de que la migración sea automática— existe ahora.

Si quieres saber si tu cuenta está en condiciones de hacer una transición ordenada a AI Max, el punto de partida es revisar la calidad de tus conversiones y la estructura actual de tus campañas. En Retargeting podemos hacer ese diagnóstico. Si prefieres empezar por ahí, el Diagnóstico de Alto Impacto de Retargeting Latam es el lugar indicado.