SAS pone el machine learning en manos de los equipos de marketing con SAS 360 Marketing AI

SAS, compañía de datos e inteligencia artificial, anunció el 8 de julio de 2026 SAS 360 Marketing AI, una solución que busca poner el machine learning directamente en manos de los equipos de marketing, sin depender de áreas de ciencia de datos saturadas. La propuesta apunta a un problema conocido: muchas áreas de marketing tienen datos, pero les cuesta convertirlos en acción a tiempo.

¿Qué es SAS 360 Marketing AI y qué problema resuelve?

Es una solución con flujos de trabajo guiados y plantillas de recetas para casos de marketing frecuentes, pensada para que los equipos avancen más rápido del dato a la decisión. Según Roger Beharry Lall, director de investigación de IDC, durante años la inteligencia analítica vivió fuera de marketing porque era cara, compleja y lenta de obtener; herramientas como esta ayudan a democratizar el acceso a la IA predictiva. La idea es que un especialista de marketing entrene y active modelos sin escribir código ni esperar a un científico de datos.

¿Cómo permite a marketing usar machine learning sin ciencia de datos?

La herramienta automatiza la preparación de datos, la ingeniería de variables y el entrenamiento del modelo, con pasos guiados y explicables. Genera y activa scores directamente en los recorridos del cliente, y monitorea el desempeño para reentrenar los modelos de forma automática. SAS recuerda que la preparación de datos puede consumir hasta el 80% del esfuerzo de un modelo y tomar meses; al acortar ese trabajo, promete reducir el tiempo hasta el despliegue. Además incluye visibilidad de los datos de entrada, detección de sesgos y gobernanza integrada.

¿Qué casos de uso habilita para los equipos de marketing?

Los casos que destaca SAS son directos: identificar a los clientes con mayor probabilidad de convertir, detectar y prevenir la fuga (churn), y expandirse hacia la próxima mejor oferta, la venta cruzada, el valor de vida del cliente (CLTV) y la segmentación. Puede desplegarse como motor independiente de modelado y scoring, o como parte del ecosistema SAS Customer Intelligence 360, donde alimenta la orquestación de recorridos, la toma de decisiones y la personalización. Las organizaciones pueden empezar con un caso puntual y ampliar a medida que madura su analítica.

¿Qué implica para los equipos de marketing en Chile y Latinoamérica?

Para las áreas de marketing en Chile y Latinoamérica, muchas veces con equipos pequeños y sin un científico de datos dedicado, la promesa de operar modelos predictivos sin código es atractiva. La advertencia es la de siempre: una herramienta no reemplaza tener datos limpios ni un caso de uso con retorno claro. Democratizar el modelado ayuda, pero el valor aparece cuando se conecta a una decisión concreta, como a quién priorizar en una campaña o qué cuenta está por fugarse.

Análisis de Revenue Hub

Para un líder de marketing o un fundador B2B en Chile y Latinoamérica, este lanzamiento confirma una tendencia que conviene aprovechar: la IA predictiva está dejando de ser territorio exclusivo de la ciencia de datos. El riesgo es confundir el acceso a la herramienta con la capacidad de generar valor. Un modelo de propensión a convertir o de fuga solo rinde si los datos del CRM están ordenados y si existe una acción comercial atada a cada score.

La recomendación es empezar al revés: definir primero la decisión que quieres mejorar y la métrica que la mide, y recién ahí elegir el modelo. Antes de sumar otra plataforma, vale la pena auditar la calidad de los datos y la adopción real del equipo, porque ahí suele estar el cuello de botella, no en el algoritmo. En nuestra sección de marketing y demanda seguimos cómo la IA cambia la operación de marketing, y en el blog profundizamos en cómo construir una base de datos confiable antes de automatizar.