🧪 Experimentos de AI Max en Google Ads: cómo probar presupuestos y ROAS sin perder el control

Revisado el 9 de octubre de 2026. ¿Subir el presupuesto de Google Ads sirve para ganar más dinero o solo para conseguir más clics? ¿Activar AI Max atrae clientes que antes no llegaban o simplemente cambia cómo se atribuyen las conversiones? Son preguntas diferentes y ninguna se responde mirando únicamente el número de impresiones.

El 20 de agosto de 2026, Google anunció mejoras para probar AI Max, comparar presupuestos y objetivos de retorno entre varias campañas de Búsqueda y planificar cambios de inversión. El despliegue de los nuevos experimentos conjuntos estaba previsto desde septiembre. La novedad interesante no es que Google use más IA, sino que ofrece herramientas para comprobar qué efecto tiene antes de ampliar la inversión.

Qué ha anunciado Google sobre los experimentos de AI Max

La noticia oficial distingue tres avances. Primero, un experimento A/B para probar presupuestos y objetivos de ROI en varias campañas de Búsqueda. Segundo, la posibilidad de ejecutar determinadas pruebas de AI Max manteniendo controles de marca y ubicación. Tercero, una mejora de Performance Planner para estimar cómo podrían influir cambios de puja o presupuesto en campañas existentes y aplicar determinadas sugerencias.

Google explicó estas funciones en su comunicado del 20 de agosto. No publicó allí un calendario de activación individual para cada cuenta española. Por tanto, no podemos afirmar que todas las opciones estén disponibles hoy en España: hay que comprobar la interfaz y los requisitos de elegibilidad de cada cuenta.

Qué hace AI Max y qué no hace

AI Max es un conjunto de funciones para campañas de Búsqueda. Puede ampliar la coincidencia de términos de búsqueda, personalizar textos publicitarios y seleccionar páginas de destino mediante la expansión de URL final. Su objetivo es captar consultas relevantes que una configuración más rígida podría dejar fuera. No es una garantía de rentabilidad ni sustituye la necesidad de medir ventas.

Imagina una academia que anuncia «curso de inglés online». AI Max podría ayudar a captar búsquedas más específicas, como «inglés para trabajar en recepción de hotel». Parece una oportunidad, pero el éxito no es recibir ese clic: es conseguir una matrícula a un coste razonable. Si el anuncio promete algo que la página no explica, la IA puede atraer tráfico que no se convierta en clientes.

Antes de probarlo, escribe una hipótesis comprobable. Por ejemplo: «Activar AI Max manteniendo el mismo objetivo de conversión y las restricciones de marca aumentará las solicitudes válidas sin superar nuestro coste máximo por solicitud». Es mejor que «vamos a probar la IA», porque define exactamente qué resultado justificaría continuar.

La diferencia entre una prueba A/B y mirar el antes y después

Supongamos que una tienda activa AI Max el día que comienza una promoción. Una semana después vende más. ¿Ha funcionado la inteligencia artificial? No podemos saberlo: el descuento también puede explicar el aumento. Lo mismo sucede con la Navidad, las vacaciones o una subida de precios de la competencia.

Un experimento A/B compara un grupo de control con otro que incorpora el cambio. En el flujo de AI Max documentado por Google, una parte del tráfico mantiene la configuración de referencia y otra utiliza AI Max. Eso permite interpretar mejor las diferencias, aunque ningún experimento elimina todos los problemas de medición.

La capacidad anunciada de probar presupuestos y objetivos de ROI en varias campañas amplía las preguntas posibles. Por ejemplo: ¿merece la pena invertir más en una combinación de campañas que ya funciona? Pero no conviene confundir ese experimento conjunto con el flujo habitual de una sola campaña: las opciones y los controles concretos pueden variar.

Antes de empezar: cinco comprobaciones

En servicios, intenta medir contactos válidos o ventas cerradas cuando sea posible. Una clínica que recibe diez llamadas puede cerrar una sola cita; una empresa B2B puede recibir veinte formularios y descubrir que ninguno corresponde a su público. El volumen de conversiones sin calidad puede llevar a decisiones equivocadas.

Cómo crear una prueba de AI Max en Google Ads: pasos documentados

La ayuda oficial de Google Ads describe el recorrido para crear experimentos. No hemos entrado en una cuenta real para simular pantallas: estos son los pasos publicados por Google y algunos nombres pueden aparecer traducidos.

Paso 1. Abre Experimentos

En Google Ads, entra en el apartado de campañas y busca Experimentos. Crea un experimento nuevo, elige la opción de funciones y configuración de campañas y selecciona AI Max para campañas de Búsqueda. Si no ves la opción, comprueba la elegibilidad antes de modificar tu campaña.

Paso 2. Elige una campaña con datos útiles

Selecciona una campaña de Búsqueda que ya tenga una conversión fiable. Evita empezar por una campaña recién creada sin histórico, porque tendrás pocas referencias. Google permite seleccionar campañas en el flujo documentado; para los experimentos conjuntos de presupuesto, revisa las opciones que realmente muestra tu cuenta.

Paso 3. Configura control y tratamiento

Define el periodo, el nombre del experimento y la distribución del tráfico. El control conserva la referencia y el tratamiento incorpora las funciones de AI Max que quieras evaluar. Revisa especialmente la opción de aplicar automáticamente resultados favorables. Si prefieres decidir tú, no actives una aplicación automática sin comprender sus condiciones.

Paso 4. Revisa textos y páginas de destino

La documentación explica que el tratamiento puede activar por defecto concordancia de términos de búsqueda, personalización de textos y expansión de URL final. En ciertos experimentos individuales puedes ajustar esas funciones. Si vendes un servicio regulado o tienes páginas informativas que no deben recibir tráfico comercial, revisa las restricciones antes de comenzar.

Paso 5. Protege marca y ubicación

Google permite configurar inclusiones y exclusiones de marca en determinados experimentos. Un detalle importante: los controles de marca añadidos al configurar la prueba pueden aplicarse tanto al control como al tratamiento. Comprueba ambos grupos; de lo contrario, puedes interpretar una diferencia causada por los límites de marca como si fuera un efecto exclusivo de la IA.

Paso 6. Espera datos suficientes

Durante la prueba, evita cambios innecesarios de precios, mensajes, objetivos o páginas. Anota los inevitables. No existe una duración universal que garantice resultados concluyentes: depende del volumen de conversiones, de la variabilidad y del tiempo que tarda el cliente en decidir. La paciencia es parte del método.

Cómo saber si ha mejorado el negocio de verdad

El ROAS divide los ingresos atribuidos entre el gasto publicitario. Si atribuyes 4.000 euros a una inversión de 1.000, el ROAS es 4. Sin embargo, ese cálculo no incluye por sí solo el coste del producto, el personal, el transporte ni las devoluciones. Un ROAS más alto no siempre significa mayor beneficio.

Ejemplo ficticio: con 800 euros de publicidad consigues 40 ventas que dejan 30 euros de margen cada una antes de anuncios. El margen total es 1.200 y quedan 400 tras descontar publicidad. Si aumentas a 1.200 euros y logras 50 ventas, el margen suma 1.500, pero quedan 300. Has vendido más y, aun así, has ganado menos en este cálculo simplificado.

En generación de contactos, calcula también cuántos formularios se convierten en oportunidades reales. Una campaña que consigue contactos baratos puede salir cara si nadie compra. Si tienes CRM, contrasta las conversiones publicitarias con el resultado comercial; si no lo tienes, reconoce esa limitación en el informe.

Qué cambia con Performance Planner

Google anunció que Performance Planner permite estudiar el impacto probable de cambios de pujas o presupuesto en campañas existentes y aplicar sugerencias con menos pasos. Es útil para planificar, no para certificar resultados. Una previsión depende de supuestos y de información histórica que puede dejar de representar el mercado.

Una práctica sensata consiste en comparar tres escenarios: mantener la inversión, aumentarla moderadamente y cambiar el objetivo de retorno. Anota la previsión y las condiciones. Después, cuando la cuenta disponga de una prueba apropiada, contrasta la hipótesis con tráfico y conversiones reales. Planificar es anticipar; experimentar es observar.

Cuándo puede no aparecer el experimento

Google documenta restricciones para determinados flujos: campañas con personalización de textos ya activada, segmentación en Display, pujas de cartera, presupuestos compartidos, exploración de pujas o experimentos activos. Algunas condiciones cambian según el tipo de experimento. No fuerces cambios importantes solo para hacer aparecer un botón: comprueba primero si el experimento resulta apropiado para tu estrategia.

También existe una diferencia entre los nuevos experimentos integrados y los personalizados. Los segundos pueden necesitar una campaña de prueba separada y otro periodo de adaptación. La documentación de Experimentos explica qué ofrece cada modalidad. Si tu cuenta aún no muestra las novedades de varias campañas anunciadas para septiembre, no asumas que hay un error técnico.

Tres errores que conviene evitar

Primero, probar demasiadas cosas a la vez. Si aumentas presupuesto, cambias ROAS, sustituyes anuncios y activas AI Max el mismo día, después será difícil saber qué produjo el resultado. Empieza con una pregunta principal y mantén estables las demás variables siempre que puedas.

Segundo, aceptar el resultado por una sola métrica. Una mejora de clics puede esconder menos ventas. Un coste por contacto menor puede traer clientes de peor calidad. Define antes de lanzar el experimento cuál será la métrica decisiva y qué condiciones deben mantenerse.

Tercero, interpretar las predicciones como hechos. Performance Planner ayuda a decidir qué escenario merece una prueba, pero no confirma ingresos futuros. La diferencia entre previsión y resultado real debe quedar clara en cualquier informe que presentes a un cliente o a la dirección.

Cómo encaja en la publicidad con inteligencia artificial

AI Max es una pieza de un sistema más amplio. Si te interesa cómo dar instrucciones comerciales a la automatización, consulta nuestra guía sobre AI Brief en español. Y si quieres distinguir las visitas de la búsqueda con IA del resultado comercial, lee cómo medir AI Overviews con GA4 y Search Console. Son preguntas distintas: una trata de dirigir campañas; la otra, de interpretar tráfico.

El valor de los nuevos experimentos no está en que una plataforma tome todas las decisiones. Está en poder preguntar con más precisión si una decisión mejora el negocio. La secuencia recomendable es sencilla: definir el objetivo, comprobar la medición, preparar el grupo de control, ejecutar la prueba y decidir con resultados reales. Si los datos no son suficientes, esperar también es una decisión profesional.

Fuentes oficiales

Revisión: 9 de octubre de 2026. Google Ads & Commerce, anuncio del 20 de agosto de 2026; Google Ads Help, experimentos de AI Max; Google Ads Help, página de Experimentos. Los cálculos de ejemplo son ilustrativos y no representan resultados reales ni garantizados.