Cordial saludo
Por qué el Profesor Philip Kotler, después de Mercadeo 2.0, cambió su forma de ver, escribir y apoyar, otra mirada del Mercadeo actual en sus aportes al 3.0, 4.0, 5.0, 6.0 y actualmente al 7.0
Jaime Pérez Posada PEPO
Es fascinante analizar la evolución de Philip Kotler. Si hay algo que define al "padre del Mercadeo moderno", es su capacidad para entender que el Mercadeo no es una fórmula estática, sino una disciplina viva.
Como él mismo suele recordar, el Mercadeo es "market-ing", un proceso en constante movimiento y adaptación al mercado y a la sociedad.
La razón por la cual Kotler dio un giro tan radical después del Mercadeo 2.0 tiene que ver con un cambio profundo en su filosofía: dejar de ver a las personas solo como "consumidores" (un target al que vender) para empezar a verlas como seres humanos completos (con mente, corazón y espíritu).
El gran punto de quiebre: ¿Por qué cambiar después del 2.0?
Para entender su transformación, primero debemos mirar qué representaban las dos primeras etapas:
- Mercadeo 1.0 (Centrado en el producto): El objetivo era vender en masa. La fórmula era sencilla: "Tengo un producto, te lo muestro, lo compras".
- Mercadeo 2.0 (Centrado en el cliente): Aquí las empresas descubrieron la segmentación. El objetivo ya no era solo vender, sino satisfacer y retener al cliente entendiendo sus necesidades específicas.
¿Por qué ya no fue suficiente?
A finales de la década de los 2000, Kotler se dio cuenta de que la globalización, el auge del internet y las crisis sociales y ambientales estaban cambiando las reglas del juego. El consumidor del Mercadeo 2.0 era un comprador pasivo y egoísta.
Kotler entendió que las personas ya no solo buscaban productos que satisficiera sus necesidades funcionales o emocionales; buscaban marcas que compartieran sus valores, que tuvieran un propósito y que ayudarán a hacer del mundo un lugar mejor. Ahí es donde nace su viaje hacia el lado más humano y tecnológico de los negocios.
La evolución paso a paso: Del 3.0 al 7.0
A partir de ese quiebre, cada nuevo libro y aporte de Kotler ha sido una respuesta directa a cómo la tecnología y la conciencia humana se entrelazan.
1. Mercadeo 3.0: Centrado en los Valores (Human-Centric)
- El enfoque: El consumidor ya no es un cliente, es un ser humano con valores, preocupaciones y espiritualidad.
- El aporte de Kotler: Las marcas deben tener un propósito social, ético y ecológico. Ya no basta con decir "mi producto es bueno", hay que responder a: "¿Cómo está ayudando mi empresa a mejorar el mundo?"
2. Mercadeo 4.0: De lo Tradicional a lo Digital
- El enfoque: La transición y convivencia entre el Mercadeo offline y online.
- El aporte de Kotler: La hiperconectividad cambió el viaje de compra (que pasó del clásico AIDA al modelo de las 5 "A": Atención, Atracción, Averiguación, Acción y Apología). El poder se trasladó de las marcas a las comunidades de clientes.
3. Mercadeo 5.0: Tecnología para la Humanidad
- El enfoque: La tecnología avanzada puesta al servicio de la experiencia humana.
- El aporte de Kotler: Propone el uso de la Inteligencia Artificial (IA), la robótica, el Internet de las Cosas (IoT) y el Big Data para automatizar procesos, pero siempre con un fin humanitario y empático, resolviendo además la brecha generacional (desde los Baby Boomers hasta la Generación Alfa).
4. Mercadeo 6.0: El Futuro es Inmersivo (Metamarketing)
- El enfoque: La difuminación de los límites entre lo físico y lo digital (experiencias Phygital).
- El aporte de Kotler: Con la llegada de tecnologías como la Realidad Virtual (VR), la Realidad Aumentada (AR) y el Metaverso, Kotler plantea que el Mercadeo debe ofrecer experiencias multisensoriales e inmersivas donde el cliente no solo consuma contenido, sino que lo viva.
5. Mercadeo 7.0: Centrado en la Mente y el Humano Aumentado
- El enfoque: La era de la Inteligencia Artificial Generativa y la neurociencia cognitiva.
- El aporte de Kotler: El Mercadeo 7.0 es un enfoque Mind-Centric (Centrado en la Mente). Kotler advierte sobre el peligro de la "saturación de la automatización". En un mundo lleno de contenido e interacciones creadas por algoritmos, el cerebro del consumidor ha evolucionado para ignorar el contenido frío y sin "alma".
- El objetivo del 7.0 ya no es solo usar la IA para optimizar o personalizar, sino para desarrollar una predicción empática, entendiendo cómo el cerebro del "humano aumentado" (aquel que delega su memoria e investigación a asistentes virtuales de IA) procesa la autenticidad y la ética.
En resumen: El cambio de Philip Kotler no fue un simple truco editorial para vender nuevos libros. Fue una evolución intelectual necesaria.
Kotler entendió antes que muchos que mientras más avanzada y fría se vuelve la tecnología (IA, algoritmos, metaversos), más profunda, ética y transparente debe ser la conexión humana de las empresas.
Al final, el buen Mercadeo no se trata de engañar al algoritmo, sino de conectar de mente a mente.
Nuevo gerente del Grupo Éxito...
¿Cómo asegurar la integridad académica en tiempos de IA?
La integridad académica es un tema clave en la educación, ya que fomenta el desarrollo de valores y conductas éticas, tanto en lo personal como en lo profesional. Como docente, una de las tantas tareas en el aula es fomentar la integridad, la ética y los valores. No obstante, existen muchos retos para garantizar la calidad de la educación, puesto que la deshonestidad académica está a un solo prompt de distancia.
Si bien la inteligencia artificial generativa (IAgen) se ha erigido como una herramienta para apoyar los procesos de enseñanza-aprendizaje, también se ha convertido en un obstáculo para la educación. En México, no sólo no hay guías homologadas para la educación, sino que tampoco existe un marco normativo vigente que la regule como tal (solo existen iniciativas de ley que no se han concretado). Esto provoca que muchos modelos y sistemas de IA no cumplan con salvaguardar la privacidad de los datos ni la seguridad del usuario, o bien que simplemente apliquen un ethics washing, es decir, prácticas, en este caso éticas, que se realizan con afán de mejorar la percepción de una persona u organización, pero sin implementar cambios.
Aunque existen muchas consecuencias del mal uso de la IA en la educación (dependencia cognitiva, deuda cognitiva, academic laziness, etc.), este escrito se enfocará en la integridad de la educación en la era de la inteligencia artificial.
¿Qué es la integridad académica?
Según la RAE, la palabra íntegro significa «dicho de una persona: recta, proba, intachable», mientras que integridad es la «cualidad de íntegro». Ahora bien, no existe una definición consensuada de lo que abarca la integridad académica. Sin embargo, el término suele asociarse con la conducta académica, las virtudes (confianza, justicia, carácter, integridad) y los valores (honestidad, equidad, respeto, responsabilidad, etc.) (Mejía y Garcés, 2025).
Otros autores, como Șercan y Voicu (2022), la definen como la integridad, el respeto a la propiedad intelectual, los estándares morales y éticos, así como las normas de conducta (citados en Balalle y Pannilage, 2025). Por su parte, Sbaffi y Zhao (2022) la describen como el compromiso, la honestidad y el comportamiento moral en el trabajo académico de estudiantes y docentes (citados en Balalle y Pannilage, 2025).
Dentro de la práctica académica, la integridad académica busca evitar el plagio, el fraude, la trampa (ya sea de forma análoga o con tecnología), la obtención de material (como exámenes) para su venta o reproducción ilegal, el soborno para obtener mejores notas y, más recientemente, el ghostwriting y la escritura con IA (AI writing) (Balalle y Pannilage, 2025).
El impacto de la IA gen en la integridad académica
Un estudio realizado por Ruskulis et al. (2026), titulado An Academic Text: The Balance Between Academic Integrity and Artificial Intelligence, demostró que el 76 % de los encuestados (estudiantes de educación superior) utiliza IA constantemente para realizar tareas académicas, prefiriendo ChatGPT (65 %) por sobre otras herramientas. Asimismo, ese estudio reveló que los propios estudiantes perciben la dependencia excesiva de la IA como una violación de la integridad académica. Esto deja entrever que es necesario un enfoque más ético y responsable; se requiere un esfuerzo para fomentar la alfabetización en IA, así como para crear y aplicar políticas institucionales transparentes y bien definidas que preserven la calidad e integridad académicas.
Como ya se ha mencionado en otros artículos del Observatorio, los derechos de autor al usar herramientas de IA siguen siendo un tema de debate importante. En este caso, muchos estudiantes emplean LLM como ChatGPT, Clau
En este sentido, el único esfuerzo «cognitivo» del estudiante consiste en redactar el comando, ya que la IA realiza todo el trabajo de buscar, analizar y sintetizar la respuesta. En este escenario, el estudiante comete errores de omisión y de comisión; es decir, cuando acepta la información como válida y la incorpora a su trabajo (omisión) y, en una segunda instancia, cuando no es capaz de identificar que existe un problema crítico con dicha información, ya sea porque no tuvo la iniciativa de revisar o porque la IA no se lo indicó (Watts, 2025). Esto también provoca el deterioro de los procesos cognitivos (deuda cognitiva), es decir, de los mecanismos del pensamiento crítico, la toma de decisiones y otras habilidades esenciales. Además, este tipo de procesos aumenta la dependencia cognitiva.
Muchos expertos sostienen que la IA carece de comprensión, pensamiento crítico e intuición para producir un trabajo auténtico, lo que genera preocupación por la integridad académica, ya que estas capacidades no reflejan las ideas ni la esencia del autor y, a su vez, disminuyen la originalidad y el comportamiento ético (Currie et al., 2023; Balalle y Pannilage, 2025; Bittle y El-Gayar, 2025). Asimismo, autores como Currie et al. (2023) señalan que el uso de la IA generativa para cometer fraude académico afecta directamente los indicadores de calidad de las instituciones.
En consecuencia, los riesgos de la IA para la integridad académica se reflejan en el aumento de la deshonestidad académica, como el fraude o la trampa (sobre todo en programas no escolarizados), por ejemplo, la creación de textos sofisticados de ghostwriting indetectable. Asimismo, es importante recordar que estos sistemas pueden arrojar resultados sesgados, vulnerar la privacidad y ser utilizados indebidamente, además de conducir a la pereza académica (academic laziness) y a la dependencia cognitiva cuando no se gestionan adecuadamente (Bittle y El-Gayar, 2025). Por otro lado, algunos autores señalan que no solo hay un problema de deshonestidad académica provocada por la IA, sino que estos sistemas también generan una ventaja injusta para aquellos estudiantes que no tienen acceso, lo que conduce a una evaluación inequitativa del conocimiento (Cotton et al., 2023; Sullivan et al., 2023, como se citan en Ruskulis et al., 2026)
Retos e implicaciones de la IA gen en la integridad académica
En este sentido, Gulumbe et al. (2025) presentan algunos desafíos y posibles implicaciones de la IA en la integridad académica:

Las implicaciones sociotécnicas se refieren a la posible disrupción de la IA en la interacción que los humanos tienen con la tecnología; el sesgo debido a la capacidad de predicción de estos sistemas; la autoría, puesto que el uso de contenido generado por LLM es un riesgo para la integridad y los derechos de autor; la regulación, ya que no existen regulaciones homologadas (como en México, que no existe una ley que regule a la IA) que eviten que la IA sea creada con fines que evadan la ética; la automatización, puesto que refuerza la cultura de la conveniencia y reduce la contribución intelectual.
Aspectos como la seguridad, la confiabilidad, la responsabilidad y la transparencia se refieren a los marcos éticos que estos sistemas deben cumplir para garantizar que su desarrollo e implementación sean éticos. En el caso de la integridad académica, la seguridad se refiere al posible uso de la IA para cometer fraudes académicos y filtraciones de datos; la confiabilidad hace referencia a la pérdida de confianza en estos sistemas, es decir, cuando hay una falta de transparencia (cuando no se puede confiar en la toma de decisiones de la IA por algoritmos que no son entendibles o visibles); mientras que la responsabilidad es garantizar la rendición de cuentas de la IA en un entorno académico, así como el buen uso de los sistemas.
Acciones para asegurar la integridad académica
Estas son algunas acciones para fortalecer la integridad académica dentro de los procesos académicos (Bittle y El-Gayar, 2025):
- Desarrollo y validación de aplicaciones o sistemas de detección de IA.
- Creación de guías y marcos regulatorios para el uso de la IA en la educación.
- Reevaluar y diseñar métodos de evaluación que promuevan el pensamiento crítico.
- Investigar el impacto de la IA generativa en diversos grupos demográficos estudiantiles para garantizar la inclusión.
Asegurar la integridad académica en tiempos de IA es una tarea complicada, puesto que no solo es cuestión de garantizar que la ética y los valores se cumplan, por ejemplo, en la entrega de tareas, sino también en todos los procesos de enseñanza-aprendizaje. Para impartir clases en esta nueva era, el profesorado requiere alfabetización en IA, acceso a herramientas de calidad, así como un marco o guía institucional (y a nivel docente) sobre lo que sí aplica o no al utilizar IA, por ejemplo, qué porcentaje de IA se puede emplear para entregar tareas, así como lo que no es aceptable.
Del mismo modo, al momento de realizar planeaciones, los docentes deben tomar en cuenta que los estudiantes muy probablemente utilicen IA para realizar tareas, por lo que es necesario modificar actividades para que, en lugar de copiar y pegar, puedan corroborar la información que reciben de estos sistemas y, por ejemplo, debatir las ideas en clase, para que exista algún tipo de proceso cognitivo más complejo (evaluar, analizar) y no solo recordar o comprender. Otras modificaciones pueden ser: realizar actividades análogas (desenchufadas), actividades orales, debates u otras tareas que fomenten el pensamiento crítico, la toma de decisiones, así como otras habilidades críticas.
Es un buen momento para repensar la educación y el papel que la IA debe desempeñar en el aula. Si bien es una herramienta útil, como todo, debe cumplir un propósito y no solo servir para rellenar un espacio o dar la impresión de «innovación». La educación no debe ajustarse a la IA; la IA debe ajustarse a la educación.
Jaime Pérez Posada
Asesoría , Formación y Consultoría en Mercadeo y temas afines.
Formación incluyente para el Retail
Móvil: 313 721 8036
Siganme en X como : @jaime_pepo
Medellín, Colombia


