Cumplimiento de marca: cómo revisar cada recurso con tu manual

Una comprobación de cumplimiento de marca compara un recurso con las reglas escritas de una marca (colocación del logotipo, colores, tipografía, estilo fotográfico, texto legal obligatorio) y registra qué reglas cumple. Los equipos de marca siempre lo han hecho a ojo, archivo por archivo, normalmente justo antes de publicar. Esta guía explica cómo hacerlo con cada recurso cuando entra en la biblioteca, qué partes puede juzgar la IA y cuáles deben medirse con exactitud, cómo escribir reglas a las que un modelo responda de forma coherente y cómo mantener a una persona responsable del resultado.

La entrada del glosario sobre el manual de marca explica qué contiene el propio manual. Esta página trata de comprobar los recursos con él.

Por qué comprobar los recursos en la biblioteca de recursos

La mayor parte del material que no es acorde con la marca no se crea a propósito. Viene de una agencia que usó el archivo del logotipo del año pasado, de un distribuidor que cambió el color de un banner para que combinara con una sala de exposición, de un fotógrafo que entregó imágenes sin el espacio libre exigido o de un colega que exportó una diapositiva con el tamaño equivocado. Cuando el equipo de marca lo ve, a menudo ya está publicado.

Comprobar en la biblioteca de recursos mueve la revisión al punto en que llegan los archivos: una importación, una versión nueva de un archivo o un lote entregado por una agencia. De ahí se derivan tres cosas:

• El resultado viaja con el recurso. Un estado de cumplimiento en el recurso se puede filtrar en la búsqueda, mostrar en la miniatura y usar para ocultar a los socios los archivos que no cumplen o para bloquear un paso de un flujo de trabajo.
• Las reglas se escriben una sola vez. Un manual que vive en un PDF lo interpreta cada revisor de forma distinta. Las reglas escritas como requisitos breves se aplican igual a todos los archivos.
• Se conserva el historial. Cada comprobación registra qué reglas aplicó, qué encontró y quién aprobó el resultado, lo que importa cuando alguien pregunta después por qué se publicó un recurso.

Qué reglas puede comprobar la IA y cuáles no

Los modelos de visión describen bien lo que muestra una imagen: si hay un logotipo, sobre qué está, si una persona sonríe, si se muestra un producto en uso, qué texto lleva impreso. Miden mal con precisión: si un color es exactamente #047DBA, si una imagen tiene 1200 píxeles de ancho, si el archivo pesa menos de 25 MB. Un modelo al que se le hacen estas preguntas adivina, y su respuesta cambia de una ejecución a otra.

Divide tus reglas en consecuencia:

Una buena herramienta de cumplimiento de marca te permite marcar el segundo grupo como comprobaciones exactas, para que se calculen a partir del archivo y de su registro y nunca se le pregunten al modelo. No cuestan nada de ejecutar y dan siempre la misma respuesta.

Cómo escribir reglas que den respuestas coherentes

Un modelo responde cada regla por separado, mirando un solo recurso. La redacción de una regla decide la mayor parte de la calidad del resultado. Estos principios se derivan de cómo leen los modelos de visión una sola imagen y coinciden con la guía que publican los proveedores de DAM para sus propias comprobaciones:

1. Un requisito por regla. «El logotipo debe estar sobre un fondo claro y ocupar al menos el 10 % del ancho» son dos reglas. Cuando falla, nadie sabe qué mitad falló.
2. Usa «debe» o «no debe». «Debería» e «idealmente» invitan al modelo a aprobar casi cualquier cosa.
3. Añade una condición cuando la regla solo se aplica a veces. Empieza con «Si …:». «Si aparece una persona: debe estar usando el producto.» Así, los recursos sin persona obtienen No aplicable en lugar de un fallo, lo que mantiene legible el resultado.
4. Da valores exactos. Nombra los colores por su valor hexadecimal o por los nombres de tu paleta de marca, los tamaños en píxeles y las proporciones como relaciones.
5. Describe lo que se puede ver. El modelo ve una imagen, el texto que lleva, sus colores y su tamaño. No puede saber dónde se publicará el recurso, quién aprobó la sesión ni si existe una autorización de imagen. Las reglas sobre eso corresponden a las comprobaciones de metadatos.
6. Evita las palabras vagas. «Acorde con la marca», «premium», «moderno» y «limpio» significan algo distinto para cada persona, incluido el modelo. Di qué aspecto tienen.
7. Muestra cuando las palabras no bastan. Una imagen de referencia del logotipo aprobado, o de un ejemplo que evitar, hace las reglas de logotipo mucho más fiables que una descripción. Una regla que muestra el logotipo tipográfico aprobado detecta la portada de un catálogo impresa con una versión anterior: «El logotipo se muestra en letras minúsculas y usa una o normal sin la barra diagonal exigida.» Sin la referencia, el modelo no tiene forma de saber qué versión está aprobada.

Empieza con diez a quince reglas para tu tipo de recurso más común, ejecútalas con cincuenta recursos de los que ya sepas si cumplen o no, y ajusta la redacción hasta que las respuestas coincidan con tu propio criterio. Después añade reglas.

Mantén a una persona en la revisión

La IA se equivoca, y las decisiones de marca suelen tener excepciones: un logotipo monocromo aprobado para un evento de marca compartida, los colores de un socio en una campaña conjunta. La comprobación debe proponer un estado, y una persona debe aprobarlo o fijar otro con un motivo. El estado aprobado es el que se asigna al recurso; los hallazgos de la IA siguen visibles junto a él, de modo que quien lo lea después ve tanto lo que encontró la comprobación como por qué un revisor decidió otra cosa.

Planifica el volumen. Una biblioteca que recibe unos cientos de imágenes por semana puede revisar cada propuesta. Una biblioteca que recibe miles necesita una forma de aprobar en bloque las propuestas que cumplen y de enviar a un revisor solo los fallos.

Para el contenido regulado (promociones financieras, declaraciones de salud, alcohol, envases), trata la comprobación como una primera pasada que detecta los problemas evidentes, y conserva la revisión legal que ya tienes.

Cuánto cuesta ejecutarla

Una comprobación con IA es una llamada a un modelo de visión por recurso y conjunto de reglas, con la imagen, las reglas y el texto leído en la imagen. Con los modelos multimodales actuales, eso cuesta una fracción de centavo de dólar por comprobación para unas pocas decenas de reglas. Las comprobaciones exactas no cuestan nada. El costo crece con el número de conjuntos de reglas con los que se comprueba un recurso y con las comprobaciones repetidas tras cambiar las reglas, así que conviene tener desde el principio un límite diario de comprobaciones, de modo que las que superen el límite esperen al día siguiente en lugar de fallar.

Cómo lo abordan los proveedores

Varios proveedores de DAM ofrecen ya comprobación de cumplimiento de marca, a menudo como un «agente» o un complemento de IA. Al comparar productos, pregunta:

• ¿Se pueden comprobar los valores exactos (colores, tamaños, formatos, metadatos) sin la IA, o el modelo lo juzga todo?
• ¿Cada hallazgo se explica con lo que vio el modelo, regla por regla, o solo hay una puntuación global?
• ¿Debe aprobar el resultado una persona y se conserva una modificación junto con los hallazgos originales?
• ¿Se puede usar el resultado en filtros de búsqueda, reglas de acceso y flujos de aprobación, o se queda en un informe?
• ¿Qué tipos de archivo se comprueban: solo imágenes, o también PDF, presentaciones y fotogramas de video?
• ¿Cuántas reglas y caracteres caben en un conjunto de reglas y cuántos recursos en una ejecución? El Brand Compliance Agent de Bynder, por ejemplo, documenta 50 reglas o 10.000 caracteres por agente, 1000 recursos por ejecución y archivos de hasta 25 MB (support.bynder.com, consultado el 25 de octubre de 2026).
• ¿Cómo se muestra y se limita el costo: créditos por comprobación o el costo real del proveedor?

Cómo lo hace Freedam

En Freedam, el cumplimiento de marca forma parte de la biblioteca de recursos en los planes Business y Tailored:

• Los conjuntos de reglas contienen reglas en lenguaje sencillo, agrupadas por categoría (logotipo, color, tipografía, fotografía, texto, legal, formato), con hasta 50 reglas y 10.000 caracteres por conjunto. Cada conjunto se aplica a los recursos que seleccionan sus condiciones, con los mismos filtros que la búsqueda.
• Las comprobaciones exactas cubren colores de una paleta, dimensiones mínimas, relación de aspecto, formato de archivo, tamaño de archivo y metadatos obligatorios. Se calculan a partir del archivo y de su registro, nunca con la IA.
• Cada importación y cada versión nueva de un archivo se comprueba con los conjuntos de reglas que le corresponden, y cualquier persona con permiso puede volver a comprobar un recurso.
• Cada comprobación registra un hallazgo por regla con una explicación, y propone Cumple, Cumple parcialmente, No cumple o No aplicable. Las reglas pueden ser bloqueantes o no.
• Un revisor aprueba la propuesta o fija otro estado con una nota. Solo el estado aprobado se guarda en el recurso, donde aparece en las tarjetas de la galería y en los filtros, las reglas de acceso y las búsquedas guardadas.
• Cada guardado de un conjunto de reglas es una versión, y cada comprobación registra la versión que usó.
• Una cuota diaria de comprobaciones viene con el plan (500 al día en Business, 2000 en Tailored). Las comprobaciones que la superan esperan y se ejecutan al día siguiente, y una página de actividad enumera qué se comprobó cada día, con qué resultado, y qué está en espera o ha fallado.

La documentación de cumplimiento de marca explica cómo configurarlo, y Cumplimiento de marca en los recursos muestra la revisión en la página del recurso.

Preguntas frecuentes

¿Qué es el software de cumplimiento de marca?

Software que comprueba los recursos de marketing con el manual de marca de una organización y registra si cada recurso cumple. En un DAM, se ejecuta sobre los recursos cuando se importan y guarda el resultado en el recurso, para poder usarlo en la búsqueda, en el uso compartido y en las aprobaciones.

¿Puede la IA comprobar un manual de marca de forma fiable?

Puede juzgar bien las reglas visuales (presencia y colocación del logotipo, fondos, estilo fotográfico, texto impreso) cuando cada regla enuncia un solo requisito y una imagen de referencia muestra lo que se quiere decir. No debe usarse para valores exactos como colores hexadecimales, tamaños en píxeles o formatos de archivo, que es mejor medir directamente.

¿Cuántas reglas debería tener un conjunto de reglas?

Empieza con diez a quince reglas para un tipo de recurso, pruébalas con recursos que ya hayas juzgado tú y luego añade reglas. Varios conjuntos de reglas más pequeños (uno por marca, mercado o canal) son más fáciles de mantener que un solo conjunto grande.

¿Una comprobación de marca con IA reemplaza al equipo de marca?

No. Hace la primera lectura de cada archivo para que el equipo de marca revise propuestas y excepciones en lugar de cada recurso. Una persona debe aprobar el resultado, sobre todo en las reglas legales y normativas.