A medida que ChatGPT, Gemini, Perplexity y otras plataformas de inteligencia artificial ganan espacio como canales de descubrimiento, una nueva pregunta empieza a instalarse en los departamentos de marketing: ¿qué tan visible es nuestra marca dentro de sus respuestas?
La industria ya ha comenzado a ofrecer una respuesta. Más de 20 proveedores comercializan herramientas para medir presencia, menciones, citas o share of voice en sistemas de IA. El problema es que todavía no existe una metodología común que permita interpretar y comparar sus resultados con el mismo nivel de confianza alcanzado por otras métricas digitales.
El Interactive Advertising Bureau (IAB) puso el problema sobre la mesa en agosto con Measuring Visibility in the AI Era, un marco que busca establecer estándares para medir la visibilidad orgánica de marcas y medios en plataformas de IA. Su principal advertencia para los marketeros es relevante: dos proveedores que analizan una misma marca pueden obtener resultados materialmente distintos debido a diferencias en las consultas utilizadas, las plataformas cubiertas, la frecuencia de medición y sus metodologías.
No todo dato GEO sirve para tomar decisiones
El IAB propone una distinción particularmente útil para los equipos de marketing: separar la medición direccional de aquella que puede considerarse apta para decisiones de negocio.
Un dato direccional puede servir para detectar tendencias, vigilar competidores o generar señales tempranas. Pero no necesariamente ofrece el rigor suficiente para reasignar presupuesto, evaluar una agencia o modificar una estrategia.
El tamaño de la medición es una de las diferencias. El marco del IAB considera que un programa con menos de 50 consultas debe tratarse como exploratorio, ya que ese volumen no permite caracterizar de manera significativa una categoría. Incluso superar ese umbral no convierte automáticamente una medición en suficientemente robusta: también se requieren múltiples respuestas por consulta para capturar la variabilidad propia de los modelos.
Para llegar a una medición de mayor nivel, el IAB exige además una cobertura amplia de consultas y tipos de intención, mayor frecuencia de pruebas, criterios de reproducibilidad, validación de datos, documentación metodológica y suficiente cobertura de plataformas.
La conclusión para un CMO es importante: un score presentado en un dashboard no debería confundirse automáticamente con un KPI suficientemente robusto para justificar inversión.
El problema no es medir, sino saber qué se está midiendo
La fragilidad de algunos indicadores tiene una explicación estructural.
A diferencia de una búsqueda tradicional, una consulta a un modelo generativo no necesariamente produce dos veces la misma respuesta. Los resultados pueden cambiar según la formulación de la pregunta, el modelo utilizado, el momento de la medición, el país e incluso las actualizaciones realizadas por cada plataforma.
Además, la selección de prompts condiciona directamente los resultados. Una herramienta puede concentrarse en preguntas de recomendación —“¿cuáles son las mejores marcas de X?”— y otra incorporar consultas informativas, comparativas o transaccionales. Ambas podrían estar midiendo correctamente su propio universo y, aun así, entregar fotografías diferentes de una misma marca.
El IAB identifica precisamente este riesgo y exige que los proveedores transparenten cómo construyen sus bibliotecas de consultas, qué plataformas utilizan, cómo recogen las respuestas y de qué manera convierten esa información en indicadores agregados.
Andrew Bolton, chief customer officer de Knotch, plantea el mismo problema desde la operación de marketing. En una columna publicada por Adweek, cuestiona que las marcas conviertan los scores GEO en el objetivo de su estrategia y advierte que la optimización exclusiva para conseguir visibilidad puede terminar perjudicando la experiencia digital posterior.
GEO no es simplemente el nuevo SEO
Parte de la confusión proviene de trasladar al nuevo entorno las reglas de la búsqueda tradicional.
Cuando apareció el GEO —Generative Engine Optimization—, resultó natural interpretarlo como una nueva versión del SEO: si Google tenía posiciones que conquistar, los modelos de IA debían tener también variables técnicas que una marca podía optimizar.
Pero la relación es menos lineal.
La propia composición de una respuesta generativa depende de múltiples fuentes, consultas y modelos. Por ello, medir presencia exige observar no solo si una compañía aparece, sino también con qué prominencia, en qué contexto y si esa visibilidad produce alguna acción posterior.
El IAB organiza esas dimensiones mediante cuatro categorías: presencia, prominencia, representación y persuasión. Para las marcas, esto puede traducirse en métricas como tasa de menciones, tasa de citaciones, share of voice, posición, encuadre, errores factuales, fuerza de recomendación y tráfico posterior a una cita.
Esta estructura cambia la pregunta para marketing. Aparecer más veces no necesariamente significa generar más valor.
El riesgo de optimizar para el algoritmo y no para el cliente
Bolton añade otra advertencia: convertir la visibilidad en IA en el objetivo final puede llevar a modificar contenidos y sitios web pensando principalmente en cómo serán procesados por los modelos.
El riesgo es terminar mejorando una métrica experimental a costa de una experiencia que sí tiene consecuencias directas sobre conversión, consideración o relación con el cliente. Su planteamiento apunta a una arquitectura capaz de atender ambos frentes: facilitar que los sistemas de IA comprendan el contenido sin deteriorar la navegación pensada para las personas.
El punto adquiere especial importancia porque los usuarios que llegan desde plataformas generativas pueden recorrer un camino diferente al del buscador tradicional. Antes de visitar una web, pueden haber preguntado, comparado alternativas y profundizado varias veces sobre una categoría dentro de una conversación con IA.
El desafío para marketing, entonces, no termina cuando una marca consigue ser mencionada.
Qué exigir antes de comprar una herramienta GEO
El marco del IAB ofrece una conclusión más práctica que descartar estas mediciones: hay que evaluar su calidad antes de utilizarlas para decidir.
Antes de contratar una plataforma o presentar un score GEO al directorio, un equipo de marketing debería conocer cuántas consultas sustentan el indicador, cómo fueron seleccionadas, cuántas respuestas se recogen por consulta, qué tipos de intención cubren, qué modelos y mercados están incluidos, con qué frecuencia se repiten las pruebas y cómo se controlan los cambios provocados por actualizaciones de las propias plataformas.
El IAB no concluye que medir la visibilidad en IA carezca de utilidad. Por el contrario, intenta establecer las condiciones necesarias para que esa medición pueda madurar. Su advertencia es otra: no todos los datos disponibles hoy tienen el mismo nivel de confiabilidad ni deberían utilizarse para las mismas decisiones.
Esa diferencia puede ser decisiva. La pregunta ya no debería limitarse a ¿cómo conseguimos aparecer en ChatGPT?. Antes de invertir para mejorar un indicador, conviene resolver otra: ¿el dato que estamos tratando de optimizar es suficientemente sólido para justificar una decisión de negocio?
