Qué significa realmente pedir que una marca sea la número uno en las respuestas de IA
Cada vez más clientes nos piden incorporar un nuevo indicador a sus KPIs de comunicación que, cuando alguien pregunte a un modelo de inteligencia artificial por su industria o por el segmento en el que compiten, su marca aparezca en una conversación positiva, asociada con los atributos correctos y, de preferencia, por encima de sus competidores.
La petición tiene sentido. Si las personas ya utilizan ChatGPT, Gemini o Claude para comparar opciones, entender categorías y tomar decisiones, importa saber qué lugar ocupa una marca en esas respuestas. Lo que no tiene sentido es prometer que ese lugar puede controlarse como si estuviéramos comprando posicionamiento web.
Una marca no se posiciona en un LLM. Su reputación es interpretada por él
Posicionar sugiere que existe una relación directa entre hacer determinados ajustes, repetir una fórmula y por tanto obtener un lugar predecible. Interpretar implica algo más incómodo porque la respuesta depende de las huellas públicas que la marca ha acumulado, de las fuentes que el sistema recupera, del modo en que se formula la pregunta y de un modelo que puede responder distinto en otro momento.
La propia industria de medición reconoce el problema. En agosto de 2026, IAB señaló que ya existen más de veinte proveedores de visibilidad en IA y que sus metodologías pueden producir resultados diferentes para una misma marca. Su propuesta distingue entre presencia, prominencia, representación y persuasión. No es lo mismo ser mencionado que ser recomendado así como tampoco es lo mismo aparecer primero que aparecer correctamente.
Eso importa especialmente en comunicación. Un reporte puede celebrar que la marca estuvo presente en siete de diez respuestas y esconder que fue asociada con información desactualizada, que uno de sus atributos centrales nunca apareció o que el competidor fue descrito con mayor autoridad. La posición, aislada del contexto, puede convertirse en otra métrica que luce bien pero que explica poco sobre la reputación.
Además, las respuestas no se construyen únicamente con lo que una compañía publica sobre sí misma. Un análisis de más de un millón de enlaces citados por ChatGPT, Gemini, Claude y Perplexity encontró que 82% provenía de medios ganados y cerca de una cuarta parte de fuentes periodísticas. Otro estudio de 167,551 citas relacionadas con 128 marcas encontró que 85.7% apuntaba a sitios que las marcas no controlaban.
Estas cifras no prueban una fórmula universal. Los modelos cambian, no todos activan búsqueda web y una correlación no demuestra causalidad. Pero sí confirman algo que la comunicación conoce desde antes de los LLMs, la reputación no se construye solamente con afirmaciones propias. Necesita validación, contexto y voces externas capaces de sostener aquello que la marca dice ser.
La conclusión responsable no es que baste con conseguir menciones, es que producir más contenido no compensa automáticamente la ausencia de autoridad pública.
Por eso me preocupa la velocidad con la que empiezan a venderse garantías de visibilidad. Podemos auditar respuestas, identificar vacíos, corregir información propia, definir un conjunto de preguntas relevantes, trabajar una narrativa editorial y ampliar la presencia de voces confiables. Podemos medir repetidamente para observar patrones. Lo que no podemos hacer es prometer control.
La llegada de publicidad a ChatGPT en México vuelve esta distinción todavía más importante. Desde agosto, una marca puede pagar por aparecer dentro de la plataforma, aunque OpenAI sostiene que los anuncios permanecen separados y no influyen en las respuestas. La pauta puede comprar presencia alrededor de una conversación. No puede comprar la reputación que esa conversación sintetiza.
Para los directores de comunicación, el nuevo KPI exige más disciplina, no una nueva obsesión. Primero hay que decidir qué preguntas reales importan para el negocio, después, evaluar si la marca aparece, con qué atributos, frente a qué competidores, con qué grado de precisión y apoyada en qué fuentes y, finalmente, observar si esa representación cambia de manera consistente y si produce alguna conducta relevante.
También exige paciencia. Cuando una marca ha sostenido durante años un trabajo editorial serio, generado evidencia y construido relaciones con terceros, los LLMs encuentran un ecosistema del cual aprender. Cuando ese trabajo no existe, no hay optimización repentina que lo sustituya.