Cómo medir tu visibilidad en la IA sin engañarte

Respuesta corta. Preguntar una vez a ChatGPT por tu empresa no mide tu visibilidad en la IA: la respuesta cambia casi cada vez y, si la pregunta lleva tu nombre, solo comprueba que el modelo te conoce. Para medirla hay que usar un panel fijo de preguntas de cliente, siempre las mismas, contar en qué porcentaje de respuestas apareces en cada motor por separado, darlo con su margen de error y cruzarlo con Search Console, Bing Webmaster Tools y Google Analytics 4.

Comprobamos todos los datos el 25 de octubre de 2026.

Menos de 1 entre 100. Probabilidad de que ChatGPT o la IA de Google den la misma lista de marcas en dos respuestas (SparkToro y Gumshoe).

99,4 % frente a 3,32 %. Preguntas por su nombre en que un modelo reconoció a una startup, frente a búsquedas abiertas en que la nombró (The Discovery Gap).

Hasta ±13 puntos. Margen de error de un porcentaje medido con 50 respuestas (cálculo nuestro).

¿Por qué no sirve preguntarle una vez a ChatGPT?

Porque una respuesta de IA es una muestra, no un ranking. En el estudio de SparkToro y Gumshoe, unos 600 voluntarios hicieron 12 preguntas a ChatGPT, Claude y la IA de Google y reunieron 2.961 respuestas. La probabilidad de que ChatGPT o la IA de Google repitieran la misma lista de marcas fue menor de 1 entre 100; en el mismo orden, de alrededor de 1 entre 1.000.

Lo estable fue el porcentaje. Las grandes marcas de auriculares aparecían en el 55–77 % de las respuestas, aunque las preguntas eran muy distintas. El autor concluye que el porcentaje de visibilidad sobre decenas o cientos de preguntas repetidas es, probablemente, «una métrica razonable», y que una «posición en la IA» no lo es.

Hay un segundo motivo. Google explica que el Modo IA y AI Overviews «pueden usar modelos y técnicas diferentes, por lo que el conjunto de respuestas y enlaces que muestran variará». Si juntas varios motores en una sola cifra, mezclas cosas distintas.

¿Qué preguntas hay que usar para medir?

Las que haría un cliente que todavía no te conoce. Si preguntas «¿qué sabes de [tu empresa]?», solo compruebas que el modelo sabe que existes.

En The Discovery Gap (arXiv, enero de 2026) se probaron 112 startups con un modelo de OpenAI consultado por API. Por su nombre, las reconoció en el 99,4 % de las preguntas; en preguntas abiertas de descubrimiento, solo las nombró en el 3,32 %.

Un panel útil mezcla tres tipos de pregunta:

1. De descubrimiento, sin tu marca: «¿qué gestoría me recomiendas en Girona para autónomos?».
2. Comparativas: «¿qué es mejor para una tienda online pequeña, X o Y?».
3. De datos, con tu marca: horarios, precios, servicios. Miden la exactitud, no la visibilidad.

Escribe varias formulaciones por intención: en el estudio de SparkToro, 142 preguntas escritas por personas distintas con el mismo objetivo tenían una similitud semántica media de 0,081. Después, congela el panel; si lo cambias, compara solo las preguntas comunes.

¿Cuántas respuestas hacen falta?

Las suficientes para que el margen sea menor que el cambio que quieres detectar. Un «apareces en el 30 %» sacado de 10 respuestas puede querer decir casi cualquier cosa. Las respuestas pueden salir de muchas preguntas distintas o de repetir las mismas; si puedes elegir, añadir preguntas distintas suele estrechar más el margen que repetir. Y para dar por bueno un cambio entre dos mediciones hace falta todavía más: con 50 respuestas y una presencia cercana al 30 %, solo se distingue del azar una subida o una bajada de unos 18 puntos.

Con 10 respuestas, un 30 % es compatible con cualquier valor real entre el 10,8 % y el 60,3 %. Con 50, entre el 19,1 % y el 43,8 %; con 200, entre el 24,1 % y el 36,7 %. Son cálculos nuestros, con el intervalo de Wilson al 95 %.

Si no apareces en ninguna de 50 respuestas, no digas «0 %»: con un 95 % de confianza, el valor real está por debajo del 7,1 %.

¿Qué hay que contar en cada respuesta?

Separamos cuatro cosas, porque cada una se corrige de forma distinta:

• Mención: la IA nombra tu empresa.
• Cita: enlaza o atribuye una página tuya como fuente.
• Recomendación: te propone como opción, no solo te nombra.
• Exactitud: los datos que da de ti (precio, horario, servicios) son correctos.

Una página tuya puede citarse en una respuesta que recomienda a otro, y una mención puede venir con un horario equivocado.

Cuenta también las veces que la IA no contesta. En un estudio de Seer Interactive sobre su propia marca (28.123 respuestas de seis plataformas), las IA no respondieron en el 31,2 % de las preguntas sobre la marca, y en las comparativas, en el 80,3 %. Cuando sí respondían, acertaban de media el 95,9 %.

¿Qué datos dan los propios buscadores?

Tres herramientas gratuitas completan el panel, aunque ninguna dice qué responde la IA.

• Google Search Console. Desde el 31 de agosto de 2026, todas las webs tienen los informes de rendimiento de IA generativa. Muestran impresiones: cuántas veces aparecieron URL tuyas en las funciones de IA de la Búsqueda y de Discover, por página, país, dispositivo (en la Búsqueda) y fecha. El anuncio de Google no menciona clics.
• Bing Webmaster Tools. Su informe AI Performance cuenta las citas de tu web en Microsoft Copilot, en los resúmenes de IA de Bing y en algunas integraciones de socios. También enseña las páginas citadas y una muestra de las grounding queries, las frases que usó la IA para buscar el contenido que citó.
• Google Analytics 4. El canal predeterminado «AI Assistant» agrupa las visitas desde asistentes como ChatGPT, Gemini, Deepseek, Copilot o Grok. Ojo: Google lo define sin AI Overviews ni el Modo IA, cuyo tráfico cuenta como búsqueda orgánica.

¿Por qué el tráfico no basta para medir?

Porque buena parte de la visibilidad en IA no genera clic. Pew Research Center analizó 68.879 búsquedas de 900 adultos de EE. UU. en marzo de 2025. Con un resumen de IA en la página, los usuarios hicieron clic en un resultado tradicional en el 8 % de las visitas, frente al 15 % sin resumen; en un enlace del propio resumen, solo en el 1 %.

Si alguien lee tu nombre en una respuesta y después te busca en Google, esa visita no se atribuye a la IA. Por eso creemos que Analytics se queda corto con el tráfico de IA (es una deducción nuestra, no un dato medido).

¿Qué errores de medición engañan más?

¿Qué errores de medición engañan más?

Error	Por qué engaña	Qué hacer en su lugar
Preguntar una sola vez	Las listas casi nunca se repiten	Usar un panel fijo de muchas preguntas y dar un porcentaje
Preguntar con tu nombre	Mide si te conoce, no si te recomienda	Usar preguntas de descubrimiento sin marca
Hablar de «posición»	El orden cambia casi en cada respuesta	Dar el porcentaje de respuestas en que apareces
Mezclar motores	Cada motor usa modelos y fuentes distintos	Una serie por motor, nunca una media
Dar cifras sin margen	3 de 10 es compatible con un 11–60 %	Publicar «k de n» y el intervalo
Medir solo el tráfico	Muchas respuestas no generan clic	Cruzar panel, Search Console, Bing y Analytics
Atribuirlo todo a tus cambios	Un cambio de modelo puede mover las cifras sin que hagas nada	Anotar la fecha de cada cambio, tuyo y del motor

Preguntas frecuentes

Siguiente paso

Nadie controla lo que responde una IA. Google lo dice de su propio buscador: «Nadie puede asegurarte el primer puesto en los resultados de Google». Lo que sí se puede hacer es medir con método, cambiar lo que depende de ti y volver a medir con las mismas preguntas.

Si quieres saber desde dónde partes, el diagnóstico gratuito es el primer paso. Si ya lo tienes claro, en servicios explicamos cómo implementamos los cambios y los seguimos mes a mes.