La IA redefine la visibilidad de las marcas y obliga a replantear cómo se mide su presencia
Las marcas empiezan a asumir que la inteligencia artificial no se limita a ordenar o clasificar su presencia, sino que decide si aparecen o no en sus respuestas. El cambio ya está transformando la forma en que la industria entiende y gestiona su visibilidad.
En este contexto, IAB trabaja en un marco para estandarizar cómo se mide esa visibilidad, en un escenario en el que todavía no existe un criterio común sobre cómo deben recopilarse los datos ni sobre qué factores determinan que un sistema de IA recomiende una marca frente a otra. Así lo recoge un análisis publicado por Digiday, que pone el foco en los retos a los que se enfrentan las marcas para entender y gestionar su presencia en los sistemas de inteligencia artificial. La incertidumbre también se refleja en las estructuras internas de las compañías, que están incorporando responsables de AI Search mientras tratan de identificar qué variables influyen en las respuestas de estos sistemas. Algunas marcas, además, no están esperando a que se defina qué factores tienen mayor peso y ya han comenzado a reasignar parte de sus presupuestos publicitarios con el objetivo de influir en la forma en que los chatbots las describen cuando los usuarios preguntan por ellas. La caída repentina de Reddit como fuente de recomendaciones en ChatGPT ilustra hasta qué punto estas dinámicas pueden cambia
Cada plataforma juega con sus propias reglas
La visibilidad de una marca puede variar de forma significativa entre plataformas. Una fuente que resulta relevante para un modelo puede tener un peso mucho menor en otro, lo que dificulta establecer una estrategia común para todos los sistemas de IA. Los datos de Tinuiti citados por Digiday ilustran esta diferencia en el caso de Amazon. En julio, Amazon representó el 4% de las citas de Microsoft Copilot, frente al 0,1% en ChatGPT y el 0% en Gemini. Su mayor presencia en Copilot elevó su cuota media de citas entre las distintas categorías de producto. Los LLMs no siguen los mismos patrones a la hora de seleccionar y citar fuentes, y los profesionales del marketing están tratando de adaptar sus estrategias a esas diferencias. Dos modelos pueden mencionar las mismas marcas al responder a una pregunta sobre zapatillas y, sin embargo, recurrir a fuentes distintas para respaldar sus respuestas. Un estudio de Adobe y Semrush, basado en datos de Estados Unidos de 22 categorías entre enero y junio, mostró que ChatGPT tiende a recurrir a fuentes comunitarias y de referencia. Reddit fue su principal fuente, con el 28,9% del total de citas. Google, en cambio, recurre principalmente a contenidos de vídeo y redes sociales. YouTube fue su principal fuente, con el 21,1% de las citas, seguido de Facebook, con el 17%. La idea de que los modelos de lenguaje muestran una preferencia generalizada por YouTube también requiere matices. Aunque la plataforma aparece con frecuencia entre las fuentes citadas por los principales sistemas de IA, su peso varía de forma considerable entre unos modelos y otros. Un análisis de las respuestas de IA realizado por Sitecore’s Scrunch entre mayo y julio muestra esta diferencia. Google AI Mode, Google AI Overviews, Gemini (aunque no de forma constante) y Perplexity citan YouTube con frecuencia, mientras que ChatGPT y Microsoft Copilot recurren a la plataforma en mucha menor medida.
La confianza del consumidor avanza más rápido que las estrategias de las marcas
La confianza de los consumidores en las respuestas generadas por inteligencia artificial está aumentando con rapidez, mientras las empresas todavía están definiendo cómo medir y gestionar su visibilidad en estos sistemas. Según una encuesta de consumidores de Adobe realizada en julio de 2026 a más de 5.000 personas en Estados Unidos, el 95% de los usuarios de IA considera que sus respuestas son al menos tan fiables como las de un buscador tradicional. Un 29% las considera muy fiables. La confianza crece a medida que aumenta la familiaridad con estas herramientas, aunque parte de niveles relativamente elevados incluso entre quienes todavía no las utilizan. El 9% de los no usuarios considera que la IA es al menos tan fiable como un buscador tradicional. La proporción aumenta hasta el 94% entre quienes están experimentando con estas herramientas y alcanza el 97% entre los usuarios habituales. Los profesionales del marketing también empiezan a incorporar la visibilidad en IA a sus criterios de evaluación. Antes de lanzar una campaña, algunos comprueban si un creador ya aparece en respuestas generadas por IA y añaden este factor a métricas más tradicionales, como el alcance o el engagement. Algunas compañías están desarrollando herramientas para medir en qué modelos aparecen, qué fuentes citan y qué factores pueden explicar esas menciones. Otras están extendiendo este análisis a los contenidos producidos por sus propios ejecutivos, las llamadas con inversores y las comunicaciones de sus CEO.
La visibilidad cambia incluso cuando la marca no lo hace
La medición de la visibilidad en IA se enfrenta a una dificultad adicional: una misma consulta puede generar una respuesta diferente prácticamente cada vez que se formula. Medir la presencia de una marca en estos sistemas se convierte así en un objetivo cambiante. Incluso una métrica aparentemente estable puede perder vigencia después de una actualización del modelo. La marca puede no haber cambiado, pero el sistema puede haber incorporado nueva información o modificado la forma en que la utiliza. Esta inestabilidad ya está generando diferencias entre las compañías que ofrecen servicios de medición y llevando a los CMO a replantearse qué significa construir una marca en un entorno en el que las respuestas no son constantes. IAB trabaja en estándares que permitan a los compradores contar, al menos, con una definición común de qué constituye un dato fiable, aunque todavía no existe un consenso sobre cómo debería calcularse una puntuación de confianza. La medición es, de hecho, el principal desafío señalado por los profesionales consultados por IAB, especialmente a la hora de comparar los recorridos de cliente impulsados por IA con los tradicionales. El 45% de los 200 responsables de decisiones de inversión publicitaria de marcas y agencias encuestados por el organismo identificó este aspecto como una de las principales dificultades. Las marcas buscan medir y mejorar su presencia en los modelos de IA mientras el sector intenta establecer estándares para un entorno en el que las respuestas cambian, los resultados son difíciles de comparar y las reglas todavía están en construcción.
Puntos clave:
Cada IA prioriza fuentes diferentes: ChatGPT, Gemini, Copilot y los sistemas de Google no recurren a las mismas fuentes, lo que dificulta desarrollar una estrategia común de visibilidad.
Las marcas ya están adaptándose: las compañías incorporan responsables de AI Search, desarrollan herramientas de medición y empiezan a destinar recursos para influir en cómo los chatbots las describen.
Medir sigue siendo el gran reto: las respuestas pueden cambiar ante una misma consulta o después de una actualización del modelo, mientras IAB trabaja para establecer criterios comunes de medición y fiabilidad.
Este resumen lo ha creado una herramienta de IA basándose en el texto del artículo, y ha sido chequeado por un editor de PROGRAMMATIC SPAIN.
