El SEO que necesita tu empresa para aparecer correctamente en la IA

Haga una prueba incómoda. Pregúntele a ChatGPT, Gemini, Copilot o Perplexity qué hace su empresa. Después haga una segunda pregunta: ¿por qué debería contratarla en lugar de a sus competidores?

No mire todavía si aparece primero. Observe algo más importante: qué entendió la inteligencia artificial sobre su negocio.

Tal vez describa correctamente a la compañía, pero omita la práctica que hoy representa su mayor apuesta de crecimiento. Quizá la ubique en una categoría en la que ya no compite. Puede que mencione servicios que dejaron de ser prioritarios hace tiempo, ignore los mercados donde realmente opera o la compare con empresas que su equipo comercial jamás consideraría competidores directos. Incluso puede ocurrir algo más incómodo: que la respuesta sea técnicamente correcta y estratégicamente equivocada.

Ahí comienza el nuevo problema del SEO.

La batalla digital ya no se libra únicamente por aparecer entre los primeros resultados de una búsqueda. Cada vez más decisiones empiezan unas pantallas antes, dentro de una conversación en la que una inteligencia artificial interpreta una necesidad, consulta fuentes, descarta alternativas y construye una primera versión del mercado para el usuario. Cuando el prospecto finalmente llega al sitio web de una empresa —si llega— puede haber recibido ya una explicación sobre quién es esa compañía, qué sabe hacer y por qué debería o no considerarla.

Ese cambio altera algo que marketing y ventas daban casi por sentado: la empresa ya no controla necesariamente la primera explicación de su propia propuesta de valor.

Antes, un ejecutivo que buscaba un proveedor podía escribir algunas palabras en Google, abrir cinco pestañas y construir su criterio leyendo directamente lo que cada empresa decía de sí misma. Ahora puede formular algo mucho más sofisticado: “¿Qué consultoras pueden ayudar a una aseguradora mediana a reducir churn y mejorar la rentabilidad de sus clientes?” o “¿Qué plataforma de pricing sería adecuada para una compañía con miles de SKU, múltiples canales y una estructura de descuentos difícil de gobernar?”.

La diferencia no es cosmética. Google explica que sus experiencias de búsqueda generativa pueden utilizar técnicas de query fan-out: a partir de una sola consulta compleja, el sistema genera múltiples búsquedas relacionadas para explorar subtemas y encontrar información que permita construir una respuesta más completa. (Google Developers)

El usuario ya no siempre recibe una lista para investigar. Puede recibir parte de la investigación hecha.

Y eso significa que el clic ya no necesariamente marca el inicio de la relación comercial. A veces llega después de que buena parte de la percepción ya fue construida.

La evidencia empieza a mostrar la magnitud del cambio. Un análisis de Pew Research Center sobre el comportamiento de 900 adultos estadounidenses encontró que, cuando Google mostraba un resumen generado por IA, los usuarios hacían clic en un resultado tradicional en el 8% de las visitas, frente al 15% cuando no aparecía ese resumen. Los enlaces citados directamente dentro de la respuesta de IA recibieron clics en apenas el 1% de esas visitas. (Pew Research Center)

No significa que el sitio web haya dejado de importar. Significa algo más desafiante: parte del valor del sitio web ahora se captura antes de que el visitante llegue a verlo.

Una página corporativa ya no sirve únicamente para convencer a quien entra. También contribuye a alimentar los sistemas que podrían hablar de esa empresa cuando ningún representante comercial está presente.

Ese es el punto en el que el SEO deja de ser solamente una disciplina de tráfico y empieza a convertirse también en una disciplina de interpretación.

Viva el GEO: Cómo lograr que las IAs recomienden tu sitio web

Aparecer en Google y aparecer correctamente en una IA son dos problemas distintos

El SEO tradicional se construyó alrededor de una mecánica bastante clara. Había una consulta, un conjunto de resultados y una competencia por conseguir atención dentro de ellos. Cuanto más arriba aparecía una página para una búsqueda relevante, mayor era la posibilidad de recibir el clic.

Era una pelea por posición.

La búsqueda apoyada por inteligencia artificial introduce algo distinto: una pelea por significado.

Imagine a un CFO tratando de resolver un problema de pricing. En Google podría escribir “pricing consulting firms”, revisar los primeros resultados, abrir algunos sitios y empezar a comparar proveedores.

En una conversación con una inteligencia artificial puede decir:

“Somos una empresa manufacturera de $40 millones en ventas, tenemos 3.000 SKU, vendemos directamente y por distribuidores y sospechamos que nuestros descuentos están erosionando el margen. ¿Qué deberíamos hacer y qué tipo de proveedor podría ayudarnos?”

La diferencia entre ambas búsquedas es enorme.

En la primera, la empresa intenta coincidir con una palabra clave.

En la segunda, necesita ser considerada pertinente dentro de un problema de negocio compuesto por múltiples variables.

Una IA puede relacionar manufactura, descuentos, pricing B2B, rentabilidad, gestión de canales, optimización de márgenes y software de precios sin que el usuario haya escrito literalmente ninguna de esas expresiones.

Ese cambio obliga a revisar lo que significa “estar bien posicionado”.

Nada de esto vuelve obsoleto al SEO clásico. De hecho, Google ha sido explícito en este punto: las bases técnicas de SEO siguen siendo esenciales para participar en sus experiencias generativas. La página debe poder rastrearse, indexarse y ser elegible para Search; Google tampoco exige un Schema especial ni una técnica secreta para aparecer en AI Overviews o AI Mode. (Google Developers)

OpenAI plantea algo similar desde otro ángulo: cualquier sitio público puede aparecer en ChatGPT Search, pero recomienda permitir el acceso de OAI-SearchBot para facilitar que el contenido pueda descubrirse, mostrarse y citarse. Tampoco garantiza una posición determinada. (OpenAI Help Center)

La infraestructura de SEO sigue ahí.

Lo que cambió fue aquello para lo que debe servir.

Antes bastaba con que el buscador comprendiera suficientemente bien una página para decidir dónde mostrarla. Ahora la exigencia es mayor: el sistema puede necesitar comprenderla suficientemente bien para explicársela a otra persona.

Y ahí comienzan los problemas interesantes.

SEO híbrido: integrando lo clásico y lo nuevo

El verdadero riesgo no es que la IA no conozca su empresa

Una de las primeras cosas que suele hacer una organización cuando empieza a preocuparse por su visibilidad en inteligencia artificial es escribir su propio nombre en varias plataformas.

“¿Qué sabes sobre nuestra empresa?”

Si aparece una respuesta extensa, alguien respira tranquilo.

No debería.

Que una inteligencia artificial conozca el nombre de una compañía es una señal bastante pobre de posicionamiento. Lo realmente importante es descubrir qué relación construye entre esa empresa y los problemas por los que desea competir.

Una firma puede ser reconocida perfectamente y estar comercialmente mal interpretada.

Puede aparecer como una agencia cuando quiere competir como consultora.

Puede ser recordada principalmente por implementar tecnología cuando su propuesta actual está centrada en estrategia.

Puede ser asociada con pequeñas empresas cuando su nuevo mercado son organizaciones enterprise.

Puede aparecer correctamente al preguntar por su nombre y desaparecer por completo cuando un prospecto pregunta quién puede resolver el problema que representa el 30% de sus ingresos.

Ese fenómeno puede entenderse como una brecha de interpretación digital.

La empresa tiene una identidad que desea proyectar. Internet contiene una colección de evidencias sobre ella. La IA construye una tercera versión utilizando esas evidencias.

Y esas tres versiones no siempre coinciden.

Esto es particularmente peligroso porque la compañía suele evaluar su posicionamiento mirando sus propios activos desde adentro.

Lee el homepage sabiendo qué quiso decir.

Lee sus nombres de servicios conociendo la metodología.

Entiende las diferencias entre prácticas porque participó en su creación.

Una IA no dispone de ese contexto interno. Un cliente nuevo tampoco.

Existe un precedente interesante sobre lo que ocurre cuando las capas digitales de una organización comienzan a contradecirse. En el conocido caso de Air Canada, el chatbot de la aerolínea proporcionó a un pasajero información incorrecta sobre una política de tarifas por duelo que entraba en conflicto con otras condiciones publicadas por la propia compañía. El caso terminó ante el Civil Resolution Tribunal de British Columbia y Air Canada fue responsabilizada por la información comunicada a través del chatbot.

No fue un caso de SEO, pero deja una lección útil: cuando una máquina debe interpretar información empresarial inconsistente, la contradicción deja de ser un problema de contenidos y puede convertirse en un problema de negocio.

Ahora traslade ese principio al posicionamiento comercial.

¿Qué ocurre si su equipo de ventas afirma que la empresa se especializa en transformación estratégica, pero doscientas páginas antiguas permiten inferir que se dedica principalmente a implementación?

¿Qué ocurre si su propuesta para Estados Unidos dice una cosa, pero las menciones externas continúan asociando la marca exclusivamente con Latinoamérica?

¿Qué ocurre si marketing cambia el posicionamiento, pero nunca cambia la evidencia que lo sustenta?

La inteligencia artificial no tiene una reunión con el CEO para aclararlo.

Hace lo que puede con lo que encuentra.

El futuro del SEO cuando las búsquedas no ocurren en Google

Su homepage ya no tiene el monopolio de contar quién es usted

Las compañías dedican una cantidad extraordinaria de energía a su página principal.

Cada palabra del HERO se debate. El orden de los servicios se discute. El mensaje corporativo pasa por marketing, dirección y diseño. Se intenta condensar en una pantalla quién es la organización y por qué debería importar.

Tiene sentido.

Lo que ya no tiene tanto sentido es creer que esa página tiene autoridad absoluta sobre la interpretación digital de la empresa.

La IA no recibe un brochure corporativo cuidadosamente preparado antes de responder una pregunta. Puede recuperar información distribuida entre páginas de servicios, artículos, casos, biografías, FAQs, perfiles sociales, menciones de terceros, documentación técnica, directorios y otras fuentes disponibles.

La identidad digital de una compañía ya no vive en una página.

Vive en una red.

Si la IA se equivoca, quizá el problema empiece en su empresa

Es tentador indignarse cuando una inteligencia artificial describe mal una organización.

“ChatGPT está equivocado.”

Puede estarlo.

Pero quedarse ahí desperdicia información valiosa.

La pregunta interesante no es únicamente por qué el modelo produjo una respuesta incorrecta. La pregunta es: ¿qué señales encontró que hicieron razonable esa interpretación?

Suponga que una consultora especializada en estrategia pregunta a varios sistemas cómo la describirían y tres de ellos responden “agencia digital”.

El equipo podría tratar de descubrir cómo “corregir ChatGPT”.

O podría auditar qué ha publicado durante los últimos años.

Quizá la mitad de su sitio habla de diseño web, campañas, CRM e implementaciones. Sus perfiles externos utilizan la categoría “digital agency”. Algunos directorios heredaron esa descripción hace una década. Los casos de éxito presentan entregables tecnológicos pero rara vez explican la decisión estratégica que hubo detrás.

Entonces la IA no inventó el problema.

Lo encontró.

Algo similar puede ocurrir cuando una empresa cambia de mercado, lanza una nueva práctica o abandona un servicio. El organigrama puede cambiar en semanas. La narrativa pública tarda mucho más.

Internet acumula capas.

Y los modelos pueden recuperar esas capas.

Por eso conviene clasificar los errores de interpretación en tres tipos.

El primero es la ausencia: la empresa quiere ser reconocida por algo para lo que sencillamente no existe suficiente información pública.

El segundo es la contradicción: distintas fuentes ofrecen explicaciones incompatibles.

El tercero es la ambigüedad: existe contenido, pero está escrito de una manera tan genérica que podría describir a cientos de empresas.

La tercera categoría es especialmente frecuente en el lenguaje corporativo.

“Impulsamos resultados.”

“Transformamos organizaciones.”

“Creamos experiencias memorables.”

“Potenciamos negocios mediante innovación.”

Podrían pertenecer a una consultora, una agencia, una empresa de software, un banco o una firma de arquitectura.

Para un director creativo pueden sonar elegantes.

Para un sistema que intenta determinar qué empresa tiene experiencia resolviendo un problema concreto, ofrecen muy poca información discriminante.

Lo realmente interesante es que la IA puede convertirse en un auditor involuntario de esa vaguedad.

Cuando varios modelos interpretan mal una compañía de la misma manera, quizá no estén revelando únicamente una limitación tecnológica.

Quizá estén señalando una deuda de posicionamiento que llevaba años escondida.

 Después del ranking viene la respuesta

Aquí aparece otro cambio que los tableros tradicionales de SEO todavía no capturan del todo.

Una compañía puede conocer con precisión qué posición ocupa para una palabra clave, cuántas impresiones recibe una URL y cuál fue su CTR durante los últimos treinta días.

Pero pregúntele algo diferente:

¿En cuántas respuestas generativas relacionadas con sus principales servicios apareció esta semana?

Probablemente la respuesta sea menos precisa.

Pregunte después:

¿Cómo fue descrita?

Más difícil.

¿Con qué competidores apareció?

Más difícil todavía.

¿Qué fuentes utilizó la IA para justificar esa recomendación?

En muchas organizaciones, nadie está mirando.

Esa falta de visibilidad empieza a cambiar.

En febrero de 2026, Microsoft introdujo en Bing Webmaster Tools la vista AI Performance, que permite observar cómo el contenido de un sitio aparece citado en respuestas de Microsoft Copilot, resúmenes generativos de Bing y algunas integraciones asociadas. La herramienta incluye métricas de citaciones, páginas citadas y consultas utilizadas por los sistemas para recuperar información. (Bing Blogs)

La existencia misma de ese tablero dice algo importante.

La citación en una respuesta de IA ya está empezando a convertirse en una métrica.

Pero debería ser solo el principio.

Una empresa necesita construir una segunda capa de medición que complemente el SEO tradicional.

Observe que esta tabla no pregunta “¿somos número uno?”.

No debería hacerlo.

Las respuestas generativas son dinámicas, contextuales y sensibles a la formulación de la consulta. Pretender trasladar exactamente el viejo concepto de ranking a este entorno sería forzar una lógica antigua sobre un sistema nuevo.

La unidad de análisis ya no es únicamente la keyword.

Es el escenario de decisión.

Un fabricante de software de pricing debería probar cómo aparece cuando alguien pregunta por software. Pero también cuando pregunta por descuentos, elasticidad, fuga de margen, pricing dinámico, arquitectura de precios, retailers, manufactura o miles de SKU.

Una consultora de Customer Experience debería observar búsquedas sobre CX. Pero también sobre churn, NPS, customer journey, reclamos, abandono digital, retención y Voice of Customer.

Eso es mucho más cercano a cómo piensa un comprador real.

Y también mucho más cercano a cómo vende una empresa.

AI-Friendly Web Design: La evolución del posicionamiento

Auditar la versión de su empresa que vive dentro de la IA

La solución no consiste en reunir al equipo una tarde, formular veinte preguntas en ChatGPT y acumular capturas de pantalla. Ese ejercicio puede producir observaciones interesantes, pero difícilmente genera inteligencia accionable.

Una auditoría seria debe partir de las conversaciones que realmente podrían ocurrir antes de una venta. Pensemos, por ejemplo, en una compañía que ofrece servicios de consultoría en Customer Experience para el sector bancario. Una prueba superficial consistiría en preguntar “¿Qué es Empresa X?”. Sin embargo, una pregunta mucho más cercana a una situación comercial real sería: “Somos un banco regional y nuestro NPS es alto, pero los reclamos y el churn también están creciendo. ¿Qué tipo de consultora podría ayudarnos a entender qué está ocurriendo?”. Es en este tipo de escenarios donde comienza a aparecer información realmente útil.

La metodología que proponemos puede entenderse como un AI Visibility & Accuracy Audit y se desarrolla a través de seis movimientos consecutivos: preguntar, observar, comparar, diagnosticar, intervenir y volver a medir.

El proceso comienza con la construcción de escenarios. No se trata de generar cientos de preguntas, sino de definir las suficientes para representar adecuadamente la marca, sus servicios, los problemas que resuelve, las industrias en las que participa y las distintas etapas del proceso de consideración de un potencial cliente.

A partir de ahí, esas preguntas se ejecutan en diferentes sistemas y en distintos momentos. El objetivo no es únicamente determinar si la empresa aparece en las respuestas, sino comprender cómo aparece, qué atributos se le asignan, con qué competidores se la relaciona y qué fuentes o evidencias sustentan esa interpretación.

El siguiente paso consiste en comparar esa percepción con el posicionamiento que la organización realmente desea construir. Es en este punto donde suelen surgir los hallazgos más relevantes. Una empresa puede descubrir que posee un excelente reconocimiento de marca, pero una asociación muy débil con el servicio que genera mayor rentabilidad. Otra puede aparecer con frecuencia, aunque vinculada a un segmento de mercado que no representa su prioridad estratégica. También puede ocurrir que los competidores dominen determinadas respuestas no porque cuenten con un sitio web técnicamente superior, sino porque han construido durante años una mayor cantidad de evidencia específica alrededor de los problemas que los usuarios están consultando.

Sin embargo, identificar esas diferencias es solo el comienzo. La parte realmente valiosa consiste en rastrear sus causas. Si los sistemas de inteligencia artificial no reconocen correctamente un servicio, es necesario analizar si existe una página suficientemente sólida, clara y profunda que lo explique. Si confunden dos prácticas de negocio, puede ser una señal de que la propia arquitectura del sitio tampoco establece una diferenciación adecuada. Si la empresa no aparece asociada con una determinada industria, conviene revisar cuántos casos de éxito, artículos, páginas y otras evidencias vinculan de forma explícita a la organización con ese sector.

Lo mismo ocurre cuando los sistemas utilizan información desactualizada. En ese caso, habrá que identificar dónde sigue publicada y qué fuentes continúan reforzándola. Y si la información proveniente de fuentes externas contradice lo que la empresa comunica en su propio website, el problema deja de pertenecer exclusivamente al terreno del SEO y comienza a involucrar aspectos de reputación, relaciones públicas y gobierno de marca.

Por esa razón, las acciones correctivas pueden adoptar formas muy distintas. En algunos casos serán técnicas; en otros, editoriales; y en muchos, eminentemente estratégicas. Precisamente por eso, reducir todo este fenómeno al concepto de “GEO” puede quedarse corto. No estamos hablando simplemente de optimizar páginas para un nuevo tipo de buscador, sino de gobernar la identidad digital de la empresa frente a sistemas que recopilan, interpretan y sintetizan información por su cuenta.

La última etapa consiste en volver a medir. No se trata de esperar que una modificación publicada un martes transforme todas las respuestas el miércoles siguiente. Cada sistema opera con mecanismos distintos de rastreo, indexación, recuperación y actualización de información. Lo importante es establecer una línea base clara y observar la evolución a lo largo del tiempo, de manera que la organización pueda comprobar si la interpretación que generan estos sistemas comienza a acercarse progresivamente al posicionamiento que realmente desea ocupar.

Cuando ventas tiene que corregir a la IA

La IA ya está sentada en la primera reunión de ventas

Marketing suele pensar en la inteligencia artificial como una herramienta para producir contenido, mientras que ventas tiende a verla como un recurso para prospectar, investigar cuentas o acelerar determinadas tareas comerciales. Ambos enfoques son válidos, pero pueden quedarse cortos, porque la inteligencia artificial no está únicamente del lado de quien vende. También está del lado del comprador, y esa puede terminar convirtiéndose en una de sus funciones comerciales más relevantes.

Imagine, por ejemplo, a una directora financiera que está evaluando contratar una plataforma de pricing. Antes de solicitar una demostración, puede preguntarle a una inteligencia artificial qué tipos de plataformas existen, cuáles funcionan mejor para su industria, qué capacidades debería comparar, cuánto suele tardar una implementación, qué riesgos debería considerar y cuáles son los proveedores más conocidos. A partir de ahí, puede pedir una tabla comparativa, profundizar en tres compañías específicas e incluso solicitar argumentos o preguntas críticas que debería utilizar durante una demostración comercial.

Cuando finalmente completa un formulario de contacto, el vendedor puede pensar que la conversación apenas está comenzando. Sin embargo, el comprador posiblemente lleva media hora conversando, investigando y formando una opinión. Eso cambia de manera importante el significado del lead, porque quien llega al equipo comercial puede hacerlo con un nivel de información, contexto y preparación significativamente mayor que antes.

Adobe ha identificado señales interesantes de este comportamiento en retail. En datos publicados sobre tráfico referido desde asistentes generativos, los visitantes provenientes de herramientas de inteligencia artificial mostraron mejores niveles de engagement y, durante la temporada de compras de 2025, esas referencias llegaron a convertir un 31% más que otras fuentes de tráfico agregadas. Esto no constituye evidencia suficiente para extrapolar automáticamente el mismo comportamiento al entorno B2B, pero sí plantea una hipótesis relevante: una persona que llega después de haber interactuado con una inteligencia artificial podría hacerlo con una intención distinta y con un nivel superior de preparación. (Adobe for Business)

En una venta consultiva de alto valor, las implicaciones pueden ser todavía mayores. Tradicionalmente, la reunión inicial permitía a la empresa trabajar junto al prospecto para definir el problema. Ahora ese prospecto puede llegar con una definición preliminar ya construida. Antes, la compañía explicaba cómo estaba estructurado el mercado; hoy, el potencial cliente puede llegar con un mapa inicial de categorías y soluciones. El vendedor introducía a los principales competidores; ahora el comprador puede traerlos organizados en una tabla comparativa con fortalezas, debilidades y diferencias percibidas.

Y la inteligencia artificial que preparó todo ese contexto trabajó, fundamentalmente, con la información disponible en internet.

Es en este punto donde SEO, marketing y ventas dejan de comportarse como tres disciplinas consecutivas y comienzan a formar parte de un mismo circuito. Marketing define cómo desea competir la organización y qué posición quiere ocupar. SEO convierte esa definición en una arquitectura digital que pueda encontrarse, interpretarse y relacionarse correctamente con determinados problemas. El contenido aporta evidencia para respaldar esa posición. Las fuentes externas pueden reforzarla o contradecirla. La inteligencia artificial procesa todas esas señales, construye una interpretación y, finalmente, ventas recibe a un prospecto que posiblemente ya llega con una opinión formada.

Por eso, el nuevo reto comercial no consiste únicamente en enseñar a los equipos de ventas a utilizar inteligencia artificial. También consiste en evitar que la IA llegue antes que el vendedor contando incorrectamente la historia de la empresa.

Conclusión

Hay una escena que probablemente se volverá cada vez más frecuente durante los próximos años. Un ejecutivo necesita resolver un problema, pero no conoce a su empresa, nunca ha visto su publicidad, no sigue a sus consultores en LinkedIn, no descargó ninguno de sus ebooks y tampoco participó en uno de sus webinars. Simplemente abre una herramienta de inteligencia artificial y explica lo que necesita.

En ese momento comienza una competencia comercial en la que ninguna de las empresas consideradas sabe necesariamente que está participando. No hay todavía una propuesta comercial, una reunión, un formulario de contacto ni un vendedor involucrado. Solo existe evidencia digital.

A partir de esa evidencia, la inteligencia artificial tiene que determinar cómo entiende el problema planteado, cuáles fuentes considera pertinentes, qué compañías parecen relacionadas con esa necesidad, cuáles disponen de suficiente información para ser consideradas y cómo podría explicar sus diferencias.

Ese es uno de los nuevos terrenos del SEO. No sustituye al buscador tradicional; amplía considerablemente su alcance. Una página sigue necesitando posicionarse, un sitio web continúa necesitando tráfico y las palabras clave siguen siendo importantes. Los enlaces, el contenido, la indexación, la arquitectura de información y la autoridad continúan formando parte de los fundamentos del posicionamiento digital. La diferencia es que ahora existe una capa adicional entre la empresa y el mercado: un sistema que interpreta a la organización antes de que el cliente necesariamente visite su sitio web.

Y ese sistema no tiene ninguna obligación de respetar la narrativa corporativa que la compañía quisiera proyectar. No conoce el último workshop interno de posicionamiento, las prioridades comerciales definidas para el año ni las decisiones tomadas en una reunión de dirección. Tampoco sabe que determinado servicio dejó de ser estratégico, que otro se convirtió en la principal apuesta de crecimiento o que la empresa pretende dejar de ser percibida como implementadora para empezar a competir como consultora.

La inteligencia artificial solo dispone de señales.

Ahí aparece una de las verdaderas provocaciones de esta nueva etapa del SEO. Muchas organizaciones podrían descubrir que el problema no es simplemente que las inteligencias artificiales las estén entendiendo mal. El problema puede ser que internet lleva años explicándolas mal y nadie había tenido una forma tan evidente de observarlo.

La IA simplemente está poniendo todas esas contradicciones sobre la mesa.

Por eso, aparecer correctamente exige mucho más que optimizar una página pensando en una respuesta generativa. Requiere revisar la coherencia completa de la presencia digital de una organización: qué afirma la empresa sobre sí misma, qué puede demostrar, qué dicen otras fuentes, cómo organiza y explica sus capacidades, con qué temas está realmente asociada y qué evidencia existe para respaldar cada una de sus afirmaciones.

También obliga a cuestionar una de las obsesiones históricas del marketing digital: asumir que toda forma de visibilidad debe convertirse inmediatamente en tráfico hacia un sitio web.

El estudio de Pew Research Center ya muestra que las respuestas generativas pueden reducir el comportamiento de clic en determinadas
búsquedas. (Pew Research Center) La reacción inicial podría ser interpretar este fenómeno únicamente como una pérdida de tráfico. Sin embargo, existe otra lectura posible.

Si una inteligencia artificial explica correctamente qué hace su empresa, la relaciona con el problema adecuado, utiliza evidencia confiable para describirla y la incluye dentro del conjunto de alternativas que un comprador debería considerar, algo comercialmente valioso ya ocurrió incluso antes de que exista una sesión registrada en Google Analytics.

La marca entró en la conversación.

Ese será, probablemente, uno de los grandes retos de medición de esta nueva etapa: aprender a separar tráfico de influencia. Microsoft ya comenzó a ofrecer métricas relacionadas específicamente con citaciones dentro de respuestas generativas. (Bing Blogs) OpenAI permite a los sitios facilitar su descubrimiento dentro de ChatGPT Search mediante su crawler de búsqueda. (OpenAI Help Center) Google, por su parte, sostiene que las prácticas fundamentales de SEO continúan siendo la base para competir también dentro de sus experiencias generativas. (Google Developers)

Las distintas piezas comienzan a conectarse. Lo que todavía falta en muchas organizaciones es modificar la pregunta con la que evalúan su presencia digital. Ya no basta con preguntar “¿En qué posición aparecemos?”. También será necesario preguntarse “¿Qué versión de nuestra empresa está apareciendo?”.

La diferencia entre ambas preguntas es enorme.

Una organización puede ser encontrada y, aun así, no ser comprendida. Puede ser comprendida, pero no considerada. Puede ser considerada por un problema que no desea resolver o recomendada a un segmento que no forma parte de su estrategia. Puede aparecer junto a competidores con los que no debería estar siendo comparada. O puede conseguir algo mucho más valioso: construir una presencia digital tan clara, coherente y demostrable que, cuando una inteligencia artificial necesite explicar quién puede resolver determinado problema, relacionar a la empresa con esa necesidad resulte una conclusión natural.