Auditoría de visibilidad en IA: guía práctica paso a paso

En breve: equivalente español de en bref

Una auditoría de visibilidad en IA mide si ChatGPT, Claude, Gemini, Perplexity y otros modelos mencionan tu marca cuando la pregunta no incluye su nombre. Empieza con 20 a 30 preguntas de negocio, separa el modo nativo de la búsqueda web y registra presencia, posición, exactitud, competidores y fuentes citadas. El resultado útil no es una nota aislada: es una línea base que permite decidir qué corregir.

Hay una razón para trabajar con una muestra: en 2026, los datos publicados por AI Labs Audit reúnen 6.820 respuestas de IA analizadas en 104 auditorías; su Observatorio agrega 78 marcas y 129 auditorías. Una respuesta aislada puede ser útil para detectar un error, pero no para dictar una decisión comercial.

Qué es una auditoría de visibilidad en IA y qué responde

Una auditoría de visibilidad en IA comprueba cómo describen los asistentes una marca, en qué preguntas la recomiendan y qué datos asocian con ella. Responde a una cuestión comercial muy concreta: cuando un comprador pide alternativas o proveedores sin nombrarte, ¿apareces, con qué argumentos y frente a quién?

No basta con preguntar "¿qué sabes de mi marca?". Esa pregunta mide reconocimiento inducido. La prueba más exigente es la visibilidad espontánea: que el modelo cite la marca en una consulta de categoría, problema o comparación sin recibir el nombre como pista.

El Observatorio de AI Labs Audit publica datos agregados sobre 78 marcas y 129 auditorías. Es una razón práctica para no tratar una sola respuesta como un veredicto: la visibilidad se interpreta por conjunto de preguntas, modelos y contextos de búsqueda.

Paso 1: define el alcance antes de abrir un chatbot

Escribe primero qué quieres decidir con la auditoría. Puede ser comprobar una caída de notoriedad, preparar un informe para un cliente, comparar mercados o detectar información falsa. Ese objetivo determina las preguntas, los idiomas y la frecuencia de seguimiento.

Elige modelos y modos comparables

Trabaja con los asistentes que usan tus clientes y separa dos contextos: la respuesta sin búsqueda web y la respuesta con búsqueda. Un mismo modelo puede describir una marca de forma distinta en ambos casos. Mezclarlos en una sola métrica oculta el problema: no sabrás si falla el conocimiento del modelo o la recuperación de fuentes.

Para una primera medición manual, cuatro a seis modelos bastan si ejecutas el mismo conjunto de preguntas y anotas la fecha. Si la auditoría debe cubrir muchos clientes, mercados o respuestas repetidas, una plataforma evita que la recopilación consuma más tiempo que el análisis.

Fija mercado, idioma y competencia

Define un mercado por bloque de medición. No traduzcas sin más una lista de preguntas: adapta categorías, terminología y competidores al país. Incluye competidores reales, pero deja espacio para los nombres que los modelos propongan; esos nombres suelen revelar quién ocupa la demanda que tu marca no está captando.

Paso 2: construye una lista de preguntas que represente demanda real

Usa entre 20 y 30 preguntas en una primera línea base. Deben reflejar la manera en que un prospecto formula su necesidad, no el lenguaje interno de la empresa.

• Preguntas de categoría: "¿Qué proveedores de [categoría] recomiendas en [mercado]?"
• Preguntas de problema: "¿Cómo resolver [problema] para [tipo de cliente]?"
• Preguntas de comparación: "¿Qué alternativa conviene a [competidor] para [caso de uso]?"
• Preguntas de prueba: "¿Qué empresas ofrecen [servicio] con [restricción o necesidad concreta]?"

Evita que todas las preguntas nombren la marca. Reserva unas pocas para verificar exactitud de la ficha de marca y usa la mayoría para medir descubrimiento. También conviene guardar la intención de cada pregunta: después podrás ver si desapareces solo en comparaciones, solo en consultas locales o solo en una categoría.

Paso 3: registra las respuestas con una ficha única

La captura debe ser repetible. Para cada combinación de pregunta, modelo, idioma y modo, guarda la respuesta completa y una ficha breve:

• Marca mencionada: sí o no.
• Posición: primera recomendación, lista secundaria o mención incidental.
• Contexto: recomendación, comparación, advertencia o respuesta neutra.
• Exactitud: dato correcto, dato dudoso o afirmación inventada.
• Fuentes: URL o dominio citado cuando exista.
• Competidores: marcas recomendadas en tu lugar.

Este detalle parece laborioso, pero cambia la conversación. "Nuestra visibilidad bajó" no indica qué hacer. "Seguimos presentes en 12 preguntas, pero perdimos las tres consultas de comparación en modo web" sí permite investigar una causa.

Paso 4: calcula las métricas que cambian decisiones

Visibilidad espontánea

Es el porcentaje de preguntas sin nombre de marca en las que apareces. Es la métrica principal para saber si el mercado te descubre mediante IA. No la infles con preguntas que ya contienen tu nombre.

Posición y contexto de la mención

Una lista de cinco proveedores no equivale a una recomendación razonada en primer lugar. Anota ambos elementos. Una marca puede tener muchas menciones y, aun así, ser presentada como una alternativa secundaria.

Share of Voice de IA

Calcula la proporción de menciones de tu marca frente al total de menciones de las marcas comparadas dentro de la muestra. Interprétala junto con la posición: un Share of Voice alto basado en menciones finales no tiene el mismo valor que recomendaciones prioritarias.

Exactitud y riesgo de fabricación

Revisa afirmaciones sobre certificaciones, productos, ubicación, precios, URL y reputación. Una respuesta puede citar la marca y, al mismo tiempo, inventar una URL o un servicio. Esa es una incidencia de seguridad de marca, no una señal de éxito.

Paso 5: convierte ausencias y errores en una lista de investigación

Reúne los casos por patrón. Si una marca falta en todas las preguntas de categoría, el problema puede ser la evidencia de autoridad disponible para ese tema. Si solo falla en un idioma, revisa la cobertura localizada. Si aparece sin búsqueda web pero desaparece con ella, analiza las fuentes y las páginas que el buscador puede recuperar.

No atribuyas una causa a una sola respuesta. Vuelve a ejecutar las preguntas críticas y compara el conjunto. Los modelos varían; por eso la auditoría sirve para encontrar tendencias repetidas, no para convertir una conversación aislada en un diagnóstico definitivo.

Paso 6: revisa qué puede leer y verificar una IA en tu sitio

La auditoría de respuestas debe complementarse con una revisión de fuentes. Comprueba si las páginas que explican tu oferta, metodología y pruebas están disponibles, actualizadas y conectadas entre sí.

• Datos estructurados: la entidad, los artículos, las preguntas frecuentes y los productos deben describirse de forma coherente.
• Accesibilidad de rastreo: revisa robots.txt, sitemaps, enlaces internos y páginas clave bloqueadas por error.
• Idioma servido: comprueba que un crawler recibe la versión correcta y no una redirección o contenido distinto al de un usuario.
• Pruebas verificables: publica hechos que puedas sostener, con fecha, fuente y contexto.
• Actualización editorial: corrige las páginas que aún describen productos, precios o capacidades superadas.

En AI Labs Audit, la medición no se limita a contar menciones: también distingue si una marca es conocida, desconocida o descrita con detalles fabricados. Esa diferencia evita celebrar una "visibilidad" que en realidad procede de una respuesta inventada.

Paso 7: prioriza acciones según evidencia, no según una nota global

Ordena las acciones por impacto comprobable. Primero, corrige información falsa y URL inventadas. Después, trabaja las preguntas de negocio donde la marca no aparece y donde los competidores sí son recomendados. Por último, mejora las fuentes que pueden apoyar una respuesta más precisa: páginas de categoría, comparativas honestas, documentación y contenidos localizados.

La automatización ayuda cuando necesitas conservar respuestas, comparar ejecuciones y compartir un informe. AI Labs Audit puede ejecutar escenarios en múltiples modelos, comparar modo nativo y búsqueda web, detectar URLs alucinadas y documentar competidores. El valor sigue estando en la interpretación: qué cambio protege la información de la marca o responde a una ausencia comercial concreta.

Preguntas frecuentes sobre la auditoría de visibilidad en IA

¿Cuántas preguntas necesito para empezar?

Entre 20 y 30 preguntas bien elegidas dan una primera línea base útil. Combina categoría, problema, comparación y casos de prueba; añade más solo cuando represente una intención de compra o un mercado distinto.

¿Debo medir cada semana?

Mide con una cadencia que puedas interpretar. Repite antes las preguntas críticas cuando detectes una ausencia, una caída o un dato falso; para el resto, compara series consistentes en lugar de reaccionar a cada variación puntual.

¿Una mención significa que la marca está bien posicionada?

No necesariamente. Una mención puede ser secundaria, negativa o inexacta. Evalúa presencia, posición, contexto, exactitud y fuentes citadas antes de concluir que existe una oportunidad o una mejora.