Las IA no coinciden sobre tu marca: 1 pregunta de cada 4

<p><em>Hablamos de «la IA» como un bloque. Pero haz la misma pregunta a ChatGPT, Gemini, Claude y Perplexity: ¿dicen lo mismo de tu marca? Lo medimos. La respuesta es no — y la diferencia es grande.</em></p> <h2>El perímetro</h2> <p>Tomamos <strong>617 preguntas</strong>, cada una hecha a <strong>varios modelos en paralelo</strong> (4,3 modelos de media: ChatGPT, Claude, Gemini, Perplexity y otros), en auditorías reales. Para cada respuesta medimos si la marca auditada <strong>aparece realmente</strong> (detección de entidad sobre el texto producido). Luego, pregunta por pregunta, comprobamos si los modelos <strong>coinciden</strong>.</p> <h2>La constatación</h2> <div style='background:#faf5ff;border:1px solid #ede9fe;border-radius:14px;padding:18px 20px;margin:16px 0;'><div style='font-size:2.4rem;font-weight:800;color:#6d28d9;font-variant-numeric:tabular-nums;line-height:1;'>23 %</div><div style='font-size:0.95rem;color:#4b5563;margin-top:6px;'>de las preguntas donde los modelos no coinciden sobre la presencia de la marca</div></div> <p>En <strong>casi una pregunta de cada cuatro</strong>, al menos un modelo cita la marca y al menos otro no — en exactamente la misma pregunta. Es decir: tu visibilidad no es una propiedad estable, es una <strong>variable que depende del modelo consultado</strong>.</p> <h2>Por qué divergen las IA</h2> <p>Se combinan tres razones. Primero, cada modelo tiene una <strong>memoria de entrenamiento distinta</strong>, congelada en una fecha distinta: lo que uno «sabe» de ti, otro lo ignora. Segundo, algunos modelos <strong>navegan por la web</strong> y otros responden de memoria — dos imágenes de marca distintas (medimos 7 puntos de diferencia en nuestro <a href="/blog/es/barometro-visibilidad-ia-marcas-2026">barómetro</a>). Tercero, no <strong>beben de las mismas fuentes</strong>: LinkedIn, Wikipedia, reseñas y registros pesan distinto según el modelo (ver nuestro <a href="/blog/es/fuentes-que-mas-citan-las-ia-sobre-las-marcas-estudio">estudio sobre las fuentes</a>).</p> <h2>Lo que implica</h2> <p>Una auditoría de visibilidad en <strong>un solo modelo</strong> mide una realidad de cuatro. Declararse «visible en ChatGPT» no dice nada de Gemini, Claude o Perplexity — y tus clientes usan uno u otro al azar. Por eso consultamos <strong>más de 50 modelos</strong> y razonamos en distribución, con intervalos de confianza, en lugar de una cifra única. El método es público en nuestra <a href="/es/metodologia-ags">página de metodología</a>, y el <a href="/es/observatorio">Observatorio</a> sigue estas cifras en el tiempo.</p> <h2>Los límites de estas cifras</h2> <p>Estos datos provienen de marcas que decidieron auditarse — muestra no representativa. El «desacuerdo» se refiere a la presencia (la marca aparece o no), no al detalle de las formulaciones. Las tasas evolucionan con cada actualización de los modelos.</p> <p>¿Quieres saber en qué modelos apareces — y en cuáles eres invisible? Es exactamente lo que mide una auditoría, modelo por modelo.</p>