Una auditoría de visibilidad de IA confiable comienza antes de que se ingrese el primer aviso en ChatGPT, Google AI Mode o Perplexity.
Debe definir la entidad, las afirmaciones verificables, las intenciones relevantes del usuario y las superficies de producto exactas, y luego preservar suficiente evidencia para distinguir un problema de representación de una respuesta aislada o una condición incontrolada.
Las cinco dimensiones introducidas en ¿Qué debería medir una auditoría de visibilidad de IA? — Presencia, Posición, Procedencia, Precisión y Persistencia — proporcionan la estructura analítica. Este artículo explica cómo diseñar y ejecutar la auditoría que suministra esas mediciones.
Una lista de avisos no es un diseño de auditoría. La auditoría comienza con entidades, afirmaciones, escenarios y condiciones controladas.
Paso 1: definir el alcance de la entidad y la afirmación
La primera tarea es establecer con precisión qué se está auditando.
Una marca rara vez es un solo nombre. El alcance debe cubrir los nombres comerciales y legales, variantes de ortografía, dominio, productos, servicios, sub-marcas, personas clave, ubicaciones, categorías, competidores y entidades con nombres similares. Esto evita que se cuenten menciones solo de productos o descripciones plausibles de la organización incorrecta como visibilidad de marca válida.
Construir un mapa de afirmaciones de referencia
La auditoría también necesita un conjunto verificado de afirmaciones contra las cuales se pueden evaluar las respuestas.
El mapa debe cubrir la definición de la empresa, oferta, características, limitaciones, grupos de clientes, mercados, precios, integraciones, certificaciones, propiedad, liderazgo y cambios históricos materiales. Cada afirmación debe registrar una fuente de referencia, fecha de verificación, condiciones aplicables y versiones conocidas inexactas.
El mapa debe distinguir hechos de interpretación, posicionamiento y aspiración. “La plataforma líder” no es equivalente a una característica documentada o un precio actual.
El trabajo subyacente de entidad, afirmación y fuente se describe con más detalle en Infraestructura de Semántica de Marca.
Definir cuándo no debería aparecer la marca
Una auditoría no debería recompensar la inclusión máxima sin importar la adecuación.
Antes de probar, defina:
escenarios en los que se debería considerar la marca;
escenarios en los que puede ser relevante solo bajo condiciones específicas;
categorías a las que no pertenece;
requisitos que descalifican su oferta;
competidores con los que debería compararse genuinamente.
La ausencia de un escenario inadecuado puede indicar una selección apropiada; la inclusión repetida en la categoría incorrecta puede inflar la tasa de menciones mientras revela un problema semántico.
Paso 2: construir escenarios de intención, no una lista de palabras clave
Una lista de palabras clave de SEO convencional no es suficiente para una auditoría de sistema de respuestas.
Un escenario debe describir el problema del usuario, la intención, la etapa de decisión, el contexto organizacional, la ubicación, el idioma, los criterios de evaluación y los límites de adecuación.
Por ejemplo:
Un director de operaciones en un fabricante europeo de tamaño medio está buscando una plataforma de análisis de procesos que se integre con un sistema ERP existente y soporte controles de acceso empresariales.
Ese único escenario puede generar varias variantes de aviso:
“¿Qué plataformas de análisis de procesos debería considerar un fabricante de tamaño medio?”
“Comparar herramientas de inteligencia de procesos para un fabricante europeo que utiliza un sistema ERP.”
“¿Qué plataformas combinan la integración de ERP con controles de acceso empresariales?”
“Necesito una alternativa al producto Y para el análisis de procesos en la fabricación. ¿Qué recomendaría?”
Mantener las unidades de análisis separadas
Unidad | Significado |
|---|---|
Escenario | el problema, audiencia, intención y condiciones |
Aviso | una expresión lingüística del escenario |
Variante de aviso | una redacción alternativa del mismo escenario |
Seguimiento | una pregunta dependiente de una respuesta anterior |
Ejecución | una ejecución bajo condiciones definidas |
Esta distinción es importante porque las paráfrasis prueban la sensibilidad del aviso, mientras que las ejecuciones repetidas de una redacción idéntica prueban la variabilidad estocástica. No deben combinarse en un resultado indistinguible.
Incluir escenarios de marca y no de marca
Los escenarios de marca prueban el reconocimiento de entidades y la precisión de las afirmaciones:
¿Qué ofrece la marca X?
¿La marca X proporciona la característica Y?
¿Cómo se compara la marca X con el competidor Z?
¿Cuáles son las limitaciones de la marca X?
Los escenarios no de marca prueban el descubrimiento y la recomendación:
¿Qué proveedores resuelven el problema X?
¿Cuáles son las opciones más sólidas para una empresa con estos requisitos?
¿Qué alternativas deberían compararse con el líder de categoría?
¿Quién se especializa en este caso de uso?
Una marca puede desempeñarse bien en preguntas explícitas mientras permanece ausente de escenarios de descubrimiento comercialmente importantes. Informe sobre ellos por separado.
Paso 3: definir la matriz de superficies de producto
El nombre del proveedor por sí solo no es suficiente metadata.
“Visibilidad de Google” puede referirse a resultados de búsqueda convencionales, AI Overviews, AI Mode o Gemini. “ChatGPT” puede referirse a una respuesta con búsqueda, una respuesta paramétrica sin recuperación actual o un flujo de trabajo de investigación profunda. “Copilot” puede referirse a la búsqueda pública de Bing o a un entorno organizacional basado en datos privados.
Una auditoría pública básica puede incluir:
Proveedor | Superficie | Condición de búsqueda | Principal evidencia observable |
|---|---|---|---|
AI Overviews | integral a la superficie | activación, respuesta, enlaces de apoyo | |
AI Mode | integral a la superficie | respuesta, fuentes, seguimientos | |
OpenAI | ChatGPT Search | activo | respuesta, citas, panel de fuentes, contexto de conversación |
Perplexity | interfaz de búsqueda pública | activo | respuesta, citas, fuentes |
Gemini con búsqueda web | activo o identificable | respuesta y fuentes visibles | |
Anthropic | Claude con búsqueda web | activo | respuesta y citas |
Microsoft | Copilot Search en Bing | activo | respuesta, fuentes utilizadas, enlaces relacionados |
DeepSeek | interfaz pública con búsqueda web habilitada | activo según la interfaz | respuesta e información de fuente visible |
Google AI Overviews y AI Mode
La guía de Google para características de IA en Búsqueda trata AI Overviews y AI Mode como superficies distintas. Pueden utilizar diferentes modelos y técnicas, mostrar diferentes enlaces y utilizar la expansión de consultas a través de subtemas y fuentes de datos.
Debido a que AI Overviews no se activan para cada consulta, distinga la no activación de una respuesta activada en la que la marca está ausente. También separe la mención de la marca, la cita de dominio, la recomendación y la representación inexacta. Google afirma que los enlaces de apoyo deben estar indexados y ser elegibles para un fragmento convencional, pero la elegibilidad no garantiza la visualización. Registre el país, idioma, dispositivo, estado de inicio de sesión y activación de superficie; no mezcle AI Overviews, AI Mode y Gemini en una única puntuación de Google.
ChatGPT Search y Perplexity
OpenAI describe ChatGPT Search como una herramienta que proporciona respuestas oportunas con enlaces a fuentes web. Los avisos pueden reescribirse en consultas de búsqueda específicas, mientras que la ubicación general y la Memoria habilitada pueden afectar la formulación. Registre la activación de búsqueda, el inicio de sesión y el estado de Memoria, idioma, ubicación y contexto de conversación.
La documentación del rastreador de OpenAI separa OAI-SearchBot, GPTBot y ChatGPT-User; apoyan diferentes funciones de búsqueda, desarrollo de modelos e iniciadas por el usuario. Perplexity también distingue PerplexityBot y Perplexity-User. Su interfaz rica en citas es útil para el análisis de fuentes, pero los recuentos de citas en bruto no deben compararse directamente con plataformas que exponen fuentes de manera diferente.
Gemini y Claude con búsqueda web
Gemini debe tratarse como una superficie de producto separada de Google AI Overviews y AI Mode. Registre la interfaz pública, el modelo o modo divulgado, el estado de inicio de sesión, el idioma, la ubicación y si la base web actual es visible o identificable de otra manera.
Para Claude, distinga la interfaz pública de los experimentos de API. La guía de rastreo de Anthropic separa ClaudeBot, Claude-User y Claude-SearchBot. Su documentación de búsqueda web de API muestra que las búsquedas de API pueden repetirse dentro de una solicitud y pueden utilizar controles de dominio, localización y límites de búsqueda.
Los controles de API son útiles para experimentos, pero los resultados de API no deben informarse como equivalentes a respuestas de interfaz pública ordinarias.
Búsqueda de Microsoft Copilot y DeepSeek
La superficie relevante de Microsoft es Copilot Search en Bing, no Microsoft 365 Copilot o un agente organizacional basado en Microsoft Graph.
La documentación de Copilot Search de Microsoft establece que la superficie proporciona respuestas resumidas con fuentes citadas, se basa en resultados de Bing y puede emitir búsquedas adicionales en nombre del usuario. La interfaz también distingue las fuentes utilizadas para informar la respuesta de los enlaces relacionados que no se utilizaron para producirla.
Registre esa distinción para el mercado y versión probados porque la funcionalidad puede variar.
DeepSeek público puede incluirse cuando la interfaz indica visiblemente que la búsqueda web está activa. La documentación de API de DeepSeek no proporciona una descripción comparativamente detallada del comportamiento de búsqueda y cita de la interfaz pública; por lo tanto, la auditoría debe registrar solo lo que se puede observar: estado de búsqueda, modelo o modo visible, presentación de fuentes, clicabilidad, fecha, idioma y ubicación. No debe inferir una arquitectura de recuperación no documentada.
Paso 4: evaluar las fuentes propias de la marca
Las pruebas de IA no deberían ser el primer encuentro del auditor con información sobre la marca.
Revise la página de inicio, las páginas de categoría y producto, la documentación, precios, informes, información de la empresa, perfiles de liderazgo, versiones de idioma y perfiles de plataforma oficiales.
Accesibilidad técnica
Verifique si las páginas importantes son rastreables, indexables y están disponibles en HTML textual; si la canonicalización selecciona las URL correctas; si un WAF o CDN bloquea rastreadores relevantes; y si las páginas obsoletas siguen siendo públicas y descubribles.
Google afirma que los fundamentos convencionales de SEO aún se aplican a AI Overviews y AI Mode: rastreabilidad, indexabilidad, enlaces internos, disponibilidad textual de información importante y consistencia entre datos estructurados y contenido visible. Su guía también establece que no se requiere un archivo de IA especial o un esquema dedicado para esas superficies.
El acceso técnico no garantiza visibilidad, pero la información inaccesible no puede funcionar de manera confiable como una fuente actual.
Disponibilidad y consistencia de afirmaciones
Las afirmaciones importantes deben ser explícitas, actuales, atribuibles a la entidad correcta y respaldadas por evidencia.
Verifique si hay definiciones faltantes, categorías ambiguas, características contradictorias, precios antiguos, funciones descontinuadas, inconsistencias entre idiomas, confusión de entidades y hechos importantes disponibles solo en documentos obsoletos.
No todas las respuestas inexactas de IA se originan en el modelo. La propia propiedad de la marca puede contener material obsoleto o conflictivo del cual se reconstruye el error.
Paso 5: mapear el ecosistema de fuentes externas
La representación también puede estar influenciada por medios, directorios, reseñas, páginas de socios, documentación pública, foros, plataformas sociales, informes de analistas, comparaciones de competidores y materiales institucionales.
Para cada fuente relevante, registre la categoría, las afirmaciones asociadas, la moneda, la coincidencia de entidades, la aparición en respuestas de IA, las opciones de corrección y la fuerza comparativa contra las fuentes de competidores.
Identificar brechas de fuentes
Una brecha de fuente existe cuando una afirmación importante no tiene apoyo público creíble, existe solo en las páginas de marketing de la marca, no está disponible en el idioma o mercado probado, o se describe de manera menos precisa que una afirmación equivalente de un competidor.
Una brecha de fuente no prueba que la marca estará ausente. Identifica un entorno de evidencia débil en el que la recuperación, verificación o recomendación pueden ser más difíciles.
Identificar descripciones conflictivas
Una marca puede describirse a sí misma como una plataforma de análisis mientras que los directorios la clasifican como software de gestión de proyectos. Una página de socio puede listar una integración que ha sido descontinuada. Un antiguo artículo de prensa puede nombrar a un ex director ejecutivo.
Documente estos conflictos antes de las pruebas. Pueden explicar errores posteriores, aunque no establecen causalidad.
Paso 6: realizar pruebas controladas y preservar la evidencia
Cada ejecución debe producir un registro que pueda revisarse después de que la interfaz o la respuesta cambien.
Campo | Registro requerido |
|---|---|
Escenario y aviso | IDs, redacción completa y tipo de variante |
Superficie | proveedor, superficie de producto y estado de búsqueda |
Condiciones | fecha, hora, idioma, ubicación, inicio de sesión y estado de cuenta |
Contexto | sesión nueva, seguimiento o conversación extendida |
Salida | respuesta completa, negativa o error |
Fuentes | citas, títulos de fuentes, URL y pasajes citados visibles |
Datos de marca | orden, rol, competidores y categoría |
Afirmaciones | declaraciones atómicas, estado de precisión y errores |
Revisión | revisor y estado de adjudicación |
Una captura de pantalla es útil, pero preserve el texto completo, enlaces, orden de fuentes, indicadores de búsqueda y seguimientos relevantes. De lo contrario, los revisores posteriores pueden no ser capaces de distinguir recomendación, listado, uso de fuentes y calificación material.
Utilizar ejecuciones repetidas
La investigación de muestreo repetido muestra por qué una ejecución no debe tratarse como un resultado fijo de la plataforma. Cuantificando la Incertidumbre en la Visibilidad de IA encontró una variabilidad sustancial en las citas a través de mediciones repetidas, mientras que No Mida Una Vez argumenta que la visibilidad debe caracterizarse como una distribución a través de ejecuciones, avisos y tiempo.
Este artículo no prescribe un tamaño de muestra. Requiere que la auditoría distinga:
una ejecución de aviso idéntica realizada nuevamente;
una variante de aviso parafraseada;
una fecha diferente;
un idioma o ubicación diferente;
un modelo o interfaz cambiados;
un seguimiento dentro de una conversación existente.
Controlar el estado de la conversación
Una sesión nueva y una respuesta de seguimiento no son equivalentes.
Después de varios turnos, el sistema puede haber seleccionado competidores, inferido requisitos del usuario o introducido suposiciones que afectan respuestas posteriores. Las pruebas de referencia deben, por lo tanto, separar:
avisos de sesión nueva;
seguimientos controlados;
viajes de decisión más largos;
escenarios personalizados o habilitados por memoria.
La auditoría debe ser reproducible
Una auditoría creíble tiene un alcance de entidad definido, afirmaciones verificadas, escenarios de intención, metadata específica de superficie y registros de respuestas completas.
Ese fundamento hace posible determinar si un problema concierne a la ausencia, el rol de recomendación, la procedencia de la fuente, el error fáctico o la inestabilidad. El próximo artículo explica cómo clasificar, interpretar e informar esos hallazgos.
La distinción procedimental también sigue la superficie de control GEO: las marcas pueden controlar partes de su patrimonio informativo, influir en partes del entorno de fuentes más amplio y observar resultados que no controlan directamente.
Discuta una auditoría de visibilidad de IA con Brand Semantics.
Fuentes y notas metodológicas
Google Search Central, Características de IA y su sitio web. Utilizado para AI Overviews, AI Mode, expansión de consultas, elegibilidad y fundamentos técnicos. La documentación no revela mecanismos completos de recuperación o selección de fuentes.
OpenAI Help Center, ChatGPT Search, y OpenAI, Descripción general de los rastreadores de OpenAI. Utilizado para el comportamiento de búsqueda, reescritura de consultas, ubicación, Memoria y distinciones entre OAI-SearchBot, GPTBot y ChatGPT-User.
Perplexity, Rastreadores de Perplexity. Utilizado para la distinción entre PerplexityBot y Perplexity-User.
Anthropic, guía de rastreo y Herramienta de búsqueda web. Utilizado para Claude-SearchBot, Claude-User y controles de búsqueda de API. La documentación de API no se trata como una descripción completa de la interfaz pública.
Microsoft, Copilot Search en Bing. Utilizado para la base de Bing, búsquedas adicionales, fuentes citadas y la distinción entre fuentes utilizadas y enlaces relacionados.
DeepSeek, documentación de API. Utilizado para identificar el límite de la documentación técnica pública; no se infiere ningún mecanismo de recuperación no documentado.
Ronald Sielinski, Cuantificando la Incertidumbre en la Visibilidad de IA, y Julius Schulte, Malte Bleeker y Philipp Kaufmann, No Mida Una Vez. Ambos son preprints de 2026 utilizados para respaldar la medición repetida en lugar de pruebas únicas.