Auditoría de visibilidad en IA: qué mide de verdad (y qué no puede medir)

Una auditoría de visibilidad en IA responde una pregunta que ningún tablero responde: cuando un cliente le pregunta a ChatGPT o a Gemini por lo que tú vendes, ¿apareces? Se hace volviendo a hacer esas preguntas y anotando cuatro cosas —si los modelos pueden llegar a tu sitio, si te nombran, con qué datos y citando qué fuentes—. Todo lo demás que te vendan bajo ese nombre es decoración.

Conviene empezar por lo incómodo, porque explica por qué esto existe como categoría. No hay un informe que leer.

Google lo dice por escrito en su documentación para sitios: las páginas que aparecen en funciones de IA —AI Overviews y el Modo IA— "se incluyen en el tráfico de búsqueda general en Search Console". Están ahí adentro, mezcladas con el resto de la Búsqueda, sin una fila propia que puedas filtrar. Puedes ver que tuviste impresiones; no puedes ver cuántas fueron dentro de una respuesta generada.

Del otro lado no hay ni eso. OpenAI no publica ningún panel donde un dueño de sitio vea cuántas veces ChatGPT nombró su empresa. Tampoco Perplexity, tampoco Claude. La superficie donde tus clientes están preguntando es, para ti, opaca por diseño.

De ese vacío nace la auditoría. Si nadie te da el número, la única forma de saberlo es reconstruirlo: hacer las preguntas y mirar las respuestas. Suena rudimentario porque lo es. También es lo único que hay.

Las cuatro capas que una auditoría seria mide

La palabra "visibilidad" tapa cuatro problemas distintos, con arreglos distintos y costos muy distintos. Una auditoría que no los separa te deja con un número y sin plan. Estos son, en el orden en que conviene revisarlos.

1. Acceso: ¿pueden llegar a ti?

Es la capa aburrida y la que más veces está rota. Antes de preguntarte si un modelo te recomienda, hay que preguntarse si puede leerte.

OpenAI documenta que OAI-SearchBot "se usa para mostrar sitios web en los resultados de las funciones de búsqueda de ChatGPT" —es decir, es el que te hace elegible para aparecer citado— y que GPTBot es otro, el de entrenamiento. Son dos decisiones separadas y mucha gente las bloquea juntas sin querer: querían quedar fuera del entrenamiento y se borraron también de la búsqueda.

En el lado de Google, la contracara son los controles de fragmento. Su documentación señala nosnippet, data-nosnippet, max-snippet y noindex como la vía para limitar lo que se muestra de tus páginas. Sirven, y por eso mismo hacen daño cuando están puestos de más: un max-snippet corto heredado de otra época te deja indexado y, a la vez, sin material citable.

Esta capa se audita con una revisión técnica, no preguntándole nada a ningún modelo. Y es la única de las cuatro donde un hallazgo se arregla el mismo día.

2. Mención: ¿te nombran cuando no preguntan por ti?

Acá está el error más común de quien se audita a sí mismo: preguntarle a ChatGPT por su propia marca. Eso no mide visibilidad, mide memoria. Si le das el nombre, el modelo va a hablar de ti; el cliente que te importa no sabe tu nombre todavía.

La pregunta que vale es la del cliente: por categoría, por problema y por zona. "¿Quién hace X en Y?", "¿cuál es la mejor opción para Z?". Y la respuesta útil no es sí o no, es cuántas veces de cuántas. Repite la misma pregunta en sesiones distintas y vas a ver que sales una vez sí y dos no. Esa proporción es la métrica; el sí o no de una sola corrida no es nada.

3. Exactitud: ¿con qué datos te nombran?

Aparecer mal descrito puede costar más que no aparecer. Un modelo que te nombra con un precio viejo, un servicio que ya no das o una ciudad equivocada está haciendo trabajo comercial en tu contra, con la autoridad que le da estar del otro lado de una respuesta y no de un anuncio.

Esta capa se audita comparando lo que el modelo afirma contra lo que es cierto, campo por campo: qué haces, dónde, desde cuándo, a qué precio, para quién. Cuando aparece una diferencia, el arreglo casi nunca está en el modelo: está en la fuente que el modelo leyó.

4. Fuentes: ¿a quién está citando?

La capa que más gente saltea y la que más explica. Cuando un modelo con búsqueda responde sobre tu empresa, abre páginas concretas. Saber cuáles son te dice quién está escribiendo tu reputación: tu propio sitio, un directorio, un foro, una nota de hace cuatro años, el blog de un competidor.

Es también la capa que convierte la auditoría en plan de trabajo. Si las fuentes que te describen son de terceros y están desactualizadas, ya sabes dónde intervenir, y no es en tu página de inicio.

Las tres cosas que ninguna auditoría puede prometerte

Esta sección es la que separa un diagnóstico de un folleto. Si quien te audita no te dice estas tres, te está vendiendo certeza que no tiene.

No hay un número de tráfico. Ya lo vimos: Google mete las funciones de IA dentro del total de Búsqueda en Search Console. Cualquiera que te muestre "visitas desde AI Overviews" está estimando, y debería decírtelo con esa palabra.

La misma pregunta no da la misma respuesta. Las respuestas generadas varían entre sesiones, entre países y entre versiones del modelo. Una auditoría que corre cada pregunta una sola vez no está midiendo tu visibilidad: está tomando una foto de una cosa que se mueve. Por eso la repetición no es un lujo metodológico, es la metodología.

Una pregunta del usuario no es una búsqueda. Google describe el funcionamiento del Modo IA con una técnica que llama query fan-out: "descompone tu pregunta en subtemas y lanza una multitud de consultas simultáneamente en tu nombre". En Deep Search, agrega, puede llegar a "lanzar cientos de búsquedas". Es decir: detrás de la pregunta que tú auditas hay decenas de consultas que no ves y que también deciden si sales. Auditar por palabras clave sueltas subestima el problema por diseño.

Cómo distinguir una auditoría de un informe de humo

Con la categoría de moda apareció mucho PDF con un velocímetro. Cuatro preguntas alcanzan para separar.

• ¿Cuántas preguntas corrió y cuántas veces cada una? Si no hay repeticiones, no hay medición: hay una anécdota.
• ¿Muestra las respuestas crudas? Un puntaje sin el texto que lo generó no es verificable. Deberías poder leer qué dijo el modelo.
• ¿Nombra las fuentes que el modelo abrió? Si no, la parte accionable del trabajo no se hizo.
• ¿Te dice qué no sabe? Varianza, país, fecha, modelo. Una auditoría que no declara sus límites está escondiendo el margen de error, no eliminándolo.

Y una señal de alarma concreta: si el informe promete "aparecer en AI Overviews" con marcado especial o archivos nuevos, contradice a la fuente. Google escribe que "no hay requisitos adicionales para aparecer en AI Overviews o el Modo IA, ni otras optimizaciones especiales necesarias", y que no necesitas "crear nuevos archivos legibles por máquina, archivos de texto de IA ni marcado" para aparecer en esas funciones. Quien te venda el atajo está vendiendo algo que el propio Google dice que no existe.

Por dónde empezar esta semana

Antes de contratar nada, haz la versión corta y hazla tú. Elige las cinco preguntas con las que un cliente te buscaría —categoría y zona, nunca tu marca—. Hazlas en ChatGPT y en Gemini, tres veces cada una, en sesiones separadas. Anota en una tabla: si sales, en qué lugar de la respuesta, con qué datos y qué fuentes se citan.

Ese cuadro de una hora ya te dice en cuál de las cuatro capas estás fallando, que es la decisión cara. Si no sales nunca, revisa acceso. Si sales a veces, es autoridad. Si sales siempre pero mal descrito, es un problema de datos y de fuentes, y ese es el más rápido de arreglar. Lo que se compra después —herramientas, servicio, lo que sea— es escala sobre ese mismo método, no otro método.

Preguntas frecuentes